Предлагаем проведение моделирования транспортно-логистических, производственных систем и бизнес-процессов для оценки инженерных и технологических, а также финансово-экономических решений перед их внедрением в рамках конкретного проекта. Cегодня имитационное моделирование — широко распространённая мировая практика при подготовке проектов во всех областях ведения бизнеса. Аналитический подход не всегда позволяет рассмотреть работу объекта исследования со всех сторон – он излагает общую картину. Однако современные технологии позволяют давать идеально точные математико-логические описания любой структуры и процессов с помощью методов имитационного моделирования. Основным преимуществом имитационного моделирования является возможность анализа всевозможных сценариев «что, если» при помощи проведения различных экспериментов на реальных объектах, так как зачастую такие эксперименты провести невозможно или слишком дорого. Во-вторых, имитационное моделирование позволяет анализировать моделируемую систему в режиме реального времени в отличие от аналитических методов. В итоге, заказчик получает готовый аналог реального проекта, продуманный и детализированный до мельчайших деталей.

Имитационное моделирование – один из видов компьютерного моделирования, использующий методологию системного анализа, центральной процедурой которого является построение обобщенной модели, отражающей все факторы реальной системы, в качестве же методологии исследования выступает вычислительный эксперимент.

Имитационная модель строится строго целенаправленно, поэтому для нее характерно адекватное отображение исследуемого объекта, логико-математическая модель системы представляет собой программно реализованный алгоритм функционирования системы. При имитационном моделировании структура моделируемой системы адекватно отображается в модели, а процесс ее функционирования имитируется на построенной модели. Под имитацией понимают проведение на компьютерах различных серий экспериментов с моделями, которые представлены в качестве некоторого набора (комплекса) компьютерных программ. Сравнение характеристик (конструкций, управлений) моделируемого объекта осуществляется путем вариантных просчетов. Особую роль имеет возможность многократного воспроизведения моделируемых процессов с последующей их статистической обработкой, позволяющая учитывать случайные внешние воздействия на изучаемый объект. На основе набираемой в ходе компьютерных экспериментов статистики делаются выводы в пользу того или иного варианта функционирования, или конструкции реального объекта, или сущности явления.

В ряде случаев формировать решения с помощью формальных методов не удается – эксперт должен быть включен в процесс принятия решения. Он становится активным компонентом информационной системы, детализирует проблему и модель, осуществляет постановку направленного вычислительного эксперимента на модели, генерацию и ранжирование альтернатив, выбор критериев для принятия решений.

Имитационное моделирование значительно расширяет возможности и эффективность работы лиц, принимающих решения, предоставляя им удобный инструмент и средства для достижения поставленных целей. Имитационное моделирование реализует итеративный характер разработки модели системы, поэтапный характер детализации моделируемых подсистем, что позволяет постепенно увеличивать полноту оценки принимаемых решений по мере выявления новых проблем и получения новой информации.

Имитационная модель не дает оптимального решения подобно классическому решению задач оптимизации, но она является удобным для системного аналитика вспомогательным средством для поиска решения определенной проблемы. Область применения имитационных моделей практически не ограничена, это могут быть задачи: исследования структур сложных систем и их динамики, анализа узких мест, прогнозирования и планирования и т.д. Главным преимуществом имитационного моделирования является то, что эксперт может ответить на вопрос: «Что будет, если … », т.е. с помощью эксперимента на модели вырабатывать стратегию развития.

В последнее время ведутся работы по разработке систем, способных оказать помощь эксперту при ответе на обратный вопрос «Что надо, чтобы …». Это можно назвать «целевым моделированием», при котором на вход системы подаются показатели целевого состояния, а также перечень возможных регуляторов с указанием диапазона и шага их изменения. Система в автоматическом или полуавтоматическом режиме находит сочетание значений этих регуляторов для достижения заданного целевого состояния.

После того как модель построена, в ней выделяются управляемые параметры и выбираются такие значения этих параметров, при которых проблема либо снимается, либо перестает быть критически важной.

Многократное использование имитационной модели при различных реализациях входных случайных величин позволит оценить параметры распределений тех случайных величин, которые представляют наибольший интерес и служат выходными в имитационной модели.

При правильном использовании имитационное моделирование может выявлять и устранять риски, максимизировать ценность и способствовать достижению успешных результатов. В статье приведены преимущества применения такого способа при размещении и компоновке производственной линии.

Симуляция, или компьютерное моделирование, может стать весьма мощным инструментом для работы над проектом в целом и позволяет команде специалистов визуализировать многие аспекты производственной линии непосредственно на этапе ее проектирования. Чтобы спланировать новую производственную линию или изменить существующую, необходимо ответить на целый ряд вопросов, включая такие:

• Что будет производить проектируемая линия?
• Как быстро она будет работать?
• Какую эффективность линии можно ожидать?
• Как это оборудование поместится в конкретном помещении?
• Если используются конвейеры, то какие ограничения при этом возникают?

Впрочем, последний вопрос содержит множество аспектов: какова пропускная способность конвейера? что происходит с линией во время ее технического обслуживания и сколько времени потребуется для восстановления ее работоспособности? где должны быть размещены буферы, чтобы они функционировали наиболее эффективно? можно ли повторно использовать существующие конвейеры или рабочие узлы?

Технология, предназначенная для визуализации производственной линии и ее воплощения в жизнь до ее непосредственной разработки, стала более доступной, чем когда-либо. Трехмерные PDF-файлы или видео можно просматривать в электронном виде, и многие программы теперь напрямую интегрируются с гарнитурами виртуальной реальности (virtual reality, VR), что позволяет заинтересованным сторонам создать точную интерактивную схему и увидеть компоновку производственной линии.

Такая визуализация помогает каждому лучше понять параметры проекта и быстрее достичь консенсуса по его окончательному виду. Приложения и гарнитуры для смартфонов дополненной реальности (augmented reality, AR) позволяют проецировать трехмерную модель в существующее пространство, обеспечивая еще один вид производственной линии. Статическое или динамическое моделирование показывает помехи и препятствия и предоставляет возможность избежать этих проблем в самом начале проекта (рис. 1).

Рис. 1. Моделирование может обеспечить детальную визуализацию линии на уже существующем производственном объекте. Все изображения предоставлены компанией Dennis Group

Еще один способ визуализации, который можно успешно использовать на этапе проектирования, — выделение динамики движения продукта при различных ограничениях. Подобная имитация разрешает пользователю настроить множество параметров работы производственной линии, а именно — скорость обработки продукции оборудованием и скорость конвейера, длину конвейера, расположение отдельного технологического оборудования, режим управления. А самое главное — «увидеть», как система действует при самых разных настройках и вводных. Анимированные симуляции часто выявляют потенциальные проблемы проектирования линий, которые трудно или невозможно распознать при традиционном взгляде на макет линии, а тем более на электронную таблицу.

Симуляция и время

Недавний пример, который подчеркивает важность моделирования, включал технологическое оборудование, которое наполняло четыре коробки одновременно, а затем и также одновременно выталкивало все четыре коробки. Хотя средняя скорость машины составляла 100 коробок/мин, фактическая мгновенная производительность машины составляла либо 0, либо 200 коробок/мин. Если конвейер на выходе машины не работал вдвое быстрее, чем средняя скорость, коробки, если они выходили на конвейерную ленту, возвращались обратно в машину. Это не позволяло машине загружать новые пустые коробки. Работа стопорилась.

На бумаге скорости выглядели правильно, но машина была заблокирована. Имитационная модель выявила эту проблему на этапе проектирования, чтобы ее можно было исправить перед установкой данного оборудования.

Физическое моделирование становится ценным инструментом при попытке понять взаимодействие продукта в режиме реального времени на производственной линии. Разработчики и конструкторы могут видеть, как продукты будут перемещаться на конвейере, и изменять его конструкцию, чтобы сохранить контроль и полное управление процессом обработки продукта.

Компьютерное моделирование может продемонстрировать, как изделия будут скапливаться или застревать в лотке или на накопительном столе. Пример моделирования для замороженных шариков теста (рис. 2) показывает, как в этом случае будет использоваться отвод­ной накопительный буфер.

Рис. 2. Физическое моделирование замороженных шариков теста позволяет передать ключевые характеристики продукта в модель

Ранее это можно было сделать с помощью тех или иных догадок, основанных на накопленном методом проб и ошибок опыте (хотя часто это сродни гаданию на кофейной гуще) и, возможно, на основе макета системы автоматизированного проектирования (САПР). Однако динамику теста, катящегося по конвейерной ленте, трудно предсказать, а тем более точно представить. Физическое моделирование естественно требует компьютерного оборудования, на котором можно создавать целевые модели. Впоследствии накопленный опыт и уроки, извлеченные из более мелких моделей, применимы и к более крупным моделям.

Правильный выбор оборудования может сократить расходы

Даже при самой продуманной линии простои оборудования неизбежны. Однако проблема кроется в том, что влияние случайных простоев очень сложно предсказать. Производители, как заказчики, со своей стороны могут не решиться увеличивать число буферов в линии и не соглашаются выполнять отводы для накопления, полагая, что они скрывают проблемы в функционировании линии или поощряют немотивированных операторов к снижению эффективности их труда, что снижает производительность и увеличивает себестоимость продукции. С другой стороны, некоторые буферы не очень влияют на производительность благодаря компоновке оборудования, что в этом случае приводит к ненужным капитальным затратам. Имитация может моделировать разные сценарии и учитывать нормальные и аномальные условия работы, позволяя определить оптимальное количество, расположение и емкость буферов. Это способствует повышению эффективности производственной линии и избавляет от ненужных расходов в виде капитальных затрат (рис. 3).

Рис. 3. Предложенный буфер в строке показывает уровень накопления

Здесь пользователям может помочь еще один важный момент, решаемый путем моделирования, — выбор оптимального варианта управления производственной линией. В начале процесса проектирования, когда не существует программируемого логического контроллера (ПЛК), модель позволяет команде разработчиков рассмотреть те или иные элементы управления. Размещение фотоэлектрического датчика и других сенсоров можно проверить и оптимизировать еще до приобретения оборудования.

Вероятно, наиболее критическое время для использования рассматриваемой симуляции, — когда программа ПЛК уже готова к тестированию. Преимущество здесь в том, что программное обеспечение для моделирования производственной линии может быть подключено непосредственно к ПЛК. Модель передает сигналы в ПЛК от имитируемых датчиков и реагирует на сигналы ПЛК в своих имитированных двигателях. Инженеры по управлению имеют возможность отлаживать средства управления с реалистичной, отзывчивой системой, вместо того чтобы отслеживать код вручную или пытаться использовать человеко-машинный интерфейс (ЧМИ) для визуализации производительности линии. Размещение датчика выполняется в модели с точностью до нескольких дюймов от его оптимального положения в реальной системе.

Программа ЧМИ может быть протестирована вместе с ПЛК с использованием модели, и, поскольку модель управляется ПЛК, нажатие тех или иных кнопок в ЧМИ будет эффективно имитировать производственные сценарии в реальном времени. Поэтому благодаря имитационной модели сроки запуска производственной линии при ее вводе в эксплуатацию значительно сокращаются (рис. 4).

Рис. 4. Имитационная модель и взаимодействие тегов ПЛК помогают выявлять и устранять проблемы на самых ранних этапах процесса проектирования, экономя время и деньги заказчика

Процесс подключения имитационной модели к ПЛК помогает и обучению. Еще до запуска производства новый программист ПЛК или ЧМИ может выявлять ошибки, тестировать новые идеи и приобретать опыт, работая в среде с низким уровнем риска. В свою очередь операторы линий могут практиковаться в их работе и изучать новые программы ПЛК до установки на производстве.

Обнаружение проблем до их проявления

Моделирование имеет и другие косвенные преимущества. Опираясь на базовые знания о динамике линий, программист моделирования может задавать вопросы на ранних этапах процесса проектирования, которые обычно не рассматриваются до более поздних этапов разработки. Соблюдение сроков проектирования является еще одним преимуществом. Слишком часто мы сталкиваемся с ситуацией, когда линия была спроектирована и установлена, но ограничения приводят к задержке ее запуска и ввода в эксплуатацию до завершения программы ПЛК. Если модель тестируется до того, как она поступит на завод-изготовитель, это поможет быстрее проверить и отладить программу.

Естественно, что моделирование имеет свои пределы. Выходные данные модели настолько же хороши, насколько точны все исходные данные или предположения. Моделирование не исключает вредных привычек оператора (не будем их конкретизировать), плохих материалов или накопления конденсата. Здесь важно вовремя пересмотреть и скорректировать модель, чтобы убедиться, что она отражает и поведение персонала, и возможные ограничения.