Приложение на методите на изкуствения интелект при проектиране, планиране, производство и управление



Дата18.09.2016
Размер226.18 Kb.
#10062





ПРИЛОЖЕНИЕ НА МЕТОДИТЕ НА ИЗКУСТВЕНИЯ ИНТЕЛЕКТ ПРИ ПРОЕКТИРАНЕ, ПЛАНИРАНЕ, ПРОИЗВОДСТВО И УПРАВЛЕНИЕ
ПРИМЕНЕНИЕ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ПРОЭКТИРОВАНИЕМ, ПЛАНИРОВАНИЕМ, ПРОИЗВОДСТВОМ И УПРАВЛЕНИЕМ
APPLICATION OF THE ARTIFICIAL INTELLIGENCE METHODS IN

DESIGN, PLANING, PRODUCTION AND MANAGEMENT


Prof. DSc PhD Popov G.

Technical University of Sofia, Bulgaria

E-mail: gepop@tu-sofia.bg



Abstract: The paper discusses the artificial intelligence methods, which are applied in the design, planning, production and management stages. Sample applications of some of these methods are presented: fuzzy logic theory application for design of spindle units for machine tools and holonic approach, Petri nets and generalized nets for design of RMS for metal-cutting processing.
KEYWORDS: ARTIFICIAL INTELLIGENCE METHODS, FUZZY LOGIC, PETRI NETS, RECONFIGURABLE MANUFACTURING SYSTEMS


1. Въведение
Развитието на съвременните информационни технологии и тяхното приложение в производството, маркетинга, организацията и управлението се базират на използването на методите на изкуствения интелект. Той се явява клон от компютърната наука, занимаващ се с проектирането на автоматизирани компютърно управляеми системи, които представят характерните черти на човешкия интелект, включващи изводи и заключения, обучение, самоусъвършенстване, търсене на цел, решаване на проблеми и т.н. [1]. В по-широк план това е клон в науката, обхващащ разработване и прилагане на изчислителен инструментариум, който подражава или е вдъхновен от естествения интелект, да изпълнява задачи с производителност и ефективност, съизмерими и дори по-високи от тези на естествените системи.

След своето зараждане през 50-те години изкуственият интелект създаде широка гама от методи, които намират все по-голямо приложение при решаването на разнообразни проблеми на производственото инженерство в направление на проектирането, планирането, производството и управлението на системно ниво.


2. Методи на изкуствения интелект
В табл. 1-1 са представени най-често използваните методи на изкуствения интелект, които са намерили приложение в практиката [2-6]. Тук в лявата колона са дадени общоприетите съкращения на понятията от английската терминология (средната колона), а в дясната – техните български еквиваленти.

Анализът на публикации с изследвания от областта на производствените системи показва, че към момента се прилагат по-интензивно само една част от методите на изкуствения интелект [6-8]. Те са представени в табл. 1-2, като са насочени към четирите етапа при създаване на производствените системи: проектиране, планиране, производство и управление на системно равнище, при което са поставени и балове (по преценка на авторите) за честотата на тяхното приложение.



3. Приложение на теорията на размитата логика при проектиране на вретенен възел за металорежеща машина
Размитата логика съдържа достатъчно мощни средства за формално описание на всеки казус. Тези средства са обособени в класове от т.нар. размити оператори.

Основната идея за тяхната употреба се крие в трактовката на всеки казус като отношение между стойностите на размити входни/изходни променливи.

Нека бъде разгледан следният проблем [9]:

"Да се оцени радиалната стабилност на търкалящ лагер със сравнително малък вътрешен диаметър".

Решението, което експерт в областта би предложил, е:



"При условие, че вътрешният диаметър на търкалящия лагер не е много голям, очакваната радиална стабилност също няма да бъде много висока".

Внимателният анализ на експертното мнение позволява обособяването на общо знание и казуси.

Общо знание в случая е: Колкото по-голям е вътрешният диаметър на лагера, толкова по-голяма е неговата радиалната стабилност.

Тук могат да бъдат формулирани следните казуси:



  • Ако вътрешният диаметър на лагера е среден, радиалната му стабилност е понижена;

  • Ако вътрешният диаметър на лагера е голям, радиалната му стабилност е голяма;

  • Ако вътрешният диаметър на лагера е малък, радиалната му стабилност е малка.

Формалното описание на общото знание и казуса, може да се осъществи в следния ред:

  • Дефинират се лингвистичните променливи, участващи в общото знание. Тук те са: вътрешният диаметър и стабилността на лагера.

  • Построяват се техните терм-множества и съответните им универсални множества.

  • Построява се формалната интерпретация на казуса с помощта на някой от размитите оператори. Тук това е операторът "min":

Таблица 1-1


Методи на изкуствения интелект, прилагани в производствените системи

AM

Associative Memory

Асоциативна памет

AT

Automata Theory

Теория на автоматите

BA

Blackboard Architecture

Архитектура на табличните автомати

BMS

Bionic Manufacturing Systems

Бионични производствени системи

CA

Cognitive Approach

Когнитивен подход

CBS

Constrain Based Search

Търсене при наличие на ограничения

CDG

Conceptual Dependency Graphs

Концептуални графи

CI

Computer Intelligence

Компютърна интелигентност

CS

Cognitive Systems

Когнитивни системи

CT

Chaos Theory

Теория на хаоса

CV

Computer Vision

Компютърно зрение

DM

Data Mining

Извличане на данни

EP

Evolutionary Programming

Еволюционно програмиране

ES

Expert Systems

Експертни системи

FL

Fuzzy Logic

Размита логика

GA

Genetic Algorithms

Генетични алгоритми

GN

Generalized Nets

Обобщени мрежи

GP

Genetic Programming

Генетично програмиране

GT

Graph Theory

Теория на графите

HA

Holistic Approach

Холистичен подход

HMS

Holonic Manufacturing Systems

Холонни производствени системи

HS

Heuristic Search

Евристично търсене

HSs

Hybrid Systems

Хибридни системи

IN

Immune Networks

Имунни мрежи

KBS

Knowledge Based Systems

Системи базирани на знания

KR

Knowledge Representation

Представяне на знания

LS

Learning Systems

Обучаващи системи

MAS

Multi Agent Systems

Мултиагентни системи

ML

Machine Learning

Машинно обучение

NLP

Natural Language Processing

Процедури на естествени езици

NFN

Neuro-Fuzzy Nets

Размити невронни мрежи

NN

Neural Networks

Невронни мрежи

PN

Petri Nets

Мрежи на Петри

PR

Pattern Recognition

Разпознаване на образи

QR

Qualitative Reasoning

Заключения по качествени признаци

RL

Reinforcement Learning

Поощряващо обучение

RT

Reasoning Techniques

Техники за логически изводи

SA

Simulated Annealing

Симулационна релаксация

SL

Supervisory Learning

Надзираващо обучение

SN

Semantic Nets

Семантични мрежи

ST

Similarity Theory

Теория на сходството




където:


  • - функция на принадлежност на казуса;

  • - функция на принадлежност на лингвистичния терм Pi , интерпретиращ входната лингвистична променлива, Vi в рамките на казуса;

  • - функция на принадлежност на лингвистичния терм Qi, интерпретиращ изходната лингвистична променлива Wi, в рамките на казуса.

Нека например бъде оценена лингвистично радиалната стабилност на опора, за която е известно,че:

  • Конструирана е от търкалящи лагери със сравнително малък брой търкалящи елементи;

  • Търкалящите лагери са от малък типоразмер;

  • Броят на лагерите в опората е малък.

За решението на този проблем ще бъде използвана база общи знания, изградена в съответствие със следните евристики:

  • "Колкото по-голям е броят на търкалящите елементи, толкова по-висока е стабилността на опората";

  • "Колкото по-голям е вътрешният диаметър на лагера, толкова по-висока е стабилността на опората"

  • "Колкото по голям е броят на лагерите в опората, толкова по-голяма е стабилността й".

Формалното им описание може да бъде реализирано в следния ред:

  • Най-напред се построяват лингвистичните променливи и техните терм множества.

Таблица 1-2



Области на приложение на методите на изкуствения интелект

Проектиране

Планиране

Произ-водство

Управление

BA

Архитектура на табличните автомати




Х




Х

CBS

Търсене при наличие на ограничения

XX

XX

XXX

X

CT

Теория на хаоса

X

X

X

XX

CV

Компютърно зрение

X




XX




DM

Извличане на данни

X

XX

XXX

XX

EP

Еволюционно програмиране

XXX

XX

X

XXX

ES

Експертни системи

ХX

Х

XXX

XX

FL

Размита логика

ХX





XXX

GA

Генетични алгоритми

X



X

XXX

GP

Генетично програмиране

X

XX

X

XXX

GT

Теория на графите

X

XXX

X

XXX

HMS

Холонни производствени системи




XXX




Х

HS

Евристично търсене

X

XXX

XX

XXX

HSs

Хибридни системи




X

XX

XXX

KBS

Системи базирани на знания

ХXX



XXХ

XXХ

MAS

Мултиагентни системи




ХXX




Х

NFN

Размити невронни мрежи




X

XX

XX

NN

Невронни мрежи

Х

Х

ХX

XXX

PN

Мрежи на Петри




X

XX

XXХ

PR

Разпознаване на образи

X

X

XX

XXX

QR

Заключения по качествени признаци










XX




  • Лингвистичните променливи и техните терм множества са както следва:




Лингвистична променлива

Означение
Терм множество

Брой на търкалящите елементи



{Малък, Среден, Голям, Много голям}

Вътрешен диаметър на лагера



{Малък, Среден, Голям, Много голям}

Брой на лагерите в опора



{Малък, Среден, Голям}

Радиална стабилност на опората



{Ниска, Повишена, Висока, Много висока}




  • След това се построяват универсалните множества за всяка от лингвистичните променливи:




Лингвистична променлива

Означение

Универсално множество

Брой на търкалящите елементи





Вътрешен диаметър на лагера, mm





Брой на лагерите в опора





Радиална стабилност на опората, N/m








  • Построяват се функциите на принадлежност на термите

Тези функции на принадлежност са дадени по-долу, както следва: на фиг. 1 - брой на търкалящите елементи -, фиг. 2 - вътрешен диаметър на лагера -, фиг. 3 - брой на лагерите в опора - и фиг. 4 - радиална стабилност на опората - .




Фиг. 1



Фиг. 2



Фиг. 3



Фиг. 4



  • Формулират се общите за областта знания:




1.

Ако = “Голям”

Тогава = ”Висока”

2.

Ако = “Голям”

Тогава = “Висока”

3.

Ако = “Голям”

Тогава = “Висока”




  • Формулират се казусите както следва:




Казус

Графичен вид

“Брой на търкалящите елементи – Радиална стабилност”







Фиг. 5


“Вътрешен диаметър на лагера – Радиална стабилност”






Фиг. 6

“Брой на лагерите в опора - Радиална стабилност”






Фиг. 7


По-нататък за илюстрация ще бъде решена следната задача: да се определи радиалната стабилност на опора, за която е известно, че:

  • Броят на търкалящите елементи е между малък и среден - оценен като “Не много голям”;

  • Вътрешният диаметър на лагера е оценен като “Голям”;

  • Броят на лагерите в опората е оценен като “Малък”.

За стойностите на лингвистичните променливи “Вътрешен диаметър на лагера” и “Брой на лагерите в опората” съществуват казуси, следователно за тях базата от функции на принадлежност няма да бъде претърсвана. Първата лингвистична променлива има стойност, чиято функция на принадлежност е зададена от експерта, както е представено на фиг. 8:






Фиг. 8

Осреднената стойност на функцията на принадлежност е представена графично на фиг. 9.



:

където:




Фиг. 9





Лингвистичната апроксимация е извършена по метода на Yager.

Резултатът от дефъзификацията показва, че най-близо до получената осреднена функция на принадлежност е термът “Средна радиална стабилност”.









4. Приложение на холонния подход, мре-жите на Петри и обобщените мрежи при проектиране на реконфигуриращи се производ-ствени системи за механична обработка.
Методите на изкуствения интелект бяха приложени при проектиране на реконфигурираща се система (РПС) за механична обработка на гама цилиндрови блокове за ДВГ.

На фиг. 10 е дадена част от поточната линия за обработване на двойка срещуположни стени, съставена от еднопозиционни и четирипозиционни работни станции за фрезови, пробивни, резбонарезни и др. операции. При смяна на обработвания детайл, работните станции се реконфигурират чрез смяна на многовретенните приставки [10-13].


Фиг. 10
Системното проектиране на РПС се извършва при използване на холонния подход. На фиг. 11 е дадена еталонната холонна архитектура на РПС, позволяваща допълване, отстраняване и модифициране на компонентите на системата. Към трите основни холона, които съответстват на конвенционалната холонна архитектура – холон на заявките, холон на ресурсите и продукт-холон са добавени два допълнителни холона – планиращ холон и холон за метауправление. Планиращият холон чреа оптимизационни алгоритми определя реда за изпълнение на технологичните операции. Метауправляващият холон след като осъществи комуникация с останалите холони от системата (РПС) взема решения на базата на актуалното състояние на системата, както и на евентуални външни и вътрешни промени относно предпочетената управляваща структура [13].

Фиг. 11


Оптималното планиране на технологичните операции, които се изпълняват на съответните работни позиции на РПС, е извършено чрез прилагане теорията на обобщените мрежи. Обобщеният модел на мрежата за оптимално планиране на технологичните операции е даден на фиг. 12. Той интегрира производствения модел с процедурата за оптимално планиране и се явява част от планиращия холон на РПС [10].

Фиг. 12
След като се симулират резултатите в обобщения мрежов модел, оптималните решения се представят чрез Гант-диаграми (фиг. 13). Те показват последователността за изпълнение на операциите според вида на работните станции (една- или четирипозиционни) от поточната линия на РПС. С различна щриховка са представени отделните технологични операции – фрезоване, свредловане, зенкероване, райбероване, свредловане под ъгъл и нарязване на резба [10].


Фиг. 13
Моделирането на операциите в РПС е извършено чрез мрежи на Петри. На фиг. 14 е показан част от построения модел за управление на РПС за обработване на цилиндровите блокове чрез обикновени мрежи на Петри, като ММ1І е еднопозиционна работна станция за фрезови или пробивни (свредловане под ъгъл) операции, а ММ1ІІ , ММ2І и ММ2ІІ са четирипозиционни работни станции, върху които се извършват останалите операции – свредловане, зенкероване, райбероване и нарязване на резба с машинен метчик [10].


Фиг. 14
Други приложения на методите на изкуствения интелект при проектиране на системите за управление и диагностика на РПС се представят в някои от докладите на секционните заседания.



Заключение
Методите на изкуствения интелект играят все по-голяма роля в научните изследвания във всички области на човешкото познание. Те са една успешна алтернатива на досега прилаганите „класически” методи. Развитието на компютърните и комуникационните техники и технологии в последното десетилетие направи възможно развитието и прилагането на интелигентните методи във всички етапи от жизнения цикъл на изделията и особено при тяхното проеткиране, планиране, производство и управление.

Настоящото изследване представя част от резултатите на един научен консорциум от катедра „Технология на мащшиностроенето и металорежещи машини” при ТУ София и катедра „Автоматизация на производството” при ХТМУ София. Тези резултати са също илюстрация на това, че по-ефективно използване на интелигентните методи се постига чрез тяхното комбинирано приложение.


Литература


  1. Russel S., P. Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall, 2003.

2. Barr A., Feigenbaum E. A., The Handbook of Artificial Intelligence, Kaufmann, Los Altos, 1981.

3. Chryssolouris G., Wrigth K., Knowledge-Based System in Manufacturing, Annals of CIRP, pp. 437-440, 1986.

4. Davies B. J., Knowledge-Based Systems in Production Engineering, Annals of CIRP, pp. 423-424, 1986.

5. Uliero Mihaela, Approaching Intelligent Control Systems Design, Proceedings of Third Europeen Congress on Intelligent Techniques and Soft Computing, Aachen, Germany, September 28 – 31, pp.651 – 657, 1995.

6. Teti R., Kumura S.R.T., Intelligent Computing Methods for Manufacturing Systems, Annals of CIRP, pp. 630-652, 1998.

7. Preiss K., Artificial Intelligence in Manufacturing Systems, Annals of CIRP, pp. 443-444, 1986.

8. Dini G., Literature Database on Applications of AI Methods in Manufacturing Engineering, Annals of CIRP, pp. 524-528, 1997.

9. Popov G., Dimitrov S., An Approach for Modeling and Optimization of Constructive Parameters for Precise Machine Tools Using Fuzzy Logic, Proceedings of 2nd AMETMAS-NoE Workshop and Technology Transfer Day, St. Petersburg, 27-29 May, pp. 140-148, 1999.

10. Batchkova I., G. Popov, G. Stambolov - Application of Generalized Nets for optimal scheduling of Reconfigurable Manufacturing Systems Proceedings of the 10th ISPE International Conference on Concurrent Engineering: Research and Applications, 26-30 July 2003, Madeira, Portugal, pp. 1017-1023.

11. Попов Г., И. Бачкова, Г. Стамболов - Управление на оптимално планираните операции в реконфигурираща се производствена система чрез мрежи на Петри, Научна конференция “АМТЕХ” 03, сп. Машиностроителна техника и технологии, №3, 2003, стр. 153-157.

12. Бачкова И., Г. Попов, Г. Стамболов – Управление на работни станции в холонни реконфгуриращи се производствени системи чрез мрежи на Петри, VІ Международен конгрес “Машиностроителни технологии 04”, 23-25.09.2004, Сборник с доклади, стр. 38-41.

13. Batchkova I., G. Popov, G. Stambolov – Holonic Approach for System Design of Reconfigurable Manufacturing System, 4th IFAC Workshop DEKOM-TT 2004, Bansko, 03-05 October, Preprints, pp. 271-276.





Каталог: tmmm -> images -> Department of MTMT -> Teachers
Teachers -> На Йорданка Петрова Г. Цветков, Й. Петрова, Н. Ангелов
Teachers -> Биография на Александър Иванов Македонски Лични данни
Teachers -> Todorov G., M. Spassov, N. Todorov, virtual prototyping of edge gripping end effector for fast wafer handling robot, Proceedings of the International conference Ohrid’04, Macedonia, 2004, pp 180-184
Teachers -> Публикации 2010 Христов М., Тодоров Г., Николов Н., Грозданов Вл., Гайдаджиев Д., Камберов К
Teachers -> Т н. за периода 2006-2010 г. Ангелов Н. П., Симулация на неравномерния характер на силата на протегляне, Доклад


Сподели с приятели:




©obuch.info 2024
отнасят до администрацията

    Начална страница