RU2736961C1 - Способ управления производственным процессом в режиме мягкого реального времени - Google Patents
Способ управления производственным процессом в режиме мягкого реального времени Download PDFInfo
- Publication number
- RU2736961C1 RU2736961C1 RU2020104239A RU2020104239A RU2736961C1 RU 2736961 C1 RU2736961 C1 RU 2736961C1 RU 2020104239 A RU2020104239 A RU 2020104239A RU 2020104239 A RU2020104239 A RU 2020104239A RU 2736961 C1 RU2736961 C1 RU 2736961C1
- Authority
- RU
- Russia
- Prior art keywords
- production process
- control
- events
- time interval
- time
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B21/00—Systems involving sampling of the variable controlled
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Изобретение относится к самонастраивающимся системам управления. В способе управления производственным процессом в режиме мягкого реального времени, основанным на сборе данных о ходе выполнения производственного процесса и формировании управляющих воздействий, перед формированием управляющих воздействий подсчитывают события, способствующие переходу производственного процесса в нештатное состояние, и события, препятствующие указанному переходу, а затем формируют сигналы, пропорциональные плотности каждого из потоков событий. Далее формируют сигналы оценки верхней границы интервала времени, в течение которого производственный процесс не изменит свое состояние, и формируют управляющее воздействие, которое может быть реализовано в соответствии с сигналами оценки верхней границы интервала времени. Повышается точность управляющих воздействий. 2 ил.
Description
Изобретение относится к самонастраивающимся системам управления и может быть использовано в организациях, производственный процесс которых характеризуется высокой степенью неопределенности.
Уточним смысловое наполнение использованных терминов.
Неопределенность - это состояние полного или частичного отсутствия информации, необходимой для понимания события, его последствий и их вероятностей.
Управление - процесс формирования целенаправленных воздействий на объект управления. Данное определение предполагает, что для достижения цели требуется сформировать множество воздействий в ходе функционирования объекта управления. Причем результаты воздействий могут отличаться от ожидаемых результатов за счет непредсказуемого изменения состояния объекта. Эффективное управление предполагает достижение предсказуемых результатов воздействий. Одним из путей повышения эффективности управления является снижение неопределенности в оценке текущей ситуации. Текущая ситуация характеризуется совокупностью необходимых изменений в состоянии объекта управления и допустимого интервала времени на реализацию этих изменений. Превышение допустимого интервала времени может привести к переходу объекта в состояние, требующее иного управляющего воздействия для достижения поставленной цели или изменения цели управления.
Будем называть управлением в режиме мягкого реального времени процесс формирования управляющих воздействий за априорно известное время сохранения состояния объекта управления (предельное время формирования и реализации управляющих воздействий - deadline). Известно, что требования к системам мягкого реального времени можно задать только в вероятностных терминах. Нарушение режима управления мягкого реального времени приводит к непроизводственным затратам ресурсов.
Сущность предлагаемого технического решения заключается в сборе данных о статистических характеристиках параметров выполнения производственного процесса и формировании сигналов, пропорциональных указанным статистическим характеристикам, формировании сигнала оценки верхней границы (супремума) отрезка времени, который может быть использован в процессе самонастройки для формирования и реализации управляющего воздействия при сохранении режима мягкого реального времени, а затем формирование управляющего воздействия, которое может быть реализовано без превышения верхней границы отрезка времени. Иными словами, в условиях неопределенности текущей ситуации выполняются действия, позволяющие повысить определенность и сформировать эффективное управляющее воздействие без нарушения режима мягкого реального времени. Под управляющим воздействием понимается изменение параметров реализации производственного процесса и соответствующих привлекаемых ресурсов. Выбор варианта управляющего воздействия определяется допустимым интервалом времени с учетом всесторонней оценки последствий.
Технический результат, достигаемый изобретением, состоит в том, что обеспечивается возможность повышения точности формируемых управляющих воздействий в условиях неопределенности на основе прогнозирования допустимого интервала времени для изменения параметров самонастраивающейся системы.
Указанный технический результат позволяет снизить риск возникновения аварийных ситуаций, исключить или уменьшить неплановый расход ресурсов.
Известны способ и устройство для повышения в реальном времени эффективности работы трубопровода для транспортировки текучей среды, патент RU 2525369 С2 (Опубликовано: 10.08.2014 Бюл. №22).
Данный способ по косвенным признакам выявляет дестабилизирующие события в реальном масштабе времени и принимает меры к их устранению превентивно, до возникновения нештатной ситуации.
К недостаткам способа следует отнести его узкую направленность, возможность использования только для повышения в реальном времени эффективности работы трубопровода.
Также известен способ регулирования параметров конструктивных элементов изготавливаемой штамповой оснастки, патент RU 2448826 С2 (Опубликовано: 27.04.2012 Бюл. №12). Данный способ обеспечивает возможность прогнозирования качества деталей, изготавливаемых в штампах, еще на стадии подготовки конструкторско-технологической документации на основе статистического моделирования, выявления факторов, которые в наибольшей степени влияют на точность размеров изготавливаемых в штампе деталей и корректировки исходных диапазонов допускаемых изменений параметров.
К недостаткам данного способа следует отнести невозможность его использования в режиме мягкого реального времени в процессе работы штампов. Также затруднительно обобщение данного подхода на производственные процессы иной природы.
Также известен способ автоматической корректировки параметров сбора данных, описанный в патенте RU 2700905 С2 (Опубликовано: 23.09.2019 Бюл. №27). С целью увеличения продолжительности безаварийной работы группы машин способ реализует активный вариант диагностического технического обслуживания, включающий в себя сбор различных наборов данных, сравнение их с эталонными значениями и изменение состава наборов данных в зависимости от результатов анализа данных. Рекомендации техническому специалисту по проведению технического обслуживания формируются по результатам анализа трех наборов данных.
Данный способ предполагает измерение ограниченного числа параметров сравнительно простых машин и выбор формы периодического технического обслуживания в зависимости от результатов измерений.
Данный способ не эффективен для производственных процессов, которые характеризуются высокой степенью неопределенности в оценке ситуации и выборе управляющих воздействий в режиме мягкого реального времени.
Наиболее близким техническим решением является способ адаптивной автоматической самонастройки многопараметрических систем автоматического управления на оптимальные условия по патенту RU 2254602 С2 (Опубликовано: 20.06.2005 Бюл. №17). Данный способ сокращает время автоматической самонастройки многопараметрических систем за счет использования вероятностного подхода к описанию оптимизируемых параметров.
К недостаткам данного способа следует отнести невозможность выполнения самонастройки в режиме мягкого реального времени. Задание комбинаций случайных значений оптимизируемых параметров в процессе самонастройки системы реализуется без оценки допустимого интервала времени самонастройки, что не позволяет использовать данный способ в режиме мягкого реального времени.
Рассмотрим вероятностную модель управления производственным процессом в режиме мягкого реального времени.
С точки зрения управления можно ограничиться рассмотрением двух состояний указанного процесса: штатное (оптимальное, рабочее) и нештатное (далекое от оптимальности, не рабочее). Обозначим вероятности принадлежности производственного процесса указанным состояниям P1(t) и P2(t). Для любого момента времени t выполняется нормировочное условие P1(t)+P2(t)=1, t≥0. Это следует из того, что в любой момент t указанные состояния образуют полную группу несовместных событий.
Поместим начало координат в момент времени, для которого P1(0)=1, а Р2(0)=0. Внутренние и внешние возмущающие воздействия приводят к изменениям значений параметров производственного процесса и создают поток событий, который способствует переходу производственного процесса из штатного состояния в нештатное состояние. Система управления контролирует изменения значений параметров производственного процесса и формирует релевантные управляющие воздействия. Реализация управляющих воздействий, в свою очередь, изменяет параметры производственного процесса, что создает поток событий, который препятствует переходу производственного процесса из штатного состояния в нештатное состояние. Плотность указанных потоков w, m (количество событий в единицу времени) для устойчивого производственного процесса на ограниченном отрезке времени может считаться постоянной. Очевидно, что w≥0, m≥0. С учетом изложенного текущее состояние производственного процесса можно представить уравнением Колмогорова (1) и с учетом нормировочного условия (2):
После подстановки и разделения переменных проинтегрируем уравнение (1):
Из таблицы интегралов следует:
Тогда для уравнения (1) решение выразится формулой:
Для момента времени t=t0, P1(t)=P1(t0), и тогда получим
Если рассматривать значения t и t0, как последовательные моменты времени чтения датчиков и последующей оценки параметров потоков событий, то выражения 7 и 8 можно использовать для рекуррентных вычислений изменения вероятности P1(t) нахождения производственного процесса в штатном состоянии.
Если задать конкретное значение вероятности P1(t) для момента времени t, то можно оценить интервал времени t-t0, за который вероятность P1(t) нахождения производственного процесса в штатном состоянии уменьшится до заданного минимального значения P1(t)=Рмин.
Подставим (8) в (7) и для снижения неопределенности выразим верхнюю границу интервала времени t-t0, в течение которого производственный процесс при текущих оценках плотности потоков событий w, m останется в исходном штатном состоянии. Это означает P1(t)=Рмин≥0.5+ε, где 0.5>ε>0 выбирается в зависимости от размера потерь при переходе производственного процесса в нештатное состояние.
Тогда верхняя граница интервала времени определяется формулой:
Предлагаемое техническое решение может быть реализовано с помощью устройства, структура которого представлена на фиг. 1.
Производственная система 1 реализует многопараметрический производственный процесс. Состояние производственного процесса контролирует множество датчиков 3, которые передают данные на контроллеры нижнего уровня, используя протокол RS-485.
Будем называть датчиками все терминальные устройства формирования данных о текущих значениях параметров производственного процесса. Передачу собранных данных контроллеры 2 осуществляют по сети Ethernet. Через концентратор сети Ethernet (хаб) 4 данные датчиков передаются на запоминающее устройство 5, управляемое собственным контроллером (на рисунке не показано). Периодичность формирования запросов на чтение датчиков задается синхрогенератором 10. Устройство отображения информации 6 позволяет визуализировать динамику изменения параметров производственного процесса.
Блок управления 8 считывает данные с запоминающего устройства и обращается к базе прецедентов 9. В базе прецедентов 9 накапливается информация о частоте использования прецедентов, положительных и отрицательных исходах выбора прецедента с оценкой последствий данного выбора. Рассматриваемое устройство реализует ситуационное управление и предполагает предварительное «обучение», создание и пополнение базы прецедентов с последующим «переобучением». С учетом текущих ограничений на время реализации управляющих воздействий блок управления 8 выбирает из базы прецедентов 9 управляющие воздействия в большей степени отвечающие текущей ситуации. Управляющие коды блока управления 8 передаются на совокупность устройств различной природы, которые будем называть исполнительными механизмами 7, по аналогичным каналам связи: по сети Ethernet на контроллеры нижнего уровня. Цепи датчиков и цепи управления разделены для повышения надежности работы устройства.
Фиг. 2 по результатам моделирования иллюстрирует работу устройства на концептуальном уровне.
Верхняя горизонтальная ось демонстрирует совместное распределение во времени элементарных событий:
δw (отрицательные импульсы) образуют поток событий, который способствует переходу производственного процесса из штатного состояния в нештатное состояние;
δm (положительные импульсы) образуют поток событий, который способствует переходу производственного процесса из нештатного состояния в штатное состояние.
Ниже расположены:
- сглаженная по четырем последовательным интервалам плотность потока событий, который способствует переходу производственного процесса из штатного состояния в нештатное состояние;
- сглаженная по четырем последовательным интервалам плотность потока событий, который способствует переходу производственного процесса из нештатного состояния в штатное состояние;
P1(t) - оценка текущей вероятности сохранения производственным процессом штатного состояния;
t-t0 оценка верхней границы интервала времени, в течение которого производственный процесс при текущих плотностях потоков событий останется в штатном состоянии. Данная оценка вычисляется при выборе управляющего воздействия.
Представленные графики демонстрируют значительную вариабельность допустимого интервала времени реализации управляющих воздействий. Данный факт учитывается при формировании управляющих воздействий в конкретных производственных ситуациях.
Использованные источники информации:
1. Борисов М. Доступный мониторинг производственных процессов // Открытые системы. СУБД. 2015. №3. - С. 13-15. Режим доступа: https://www.osp.ru/os/2015/03/13046892/
2. Габасов Р., Кириллова Ф.М., Поясок Е.И. Оптимальное управление в реальном времени // Известия Иркутского государственного университета. Серия: Математика. 2009. Том 2, №1. - С. 132-169.
3. Вентцель Е.С., Овчаров Л.А. Теория вероятностей. - М.: Наука, 1973. - 367 с.
Claims (4)
- Способ управления производственным процессом в режиме мягкого реального времени, основанный на сборе данных о ходе выполнения производственного процесса и формировании управляющих воздействий, отличающийся тем, что перед формированием управляющих воздействий
- - подсчитывают события, способствующие переходу производственного процесса в нештатное состояние, и события, препятствующие указанному переходу, а затем формируют сигналы, пропорциональные плотности каждого из потоков событий,
- - пропорционально плотности потоков событий формируют сигналы оценки верхней границы интервала времени, в течение которого производственный процесс не изменит свое состояние,
- - формируют управляющее воздействие, которое может быть реализовано в соответствии с сигналами оценки верхней границы интервала времени.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2020104239A RU2736961C1 (ru) | 2020-01-31 | 2020-01-31 | Способ управления производственным процессом в режиме мягкого реального времени |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2020104239A RU2736961C1 (ru) | 2020-01-31 | 2020-01-31 | Способ управления производственным процессом в режиме мягкого реального времени |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2736961C1 true RU2736961C1 (ru) | 2020-11-23 |
Family
ID=73543664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2020104239A RU2736961C1 (ru) | 2020-01-31 | 2020-01-31 | Способ управления производственным процессом в режиме мягкого реального времени |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2736961C1 (ru) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989000723A1 (en) * | 1987-07-13 | 1989-01-26 | The Foxboro Company | Method and apparatus for statistical set point bias control |
RU2254602C2 (ru) * | 2003-04-04 | 2005-06-20 | Липецкий Государственный Технический Университет (Лгту) | Способ адаптивной автоматической самонастройки многопараметрических систем автоматического управления на оптимальные условия |
RU2417391C2 (ru) * | 2006-08-24 | 2011-04-27 | Сименс Энерджи Энд Отомейшн, Инк. | Устройства, системы и способы конфигурирования программируемого логического контроллера |
RU2419827C2 (ru) * | 2006-08-08 | 2011-05-27 | Сименс Энерджи Энд Отомейшн, Инк. | Устройства, системы и способы, касающиеся сбоя plc-системы |
RU2700905C2 (ru) * | 2015-08-12 | 2019-09-23 | Компьютейшнл Системз, Инк. | Адаптивный и управляемый состояниями сбор данных |
-
2020
- 2020-01-31 RU RU2020104239A patent/RU2736961C1/ru active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989000723A1 (en) * | 1987-07-13 | 1989-01-26 | The Foxboro Company | Method and apparatus for statistical set point bias control |
RU2254602C2 (ru) * | 2003-04-04 | 2005-06-20 | Липецкий Государственный Технический Университет (Лгту) | Способ адаптивной автоматической самонастройки многопараметрических систем автоматического управления на оптимальные условия |
RU2419827C2 (ru) * | 2006-08-08 | 2011-05-27 | Сименс Энерджи Энд Отомейшн, Инк. | Устройства, системы и способы, касающиеся сбоя plc-системы |
RU2417391C2 (ru) * | 2006-08-24 | 2011-04-27 | Сименс Энерджи Энд Отомейшн, Инк. | Устройства, системы и способы конфигурирования программируемого логического контроллера |
RU2700905C2 (ru) * | 2015-08-12 | 2019-09-23 | Компьютейшнл Системз, Инк. | Адаптивный и управляемый состояниями сбор данных |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543295B (zh) | 数值天气预报的气象要素数据处理方法及装置 | |
KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
CN105863970B (zh) | 一种风机故障识别方法及装置 | |
Sobaszek et al. | Application of survival function in robust scheduling of production jobs | |
CN107273924A (zh) | 基于模糊聚类分析的多数据融合的电厂故障诊断方法 | |
WO2020216530A1 (de) | Verfahren zum bestimmen von restnutzungszyklen, restnutzungszyklusbestimmungsschaltung, restnutzungszyklusbestimmungsvorrichtung | |
CN108809760A (zh) | 数据采样系统中采样周期的控制方法和装置 | |
JP2021012504A (ja) | 故障確率評価システムおよびその方法 | |
CN117664218B (zh) | 一种真空冷冻干燥机的校准方法 | |
CN110262954A (zh) | 基于状态监测数据自动学习系统可靠性模型的方法 | |
CN113868953A (zh) | 工业系统中多机组运行优化方法、装置、系统及存储介质 | |
RU2736961C1 (ru) | Способ управления производственным процессом в режиме мягкого реального времени | |
CN109211564B (zh) | 一种用于滚珠丝杠副健康评估的自适应阈值检测方法 | |
CN110688757B (zh) | 一种基于大数据驱动下的oee动态化的实现方法 | |
CN104408525B (zh) | 作业车间调度风险的量化评估与控制方法 | |
CN109523077B (zh) | 一种风电功率预测方法 | |
CN107808209B (zh) | 基于加权kNN距离的风电场异常数据辨识方法 | |
CN117422274A (zh) | 综合能源系统运行优化系统及方法 | |
CN116956155A (zh) | 一种基于人工智能的污水处理智能加药方法及系统 | |
Cox et al. | Evaluation the Robustness of Management Procedures for the Sablefish (Anoplopoma Fimbria) Fishery in British Columbia, Canada for 2017-18 | |
CN110517731A (zh) | 基因检测质量监控数据处理方法和系统 | |
CN115269123A (zh) | 一种容器资源调整方法、装置、电子设备及介质 | |
EP3413153A1 (en) | Method and distributed control system for carrying out an automated industrial process | |
US20200332773A1 (en) | A prognostics and health management model for predicting wind turbine oil filter wear level | |
CN115858606A (zh) | 时序数据的异常检测方法、装置、设备及存储介质 |