Інформаційна технологія підтримки прийняття рішень в складних виробничих процесах на основі еволюційного

Abstract

В дисертаційній роботі вирішена актуальна науково-прикладна задача створення інформаційної технології прийняття рішень для ефективного планування та керування складними виробничими процесами на основі еволюційного методу. Мета і завдання дослідження. Метою роботи є підвищення ефективності, швидкості отримання та якості управлінських рішень при плануванні складних виробничих процесів в умовах невизначеності шляхом створення інформаційної технології підтримки прийняття рішень з використанням евристичних пошукових методів. Наукова новизна отриманих результатів: 1. Вперше запропоновано гібридний метод умовної оптимізації на основі рою часток та штучної імунної системи, який, на відміну від існуючих, передбачає поділ популяції на групи, міжгрупове змагання та стиснення популяції, механізм адаптації оператора стиснення. Застосування методу в складі інформаційної технології підтримки прийняття рішень дозволяє скоротити час отримання та підвищити якість цих рішень. 2. Вперше запропоновано модульну інформаційну технологію прийняття рішень в задачах планування та керування складними виробничими процесами, в якій кожен модуль передбачає розв’язання певної оптимізаційної задачі гібридним еволюційним методом. Її застосування дозволяє підвищити ефективність прийняття рішень у виробничих процесах, а також сертифікації готової продукції. 3. Удосконалений метод статистичної сертифікації продукції на основі відновлення індивідуальних для кожного найменування моделей оптимальної складності, що, на відміну від існуючих, використовує обмеження на ступені предикторів, які можуть приймати від’ємні значення. Удосконалений метод дозволяє сертифікувати продукцію без прямих вимірювань з відносною помилкою не вище 5%. 4. Удосконалений метод планування потреби у інгредієнтах на основі хімічного аналізу продукції, що виробляється, що на відміну від існуючих передбачає відновлення прогностичних моделей розробленим гібридним еволюційним методом. Це дозволяє будувати для кожного типу продукції індивідуальні моделі прогнозування, що мають відносну помилку не вище 8,5% і для отримання яких потрібно на порядок менше навчальних прикладів у навчальний вибірці. Практичне значення одержаних результатів полягає у тому, що розроблені у дисертаційному дослідженні інформаційні технології та методи доведені до практичної реалізації у вигляді програмних модулів, що можуть спільно або незалежно використовуватись для підтримки прийняття рішень складних виробничих процесах. У першому розділі проведено аналіз задачі інформаційно-аналітичного супроводу процесів прийняття керуючих рішень в складних виробничих процесах на прикладі металургійного підприємства. Відзначено актуальність досліджень, результатом яких має стати побудова інформаційної технології підтримки прийняття рішень в процесах шихтування, розкислення та прогнозування механічних властивостей готової продукції. Показано, що в межах пропонованої інформаційної технології необхідно вирішити ряд оптимізаційних задач, що мають значну кількість обмежень та можуть розглядатися як багатокритеріальні. Наголошено на ефективності еволюційного підходу до розв’язання багатокритеріальних задач оптимізації у дійсному просторі, зокрема, методів на основі принципу рою часток та моделювання штучних імунних систем. В другому розділі розроблено гібридний метод умовної оптимізації, який використовує підходи рою часток та штучної імунної системи та передбачає поділ популяції на групи з індивідуальною змінною чисельністю агентів, міжгрупове змагання та стиснення популяції з метою протидії збіжності. Застосування розробленого методу HIPSO в складі інформаційної технології підтримки прийняття рішень дозволяє скоротити час та підвищити надійність та точність отриманих розв’язків. В ході дослідження запропонованого методу з’ясовано, що коефіцієнти при складових швидкості не залежать від розмірності простору задачі; кількість груп, на які розділяється рій, має зростати зі зростанням розмірності задачі, тоді як кількість поразок певної групи рою, після якої дана група розпускається, не залежить від розмірності задачі; загальний розмір рою має зростати зі збільшенням мірності простору пропорційно кількості груп розбиття; періодичність міжгрупового стиснення має збільшуватись зі збільшенням розмірності задачі й може обиратися простим числом у широких межах, а періодичність внутрішньогрупового стиснення не залежить від розмірності й може прийматися простим числом від 7 до 13. В третьому розділі запропоновано інформаційну технологію підтримки прийняття рішень в сортопрокатному металургійному виробництві на основі гібридного еволюційного методу оптимізації, яка передбачає модульний підхід, де кожен програмний модуль крім організації інтерфейсу вводу-виводу, передбачає розв’язання певної оптимізаційної задачі, що відноситься до конкретного виробничого процесу. Застосування інформаційної технології до синтезу залежностей механічних характеристик готової продукції та для розрахунку потреби у феросплавах в процесі розкислення сталі дозволяє підвищити ефективність виробництва за рахунок підвищення якості рішень та скорочення часу їх отримання. Останнє, в свою чергу, зменшує собівартість готової продукції. В четвертому розділі показано, що запропонований гібридний метод умовної оптимізації на основі моделювання штучної імунної системи та рою часток показує високу ефективність при рішенні широкого набору тестових задач при розмірності від 2 до 100в дійсному просторі, а саме: частіше знаходить глобальний оптимум, є надійнішим, потребує меншої кількості звернень до цільової функції, є стійким до зростання масштабу задачі, а також вирішує 2/3 тестових задач швидше, ніж його методи-конкуренти незалежно від розмірності задачі. В ході експериментальної перевірки запропонованого алгоритму на реальних виробничих задачах запропонований метод показав високу точність і повторюваність результатів: з ймовірністю більше 0,778 він знаходить краще рішення з помилкою не вище 2,8%; якість рішень у запропонованого методу вища в середньому на 12–24%, а повторюваність вища у 1,5–2,0 рази. Застосування пропонованої інформаційної технології підтримки прийняття рішень до шихтування дозволяє зменшити відсоток плавок з порушенням основності в середньому на 13,2%, плавок з перевищенням температури – на 57,9%; кількість додувок на 16,6%, а середній час плавки – на 12,4%. Водночас її застосування дозволило прогнозувати потребу у основних розкислювачах з відносною помилкою не вище 8,5%, використовуючи для цього індивідуальні прогностичні моделі оптимальної складності, для отримання яких потрібно на порядок менше навчальних прикладів у навчальний вибірці. Також запропонована інформаційна дозволяє прогнозувати механічні властивості готових виробів з відносною помилкою не вище 5%, використовуючи для цього індивідуальні прогностичні моделі оптимальної складності. Отримані результати підтверджують перспективність застосування пропонованої інформаційної технології підтримки прийняття рішень на основі еволюційного методу для ефективного планування та керування складними виробничими процесами.

The dissertation solves the relevant scientific and applied problem of creating decision-making information technology for effective planning and management of complex production processes based on the evolutionary method. The purpose of the work is to increase the effectiveness, speed of obtaining, and quality of management decisions in planning complex manufacturing processes under uncertainty by developing an information technology for decision support using heuristic search methods. Scientific novelty of the obtained results: 1. For the first time, a hybrid method of conditional optimization based on particle swarm and artificial immune system is proposed, which, unlike existing methods, involves the division of the population into groups, intergroup competition, and population compression mechanism for the adaptation of the compression operator. The application of the method as part of the information technology for decision support allows reducing the time to obtain and improving the quality of these decisions. 2. For the first time, a modular information technology for decision-making in planning and managing complex production processes is proposed, where each module solves a specific optimization problem using a hybrid evolutionary method. Its application allows increasing the efficiency of decision-making in production processes and certification of end products. 3. The improved method of statistical certification of products is based on restoring individual models of optimal complexity for each product type, which, unlike existing methods, uses constraints on predictor degrees that can take negative values. The improved method allows for product certification without direct measurements, with a relative error not exceeding 5%. 4. The method of planning the need for ingredients based on the chemical analysis of the produced product has been improved, which, unlike existing methods, involves restoring predictive models using the developed hybrid evolutionary method. This allows creating individual predictive models for each type of product with a relative error of no more than 8.5% and requiring an order of magnitude fewer training examples in the training sample. The practical significance: The developed information technologies and methods in the dissertation research have been implemented as software modules that can be used jointly or independently to support decision-making in complex production processes. In the first chapter, the problem of information-analytical support of control decision-making processes in complex production processes was analyzed, using the example of a metallurgical enterprise. The relevance of research, which should result in the creation of information technology to support decision-making in batching, deoxidation, and forecasting the mechanical properties of finished products, was noted. It is shown that within the proposed information technology, a number of optimization problems with significant constraints, which can be considered multi-criteria, need to be solved. The effectiveness of the evolutionary approach to solving multi-criteria optimization problems in real space, particularly methods based on the particle swarm principle and artificial immune systems modeling, is emphasized. In the second chapter, a hybrid method of conditional optimization is developed, which uses particle swarm and artificial immune system approaches and involves dividing the population into groups with individually variable agent numbers, intergroup competition, and population compression to counter convergence. The application of the developed HIPSO method as part of the information technology for decision support allows reducing the time and increasing the reliability and accuracy of the obtained solutions. During the study of the proposed method, it was found that the coefficients of the speed components do not depend on the problem space dimension; the number of groups into which the swarm is divided should increase with the increasing dimension of the problem, and the number of defeats of a certain group of the swarm after which the given group dissolves does not depend on the problem dimension; the total size of the swarm should increase proportionally to the number of partition groups as the space dimension increases; the periodicity of intergroup compression should increase with the problem dimension and can be chosen as a simple number within wide limits, while the periodicity of intragroup compression does not depend on the dimension and can be taken as a simple number from 7 to 13. In the third chapter, information technology for decision support in rolled metallurgical production based on a hybrid evolutionary method of optimization is proposed, providing a modular approach to the construction of an integrated system for decision support, where each module, using the input-output interface, provides a solution to a specific optimization problem related to a specific production process. The application of information technology to the synthesis of the dependences of the mechanical characteristics of finished products on the chemical composition of steel before deoxidation and to calculate the need for ferroalloys in the deoxidation process allowed increasing the efficiency of production due to automation and reducing the time of relevant operations. This reduces the cost of steel production. In the fourth chapter, the proposed hybrid method of conditional optimization based on the simulation of an artificial immune system and a swarm of particles demonstrates high efficiency in solving a wide range of test problems in real space with dimensions from 2 to 100. The global optimum is mainly found, as it has a higher percentage of reaching the global optimum, is more reliable due to less variance in repeated experiments, requires fewer calls to the objective function, is robust to the growth of the problem scale, and also solves 2/3 of the test problems faster than competing methods regardless of problem dimensions. During the experimental testing of the proposed algorithm on real production problems, the proposed HIPSO method showed high accuracy and repeatability of results: with a probability of more than 0.778, the proposed algorithm finds a better solution with an error of up to 2.8%; the quality of the solutions of the proposed method is higher on average by 12-24%, and the repeatability is higher by 1.5-2.0 times. The information technology of supporting decision-making in the management processes of rolled metallurgical production has been tested experimentally. The application of the proposed information technology to batching reduces the percentage of melts with basicity violations by an average of 13.2%, melts with excess temperature by 57.9%, the number of additions by 16.6%, and the average melting time by 12.4%. At the same time, its application made it possible to forecast the need for basic deoxidizers with a relative error of no higher than 8.5%, using individual prognostic models of optimal complexity, which require an order of magnitude fewer training examples in the training sample. The proposed information technology also allows forecasting the mechanical properties of finished products with a relative error of no more than 5%, using individual prognostic models of optimal complexity. The results obtained confirm the potential of using the proposed information technology for decision support based on the evolutionary method for effective planning and management of complex manufacturing processes.