Практическое занятие №8. Концептуальная модель распределенного управления параллельными операциями

Сегодня при организации управления интегрированным производством предпринимаются безуспешные попытки использовать для этих целей принципы и средства автоматического регулирования, а также аппарат классической математики (вариационные и дифференциальные исчисления, логика предикатов и т.п.), применяемый разработчиками для формализованного описания (моделирования) сложных производственных процессов [14, 15, 71, 90, 108]. Однако представленные ниже рассуждения, объективно доказывают, что попытки эффективно решить эту актуальную научно-техническую задачу ограниченными средствами прагматики — бесперспективны. Обусловлено это тем, что принципы построения и законы функционирования адаптивных производственных систем, существенно отличаются от тех, что используются при организации массового, серийного и/или гибкого позаказно-поточного производства. Для их формулирования напомним, что адаптивные системы живой природы, которые являются прототипом интегрированных производственных систем, представляют собой органическую совокупность простых/базовых элементов, «эволюционная сборка» которых в единое целое, осуществляется с помощью различных типов связей и последующей их дифференцировкой по выполняемым функциям (ответной реакции на состояние среды). Каждый элемент интегрированной адаптивной системы концептуально формируется как жесткая условно-автономная программа/модуль восприятия характеристики среды и ограниченного набора ответных действий на ее изменение. С целью согласования параллельной работы элементов интегрированной системы осуществляется консолидация программ «двигательных ответов» различной сложности посредством образования между ними гибких информационных связей, образующихся посредством последовательного объединения (ассоциирования) специфических элементов подсистемы управления (аналогами которых являются цепочки релеавтоматов/ансамбли формальных нейронов, используемые технической кибернетикой) по которым передаются импульсы инициализации/остановки программ. Таким кибернетическим способом обеспечивается рост функциональной избыточности и образование более сложных координированных (синхронизированных), и соответственно, адекватных воздействию среды программ «двигательных ответов» системы.

Морфологически (структурно) формирование/программирование сложных синхронизированных ответов на воздействие среды реализуется посредством «погружения» программ в распределенную однородную информационную среду ассоциативного типа, которая способная гибко менять и дополнять связи между генетически заданными программами рецепторно-двигательных комплексов (РДК) без каких-либо ограничений в функционировании адаптивной системы. Естественнонаучные эксперименты в области нейрокибернетики убедительно доказывают, что природа использует простые элементы (программы) для создания сложных форм организации материи, а управление параллельными процессами их функционирования в единой системе мироздания осуществляется на основе ассоциативных связей, образующих распределенную ассоциативную среду информационного взаимодействия [70, 135].

Процессы информационного взаимодействия активных элементов в адаптивных (саморегулируемых/интеллектуальных) системах изучаются с начала 1950-х гг. ХХ в. различными направлениями теоретической кибернетики: теорией автоматов, робастных и многоагентных систем, нейроинформатикой, в частности разработчиками систем распределенного искусственного интеллекта, на основе объединения/ассоциирования в сложные многомерные сети различных преобразователей (логических решателей и программ обработки) дискретной информации [11, 54, 102, 109, 125, 136, 154]. Последние являются математическими абстракциями (динамическими имитационными моделями) реально существующих процессов переработки информации в биологических, вычислительных, производственноэкономических и других интегрированных системах, которые позволяют объективно исследовать и характеризовать принципы их построения и функционирования.

Наиболее удачная в технологическом отношении реализация этого подхода успешно осуществлена (на наш взгляд) английским ученым-математиком Стефаном Вольфрамом (1986, 1991), которым на основе известного аппарата теории клеточных автоматов была разработана универсальная компьютерная среда для моделирования и исследования динамических систем (программа Mathematica), созданная путем интеграции простых компьютерных программ, называемых cellular automata (клеточный автомат)⁷⁴. Распределенные вычислительные среды можно рассматривать как конечный набор математических объектов (которые рассматриваются в виде абстракции базовых элементов динамических систем), осуществляющих простейшие вычислительные и логические операции (типа и, или, не) и определенным образом соединенные (ассоциированные) информационными связями в электронной среде ЭВМ. Отличительной особенностью данного класса программных продуктов является интерактивный режим их работы, позволяющий посредством специально разработанного интеллектуального интерфейса наглядно представлять графоаналитическую развертку вычислительной среды и разворачивающихся на ее «клеточном» субстрате информационных процессов, что позволяет использовать творческую интуицию и опыт специалистов-исследователей при моделировании систем.

Из логики предыдущих рассуждений следует, что данный инструментарий можно с полным основанием использовать при решении задач организации управления сложными технологическими процессами в распределенной производственной среде, что предполагает переход в будущем на перекомпонуемые производственные модули/участки мехобработки и создание на этой основе полностью автоматизированного/безлюдного адаптивного производства. Перекомпонуемость автоматических систем машин/оборудования (Recomponation) обеспечивает сменяемость исполнительных узлов призматической формы (инструмента) и параллельность многоместной точечной обработки деталей, располагаемых на носителях/порталах с поворотно-делительными столами на боковых гранях. Это повышает возможности реконфигурации (Reconfiguration) производственной системы и является главным звеном/направлением автоматизации инженерной подготовки и повышения технологической гибкости машиностроительного (обрабатывающего) производства [144].

Условно-автономные перекомпонуемые модули адаптивной производственной системы могут быть представлены в распределенной информационной среде ЭВМ в виде отдельных ячеек информационной матрицы, положение/состояние которых в пространстве отображается отдельной клеткой (локусом/фишкой), а каждый момент времени — дискретным временным шагом производственно-технологического цикла (t=0, 1, 2,...). Состояние каждого модуля определяется заданными правилами пространственно-временного взаимодействия локусов/фишек, инвариант которого определяется в режиме реального времени на следующем шаге/такте работы производственной/операционной системы t+1 и отображается изменением цвета ячейки исходя из текущего состояния/цвета соседних модулей/клеток в момент времени t (см.: рис. 3.4).

Рис. 3.4. Формализованное представление в информационной среде ЭВМ участка реконфигурируемого производства, реализованного на базе перекомпонуемых производственных систем/модулей

В этом отношении клеточные автоматы, исследуемые в информатике, представляют альтернативный дифференциальным уравнениям путь анализа/моделирования процессов функционирования/поведения сложных объектов, поскольку являются своеобразным аналогом понятия физического поля, в котором взаимодействие параллельно функционирующих элементов дискретных динамических систем полностью определяется локальными взаимодействиями/связями, а их корреляция/синергия порождает волновые процессы самоорганизации упорядоченных пространственно-временных структур, наблюдаемые в реальных объектах и явлениях [46, 64, 103, 123, 127, 140].

В истории применения информационных технологий в управлении техническими объектами, технологическими процессами и обработки информации при принятии решений отмечается несколько периодов: механизация и автоматизация обработки данных, управления производственными системами и предприятиями; разработка информационных советующих (экспертных) систем на основе персональных ЭВМ и сетевых технологий; интегрированная информационная поддержка решений на всех стадиях жизненного цикла продукции (CALS/CAD/CAM/CAE-технологии), характеризующая новый этап развития организационного управления на основе широко использования передовых информационных технологий и интеллектуальных систем.

Решение научно-исследовательских, проектных и организационноуправленческих задач с помощью интеллектуальных информационных систем основано на применении искусственного машинного интеллекта при изучении сложных объектов и процессов, проектировании и поддержки процесса принятия решений. Основу таких систем составляют модели отображения знаний, как некой системы представлений о сущности изучаемых/управляемых объектов и явлений, и их проявлений в форме эмпирических данных/фактов, характеризующих их структуру, свойства и отношения составных частей (элементы и их связи), а также объективно измеряемых параметров функционирования (поведения).

Модели знаний представляют собой универсальный (математический, логический, алгоритмический, объектный/фреймовый и ассоциативный/ функциональноструктурный) аппарат формализованного описания объекта исследования и построения процедуры решения исследовательской задачи [115, 116, 136]. Наиболее адекватной/корректной, как показывает практика применения информационных технологий и систем в управлении экономикой, является ассоциативная форма представления знаний, которая в отличие от других подходов использует понятие формальной системы A = (U, C, L, I), где А — ассоциативная система представления знаний, U — множество узловых элементов ассоциативной сети, C — множество контактных связей (коннекций), L — множество правил построения сети, I правила/процедура ассоциативного вывода новых знаний. В такой модели имеющиеся знания об объекте исследования (пространственно-временная структура и законы функционирования) представлены в виде распределенной многомерной сети узловых элементов, которые являются абстракциями реальных объектов, явлений и процессов. Данная модель представления знаний возникла благодаря развитию представлений о системной организации природы, феноменов сознания, памяти и мышления, изучаемых в рамках теории систем, кибернетики и психологии. Преимущество ассоциативного/интеллектуального подхода заключается в возможности получения/продуцирования новых знаний путем автоматического/спонтанного установления новых связей/коннекций узловых элементов при достижении оптимальной величины соответствующего критерия эффективности (цены, энергозатрат, времени выполнения операции и т.д.), фиксирования/запоминания и последующей идентификации оптимальных режимов функционирования/поведения системы в реальном режиме времени подобно тому, как это осуществляется в живых организмах. Свойство продуцирования новых знаний (когнитивность), характерное для ассоциативных/интеллектуальных форм представления знаний, приближает их по эффективности информационных процессов обработки и анализа сложной плохо структурированной информации к биологическому прототипу — нервной системе человека.

Специфической особенностью ассоциативных моделей знаний является их многомерность (иерархичность сетей) и особые пространственно-временные формы организации связей, основными из которых являются: вычислительные алгоритмы и логические базисы взаимодействия элементов сети, основанные на оценке текущих параметров состояния элементов сети и отнесении их по принадлежности к заданных интервалам (нечетким множествам) и/или определении вероятности наступления фактов-событий с учетом частоты взаимодействия элементов (силы связей, подобно синоптическим связям нейронов мозга); адаптивные/аналоговые алгоритмы с пороговым или линейно ограниченным выходом управляющего импульса/сигнала, сила которого определяется физически частотой взаимодействия элементов при обучении искусственной нейросети. При этом архитектура нейронной ассоциативной модели отображения знаний по сравнению с простой логической сетью всегда является многоуровневой/слоистой. Нейросеть состоит из иерархически связанных локальных сетей (подсистем), объединенных по функциональному признаку, что обеспечивает эффективную координацию их узловых элементов соответствующим метауровнем благодаря разделению функций между слоями нейросети. Такой подход является приближенной аналогией известного в нейропсихологии механизма метакогнитивной пространственно-временной интеграции нейронных цепочек мозга, основанной на принципе информационного параметрического резонанса интерференционных узоров волн активации нейронов (биоритмов) коры головного мозга и голографической модели распространения, фиксации/хранения и синтеза информации, изучаемой когнитивной психологией, нейроинформатикой, теоретической физикой [17, 18, 65, 66, 67, 68, 77, 149, 152, 153].

Развитие интеллектуальных информационных технологий и систем происходит в рамках работ по созданию систем распределенного искусственного интеллекта для решения различных теоретических прикладных задач: организации управления динамическими объектами и процессами, распознавания образов и классификация проблемных ситуаций, интеллектуального анализа (структурировании и обобщения/ аппроксимации) больших массивов данных, разработки обучающих программ, создании нейроподобных/нейрологических аппаратно-программных средств и аналоговой микроэлектроники (нейроплат-сопроцессоров в составе обычных ЭВМ и нейпрокомпьютеров, 1986–1989 гг.). Результаты исследований в данной области информатики позволяют предположить, что в ближайшее время на основе ассоциативного подхода могут быть созданы системы со сложной структурой и поведением, приближающиеся к высшим биологическим формам организации материи. Это подтверждается созданием японскими корпорациями роботов Сони — SDR/3 и Хонда — P/3, разработкой интегрированных интеллектуальных/цифровых систем управления предприятиями компанией Microsoft, которой принадлежит табличный процессор Excel, являющийся примером успешной коммерческой реализации данного направления информатики [115, 116].

Интегрированные компьютерные технологии привели в своем развитии к появлению уникальных средств проектирования, испытания и отладки динамических объектов и процессов. Речь идет о компьютерных комплексах программно-аппаратных средств реального времени, реализуемых в среде Matlab/Simulink. Используемые в них анимационные технологии, позволяют исследовать динамику образования и движения волновых фронтов процессов самоорганизации искусственной клеточной плазмы, а также наглядно представить на экране дисплея интуитивно ощущаемые нашим сознанием принципы формообразования упорядоченных структур физического мира⁷⁵. Последнее особенно актуально при разработке систем управления интегрированными производственными системами с множеством перекрестных и обратных связей, где процесс инженерной подготовки производства наукоемкой продукции, связанный с многократными последовательными приближениями и настройками, объективно не может быть представлен аппаратом дифференциальных исчислений и/или методами теории расписаний. В такой ситуации аналитическая постановка задачи управления с определением ее основных составляющих: формализованного/математического описания объекта управления, формулировки целей и критериев их достижения, выделения и доступных измерений управляющих воздействий и дестабилизирующих факторов, позволяет получить в относительно короткие сроки оптимальные инженерные и организационно-технические решения. При этом процесс проектирования решений, также как и их техническая реализация оказываются наименее затратными по времени и ресурсам.

Данный подход к рассмотрению/описанию и моделированию динамических объектов позволяет использовать при создании распределенных (децентрализованных) систем управления параллельными технологическими операциями/процессами результаты современных междисциплинарных исследований в области теории самоорганизующихся (ассоциативных интеллектуальных) систем, которые опираются на активное начало и взаимодействие их компонентов (кооперацию/синергию по Г. Хаканену, 1980), проявляющееся по мере усложнения форм организации материи начиная с биологического уровня в виде механизма и принципов самоорганизации систем живой природы, и носящие преимущественно информационный характер [8, 9; 53, 74]⁷⁶. Исследование глубинных причин самоорганизации показывает, что в отличие от принудительной организации (нормативного проектирования предприятий), данная закономерность основана на кооперировании и координации активных элементов производственной системы посредством процесса коммуникаций (информационного взаимодействия), который способствует появлению и развитию отношений между элементами системы (добавлению в систему новых связей и их ре/комбинации). В реальных условиях это осуществляется посредством целенаправленного процесса согласования (гармонизации) целей, параметров и ритмов функционирования различных элементов производственной системы, как между собой, так и с внешней средой на основе непрерывной циркуляции информационных потоков на всех уровнях управления производством с помощью распределенной системы управления (однородной/симметричной информационной среды)⁷⁷. Проблема организации эффективного управления в таком случае переходит в область группового выбора средств и вариантов достижения цели (параллельных процессов принятия решений). Критериями оценки качества организации и эффективности производства в этом случае становятся гармоничность пространственно-временных отношений активных элементов системы (динамических объектов) и синхронность их параллельного функционирования, соответственно⁷⁸.

Использование модели распределенного/ассоциативного управления наиболее оправдано/целесообразно для высокотехнологичного машиностроительного производства, поскольку с помощью централизованного органа управления (руководителю, диспетчеру) сложно принимать решения по выбору факторов, влияющих на достижение цели, определять существенные взаимосвязи между целями и средствами в условиях функционирования параллельных технологических процессов по изготовлению широкой номенклатуры изделий. По этой причине в управление должны вовлекаться, по возможности, все участники производственного процесса — специалисты различных областей знаний, между которыми нужно организовать эффективное взаимодействие/взаимопонимание. В связи с этим центральной научнотехнической проблемой сегодня становится создание интеллектуальных систем поддержки коммуникаций и когнитивных процессов людей-операторов производственной системы при решении ими трудно формализуемых и не формализуемых задач в группе⁷⁹. Передовые научные знания и информационные технологии должны быть эффективно использованы для создания условий гармоничного взаимодействия активных элементов производственных систем на всех уровнях управления, что, по мнению многих исследователей, выдвигает актуальную научно-техническую проблему формирования новой парадигмы организации управления интегрированным производством, в основе которой лежит процесс синхронизации работы различных элементов производственной системы посредством ассоциативных форм, интеллектуальных/когнитивных методов и информационных технологий управления производством [78]⁸⁰.

Таким образом, преодоление недостатков традиционных форм управления возможно на иной, отличной от концепции производственного планирования, теоретико-методологической основе, ключевым понятием/ принципом которой является организация управления производством на базе принципов самоорганизации и авторегуляции, в основе которых лежит распределенный (групповой) интеллект активных элементов производственной системы роботизированных комплексов, а также рабочих, бригадиров и мастеров технологических участков, самостоятельно принимающих решения по регулирования хода производства исходя из реальных (фактических) условий протекания производственного процесса с помощью специальных информационных технологий поддержки управления [58, 104].

В подтверждение этого можно отметить, что характерной чертой современного этапа исследований в области искусственного интеллекта (ИИ) является смещение акцента в исследованиях на создание гибридных (по Г.С. Поспелову, 1988) человекомашинных систем, способных объединить интеллект человека, быстродействие и память ЭВМ для решения сложных управленческих задач. Дальнейшее поступательное развитие ИИ связано с разработкой новых технологий представления знаний, основанных на тесном взаимодействии интеллекта человека и машины путем создания общей информационной среды функционирования в системах управления. Внимание исследователей все больше обращено на новые возможности, которые открываются в отношении актуальных проблем коллективного сознания и процессов самоорганизации в экономике в связи с бурным развитием интеллектуальных информационных систем и сетей телекоммуникаций [100]⁸¹. По сути, сегодня, на старой элементной базе может быть получен гибридный «человеко-машинный» интеллект, который представляет собой особого рода активную информационную среду, стимулирующую процесс интуитивного поиска и синтеза релевантной информации, посредством мульти и автодиалога на языке семантических образов и концептуальных моделей. В этом отношении интегрированные адаптивные производственные системы на полном основании можно рассматривать как гибридные человеко-машинные системы, представляющие собой совокупность взаимодействующих между собой сложных динамических (интеллектуальных) объектов — автоматизированных рабочих центров и технических устройств, осуществляющих обработку и перемещения предметов труда по ходу технологического процесса, а также операторов, занятых на их обслуживании, способных воспринимать внешние физические воздействия, в том числе информационные сигналы, и откликаться на них (с помощью специальных регуляторов) изменением локальных режимов работы для синхронизации/оптимизации совместной деятельности в процессе производства.

Корневой методологической ошибкой, допущенной в 1990-х гг. разработчиками компьютерно интегрированных производственных систем, является то, что при организации и создании системы управления промышленными предприятиями часто пытаются отобразить их, используя теорию автоматического регулирования, которая разрабатывалась на основе аппарата классической математики (линейных и нелинейных дифференциальных исчислений) для закрытых, технических систем и не учитывает интеллектуальный потенциал активных элементов производственной системы — условно-автономных машин и людей. В свою очередь, коллективное мышление в групповой динамике представляет мощный инструмент распознавания образов сложных экономических явлений и решения на их основе трудноформализуемых и не формализуемых задач управления в условиях динамичного окружения и реального времени.

Предлагаемая ниже методика анализа и формализованного описания системной динамики процесса машиностроительного производства/бизнеспроцесса с использованием разработанной концепции, инструментов моделирования и интеллектуальной поддержки принятия решений/управления, создают предпосылки для полной автоматизации управления на основе использования распределенного ИИ в качестве активного решателя задач управления комплексами автоматических систем машин и технологическими процессами (в том числе в безлюдном производстве). Научные исследования и развитие автоматизации в этом направлении позволит в будущем организовать, на основе автономных (андроидных) программно-аппаратных средств, эффективный процесс коммуникации между активными элементами производственной системы, обеспечивая тем самым их высокую степень координации (слаженность взаимодействия) и, как следствие этого, высокую результативность предметной деятельности в целом [75].