В статье рассматривается иерархическая структура построения информационно-управляющих систем для автоматизации производства, которая обеспечивает интеграцию интеллектуальных технологий и промышленность. Интернет вещей, искусственный интеллект, компьютерное зрение, робототехника и другие технологии используются для интеллектуальной поддержки автоматизации производственных процессов.
Индустрия 4.0, MES, SCADA, робототехника, искусственный интеллект, автоматизация производства
Индустрия 4.0 – это концепция, основанная на интеграции информационных технологий и промышленности, которая объединяет все этапы жизненного цикла в единое информационное пространство и обеспечивает поддержку принятия решений. В основе четвертой промышленной революции лежат искусственный интеллект, облачные вычисления, роботизация, интернет вещей и другие направления взаимодействия машин и удаленной передачи информации [1-3].
Задачи, возникающие при управлении производством, в последнее время значительно усложнились, поскольку из-за нестабильных международных отношений с зарубежными предприятиями нужно постоянно искать новых поставщиков, менять логистические цепочки, рынок сбыта.
Информационно-управляющие системы (ИУС) предприятия имеют иерархическую структуру, которая объединяет аппаратные и программные средства управления и контроля оборудованием, системы SCADA, MES, ERP и другие [4]. На рисунке 1 представлена иерархия ИУС предприятия и соответствующих задач, решаемых каждым видом систем. Структура ИУС предприятия имеет взаимосвязанную систему с обратными связями.
Рисунок 1 – Иерархия ИУС предприятия и соответствующих задач
Локальные системы управления используют информацию датчиков, анализируют ее, передают в виде управляющих инструкций исполнительным механизмам, которые система приводит в действие. Системы управления должны быть с обратной связью, чтобы выполнялся контроль процессов.
SCADA-системы позволяют передавать управляющие команды на оборудование, имеющее ПЛК, датчики, исполнительные механизмы. Системы получают информацию от удаленных АРМ и обеспечивают контроль производственных процессов. Разработанные приложения SCADA демонстрируют поведение оборудования, выполняют сбор данных и диспетчеризацию управляющих воздействий. При этом сокращается необходимость в непосредственной работе оператора с механизмами и технологическим оборудованием [5, 6].
MES-системы предназначены для управления производственными процессами, обеспечивают распределение ресурсов оборудования и производственной логистики на уровне цеха. Из SCADA в MES поступает информация о переработке исходных материалов в готовые изделия, об образовании брака. MES может строить временные циклограммы для бесперебойной работы технологического оборудования и выполнять их оптимизацию. Контроль выполнения построенных календарных графиков позволяет руководителю отследить полный путь продукции, определить запаздывание в поставках и отклонение от графиков, принять необходимые меры в случае поломки оборудования [7].
Ключевой проблемой нарушения запланированных графиков работы является выход из строя оборудования и его небыстрый ремонт. В работе [8] авторы для гибкого планирования работы цеха предлагают динамическую разработку графиков с поддержкой интернета вещей в MES. Устройства автоматического обнаружения неполадок и остановки работы оборудования незамедлительно передают информацию об этом в систему управления для корректировки производственного графика с учетом простоя оборудования. Первоначальный план рассматривается как базовый, а далее с помощью генетического алгоритма и алгоритма со сдвигом справа на основе реальных событий строится скорректированный план-график, перераспределяя задания между оборудованием.
Параллельно с задачей планирования производственного процесса на текущий временной период в MES решается задача обслуживания и поддержания работоспособности оборудования. Исходной информацией о состоянии машин являются рекомендуемые параметры изготовителя для проведения сервисного обслуживания с целью обеспечения надежной качественной работы. Реальное состояние оборудования и его износ передаются в систему с помощью датчиков. Оптимизационные модели в MES позволяют учитывать всю поступающую информацию, планировать обслуживание техники и выполнять динамическое планирование производственных процессов.
Информация из MES передается в комплексную систему предприятия ERP, которая объединяет все подразделения предприятия и предназначена для управления всеми ресурсами предприятия. Задачи ERP-систем связаны с обеспечением поддержки принятия решений, выработки стратегий и контролем всех видов деятельности на предприятии [9]. Поставленные задачи передаются из ERP в MES, в которой имеются модули планирования и анализа производственных процессов.
Многие предприятия могут использовать смешанные производственные линии, производить разнородную продукцию нескольких вариантов и сортов. В этом случае используется динамическая оптимизация в системах ERP/MES с помощью алгоритмов искусственного интеллекта, которые могут рассчитать время выпуска необходимых партий продукции [10]. Для этого в системах ERP/MES используются механизмы особого внимания (EMA-DCPM), работа которых включает в себя сбор данных, предварительную обработку, прогнозирование времени работы и динамическую оптимизацию пути.
Динамическая оптимизация позволяет предприятиям ориентироваться не на универсальность, а на программируемую и гибкую автоматизацию производственных процессов. Гибкие автоматизированные производства обеспечивают быстрый переход от одних технологических процессов к другим без потери времени, увеличения сроков изготовления.
Расширение классических функций MES и SCADA связано с интеллектуальными технологиями на производстве и использованием робототехники, с созданием единого информационного пространства поддержки всего жизненного цикла изделия [11, 12]. Единая цифровая среда имеет сервис-ориентированную архитектуру (SOA), которая позволяет взаимодействовать программным системам и модулям на разных платформах. Робототехнические системы могут выполнять погрузо-разгрузочные работы, сварку, обработку поверхности, резку металла и т.д.
Интеграция робототехники и искусственного интеллекта значительно расширила возможности систем автоматизации [13]. Алгоритмы машинного обучения и компьютерного зрения позволяют роботам распознавать объекты, людей и жесты, обнаруживать дефекты в производимой продукции.
Таким образом, Интернет вещей, искусственный интеллект, компьютерное зрение, робототехника и другие технологии обеспечивают интеллектуальную поддержку автоматизации производственных процессов.
1. Fábio Corrêa, E. Adaptability in industry 4.0: service-oriented architecture to deploy artificial intelligence on industrial automation / E. Fábio Corrêa, D. Santos de Freitas // Revista E-TECH: Tecnologias Para Competitividade Industrial. – 2023. – Vol. 16(3). – DOI:https://doi.org/10.18624/etech.v16i3.1301.
2. Фомина, А.В. Индустрия 4.0. Основные понятия, преимущества и проблемы / А.В. Фомина, К.Ю. Мухин // Экономический вектор. – 2018. – № 3 (14). – С. 33-38.
3. Закриева, М.С. Автоматизация производства с помощью новых технологий / М.С. Закриева, И.А. Магомедов, Р.С. Зарипова // Экономика: вчера, сегодня, завтра. – 2023. – Т. 13, № 4-1. – С. 641-646.
4. Шульц, Т. Обзор модели стандартной архитектуры и компонентов Industry 4.0 / Т. Шульц, И.В. Некрасов, Д.В. Лежнин // Автоматизация в промышленности. – 2018. – № 10. – С. 39-46.
5. Jaiswal, M. Automation with networking and artificial intelligence / M. Jaiswal, M.S. Patel // SSRN Electronic Journal. – 2021. – Vol. 9, № 1. – Pp. 4748-4759.
6. Новикова, Т.П. Автоматизированное проектирование расположения базовых станций беспроводной сотовой связи / Т.П. Новикова, С.А. Евдокимова, Р.Ю. Медведев // Моделирование систем и процессов. – 2023. – Т. 16, № 4. – С. 61-70.
7. Новикова, Т.П. Разработка и исследование базовой модели PERT для планирования работ по проекту / Т.П. Новикова, С.А. Евдокимова, А.И. Новиков // Моделирование систем и процессов. – 2021. – Т. 14, № 4. – С. 75-81.
8. An IoT-Enabled Real-Time Dynamic Scheduler for Flexible Job Shop Scheduling (FJSS) in an Industry 4.0-Based Manufacturing Execution System (MES 4.0) / A. Tariq [et al.] // IEEE Access. – 2024. – Vol. 12. - Pp. 49653-49666. – DOI:https://doi.org/10.1109/ACCESS.2024.3384252.
9. Евдокимова, С.А. Применение алгоритмов кластеризации для анализа клиентской базы магазина / С.А. Евдокимова, А.В. Журавлев, Т.П. Новикова / Моделирование систем и процессов. – 2021. – Т. 14, № 2. – С. 4-12.
10. Tongming, X.U. Research on collaborative flexible job-shop scheduling technology / X.U. Tongming, L.I. Zhou, F. Huanhu // Mechatronics and Automation Technology. – 2022. – Vol. 33. – Pp. 1-13. – DOI:https://doi.org/10.3233/ATDE221143.
11. Беляева, Т.П. Интегрированная среда управления производственными процессами на основе ИПИ-технологий / Т.П. Беляева // Моделирование систем и процессов. – 2010. – № 1-2. – С. 18-23.
12. Беляева, Т.П. Управление предприятием на основе современных ИПИ-технологий / Т.П. Беляева // Моделирование систем и процессов. – 2010. – № 1-2. – С. 13-18.
13. Industrial robotics as an important part of modern production automation / M. Malaga, T. Broum, M. Simon, M. Fronek // Acta Mechatronica – International Scientific Journal about Mechatronics. – 2022. – Vol. 7(4). – Pp. 31-36.
