Главная Контакты Добавить в избранное Авторы Вопросы и ответы
,

УДК 004.896

СТРУКТУРА ІНТЕЛЕКТУАЛЬНОЇ СИСТЕМИ УПРАВЛІННЯ ЗБИРАЛЬНОЮ КАМПАНІЄЮ

Селякова С. М.

Управління збиральною кампанією є складним і трудомістким процесом, бо для прийняття ефективних рішень необхідно аналізувати значний обсяг інформації про властивості та характеристики технічних засобів, задіяних у збиральній кампанії, і середовище їх функціонування. Зазначимо, що традиційні методи організації збиральної кампанії та різні логістичні підходи, що розвиваються, дозволяють частково вирішити цю проблему, бо не можуть враховувати динаміку умов збирання врожаю [1, 2, 3, 4], а існуючі інформаційні системи [5] в основному є облікового характеру й не призначені для підтримки прийняття рішень по управлінню збиральною кампанією. Тому, ефективне управління такими системно-складними процесами як збиральна кампанія можливо забезпечити шляхом використання сучасних інформаційних технологій. Внаслідок того, що технологічний процес збиральної кампанії володіє такими властивостями складної системи, як відсутність математичного опису, стохастичність поведінки, "нетерпимість" до керування, нестаціонарність, невідтворюваність експериментів, то для управління цим процесом більш раціонально застосовувати методи штучного інтелекту в рамках інтелектуальної системи управління збиральною кампанією.

Тому, актуальне є розроблення моделей і алгоритмів інтелектуальної системи управління збиральною кампанією (ІСУЗК), які б забезпечували підтримку прийняття рішень з планування та оперативного управління збиральною кампанією при найбільш повному врахуванні неоднозначного впливу умов експлуатації технічних засобів і можливостей сучасних товаровиробників.

Метою статті є розроблення структурної схеми ІСУЗК і функціональних моделей її основних підсистем, які забезпечували б підтримку прийняття ефективних рішень по управлінню збиральною кампанією в сучасних умовах сільськогосподарських підприємств.

Основні результати дослідження.

Об’єктом управління ІСУЗК є поля з врожаєм зернових культур та технологічні підрозділи сільськогосподарського підприємства, а саме підрозділи збиральної техніки, транспортної техніки, післязбиральної обробки зерна, а також, у випадку залучення техніки сторонніх організацій, підрозділи орендованої збиральної та транспортної техніки.

Ефективне управління об’єктом управління повинне забезпечуватися розв'язанням задач управління збиральною кампанією, до яких було віднесено задачу планування, задачу контролю та задачу оперативного управління. Сформулюємо ці задачі.

Задача планування: розробити план роботи для усіх технологічних підрозділів технологічного процесу збиральної кампанії і графіки роботи для кожного технічного засобу, які забезпечували б проведення збиральної кампанії з мінімальними витратами при умові обмежених часових, технічних і матеріальних ресурсах.

Задача контролю: проведення обліку фактичних показників роботи технологічних підрозділів і технічних засобів, визначення рівня відхилення між запланованими та фактичними показниками роботи, а також контроль за тим, щоб отриманні фактичні показники відповідали погодним і технологічним умовам проведення робіт.

Задача оперативного управління: здійснювати з мінімальними витратами перепланування збиральної кампанії з метою усунення відхилень між запланованими та фактичними показниками роботи технологічних підрозділів об’єкта управління.

На основі аналізу функціональних особливостей проведення збиральної кампанії та характеристик об'єкту управління була сформована структура ІСУЗК (рис. 1). До структури ІСУЗК входить Інтерфейс ОПР (блок 1), База даних, База знань і Розвязувач задач, який складається з підсистеми планування (блок 2), підсистеми контролю (блок 3) та підсистеми оперативного управління (блок 4). ІСУЗК передбачає особу, що приймає рішення (ОПР), у функції якої входить прийняття рішень по управлінню збиральною кампанією та її матеріально-технічному забезпеченню, які виконує, як правило, керівник сільськогосподарського підприємства або його уповноважений. Функцію зв'язку ОПР з системою забезпечує Інтерфейс ОПР.

Функціонування системи починається з формування портфелю заказів, який ОПР вводить у базу даних системи як початкові дані. Портфель заказів представляє собою завдання на збирання врожаю з полів – інформацію о характеристиках полів с зерном . Формування рішень по заданому портфелю заказів проводиться на основі даних про технічне забезпечення збиральної кампанії.

 

Рис. 1. Загальна структура ІСУЗК

ІСУЗК формує рішення на двох рівнях управління: верхньому та нижньому. На верхньому рівні визначаються планові завдання для кожного технологічного підрозділу на період збиральної кампанії, а нижній рівень забезпечує виконання цих завдань шляхом ефективного розподілу техніки по технологічним ділянкам і складання графіків роботи для кожного технічного засобу.

На основі початкових даних в підсистемі планування формується календарний плану збиральної кампанії -  (верхній рівень управління), в який входять планові завдання для усіх підрозділів об’єкту управління. Через Інтерфейс ОПР календарний план потрапляє до ОПР. Після узгодження плану з ОПР у підсистемі планування формуються графіки роботи для збиральних і транспортних засобів  (нижній рівень управління). В результаті отриманий план і графіки роботи можуть використовуватися на об’єкті управління при організації збиральної кампанії.

Фактичні результати проведення збиральної кампанії у кінці кожного дня вводяться ОПР в Базу даних та поступають у підсистему контролю. Разом з результатами роботи техніки вводиться інформація про погодні умови проведення робіт і інформація про несправності технічних засобів (тривалість усунення несправності), якщо вони мали місце. У блоці 3 визначається відхилення фактичних показників від запланованих . Спочатку знаходиться відхилення для кожного збирального та транспортного засобу   (нижній рівень), на основі чого провіряється відповідність значення  ситуації, що до нього привела, а потім визначається відхилення «план-факт» для кожного підрозділу  (верхній рівень). Тобто, підсистема планування спочатку робить розрахунки на верхньому рівні управління, а потім на нижньому, а підсистема контролю функціонує навпаки. Підсистема контролю формує рекомендації , які дають можливість ОПР визначити причину існуючого відхилення .

Якщо  перевищує задану ступінь неузгодженості «план-факт», тоді активізується підсистема оперативного управління, де синтезуються нові плани збиральних робіт , . Нові плани та рекомендації поступають до Бази даних і до ОПР, яка, за необхідності, може приймати рішення про зміну плану роботи об’єкта управління.

Задана загальна структура ІСУЗК у приведеному вигляді дозволяє вирішити поставлені задачі управління збиральною кампанією з урахуванням конкретних технологічних і погодних умов проведення робіт. Також ІСУЗК відноситься до типу гібридних інтелектуальних систем, так як розрахунки нею ґрунтуються на використанні методів штучного інтелекту, а саме генетичних алгоритмів, штучних нейронних мереж і нечітких множин.

Розглянемо функціональні моделі основних підсистем ІСУЗК.

Для розв’язання задачі планування збиральної кампанії в межах підсистеми планування необхідно розв’язати наступні задачі:

1.                  Визначити необхідну кількість збиральних засобів, як власних так і орендованих, та розподілити їх по полям в обмежений строк з метою мінімізації витрат на збирання врожаю.

2.                  Визначити необхідну кількість транспортної техніки для своєчасного перевезення зерна з полів і провести закріплення кожного транспортного засобу за збиральним або за групою збиральних засобів в кожну зміну збирання так, щоб мінімізувати час простою збиральної і транспортної техніки.

3.                  Визначити кількість розвантажувальних механізмів на пункті післязбиральної обробки зерна (ППО) з метою зменшення часу очікування в черзі транспортними засобами операції розвантажування.

4.                  Спрогнозувати витрати на технічне забезпечення збиральної кампанії, в яке входять витрати на паливо та змащуючи матеріали для збиральних та транспортних засобів, витрати на оренду техніки та витрати від втрат зерна від самоосипання та порчі.

5.                  Провести узгодження роботи задіяної техніки у часі, і на основі чого сформувати графіки роботи для кожної технічної одиниці на весь період збиральної кампанії.

Для розв’язання приведених вище задач призначена підсистема планування, функціональна схема якої приведена на рис. 2. Підсистема планування, як складова частина блоку Розв’язувач задач ІСУЗК, функціонує при безпосередньої взаємодії з Базою даних, Базою знань і ОПР.

Підсистема планування функціонує на основі початкових даних, що вводяться користувачем у Базу даних системи. У першу чергу, у блоці 1 підсистеми планування проводиться ідентифікація асоціативних зв’язків, параметрів динамічної моделі технологічного процесу збиральної кампанії (ТПЗК), а також станів і дій моделі системи. На основі рівнянь динамічної моделі ТПЗК у блоці 2 визначаються показники роботи технічних засобів, а саме площа кожного поля, яку обробляє за зміну комбайн; витрати на паливо для кожного комбайну; тривалість руху транспортного засобу по маршрутному шляху з вантажем та без нього та ін. Початкова інформація про характеристики полів, збиральної техніки та асоціативні зв'язки ТПЗК дають можливість на основі генетичного алгоритму розподілу збиральної техніки по полям у блоці 3 сформувати варіанти розподілу техніки на весь період збиральної кампанії. Також у блоці 3 для кожного варіанту розподілу збиральної техніки проводиться закріплення транспортних засобів за збиральними на основі методів теорії масового обслуговування. У блоці 4 проводиться розрахунок кількості розвантажувальних механізмів на ППО для кожного варіанту

 


 

1

 

Рис. 2. Функціональна схема підсистеми планування ІСУЗК


розподілу техніки. Витрати на експлуатацію технічних засобів з урахуванням витрат на оренду техніки прогнозуються у блоці 5. У блоці 6 формуються варіанти розподілу техніки з інформацією про витрати на технічне забезпечення робіт, які потрапляють у Базу даних системи. З варіантами розподілу техніки може ознайомитися ОПР і вибрати більш ефективні варіанти (блок 7). Обрані варіанти (або варіант) розподілу техніки у блоці 8 імітаційне моделюються, що дає можливість узгодити роботу техніки у часі. У блоці 9 визначається більш ефективний варіант розподілу техніки з мінімальними простоями техніки, а також виявляються деякі неточності в плані розподілу техніки. У цьому випадку, у блоці 6 проводиться корегування плану розподілу техніки та для виправленого варіанту знову проводиться імітування ТПЗК. За формування календарного плану збиральної кампанії та графіків роботи технічних засобів відповідає блок 10. Плани і графіки збиральної кампанії потрапляють і зберігаються в Базі даних системи. Зазначимо, що блоки 1) -7) підсистеми планування розв’язують задачі верхнього рівня управління, а блоки 8) – 10) – нижнього.

Проведення контролю за технологічним процесом збиральної кампанії – це необхідна умова ефективного управління збиральною кампанією. Відхилення від плану роботи в більшості випадків виникає внаслідок несправностей технічних засобів або за несприятливих погодних умов проведення робіт. Але існують ситуації коли на відхилення «план-факт» вливає і людський фактор, в результаті чого можливе як недовиконання плану так і навпаки. Недовиконання плану може бути наслідком зниження інтенсивності робіт або припущення помилок при вводі початкових даних у систему користувачем, що знижує адекватність моделі реальному процесу. Збільшення планових показників може бути внаслідок підвищення швидкості проведення технологічних операцій, що може привести до додаткових втрат зерна або зниження його якості.

Розглянемо функціональну схему підсистеми контролю, що приведена на рис. 3.

На основі даних з об’єкту управління у блоці 3.1 визначається відсоток виконання плану  для кожного технічного засобу. У блоці 3.2 на основі даних про погодні умові проведення робіт  («несприятливі», «сприятливі») і працездатність засобу  («незадовільна», «задовільна», «добра»), а також на основі нечітких продукційних правил, отримаємо плановий відсоток виконання плану  (від 0% до 100%).

Функції приналежності термів лінгвістичних змінних були задані у вигляді лінійної -образної функції, трикутної функції і лінійної -образної функції. Функцію приналежності, що характеризує працездатність засобу , задамо виходячи з тривалості несправності, якщо вона мала місце під час роботи засобу. Визначення термів для вихідної змінної  відбувається на основі припущення, що відсоток виконаної роботи відповідає відсотку тривалості зміни, при якому засіб працював.

Нечіткі продукційні правила задамо в наступному вигляді:

IF AND THEN (1)

IF AND THEN (1)

IF AND THEN (1)

IF AND THEN (1)

IF AND THEN (1)

IF AND THEN (1)

Після отримання результату  у блоці 3.3 він порівнюється з результатом , і на основі цього формуються рекомендації до ОПР.

До причин відрізнення фактичного значення відхилення  від планового  віднесемо наступні твердження:

1) недовиконання плану по причині поганих погодних умов;

2) недовиконання плану із-за несправності технічного засобу;

3) недовиконання плану по технологічним причинам (зміни стану хлібостою, виникнення черги на пункті розвантажування транспортних засобів і т.п.);

4) недовиконання плану із-за дії людського фактору;

5) недовиконання плану по причині несправності та технологічних причин;

6) недовиконання плану по причині несправності та дії людського фактору;

7) недовиконання плану по причині несправності з втратою якості проведення робіт;

8) недовиконання плану по причині несправності та неадекватності початкових даних;

9) перевиконання плану по причині підвищення швидкості збирання врожаю з можливою втратою якості робіт;

10) перевиконання плану по причині неадекватності вхідних даних.

Рис. 3. Функціональна схема підсистеми контролю ІСУЗК

Зазначимо, якщо має місце причина неадекватності вхідних даних, система переходить в режим перенавчання, тобто ОПР вводить нову початкову інформацію, на основі якої знову проводиться ідентифікація моделей системи.

Підсистема контролю починає функціонувати на верхньому рівні, у випадку, коли існує відхилення «план – факт» на нижньому рівні контролю. У блоці 3.4 визначається відхилення «план–факт» по кожному технологічному підрозділу  за результатами роботи усіх задіяних засобів. Існує випадок, коли  не перевищує заданого відсотку похибки, тобто знижена ефективність роботи одного засобу може бути перекрита підвищеною ефективністю роботи інших засобів, а також усі несправності техніки були полагодженні вже до наступної зміни робіт, тоді немає необхідності в оперативному режимі змінювати план збиральних робіт. Результати роботи підсистеми контролю та рекомендації до ОПР формуються у блоці 3.5 і передаються до Інтерфейсу ОПР (блок 1) та у підсистему оперативного управління (блок 4).

 При значних відхиленнях між запланованими та фактичними результатами роботи технологічних підрозділів (на верхньому рівні), активізується підсистема оперативного управління, яка при необхідності формує новий план збиральної кампанії на наступні зміни з метою усунення відхилень «план-факт» з мінімальними витратами. Робота підсистеми оперативного управління співпадає з роботою підсистеми планування за винятком деяких відмінності в завданні початкових даних, а саме, вона функціонує на початкових даних, які поступають від підсистеми контролю кожний день проведення збиральної кампанії. До початкових даних було віднесено дані про характеристики полів  і технічне забезпечення робіт . Вектор  відрізняється від вектору  із підсистеми планування тим, що він містить в собі інформацію про характеристики тільки тих технічних засобів, які були заплановані в роботі збиральної кампанії. Спочатку на основі генетичного алгоритму розподілу збиральної техніки та математичної моделі розподілу транспортної техніки проводиться розподіл техніки, характеристики якої містяться у векторі . Отриманий план розподілу аналізується як системою так і ОПР й у випадку, коли цей план не підходить (має низьку ефективність), вектор  автоматично заміняється вектором , який містить характеристики додаткових технічних засобів, що можуть бути задіяні в збиральній кампанії, і знову проводяться розрахунки. Для вектора  вірна наступна рівність:

                                                                                                                 (1)

де  - множина характеристик несправних технічних засобів, що вже не приймають участь в збиральній кампанії.

При розробці моделей і алгоритмів ІСУЗК застосовувалися методи інтелектуального планування, імітаційного моделювання, штучних нейронних мереж, теорії еволюційного моделювання, теорії масового обслуговування, теорії нечітких множин і нечіткої логіки.

Адекватність розроблених моделей підтримки прийняття рішень для ІСУЗК була перевірена на основі даних, що були зібрані на сільськогосподарському підприємстві ТОВ «Росія» у Донецькій області. 

Висновки. Запропонована структура ІСУЗК і функціональні моделі її основних підсистем забезпечують підтримку прийняття ефективних рішень по організації збиральної кампанії в різних технологічних і погодних умовах сільськогосподарського підприємства.

ЛІТЕРАТУРА

1.                  Масло І. П., Грицишин М., Босий М. Обґрунтування технологій збирання зернових і структури парку зернозбиральних комбайнів // Техніка АПК. – 1999. – №4. – С. 8-9.

2.                  Гарам В. П., Пашко А. О. Сучасне управління агротехнологічним процесом у рослинництві//Наука та інновації. – 2005. – №2. – С. 110-116.

3.                  Козарева Т. В. Логістизація економіки АПК //Економіка АПК. – 2003. – №12 – С.23-27.

4.                  Петрик А. В. Особливості формування транспортних систем в агропромисловому виробництві//Ринок послуг комплексних транспортних систем та прикладні проблеми логістики. – 2004. – С. 177-179.

5.                  Мельник И., Абрхам З., Дубровин В. Системы для определения рациональных комплексов машин и эффективности машинно-тракторного парка //Техніка АПК. – 1999. – № 6-7. – С. 31.

 

 





Ответы на вопросы [_Задать вопроос_]

Информационно-управляющие комплексы и системы

Теленик С.Ф., Ролік О.І., Букасов М.М., Андросов С.А. Генетичні алгоритми вирішення задач управління ресурсами і навантаженням центрів оброблення даних

Богушевский В.С., Сухенко В.Ю., Сергеева Е.А., Жук С.В. Реализация модели управления конвертерной плавкой в системе принятия решений

Бень А.П., Терещенкова О.В. Применение комбинированных сетевых методов планирования в судоремонтной отрасли

Цмоць І. Г., Демида Б.А., Подольський М.Р. Методи проектування спеціалізованих комп’ютерних систем управління та обробки сигналів у реально-му час

Теленик С.Ф., РолікО.І., Букасов М.М., РимарР.В., Ролік К.О. Управління навантаженням і ресурсами центрів оброблення даних при виділених серверах

Еременко А.П., Передерий В.И. Принятие решений в автоматизированных системах с учетом психофункциональных характеристик оператора на основе генетических алгоритмов

Львов М.С. Алгоритм перевірки правильності границь змінення змінних у послідовних програмах

Ляшенко Е.Н. Анализ пожарной опасности сосновых насаждений в зоне Нижне-днепровских песков – самой большой пустыни в Европе

Кучеров Д.П., Копылова З.Н. Принципы построения интеллектуального автору-левого

Касаткина Н.В., Танянский С.С., Филатов В.А. Методы хранения и обработки нечетких данных в среде реляционных систем

Ходаков В.Е., Жарикова М.В., Ляшенко Е.Н. Применение когнитивного подхода для решения задачи поддержки принятия управленческих решений при ликвидации лесных пожаров

Гончаренко А.В. Моделювання впливу ентропії суб’єктивних переваг на прийняття рішень стосовно ремонту суднової енергетичної установки

Фарионова Н.А. Системный подход построения алгоритмов и моделей систем поддержки принятия решений при возникновении нештатных ситуаций

Биленко М.С., Серов А.В., Рожков С.А., Буглов О.А. Многоканальная система контроля качества текстильных материалов

Мотылев K.И., Михайлов M.В., Паслен В.В. Обработка избыточной траекторной информации в измерительно-вычислительных системах

Гончаренко А.В. Вплив суб’єктивних переваг на показники роботи суднової енергетичної установки

Гульовата Х.Г., Цмоць І.Г., Пелешко Д.Д. Архітектура автоматизованої системи моніторингу і дослідження характеристик мінеральних вод

Соломаха А.В. Разработка метода упреждающей компенсации искажений статорного напряжения ад, вносимых выходными силовыми фильтрами

ПотапенкоЕ.М., Казурова А.Е. Высокоточное управление упругой электромеханической системой с нелинейным трением.

Кузьменко А.С., Коломіц Г.В., Сушенцев О.О. Результати розробки методу еквівалентування функціональних особливостей fuzzy-контролерів

Кравчук А. Ф., Ладанюк А.П., Прокопенко Ю.В. Алгоритм ситуационного управления процессом кристаллизации сахара в вакуум-аппарате периодического действия с механическим циркулятором

Абрамов Г.С., Иванов П.И., Купавский И.С., Павленко И.Г. Разработка навигационного комплекса для автоматического наведения на цель системы груз-управляемый парашют

Литвиненко В.И., Четырин С.П. Компенсация ошибок оператора в контуре управления следящей системы на основе синтезируемых вейвелет-сетей

Бардачев Ю.Н., Дидык А.А. Использование положений теории опасности в искусственных иммунных системах

Рожков С.О., Кузьміна Т.О., Валько П.М. Інформаційна база як основа для створення асортименту лляних виробів.

Ускач А.Ф., Становский А.Л., Носов П.С. Разработка модели автоматизированной системы управления учебным процессом

Мазурок Т.Л., Тодорцев Ю.К. Актуальные направления интеллектуализации системы управления процессом обучения.

Ускач А.Ф., Гогунский В.Д., Яковенко А.Е. Модели задачи распределения в теории расписания.

Сідлецький В.М., Ельперін І.В., Ладанюк А.П. Розробка алгоритмів підсистеми підтримки прийняття рішень для контролю якості роботи дифузійного відділення.

Пономаренко Л.А., Меликов А.З., Нагиев Ф.Н. Анализ системы обслуживания с различными уровнями пространственных и временных приоритетов.

Коршевнюк Л.О. Застосування комітетами експертів системи нечіткого логічного виводу із зваженою істинністю.. – С. 73 – 79.

Кирюшатова Т.Г., Григорова А.А Влияние направленности отдельных операторов и направленности всей группы на конечный результат выполнения поставленной задачи.

Петрушенко А.М., Хохлов В.А., Петрушенко І.А. Про підключення до мови САА/Д деяких засобів паралельного програмування пакету МРІСН.

Ходаков В.Е., Граб М.В., Ляшенко Е.Н. Структура и принципы функционирования системы поддержки принятия решений при ликвидации лесных пожаров на базе новых геоинформационных технологий.

Сидорук М.В., Сидорук В.В. Информационные системы управления корпорацией в решении задач разработки бюджета.

Нагорный Ю.И. Решение задачи автоматизированного расчета надежности иасуп с использованием модифицированного метода вероятностной логики

Козак Ю.А. Колчин Р.В. Модель информационного обмена в автоматизированной системе управления запасами материальных ресурсов в двухуровневой логистической системе

Гожий А.П., Коваленко И.И. Системные технологии генерации и анализа сценариев

Вайсман В.А., Гогунский В.Д., Руденко С.В. Формирование структур организационного управления проектами

Бараненко Р.В., Шаганян С.М., Дячук М.В. Аналіз алгоритмів взаємних виключень критичних інтервалів процесів у розподілених системах

Бабенко Н.И., Бабичев С.А. Яблуновская Ю.А. Автоматизированная информационная система управления учебным заведением

Яковенко А.Е. Проектирование автоматизированных систем принятия решений в условиях адаптивного обучения с учетом требований болонского процесса

Бараненко Р.В Лінеаризація шкали і збільшення діапазону вимірювання ємностей резонансних вимірювачів

Головащенко Н.В. Математичні характеристики шумоподібно кодованих сиг-налів.

Шерстюк В.Г. Формальная модель гибридной сценарно-прецедентной СППР.

Шекета В.І. Застосування процедури Append при аналізі абстрактних типів даних модифікаційних запитів.

Цмоць І.Г. Алгоритми та матричні НВІС-структури пристроїв ділення для комп'-ютерних систем реального часу.

Кухаренко С.В., Балтовский А.А. Решение задачи календарного планирования с использованием эвристических алгоритмов.

Бараненко Р.В., Козел В.Н., Дроздова Е.А., Плотников А.О. Оптимизация рабо-ты корпоративных компьютерных сетей.

Нестеренко С.А., Бадр Яароб, Шапорин Р.О. Метод расчета сетевых транзакций абонентов локальных компьютерных сетей.

Григорова А.А., Чёрный С. Г. Формирование современной информационно-аналитической системы для поддержки принятия решений.

Шаганян С.Н., Бараненко Р.В. Реализация взаимных исключений критических интервалов как одного из видов синхронизации доступа процессов к ресурсам в ЭВМ

Орлов В.В. Оценка мощности случайного сигнала на основе корреляционной пространственной обработки

Коджа Т.И., Гогунский В.Д. Эффективность применения методов нечеткой логики в тестировании.

Головащенко Н.В., Боярчук В.П. Аппаратурный состав для улучшения свойств трактов приёма – передачи информации в системах промышленной автоматики.