Всероссийский аналитический журнал для профессионалов индустрии продовольcтвия С нами ваши инвестиции
станут эффективными!
Обложка №5 за 2016 год
Борис Юнин/ПКБ

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ.
От виртуального завода к успешно реализованному проекту

Продолжая начатый разговор о проектировании в мясоперерабатывающей отрасли и анализируя существующие подходы*, мы решили подробно остановиться на практике использования продвинутых информационных технологий в проектной работе. Об имитационном моделировании и виртуальных производствах рассказывает начальник отдела аналитики и моделирования ПКБ «Бегарат» Борис Юнин. — Борис Васильевич, расскажите, пожалуйста, о вашем ноу-хау — имитационном моделировании.

— С удовольствием. Но прежде я хотел бы отметить, что имитационное моделирование не является нашим ноу-хау, поскольку уже на протяжении не одного десятка лет активно применяется в работе крупными корпорациями, правительственными структурами, консалтинговыми и исследовательскими компаниями во всем мире. Современные технологии имитационного моделирования широко используются в социальном прогнозировании, бизнес-анализе, проектировании высокотехнологичной продукции. Я мог бы привести очень много интересных примеров его использования в самых разных сферах нашей жизни, но, просто резюмируя все перечисленное, могу сказать, что это очень мощный и эффективный инструмент для анализа как отдельных операций и процессов, так и глобальных систем в масштабах, например, народонаселения Земли. Наше же ноу-хау заключается в успешном применении технологии имитационного моделирования в мясной отрасли: как в разработке процессов при проектировании, так и для оптимизации работы действующих производств.

— А если начать от обратного: что позволяет имитационное моделирование, что невозможно реализовать в проектах без виртуальной имитации процессов?

— Давайте рассмотрим типичные проблемы, с которыми приходится иметь дело при проектировании промышленных объектов. После этого будет намного проще воспринимать идею имитационного моделирования и ее суть.

Очевидно, что в процессе проектирования отдельных устройств, производственных линий и заводов возникает потребность в прогнозировании и оценке эффективности альтернативных решений или соответствия конечного результата определенным параметрам, установленных заказчиком проекта. Так, например, когда мы проектируем мясоперерабатывающий комбинат, то обязательно оцениваем его номинальную производительность, минимальную и максимальную пропускную способность участков, проверяем сбалансированность материальных потоков, как минимум по сырью, вспомогательным материалам, внутренней таре и отходам. Получить такие оценки (да еще и с высокой достоверностью) довольно сложно в силу ряда объективных причин. Объясню почему.

Первая причина — ограниченный диапазон применимости аналитических методов. Те из них, что применяются в проектировании, базируются на математических либо эмпирических зависимостях, полученных при определенных допущениях либо в конкретных условиях и выраженных уравнениями, неравенствами, табличным или графическим видом. Получение результата сводится к поиску решения системы уравнений и неравенств, описывающих состояние каждого элемента проектируемой системы. С ростом числа элементов растет количество уравнений, для каждого нужно проверять условия применимости и, в конечном итоге, система уравнений усложняется настолько, что может и не иметь аналитического решения. С другой стороны, традиционные методы прогнозирования опираются на объемную базу статистических данных. Считается, чтобы сделать более-менее достоверный прогноз на один месяц, необходимо располагать данными за три предыдущих года. При проектировании нового предприятия или запуске нового продукта таких статистических данных попросту не может быть. В имитационном моделировании результат получается иным способом, поэтому имеется возможность преодолеть указанные ограничения.

Вторая причина — динамический характер процессов. Любое производство, в том числе и мясоперерабатывающий комбинат,— это сложная система в терминах общей теории систем: у нее есть цель, функция, элементы, организованные в структуру, ограничение, прямые и обратные связи. Состояние системы, то есть совокупность существенных свойств, которыми система обладает в каждый момент времени, определяется как раз характером и скоростью действия этих обратных связей. В некоторые моменты сигналы обратных связей могут складываться (попадать в резонанс), тогда значения параметров будут существенно отличаться от оценок, полученных аналитически. Для изучения процессов в динамике систем уже необходимо оперировать специальными инструментами моделирования, способными учесть изменения во времени.

Третья причина — нелинейный характер зависимостей, действующих в реальной жизни. В проектировании широко применяется практика создания физических моделей, уменьшенных или в натуральную величину, лабораторного или опытного производства и разного рода пилотных проектов. Можно получить отличный результат в лаборатории, но как только проект будет реализован в промышленных масштабах, когда счет идет уже не на граммы, а на десятки тонн, то придется иметь дело уже с совершенно иным процессом. И чем ближе лабораторный прототип к реальности, тем выше затраты на его создание — в пределе они равны стоимости проектируемого объекта или даже выше. Электронный аналог обойдется значительно дешевле.

Четвертая причина — стохастический (случайный) характер производственных процессов. Сырье имеет разные свойства от партии к партии, иногда случаются сбои поставок, оборудование выходит из строя в случайные моменты времени, длительность одной и той же операции зависит от качества сырья, состояния и настройки оборудования, уровня квалификации и психофизического состояния конкретного работника. Еще есть колебания спроса и, соответственно, объемов отгрузки продукции. Даже погода (температура и влажность воздуха, например) оказывает влияние на потребление энергии, пара, воды и холода. Совокупность этих факторов порождает неопределенность, разброс, вероятностный характер результата, которые могут быть оценены только на реально действующем предприятии. К счастью, имитационная модель позволяет генерировать случайные величины в нужные моменты времени и учитывать вероятностный характер процессов еще на этапе моделирования.

Поэтому для того, чтобы глубоко и всесторонне обосновать выбор проектных решений, получить уверенность в реализуемости проектируемого объекта, требуется особый инструмент, который бы позволял прогнозировать поведение системы во времени по совокупности всех интересующих параметров.

— И этим инструментом является «имитационное моделирование». Что же он из себя представляет?

— Суть метода заключается в следующем. Специально организованная программа пошагово (например, 1 раз в секунду) вычисляет по определенным правилам значения всех представленных в модели параметров, исходя из совокупности их значений на предыдущем шаге. При расчете проверяется наступление определенных событий и выполнение заданных условий, которые могут изменить правила вычисления того или иного параметра на текущем шаге. Некоторым параметрам на текущем шаге может быть присвоено случайное значение из генератора случайных чисел. Повторением вычислений от шага к шагу формируется цепочка состояний модели во времени, которая отражает поведение моделируемой системы на некотором временном интервале. Масштаб во времени может быть реальным, замедленным или ускоренным в 10, 100, 500 и более раз.

Наша задача — так определить параметры и правила их вычисления,описать события и условия, чтобы при имитации модель показывала поведение именно мясоперерабатывающего комбината, а не, скажем, космического корабля или станции скорой помощи. Для этого мы проводим аудит на реальном производстве, предусматривающий интервью с персоналом, непосредственное наблюдение за процессом, замеры временных циклов, сбор данных по работе оборудования и т. д. Далее на основе собранной информации мы задаем все ключевые элементы системы, их свойства, описываем алгоритмы (насколько мы их понимаем) организации процессов.

Детализация модели зависит от конкретной ситуации — чем глобальнее задача, тем меньше детализация.

Когда модель построена в программной среде, ее необходимо откалибровать, чтобы оценить, насколько близко наша модель описывает реальное производство. Для этого мы сравниваем результаты модели с результатами в реальности. После этого уже можно исследовать поведение модели с новыми вводными — например, альтернативными техническими решениями, новыми технологиями или оборудованием, изменениями последовательности операций и т. д. Так мы можем проверить работоспособность новых идей, перебрать различные варианты устранения узких мест, спрогнозировать производственные показатели, оценить их стабильность и вероятность возникновения коллизий и получить массу других интересных ответов на вопросы конструкторов и заказчиков.

— Правильно я понимаю, что для построения правдоподобной модели производственного процесса и ее дальнейшего изучения требуется весьма продвинутое программное обеспечение?

— Да, совершенно верно. В специальной программной среде для имитационного моделирования, которая содержит набор библиотек элементарных объектов общего назначения, инструменты для сборки схем, средства организации вычислительного процесса и визуализации результатов, мы создали свои библиотеки объектов, процедуры и функции, которые описывают свойства и «поведение» оборудования для мясопереработки. Наши библиотечные куттеры, шприцы, клипсаторы, термокамеры, устройства упаковки и другие устройства при имитации распознают, какой продукт обрабатывается и, в зависимости от калибра, длины, веса, типа оболочки продукта, имитируют соответствующее время обработки, направляют его в соответствующий блок далее по схеме. Есть и другие блоки, которые все вместе позволяют воспроизводить производственный процесс. Мы можем с большой правдоподобностью смоделировать самые разные технологические процессы, имитировать простои, время реакции на воздействия или команды, принимать в расчет случайные факторы.

Имитационное моделирование позволяет делать разные выводы. Поскольку модель является динамической иллюстрацией функционирования системы при различных вводных данных, то человек получает возможность выбирать различные варианты решения одних и тех же проблем, исходя из своих предпочтений.

— В каких случаях вы используете имитационное моделирование — при проектировании новых объектов или при оптимизации работы существующих производств?

— Наиболее типичными для нас являются четыре задачи, и во всех случаях применение имитационного моделирования оправдано:

  • проектирование нового производства — создание предприятия с нуля. Здесь всегда возникают ситуации, когда приходится выбирать из нескольких альтернативных решений, тем более что прогресс на месте не стоит и постоянно появляются все новые и новые перспективные технические решения, которые нельзя игнорировать. Кроме того, у самого заказчика требования всегда опережают вчерашнее видение с точки зрения производительности, объемов, процента брака, санитарных требований и т. д. Имитационные методы позволяют сопоставлять и проверять выполнимость разных конструкторских идей;
  • реконструкция предприятий: зачастую бывают ситуации, когда собственник, прежде чем вкладывать деньги в новое оборудование или линии, хочет убедиться в их целесообразности. И здесь опять же имитационное моделирование позволяет сделать важные выводы прежде, чем будут инвестированы немалые средства;
  • решение о запуске нового продукта или участии в акции: модель позволяет выявить, как отразится ввод нового продукта на всей производственной цепочке, увидеть и просчитать ограничения системы;
  • оптимизация процессов. Для мясоперерабатывающих производств характерно наличие широкого ассортимента выпускаемой продукции. При этом производимые объемы и длительности производственного цикла различных ассортиментных позиций значительно отличаются. Локальная оптимизация по отдельной ассортиментной группе может затруднить или даже сделать невозможным производство других позиций. В этом случае имитационное моделирование также эффективно помогает избежать неожиданностей.

В последнее время возрастает интерес к решению еще одной задачи. В мя-сопереработке из-за коротких сроков хранения затруднительно сглаживать динамичные колебания спроса только лишь за счет поддержания страховых остатков на складе готовой продукции. Чтобы гибко реагировать на запросы потребителей, вся производственная цепочка должна быть синхронизирована. Производитель должен очень точно распределять производственные ресурсы и порядок их использования в ходе ежедневного оперативного планирования. Мы активно работаем над интеграцией имитационной модели в автоматизированные системы учета и планирования предприятия. Это работает следующим образом. На основании учетных данных о поступивших заказах, остатках на складах и в производстве, как правило, эмпирически либо при помощи программ планирования формируется некоторый набор вариантов задания на производство.

Последние в автоматическом режиме экспортируются в имитационный модуль, который имитирует самые разные варианты выполнения заданий с использованием различных комбинаций мощностей и ресурсов. По результатам моделирования на экране у менеджера отображаются показатели выполнения одних и тех же заданий по разным возможным вариантам. Он выбирает наиболее предпочтительный прогноз (например, с точки зрения минимизации времени исполнения или занятости ресурсов), и соответствующий вариант исполнения задания вместе с полученным в ходе имитации расписанием операций для всех устройств уходит в реальное производство. Система позволяет существенно (до 2,5 раз) сократить остатки на складе и оптимизировать производственный персонал.

— В чем вы видите основные преимущества имитационного моделирования?

— Прежде всего необходимо понимать, что последствия принимаемых решений при реализации проектов не всегда очевидны; ошибки, допущенные при проектировании, могут потребовать значительных затрат на их исправление или оказаться фатальными. Имитационное моделирование как метод позволяет значительно снизить неопределенность в проектной работе.

Если резюмировать все сказанное, я хотел бы выделить несколько ключевых преимуществ:

  • выше точность расчетов при одних и тех же исходных данных, что достигается благодаря динамическому характеру моделирования;
  • ниже затраты на получение оценок разнообразных вариантов и выбора оптимальных решений по сравнению с традиционными методами, даже с учетом первоначальной стоимости создания модели;
  • развитые средства визуализации динамики процессов позволяют делать выводы и принимать решения не только на основании точных цифр, но и на основании характера изменения параметров процессов;
  • возможность получения результата при неполных данных. Инструментарий среды моделирования позволяет при отсутствии данных заменить функциональную зависимость графической, неизвестное распределение параметра — стандартным, реализовать логику выбора, которая может меняться по ходу имитации. В любом случае результат имитации будет получен с незначительной потерей точности;
  • имитационное моделирование помогает выявлять неочевидные сначала свойства и закономерности, которые позволяют найти нетрадиционные решения или выявить скрытые проблемы.

В конечном счете и наши конструкторы, и наши заказчики в большей степени уверены в правильности принимаемых решений и конечном результате, а преимущества, которые дает нам использование метода имитационного моделирования, позволяют делать нашу работу быстрее и давать нашим заказчикам по-настоящему лучший продукт из доступного.

— Спасибо за интервью. Беседовал Евгений Дряхлов * «Проект как пространственный и временной пазл. Как достичь баланса мощностей и используемых ресурсов», — «ПродИндустрия», март-апрель, №2 (72) 2016 г.