РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ ПРОЦЕССОМ ПОДГОТОВКИ ПРОИЗВОДСТВА СОРТОВОГО ПРОКАТНОГО СТАНА

Повышение эффективности производственной деятельности предприятия может быть достигнуто путем повышения оперативности принимаемых управленческих решений. Использование современных высокоинтеллектуальных систем управления, основанных на принципах нечеткой логики, позволяющих не только обрабатывать большие объемы разноплановой и неструктурированной информации, но и оперативно вырабатывать решения в условиях инвариантности и недостаточности данных, адаптация этих систем к реальным производственным условиям является одним из основных направлений в реализации задачи повышения эффективности производства. В работе анализируются возможности проектирования системы оперативного управления процессами подготовки и перевалки клетей сортового прокатного стана, формирования и корректировки плана прокатки в условиях интерактивного взаимодействия всех агентов технологической цепи на основе симбиоза многоуровневых мультиагентных сетей и динамических экспертных систем.

1. Еременко А.Ю. Интеллектуализация системы оперативного управления процессом подготовки обжимных клетей сортопрокатного цеха // ХI Всероссийская науч.-практич. конф. «Современные проблемы горно-металлургического комплекса. Наука и производство». – Старый Оскол, 2014. Т. 1. С. 178 – 185.

2. Цуканов М.А., Боева Л.М. Построение контактного графика сложноструктурированного дискретно-непрерывного производства с использованием иммунного алгоритма // Вестник Воронежского государственного технического университета. 2012. Т. 8. № 4. С. 66 – 70.

3. Дьячко А.Г. Математическое и имитационное моделирование производственных систем. – М.: МИСИС, 2007. – 540 с.

4. Веревкин С.В. Разработка и применение алгоритмов производственной координации (на примере сталеплавильного комплекса). Дисс. … канд. техн. наук. – Новокузнецк, 2003. – 227 с.

5. Бусленко Н. П. Моделирование сложных систем. – М.: Наука, 1968. – 355 с.

6. Веревкин С.В. Формирование контактного графика в параллельно-последовательных системах: Сб. науч. тр. «Информационные технологии в экономике, промышленности и образовании». – Кемерово: Изд-во НФИ КемГУ, 2000. С.18 – 24.

7. Min Liu, Zhi-jiang Sun. An adaptive annealing genetic algorithm for the job-shop planning and scheduling problem // Expert Systems with Applications. 2011. Vol. 38(8). Р. 9248 – 9255.

8. Еременко Ю.И., Полещенко Д.А., Глущенко А.И., Солодов С.В. Исследование эффективности применения нейросетевого оптимизатора параметров ПИД-регулятора при решении задач управления нагревательными объектами в металлургии // Изв. вуз. Черная металлургия. 2014. №7 (57). C. 61 – 65.

9. Веревкин С.В. Формирование контактного графика в параллельно-последовательных системах // Информационные технологии в экономике, промышленности и образовании: Сб. науч. тр. – Кемерово. Изд-во НФИ КемГУ, 2000. С. 18–24.

10. Цуканов М.А., Боева Л.М. Моделирование технологической координации оборудования сталеплавильного цеха на основе аппарата вложенных сетей Петри // Электротехнические комплексы и системы управления. 2010. № 2 (18). С. 51 – 54.

11. Leung C.W., Wong T.N. Integrated process planning and scheduling by an agent-based ant colony optimization // Computers & Industrial Engineering. 2010. No. 59. P. 166 – 180.

12. Carlier J. The one-machine sequencing problem // European Journal of Operational Research. 1982. Vol. 11. P. 42 – 47.

13. Tang L. et al. A review of planning and scheduling systems and methods for integrated steel production // European Journal of Operational Research. 2001. Vol. 133. No. 1. P. 1 – 20.

14. Еременко Ю.И. Исследование эффективности интеллектуального управления в металлургии. Дисс. … канд. техн. наук. – Липецк: ЛГТУ, 2005. – 369 с.

15. Интеллектуализация системы оперативного управления процессом подготовки прокатных клетей сортопрокатного цеха // Всероссийская науч.-практич. конф. «Образование, наука, производство и управление». 2012. С. 180 – 185.