Виды и системы оперативно-производственного планирования

Размещено на http://www.allbest.ru/

Министерство науки и высшего образования Российской Федерации

ФГБОУ ВО «Российский экономический университет им. Г.В. Плеханова»

ФАКУЛЬТЕТ «ЭКОНОМИКИ И ПРАВА»

кафедра экономики промышленности №110 от 03.02.2022

КУРСОВАЯ РАБОТА

по дисциплине «Планирование деятельности на предприятии»

На тему: «Виды и системы оперативно-производственного планирования»

Выполнила:

студентка группы 28Д/2018-9402

очной формы обучения

факультета экономики и права

Каюкова Екатерина Михайловна

Москва - 2021

Содержание

• Введение
• Глава 1. Планирование, как инструмент принятия управленческих решений
• 1.1 Понятие, содержание, задачи и системы оперативно-производственного планирования
• 1.2 Принципы и методы оперативного планирования
• 1.3 Методы разработки оперативных планов производства
• Глава 2. Анализ системы оперативного планирования на примере АО «Челябинский завод металлоконструкций»
• 2.1 Характеристика субъекта хозяйствования
• 2.2 Общая последовательность разработки производственных оперативных планов на предприятии
• 2.3 Использование системы СПУ в цехе
• Глава 3. Пути совершенствования системы оперативного планирования на примере АО «Челябинский завод металлоконструкций»
• 3.1 Программная реализация алгоритма формирования оптимального производственного плана цеха обработки завода металлоконструкций
• 3.2 Анализ результатов апробации алгоритма формирования оптимального производственного плана цеха обработки завода металлоконструкций
• Заключение
• Список использованных источников
• Приложения

Введение

Формирование расписания и планирование рассматриваются в различных областях, к которым относятся: перевозки авиацией и железнодорожным транспортом, образование, промышленность.

Для уменьшения временных затрат для определения оптимальных вариантов необходимо использовать соответствующие автоматизированные системы для планирования, а также применять методы и алгоритмы решения этого класса задач [1, 2].

В работе рассматривается планирование на заводе металлоконструкций и металлоизделий. Данный тип производства специализируется на изготовлении стандартной и индивидуальной продукции из металла промышленного и гражданского назначения. Технология изготовления промышленных металлических конструкций достаточно сложная и трудоемкая. В большинстве случаев каждое новое изделие из металла, выпускаемое заводом, является уникальным. В основном изготовление продукции предполагает выполнение полностью замкнутого механизированного цикла.

Функции управления и принятия решений в процессе производства металлоконструкций, как правило, выполняет человек. При этом существует недостаток информации на этапах планирования, в частности, при формировании оптимального производственного плана на заготовительном этапе.

Планирование является важнейшим этапом на производстве. Цель планирования состоит в том, чтобы лучшим образом сформировать работу производства с учетом затрат, объемов заказов, сроков выполнения и других показателей производства, которая при имеющихся ресурсах приведет к увеличению дохода предприятия, улучшению работы, минимизации времени выполнения работ и т.д. [3]. Автоматизация планирования производства продукции и составления графика выполнения производственных заказов является задачей, требующей разработки специальных систем планирования. На таком крупном производстве, как завод металлоконструкций, на планировщика накладывается множество задач, которые на разных этапах возможно решить с использованием специализированных компьютерных систем. Разработка системы оптимизации производственного планирования сможет повысить загрузку и эффективность производства в целом, минимизировав при этом влияние человеческого фактора.

«Ручное» решение задачи формирования оптимального производственного плана цеха требуют больших временных затрат, наличия квалифицированных специалистов, однако в большинстве случаев оптимальный план так и не будет достигнут. Для задач с большим объемом исходных данных, а также ограничений человек не в состоянии рассмотреть все возможные варианты. Поэтому задача автоматизации процесса формирования оптимального плана является значимой и актуальной.

Для поддержки управленческих решений и повышения их результативности необходима автоматизация процедуры планирования на заготовительном этапе производственного процесса. Таким образом, разработка алгоритма формирования оптимального производственного плана цеха обработки завода металлоконструкций на основе метаэвристического подхода является актуальной задачей.

Целью работы является рассмотрение видов и систем оперативно-производственного планирования на основе разработки алгоритмов формирования оптимального расписания загрузки для оборудования цеха обработки завода металлоконструкций.

Задачи, выделенные для решения, в процессе выполнения работы:

ѕ раскрыть понятие, содержание, задачи и системы оперативно-производственного планирования;

ѕ указать принципы и методы оперативного планирования;

ѕ рассмотреть методы разработки оперативных планов производства;

ѕ дать характеристику субъекта хозяйствования;

ѕ проанализировать общую последовательность разработки производственных оперативных планов на предприятии;

ѕ раскрыть использование системы СПУ в цехе;

ѕ предложить программную реализацию алгоритма формирования оптимального производственного плана цеха обработки завода металлоконструкций;

ѕ оценить результаты апробации алгоритма формирования оптимального производственного плана цеха обработки завода металлоконструкций.

Глава 1. Планирование, как инструмент принятия управленческих решений

1.1 Понятие, содержание, задачи и системы оперативно-производственного планирования

Оптимизацию можно представить в виде задачи поиска экстремума (минимума или максимума) целевой функции с заданными ограничениями [8]. Математическую постановку такой задачи можно изложить следующим образом: необходимо определить значения вектора переменных (варьируемых переменных) x = (x₁, x₂, , x_m), удовлетворяющие ограничениям вида:

gi(x₁, x₂, , x_m) ? b_i (1)

для всех i = 1, , k и при которых найден максимум или минимум целевой функции

f(x₁, x₂, , xm): f(x1, x2, , xm) > (max, min).

В качестве решения задачи представлена пара (x?, f?(x?)), состоящая из оптимального решения и оптимального значения целевой функции.

Производственное планирование представляет задачу формирования последовательности выполнения диспетчерских листов заказа. При этом стратегии оптимизации должны учитывать ряд ограничений и множество факторов, которые влияют на конечный результат ? производственное расписание [9].

Существуют различные варианты задач оптимального планирования, часть из них является NP-полными, другая принадлежит к классу полиномиальных задач. Для ряда задач не удалось доказать принадлежности к определенному классу сложности. Приведем некоторые способы классификации задач оптимального планирования [10].

По типу искомой функции

Задачи упорядочивания. В таких задачах распределение заказов задано по исполнителям и определены все параметры заказов (продолжительность выполнения и т.д.). Постановка задачи сформулирована следующим образом: необходимо составить расписание (или порядок) выполнения заказов каждым исполнителем.

Задачи согласования. Основными критериями в этих задачах являются продолжительности выполнения заказов и времени поступления.

Задачи распределения основаны на поиске оптимального распределения заказов по исполнителям.

По типу целевой функции

Задачи с суммарными критериями оптимизации. Решение задач сводится к минимизации суммарного значения моментов завершения изготовления заказов.

Задачи с минимаксными критериями оптимизации. Основным отличием таких задач от задач с суммарными критериями является то, что в данной задачи необходимо минимизировать только сумму максимальных значений.

Многокритериальные задачи оптимизации. Многокритериальными называются задачи, в которых необходимо найти оптимальное решение при помощи нескольких целевых функций.

Задачи на построение допустимого расписания. Задачи сводятся к оптимизационным за счет введения специальной функции штрафа, которую и необходимо минимизировать.

По способу задания целевой функции

Детерминированные задачи (off-line). В таких задачах входные данные точно известны, все необходимые параметры задаются до начала решения задач.

Динамические задачи (on-line). Входные данные для таких задач не известны перед началом решения, все данные формируются в режиме реального времени. В процессе поступления новых данных формируется расписание. В любой момент может быть выведено частичное расписание в качестве ответа.

1.2 Принципы и методы оперативного планирования

Рассмотрим основные методы календарного планирования. Условно методы календарного планирования можно разделить на следующие классы методов: комбинаторные методы; математическое программирование; статистические методы и эвристические (метаэвристические) [11]. Обобщенная схема возможных методов представлена на рисунке 1.1.

Рисунок 1.1 - Методы календарного планирования

Эти методы можно разделить на точные и приближенные.

На основе точных методов оптимальное решение гарантированно будет получено, однако только для задач относительно малой размерности. Это связано с экспоненциальным ростом количества операций, необходимые для получения решения. Такими методами являются метод полного перебора, методы направленного перебора, динамическое программирование, методы линейного программирования.

Наиболее простым является метод полного перебора или метод «грубой силы». Однако этот метод является методом, требующим большого количества вычислений.

Алгоритм позволяет найти глобальный экстремум. Основным критерием для применения полного перебора является случай, когда множество решений конечно, а размерность задачи достаточно мала. Для применения полного перебора необходимо выполнить следующие действия:

Определить множество решений X = {Xi}, где Xi - решение, удовлетворяющее поставленной задачи; i - номер решения (от 1 до n).

Задать критерий для перехода от произвольного элемента множества Xk к следующему X_k+1 таким образом, чтобы между ними не было других элементов и 1 ? k ? n;

На первом шаге X₁ принимается за оптимальное решение. Если на некотором последующем шаге k получаемое решение X_k лучше удовлетворяет решению задачи, чем X₁, то X_k принимается за оптимальное решение. Таким образом дойдя до конца, будет найден такой элемент из множества решений X_G, при котором достигается глобальный экстремум.

Основное преимущество алгоритма - определение глобального экстремума. Основным недостатком является очень большое время поиска решения. Для избавления от указанного недостатка применяют более сложные методы оптимизации. Рассмотрим ниже ряд из них.

Потребность в решении подобных задач большой размерности появляется в различных сферах жизни, таких как промышленное производство, авиация, железнодорожный транспорт. Чтобы снизить время поиска оптимального решения необходимо использование современных математических методов оптимизации.

Так эвристические методы основаны на определенных свойствах задач календарного планирования, или на использовании стохастических методов, среди которых имеются как простые в реализации методы случайного поиска, так и сложные эвристические и метаэвристические методы, которые основаны на различных природных законах и механизмах [12-14]. С использованием эвристических методов появляется возможность вычислить достаточно близкие к оптимальным решения за время, удовлетворяющее требованиям.

Для эффективного решения задачи формирования оптимального календарного плана необходимо определить методы оптимизации, которые будут наилучшим образом применимы с учетом ограничений и требований к поставленной задаче. Для выбора наиболее подходящего метода проведен сравнительный анализ алгоритмов [15].

Сравнительный анализ методов оптимального планирования приведен в таблице 1.1.

Таблица 1.1 ? Сравнительный анализ методов оптимального планирования

Алгоритм	Преимущества	Недостатки
Полный перебор	- обеспечивает точное решение (определение глобального экстремума) - прост в реализации	- при большой размерности задачи - большое время выполнения (не подходит для задач большой размерности)
Комбинаторные методы	- высокая скорость выполнения для задач малой размерности	- определение только локального экстремума - при увеличении размерности задачи длительность компьютерных вычислений на решение задачи растет экспоненциально
Методы случайного поиска	- прост в реализации - надежность и помехоустойчивость - универсальность; - возможность введения операций обучения - возможность введения операций прогнозирования оптимальной точки	- медленная сходимость в районе экстремума - не гарантировано достижение глобального экстремума
Эвристические методы	- независимость от функции - наиболее гибкий подход, хорошо адаптируется к изменениям - широкая область применения - использует эволюцию на уровне фенотипа - высокая скорость выполнения на задачах большой размерности	- не применяется оператор рекомбинации - все преобразования выполняются над вещественными числами

В результате анализа методов оптимального планирования можно сделать вывод, что наиболее приемлемый результат по точности и времени обеспечивает класс эвристических (метаэвристических) методов. В результате в настоящей работе используется метаэвристический подход к решению задачи. Описание алгоритма и обоснование выбора представлены в разделе 3.

1.3 Методы разработки оперативных планов производства

Рассмотрим алгоритмы метаэвристического метода и приведем сравнительный анализ некоторых из них.

Термин «метаэвристика» введен Гловером в 1986 г. Метаэвристика расширяет возможности эвристик, комбинируя эвристические методы (процедуры) на основе высокоуровневой стратегии (приставка «мета») [20, 24]. На рисунке 1.2 представлена классификация метаэвристических методов по группам методов с указанием хронологии разработок каждого метода.

Рисунок 1.2 ? Классификация метаэвристик

Разработана сравнительная таблица 10 генетических эвристик с указанием типа алгоритма, предпочтительной области использования с учетом достоинств и недостатков [8].

Выбран простой генетический алгоритм по следующим причинам:

* эволюционное программирование не применяет оператор рекомбинации, который требуется в решаемой задаче;

* для поставленной задачи комбинаторного типа достаточно основных механизмов генетического алгоритма, без дополнительной информации о колонии, как в роевом интеллекте;

Таблица 1.2 ? Сравнение алгоритмов для оптимального планирования на заводе металлоконструкций

Алгоритм	Преимущества	Недостатки
Простой генетический алгоритм	- не требует информации о поведении функции; при решении реальных задач менее жесткие требования; - широкая применимость; - прост в реализации; - достаточно стойкий к попаданию в локальные экстремумы.	- не гарантирует нахождение глобального экстремума; - не для всех задач удается найти оптимальное кодирование параметров; - непросто моделировать для определения всех возможных вариантов.
Муравьиные алгоритмы	- широкая область применения; - достаточно эффективны; - могут использоваться в динамических приложениях; - хорошо адаптируются к изменениям.	- теоретический анализ затруднен; - неопределенно время - сходимости; - часто необходимо применение дополнительных методов; - существенно зависит от настраиваемых параметров.
Эволюционное программирование	- независимость от функции; - наиболее гибкий подход, хорошо адаптируется к изменениям; - широкая область применения; - - использует эволюцию на уровне фенотипа.	- не применяется оператор рекомбинации; - все преобразования выполняются над вещественными числами.
Роевой интеллект	- - гибкость в принятии решений; - - самоорганизация колонии; - - масштабируемость; - - предсказательная способность - роя.	- - колония чувствительна к - любым внешним и - внутренним изменениям - условий и правил - взаимодействия; - - логически предсказать - реакцию системы - чрезвычайно сложно.

Для сформулированной задачи относительно несложно осуществить кодирование параметров и соответствующую интерпретацию для основного элемента генетического алгоритма ? хромосомы. Нет необходимости использовать более трудоемкие алгоритмы.

Глава 2. Анализ системы оперативного планирования на примере АО «Челябинский завод металлоконструкций»

2.1 Характеристика субъекта хозяйствования

Акционерное общество «Челябинский завод металлоконструкций» (далее - «Общество», АО «ЧЗМК») - одно из известных и крупных предприятий в стране в области изготовления сварных металлических конструкций и одно из крупнейших предприятий строительной отрасли в Челябинской области.

Строительная отрасль России насчитывает тридцать шесть предприятий-производителей стальных строительных конструкций, основными конкурентами АО «ЧЗМК» являются: ООО «Бэлэнергомаш- БЗЭМ» (Россия, г. Белгород). ООО «Нижне-Тагильский ЗМК» (Россия, г. Нижний Тагил), ООО «Кузнецкие металлоконструкции» (Россия, г Новокузнецк), ЗАО «Курганстальмост» (Россия, г.Курган), ООО «СПК - Чимолаи».

Значимость продукции АО «ЧЗМК» для народного хозяйства Российской Федерации определяется широким спектром и географией ее применения. Продукция АО «ЧЗМК» востребована не только в рамках Челябинской области, но и за ее пределами.

Основными потребителями продукции АО «ЧЗМК» в 2020 году были: Московская область (1,52%), город Москва (7.0%), Краснодарский край (14,20%), Челябинская область (0.8%), Республика Саха (Якутия) (0.40%), Амурская область (10.5%), Республика Казахстан (7.10%), Кольский полуостров (26,00%), Забайкальский край (16.71%), Мурманская область (18,00 %).

Акционерное общество «Челябинский завод металлоконструкций» в 2020 году сохранило прочные позиции в строительной отрасли. Благодаря наличию высокой квалификации специалистов и выполнению заказов в соответствии с условиями заключенных договоров АО «ЧЗМК» имеет репутацию надежного партнера и этим привлекает новых заказчиков, что позволяет надеяться на достаточно высокую динамику роста по основным технико-экономическим показателям хозяйственной деятельности в будущем.

Основной вид выпускаемой продукции и приоритетное направление деятельности Общества -- это изготовление сварных металлических конструкций для использования в строительстве.

Основной целью Общества является удовлетворение общественных потребностей в товарах и услугах и получение прибыли.

Основными видами деятельности Общества являются:

- Выпуск и реализация сварных металлических конструкций;

- Осуществление функции заказчика-застройщика, ведение строительства жилищно-гражданских строительных объектов:

- Строительство жилья и дачных объектов социально-культурного быта;

- Разработка, изготовление, монтаж, пуско-наладка и ремонт различных видов техники и средств автоматики;

- Восстановление, ремонт и производство наладки промышленного оборудования и транспортных средств;

- Производство, ремонт и реализация товаров народного потребления;

- Организация пунктов проката, пунктов и предприятий общественного питания, организация торговых точек;

- Производство изделий из дерева, в том числе мебели;

- Оказание платных услуг населению;

- Производство закупки, добычи, переработки, обмена и реализации сырья, в том числе сельскохозяйственного, промышленных отходов и вторичного сырья;

- Оказание маркетинговых, консультационных, инжиниринговых, информационно-рекламных услуг;

- Проведение симпозиумов, выставок, аукционов;

- Все виды внешнеэкономической деятельности, не запрещенные законом РФ;

- Разработка, адаптация, производство и реализация программно-технических средств различного характера, сопровождения к ним прикладного программного обеспечения, а также оказание сервисных услуг в соответствующей сфере деятельности:

- Осуществление профессиональной подготовки, переподготовки, повышения квалификации и аттестации промышленного персонала Общества;

- Осуществление иных видов деятельности, не запрещенных законодательством Российской Федерации.

В отчетном 2020 году на фоне углубления общего макроэкономического кризиса, в связи с пандемией COVID-19, с целью сохранения финансово-экономической и рыночной устойчивости предприятия в деятельности Акционерного общества «Челябинский завод металлоконструкций», основной акцент был сделан на выполнение договорных обязательств. Одновременно сохранялся комплексный подход к рациональному использованию ресурсов Общества по экономии сырья, энергосбережению, к целесообразному распределению оборотных средств.

Предпринятые усилия отразились на итогах работы 2021 года в сравнении с 2020 годом. Акционерное общество «Челябинский завод металлоконструкций» характеризуется следующими показателями:

- Объем реализации произведенной товарной продукции составил 29 923,937 тонн и в сравнении с объемом реализации 2019 года уменьшился на 25.54 %.

- Объем выручки от реализации товарной продукции составил 4 048 772 тыс. руб., по сравнению с 2020 годом в действующих ценах уменьшился на 22.32 %;

- Общая рентабельность реализованной предприятием продукции по итогам отчетного года составила - 0.055 %, тогда как в 2020 году составляла 10.78 %;

Затраты на оплату труда за отчетный год остались на уровне предыдущего года, средняя заработная плата составила 41 102. 00 рубля.

- Стоимость чистых активов за отчетный период составила 1 568 411 тыс. рублей.

- Стоимость основных средств за отчетный период составляет 968 174 тыс. рублей.

- Чистая прибыль за отчетный период - 2 021 тыс. рублей.

Акционерному обществу «Челябинский завод металлоконструкций» в отчетном году удалось сохранить устойчивое финансово-экономическое положение.

2.2 Общая последовательность разработки производственных оперативных планов на предприятии

Формирование производственного плана является важным процессом на предприятии. План разрабатывается с учетом возможностей предприятия и рыночной потребности в продукции предприятия.

На основе заключенных заказов определяются: прямые издержки производства; потребность в рабочей силе; количество производственных часов по каждому заказу последовательно; предполагаемые сроки; потенциал, имеющийся на уровне каждого производственного звена. Первым этапом на заводе металлоконструкций является формирование «Плана на месяц с учётом договорных обязательств и переходов по переделам завода». В этом плане описываются основные аспекты, связанные с изготовлением заказов по объектам.

При формировании «Плана на месяц с учётом договорных обязательств и переходов по переделам завода» учитываются:

* «портфель» на изготовление конструкций;

* договорные сроки поставки продукции заказчикам по заключенным договорам;

* обеспечение заключённых договоров авансовыми платежами, металлопрокатом, конструкторско-технологической документацией;

* технологические возможности основных цехов, их техническая обеспеченность.

На рисунке 2.1 представлена схема формирования производственного плана цеха обработки металлоконструкций.

Рисунок 2.1. Этапы процесса формирования производственного плана

Этап 1. Получение входных данных для производства (документация по заказам).

На данном этапе формируются необходимые документы для утверждения заказа и внедрения его в процесс работы. Формируются следующие документы:

* ведомость заказов на очередь;

* ведомость металлов на очередь;

* ведомость метизов на очередь;

* сопроводительно-маршрутные листы;

* листы раскроя;

* графики разработки чертежей.

Этап 2. Распределение работ по технологическому оборудованию.

На втором этапе производится распределение задач на выполнение по рабочим центрам. Эти данные фиксируются в диспетчерских листах с указанием времени выполнения каждой операции. Учитывается количество активных рабочих центров, их загрузка на текущий момент, максимальная загрузка, приоритеты выполнения заказов и чертежей. Основной задачей на этапе распределения работ по технологическому оборудованию является принятие решения о загрузке рабочих центров и возможности выполнения работ на необходимом оборудовании. В результате формируются диспетчерские листы для каждого заказа.

Этап 3. Распределение работ по неавтоматизированному оборудованию.

На третьем этапе производится распределение задач на выполнение по неавтоматизированному оборудованию. Данные фиксируются в диспетчерских листах с указанием времени выполнения каждой операции.

Этап 4. Формирование данных по комплектации очередей (диспетчерских листов).

Формируется список диспетчерских листов для каждого заказа. В каждом диспетчерском листе указаны номера заказа, номера чертежей, сопроводительные листы, технологическое оборудование, неавтоматизированное оборудование, время выполнения сопроводительного листа на необходимом оборудовании.

Этап 5. Формирование плана изготовления цеха обработки на неделю.

На основе укомплектованных диспетчерских листов формируется график изготовления металлоконструкций на неделю. Учитывается приоритетность выполнения заказов и чертежей. Выполнение заказа производится по его диспетчерским листам.

Этап 6. Формирование суточных заданий для производственных цехов. На последнем этапе формируется суточный график выполнения диспетчерских листов. Производится распределение работ с учетом рабочих смен, времени выполнения задач. График формируется для каждого участка цеха.

2.3 Использование системы СПУ в цехе

Формализуем процесс планирования производства металлоконструкций в цехе обработки и составим информационное описание. Основными показателями, которые влияют на технологический процесс определения плана производства, являются следующие характеристики: заказы, сопроводительные листы, очереди, чертежи, а также технологические операции и рабочие центры.

Планирование производства для обрабатывающего металлоконструкции цеха как объекта управления описывается различными векторами:

1) входных переменных X: , где

a) ? переменных, которые характеризуют заказы, где

* Nz - номер заказа,

* Kz - код заказа,

* Wz - вес заказа,

* Ocz - очередность изготовления заказа,

* Doz - срок изготовления заказа,

* Nch - номера чертежей, входящих в заказ;

b) - переменных, которые характеризуют чертежи,

* Nch - номер чертежа,

* Kch - код чертежа,

* Wch - вес чертежа,

* Occh - очередность изготовления чертежа,

* Nz - номер заказа;

c) - переменных, которые характеризуют диспетчерские листы (очереди),

* Ndl - номер очереди,

* Kdl - код очереди,

* Ogdl - отметка о готовности очереди,

* Nch - номера чертежей,

* Nz - номер заказа;

d) - переменных, которые характеризуют сопроводительные листы,

* Nsl - номер сопроводительного листа,

* Ksl - код сопроводительного листа,

* Psl - список рабочих центров,

* Wsl - вес сопроводительного листа,

* Sto - список технологических операций в сопроводительных листах,

* Tto - время изготовления технологических операций для сопроводительных листов,

* Ogsl - отметка о готовности сопроводительного листа,

* Ndl - номер диспетчерского листа;

e) - переменных, которые характеризуют рабочие центры,

* Nrc - наименование рабочего центра,

* Krc - код рабочего центра,

* Qrc - количество рабочих центров данного типа,

* Tzrc - текущая загрузка РЦ (н\ч),

* Tl - технологические операции, выполняемые на заданном РЦ,

f) - переменных, которые характеризуют технологические операции,

* Nto - наименование технологической операции,

* Kto - код технологической операции,

* Normto - нормативные временные характеристики изготовления для определенной технологической операции;

g) - вектор параметров планирования,

h) - горизонт планирования,

* фn - дата начала периода планирования,

* фk - дата окончания периода планирования,

* Ko - критерий оптимизации.

2) управляющих воздействий U: алгоритм оптимизации A;

3) выходных переменных Z: полученный производственный цикл Pcz

Ha рисунке 2.2 представлена схема процесса формирования оптимального производственного плана.

Рисунок 2.2 ? Схема процесса формирования оптимального производственного плана

В настоящее время функции управления и принятия решений в процессе производства металлоконструкций выполняет человек. При этом существует недостаток информации на этапах планирования, в частности, при формировании оптимального производственного плана цеха обработки завода металлоконструкций. Для организации поддержки управленческих решений необходима автоматизация процедуры планирования на определенных этапах производственного процесса.

Оптимальное планирование -- комплекс методов, позволяющих выбрать из многих возможных вариантов плана или программы один оптимальный вариант. При оптимальном планировании строится экономико-математическая модель, которая включает систему ограничений, задающих множество возможных вариантов плана и целевую функцию, на основе которой один из вариантов признается оптимальным [5]. Формирование оптимального плана включает следующие этапы:

1) постановка задачи;

2) разработка модели, алгоритма и программ для расчета на ЭВМ;

3) проведение расчетов;

4) анализ результатов.

Оптимизация производственного плана необходима для сокращения времени изготовления продукции и максимальной загрузки оборудования предприятия. Оптимизация календарного плана, позволяющего более равномерно распределить нагрузку на обрабатывающие центры, существенно повысит показатели функционирования организации. Оптимальный план влияет на различные характеристики работы логистических структур; на возможность своевременного изменения заданий для осуществления ремонтных работ и др. Предприятия, которые применяют оптимальное календарное планирование, значительно экономят временные затраты и производственные ресурсы, своевременно учитывают изменения рыночного спроса [6, 7].

Процесс формирования оптимального плана цеха должен осуществляться следующим образом. На вход подается номер заказа, список диспетчерских листов заказа, список сопроводительных листов, список рабочих центров с текущей загрузкой и загрузкой по каждому сопроводительному листу. Планирование осуществляется на основе алгоритма, который формирует оптимальный план с помощью перестановки диспетчерских листов, подсчета времени каждого производственного цикла, выбора минимального значения времени производственного цикла и вывода результата диспетчеру.

Необходимо оптимизировать процесс формирования производственного плана цеха обработки металлоконструкций на основе метаэвристического подхода. Оптимальным считается план с минимальным временем производственного цикла. Расчет времени производственного цикла осуществляется на основе целевой функции.

Целью является минимизация времени выполнения заказов на основе разработки алгоритмов формирования оптимального расписания загрузки для оборудования цеха обработки завода металлоконструкций.

Для достижения цели необходимо решить следующие задачи:

1) разработать базу данных для хранения входных данных для алгоритма оптимизации;

2) разработать алгоритм оптимизации процесса формирования производственного плана цеха;

3) разработать программное средство для реализации алгоритма оптимизации процесса формирования производственного плана цеха;

4) выполнить тестирование и апробацию алгоритма и программного средства оптимизации процесса формирования производственного плана цеха.

Решению этих задач посвящены следующие разделы работы.

Выводы по разделу 2.

Проведен анализ процесса формирования оптимального производственного плана цеха обработки металлоконструкций. Обоснована целесообразность оптимизации процесса с использованием метаэвристического подхода к формированию производственного плана. Приведен анализ данных необходимых при разработке плана.

Обоснован выбор метаэвристического подхода для решения задачи формирования оптимального производственного плана цеха обработки металлоконструкций.

Сформулирована задача формирования оптимального производственного плана цеха обработки металлоконструкций.

Глава 3. Пути совершенствования системы оперативного планирования на примере АО «Челябинский завод металлоконструкций»

3.1 Программная реализация алгоритма формирования оптимального производственного плана цеха обработки завода металлоконструкций

Необходимо разработать БД для обеспечения корректного хранения, изменения данных, используемых в алгоритме формирования оптимального производственного плана цеха, и доступа к ним.

Для достижения цели необходимо решение следующих задач:

1) провести анализ предметной области, выделить основные сущности и атрибуты;

2) построить инфологическую модель БД (ER-диаграмму) и привести ее описание;

3) заполнить БД данными предоставленными АО «Челябинский завод металлоконструкций».

Система управления базами данных (СУБД) отвечает за агрегирование данных и их последующее хранение, и обработку [16]. Выбор СУБД является сложной и одной из важнейших задач при разработке баз данных. При решении этих задач необходимо учитывать, что СУБД должна удовлетворять не только текущим, но и будущим потребностям производства, при этом необходимо учесть финансовые затраты на приобретение и ремонт необходимого оборудования требуемой системы, разработку на основе системы необходимого программного обеспечения, а также затраты на обучение персонала.

Недостатком РСУБД является медленный доступ к данным при их большом количестве, однако данную проблему можно решить с помощью добавления индексов и оптимизации запросов к БД [17, 18]. Наиболее распространенными представителями данной группы СУБД являются Microsoft SQL Server, MySQL и Oracle Database.

Microsoft SQL Server используется для работы с данными малого размера, а также данными крупных предприятий. Программное обеспечение имеет платное и бесплатное лицензирование.

Преимущества:

* масштабируемость;

* поддержка работы с продуктами Microsoft;

* широкий функционал;

* высокая производительность.

Недостатки:

* возможна работа только с операционной системой Windows.

MySQL -- это система управления реляционными базами данных с открытым исходным кодом с моделью клиент-сервер. В настоящее время является одной из наиболее популярных РСУБД. Разработку и поддержку MySQL реализует компания Oracle. Использование программного обеспечения MySQL возможно бесплатно по общедоступной лицензии GNU GPL (General Public License), имеет собственную коммерческую лицензию. MySQL поддерживает Structured Query Language (SQL). SQL - это стандартизированный язык, использующийся для взаимодействия с базой данных [20]. С использованием этого языка получают доступ к информации, хранящейся в таблицах MySQL.

Преимущества системы:

* многопоточность, поддержка нескольких запросов;

* простота в использовании;

* обширный функционал;

* масштабируемость, возможна работа и с малым, и с большим объемом данных.

Недостатки системы:

* низкая скорость разработки.

Oracle Database - объектно-реляционная система управления базами данных. Разработана компанией Oracle. Является первой коммерческой системой управления реляционными базами данных, в основе которой язык запросов SQL. СУБД Oracle поставляется в четырех вариантах Oracle Database Enterprise Edition, Oracle Database Standard Edition, Oracle Database Personal Edition и минимальный мобильный вариант. Программное обеспечение имеет коммерческую лицензию [21]. Oracle является достаточно сложной в использовании РСУБД. Направлена на крупные компании, в которых используются большие объемы данных.

Преимущества:

* является наиболее надежной системой;

* масштабируемость;

* наиболее широкий функционал среди РСУБД;

* многоплотформенность.

Недостатки:

* является достаточно сложной в использовании;

* высокая стоимость ПО, поддержка системы также является платной.

Сравнительные характеристики рассмотренных СУБД представлены в таблице 3.1.

Таблица 3.1. Сравнительная характеристика РСУБД

	MySQL	MS SQL Server	Oracle Database
Компания-разработчик	Oracle	Microsoft	Oracle
Лицензия	GNU GPL, коммерческая	Бесплатная версия, коммерческая	Коммерческая
Совместимость ОС	Windows, UNIX-системы	Windows	Windows, UNIX-системы
Документация	Подробная	Подробная	Подробная
Язык запросов	SQL	Transact-SQL	SQL

На основе приведенного сравнения различных РСУБД выбрана MS SQL Server. Эта реляционная СУБД является наиболее подходящей для решения поставленных задач. MS SQL Server имеет достаточный функционал, бесплатную версию и возможность разработки под OC Windows.

На первом этапе необходимо выделить сущности и атрибуты. Выделены основные сущности: заказ, чертеж, диспетчерский лист, сопроводительный лист, рабочий центр (РЦ) и технологические операции (ТО). Также выделена вспомогательная сущность - Технологические операции и рабочие центры (ТОиРЦ) для реализации связи многие ко многим между рабочими центрами и технологическими операциями.

Сущность «заказ» содержит следующие атрибуты: номер заказа, код заказа, срок выполнения, вес, очередность изготовления. Сущность «чертеж» включает атрибуты номер чертежа, код чертежа, вес, очередность изготовления и номер заказа. Сущность «диспетчерский лист» содержит номер диспетчерского листа, код диспетчерского листа, отметку о готовности, номер заказа, номер чертежа. Сущность «сопроводительный лист» содержит атрибуты: номер сопроводительного листа, код сопроводительного листа, вес, перечень РЦ, время изготовления тех. операции, отметку о готовности, номер диспетчерского листа, перечень технологических операций. Сущность «рабочий центр» включает следующие атрибуты: наименование РЦ, код РЦ, количество, текущая загрузка. Сущность «технологическая операция» содержит наименование ТО, код ТО, нормативы времени изготовления. Сущность «ТОиРЦ» включает атрибуты наименование ТО, наименование РЦ.

Далее необходимо разработать инфологическую и даталогическую модели. Основной целью инфологического (концептуального) уровня моделирования является создание концептуальной модели, которая отражает основные сущности предметной области, их атрибуты и связи между сущностями. С использованием даталогического уровня моделирования произведем детализацию инфологической модели, таким образом сделаем из нее логическую схему, на которой ранее выявленные сущности, атрибуты и связи оформляются согласно правилам моделирования для выбранного вида базы данных [22].

На рисунке 3.1 представлена инфологическая модель базы данных.



Рисунок 3.1 - Инфологическая модель базы данных

Чтение ER-диаграммы:

1) заказ содержит чертежи и диспетчерские листы;

2) чертеж содержит диспетчерские листы;

3) диспетчерский лист содержит сопроводительные листы;

4) сопроводительный лист содержит рабочие центры и технологические операции;

5) ТОиРЦ содержит рабочие центры и технологические операции. На рисунке 5 представлена даталогическая модель базы данных.

В приложении представлены все атрибуты базы данных на русском и английском языках, указаны тип и размер атрибутов, и обоснование выбранного типа.

На основе построенной даталогической схемы разработана и заполнена данными, предоставленными АО «Челябинский завод металлоконструкций», база данных на языке программирования Transact-SQL.



Рисунок 3.2 - Даталогическая модель базы данных

3.2 Анализ результатов апробации алгоритма формирования оптимального производственного плана цеха обработки завода металлоконструкций

Необходимо найти оптимальный производственный план за счет изменения порядка выполнения диспетчерских листов заказа. Критерием для определения оптимального плана является значение целевой функции. Значением целевой функции является время производственного цикла, которое стремится к минимуму.

Входные данные: список заказов, список чертежей, список диспетчерских листов, список сопроводительных листов, список рабочих центров, список.

Выходные данные: список диспетчерских листов в порядке выполнения, время производственного цикла для данного порядка диспетчерских листов.

Программа формирования оптимального производственного плана цеха обработки завода металлоконструкций реализована на языке С#.

Исходные данные загружаются из разработанной базы данных. Основную информацию содержат таблицы диспетчерских листов и рабочих центров.

Для применения генетического алгоритма реализовано преобразование входных данных задачи оптимального планирования в элементы алгоритма: ген, хромосому, оператор мутации, оператор кроссовера, фитнесс функцию [2].

Программа реализует генетический алгоритм, в котором геном является номер диспетчерского листа. Одно возможное решение - один вариант последовательности номеров диспетчерских листов.

Результатом работы является вывод последовательности номеров диспетчерских листов и время производственного цикла для итоговой последовательности.

Используемая операционная система: Microsoft Windows.

Для тестирования в базу данных загружено 22 диспетчерских листа. Данные предоставлены начальником производственно-диспетчерского отдела АО «Челябинский завод металлоконструкций» Слободянюк Л. А. Предварительно в базу данных загружены диспетчерские листы для одного заказа. Каждый диспетчерский лист содержит следующие данные:

* номер заказа;

* номер чертежа;

* номера сопроводительных листов;

* название рабочих центров;

* загрузка рабочих центров в данный момент времени;

* загрузка рабочих центров по каждому сопроводительному листу.

Использование алгоритма полного перебора возможно до 7 диспетчерских листов, при увеличении количества данных использование метода становится нецелесообразным из-за большого времени выполнения программы, а при 22 диспетчерских листах для метода полного перебора необходимы большие вычислительные мощности аппаратного обеспечения. Так для 5 диспетчерских листов время выполнения генетического алгоритма равно 0,023 с., метода полного перебора - 0,034 с. Для 9 диспетчерских листов время выполнения генетического алгоритма равно 0,027 с., метода полного перебора - 1,3 с. Для 22 диспетчерских листов время выполнения генетического алгоритма равно 0,034 с., а с использованием метода полного перебора результат не получен из-за недостатка оперативной памяти аппаратного обеспечения и неприемлемой величины времени выполнения.

В таблице 3.2 приведен результат работы программы на основе генетического алгоритма.

Изменяемые параметры генетического алгоритма [3]:

* количество особей в популяции N = 50, 200;

* вероятность кроссинговера Рс = 0.4, 0.6, 0.8;

* вероятность мутации Pm = 0.04, 0.06, 0.08;

* кроссинговер: одноточечный, двухточечный;

* мутация: обмен, инверсное внедрение.

В ячейках таблицы представлены найденное оптимальное время производственного цикла и время поиска оптимального решения задачи при соответствующих вероятностях мутации и кроссинговера, мощности популяции, типах мутации и кроссинговера. Время выполнения программы представлено в секундах. Желтым цветом выделено лучшее решение.

Таблица 3.2 - Результат работы генетического алгоритма при разных значениях изменяемых параметров

Тип кроссинговера / тип мутации	N	Вероятность кроссинговера	Вероятность мутации
			0,04	0,06	0,08
Одноточечный кроссинговер/ инверсное внедрение	50	0,4	87,1 / 0,033	84,6 / 0,037	85,4 / 0,041
		0,6	86,3 / 0,034	83,6 / 0,036	85,4 / 0,039
		0,8	86,3 / 0,034	84,6 / 0,041	84,6 / 0,047
Двухточечный кроссинговер/обмен		0,4	85,4 / 0,042	84,6 / 0,042	86,3 / 0,039
		0,6	85,4 / 0,045	83,6 / 0,047	84,6 / 0,046
		0,8	85,4 / 0,048	84,6 / 0,046	84,6 / 0,048
Одноточечный кроссинговер/обмен	200	0,4	85,4 / 0,074	84,6 / 0,074	85,4 /0,079
		0,6	83,6 / 0,076	83,6 / 0,076	83,6 / 0,081
		0,8	84,6 / 0,072	83,6 / 0,081	83,6 / 0,085
Двухточечный кроссинговер/ инверсное внедрение		0,4	84,6 / 0,074	83,6 / 0,073	84,6 / 0,083
		0,6	83,6 / 0,076	83,6 / 0,076	83,6 / 0,078
		0,8	85,4 / 0,081	83,6 / 0,077	83,6 / 0,089

При низкой вероятности мутации алгоритм не всегда обеспечивает результат необходимой точности. Так, в некоторых случаях алгоритм доходил до 50 поколения, однако полученное значение производственного цикла останавливалось на 85,4. Это можно объяснить тем, что числовое значение найденных особей конденсировалось в несколько точек, а новые точки не могли появиться. Также можно заметить, что, чем больше количество особей в популяции, тем результат точнее и время на его поиск меньше.

На рисунке 11 представлен результат работы программы для заданных параметров: количество итераций - 40, мощность популяции - 50, кроссинговер - двухточечный, мутация - обмен.

Рисунок 3.3 ? Результат работы программы

На рисунке 3.4 представлен график зависимости значения целевой функции от количества итераций при одинаковых значениях параметров. Значением целевой функции является время производственного цикла. На графике представлено распределение значений популяции на определенной итерации. Из графика видно, что на 40 итерации получено минимальное значение, которое равно 84,6. Это значение выводится как результат работы генетического алгоритма.

Рисунок 3.4 ? График зависимости значения целевой функции от количества итераций

На рисунке 3.5 представлен результат работы программы для заданных параметров: количество итераций - 50, мощность популяции - 200, кроссинговер - двухточечный, мутация - инверсное внедрение.

Рисунок 3.5 ? Результат работы программы

На рисунке 3.6 представлен график зависимости значения целевой функции от количества итераций при аналогичных параметрах. Значением целевой функции является время производственного цикла. На графике представлено распределение значений популяции на определенной итерации. Из графика видно, что к 30 итерации минимальное значение достигнуто, далее значение 83,6 остается минимальным и выводится как результат работы генетического алгоритма.

Рисунок 3.6 ? График зависимости значения целевой функции от количества итераций

При анализе сделаны следующие выводы.

1. При малых значениях вероятности кроссинговера (Pc=0,4) и вероятности мутации (Pm=0,04) алгоритм не всегда находил решение, удовлетворяющие по точности. Это можно объяснить тем, что решения преждевременно сходятся к одной точке, а из-за низкой вероятности мутации новые решения появляются редко. Оба типа мутации (обмен и инверсное внедрение) дают примерно одинаковый результат, поэтому нельзя точно утверждать об определенном предпочтении к одному из них.

2. Наилучшие результаты наблюдались при вероятности кроссинговера 0,6 - 0,8, а вероятности мутации 0,6. Дальнейшее увеличение значений не улучшает производительность, а иногда и ухудшает поиск оптимального решения. Более эффективным следует считать двухточечный кроссинговер.

3. В большинстве случаев алгоритм находит минимальное значение производственного цикла, равное 83,6. Вычислено значение производственного цикла без применения алгоритма оптимизации, в таком случае диспетчерские листы расположены в порядке, в котором они внесены в базу данных, время производственного цикла в таком случае равно 91,5, поэтому можно утверждать, что алгоритм работает корректно.

4. Наиболее эффективным по количеству поколений и затраченному времени на поиск решения является использование популяции, состоящей из 200 особей.

5. Наиболее неэффективным является использование популяции, состоящей из 40 особей. Из-за преждевременной сходимости в большинстве случаев получаемое решение не удовлетворяет заданной точности.

Выводы по разделу 3.

В разделе сформулирована и решена с использованием генетического алгоритма задача формирования оптимального производственного плана цеха обработки завода металлоконструкций. Приведены результаты работы программы.

оперативно-производственный планирование алгоритм

Заключение

При выполнении работы осуществлен системный анализ процесса формирования производственного плана цеха обработки, выделены этапы, которые необходимо автоматизировать, а также критерий, по которому необходимо оптимизировать процесс.

Разработан алгоритм для формирования оптимального производственного плана цеха обработки завода металлоконструкций.

Для выполнения работы сформулированы и решены следующие задачи:

* разработать базу данных для хранения входных данных для алгоритма оптимизации;

* разработать алгоритм оптимизации процесса формирования производственного плана цеха;

* разработать программное средство для реализации алгоритма оптимизации процесса формирования производственного плана цеха;

* выполнить тестирование и апробацию алгоритма и программного средства оптимизации процесса формирования производственного плана цеха.

В результате разработано программное средство на языке программирования С# для реализации алгоритма оптимизации процесса формирования производственного плана цеха. Программа получает входные данные из разработанной базы данных, а затем преобразует полученные входные параметры задачи оптимального планирования в элементы алгоритма: ген, хромосома, популяция, фитнесс функция.

Выполненная апробация разработанных алгоритма и программного средства осуществлялась на реальных данных, предоставленных АО «Челябинский завод металлоконструкций» (г. Челябинск).

Таким образом, поставленная в работе цель достигнута. Дальнейшие исследования в этом направлении связаны с полной реализацией всех необходимых функций программного комплекса для возможности внедрения его на предприятие. Кроме того, возможно рассмотрение дальнейших этапов оптимизации с использованием не только диспетчерских, но и сопроводительных листов, а также формирование графика выполнения работ на основе полученных результатов.

Следует отметить, что построение программного обеспечения для планирования на основе библиотеки методов оптимизации повышает экономическую результативность технологического процесса из-за уменьшения временных затрат для производственного цикла, а также в общем случае, на основе выполнения договорных сроков производства изделий, уменьшения величины простоя производственных комплексов. При этом оптимизационные методы позволяют учесть различные характеристики, которые обусловливают конечный результат, связанный с технологическими ограничениями, неисправностью оборудования, стоимостью выполняемых работ и требуемых материалов и т.д.

Список использованных источников

1. Федеральный закон «О промышленной политике в Российской Федерации» от 31.12.2014 N 488-ФЗ (последняя редакция).

2. Постановление Правительства Российской Федерации от 17 июля 2015 г. № 719 «О подтверждении производства промышленной продукции на территории Российской Федерации».

3. Постановление Правительства Российской Федерации от 5 июня 2008 г. № 438 «О Министерстве промышленности и торговли Российской Федерации».

4. Большаков А. А., Интеллектуальные системы управления организационно-техническими системами / под редакцией А.А. Большакова. М.: Горячая линия - Телеком, 2016. - 160 с.

5. Бухалков М.И., Планирование на предприятии. Учебник. / М.И. Бухалков. - 4-е изд., испр. и доп. - М.: Инфра-М, 2017. - 441 с.

6. Гладков Л.А., Гладкова Н.В., Громов С.А. Гибридная модель решения задач оперативного производственного планирования // Известия ЮФУ. Технические науки. - 2018. - №4 (198).

7. Данилов А.Д., Ломакин В.А. Применение муравьиного алгоритма в интеллектуальной системе диспетчеризации дискретного производства // Вестник ВГТУ. - 2018. - №4.

...