В статье анализируется проблема сложности управления ресурсами современных предприятий. Изучаются подходы теории активных систем и дается обзор существующих методов и инструментов планирования ресурсов предприятия, приведены основные требования к адаптивному управлению ресурсами в реальном времени. Обсуждается концепция автономных систем искусственного интеллекта (ИИ) для адаптивного управления ресурсами на основе мультиагентной технологии. Представлена мультиагентная модель сети потребностей и возможностей на основе виртуального рынка и метод решения конфликтов и поиска консенсуса для адаптивного управления ресурсами. Рассмотрены функциональность и архитектура интеллектуальных систем адаптивного управления ресурсами, подход к измерению степени адаптивности и уровня автономности этих систем. Обсуждается создание автономных ИИ-решений для промышленных приложений. Показана возможность повышения эффективности использования ресурсов предприятия за счет разработанных методов и средств. Намечены перспективы будущих разработок для решения сложных задач управления ресурсами.
Предлагается концептуальная модель цифровой платформы киберфизических систем, т.е. программно-коммуникационной инфраструктуры, которая интегрирует множество ее гетерогенных компонент в единое информационное пространство знаний и данных, поддерживает взаимодействия и коммуникации ее компонент между собой и с внешними ресурсами и сервисами (сенсорными сетями, облачными сервисами и ресурсами), а также обеспечивает ее базовыми прикладными сервисами, которые необходимы для работы приложений. Формулируются цели и задачи платформы, приводится классификация ее сервисов и дается краткое описание их содержания.
В статье предлагается концептуальная модель цифровой платформы для кибер-физического управления производственными предприятиями в приближающуюся эпоху Industry 5.0, для которой будет характерно видение любого бизнеса, включая производство, как сложной адаптивной системы управления, построенной на принципах самоорганизации и эволюции при тесном взаимодействии систем искусственного интеллекта и людей. В первой части рассмотрены принципы построения цифровой платформы, способной обеспечить поддержку функционирования предприятия этапа Industry 5.0 как цифровой экосистемы умных сервисов. В данной части статьи предлагается типизация сервисов цифровой платформы, перечисляется минимальный состав сервисов каждого типа и приводится описание их функционалов. Обосновывается ведущая роль мультиагентных систем как базовой архитектуры программного продукта и технологии разработки приложений цифровой платформы. Даются примеры разрабатываемых цифровых платформ и экосистем для управления грузовыми перевозками РЖД на принципах «юберизации», жизненным циклом сложных технических изделий, а также предприятиями отрасли растениеводства. Показывается, что результаты работы применимы для современных производственных корпораций и предприятий сельского хозяйства, проектных, консалтинговых и сервисных организаций.
В статье рассматривается использование онтологических моделей объектов планирования для сокращения трудоѐмкости разработки и расширения возможностей по настройке мультиагентных систем управления ресурсами предприятий. В этих целях вводится базовая онтология планирования ресурсов, относительно независимая от предметной области, и даются примеры еѐ расширения для управления ресурсами в различных прикладных сферах. В качестве центрального понятия предлагаемой онтологии планирования выделяется концепт «Задача», позволяющий формализовать требования к необходимым ресурсам, установить связи с предшествующими и последующими задачами, определить входные и выходные объекты каждой задачи. Показывается, что на основе этого концепта появляется возможность создать относительно универсального и легко настраиваемого программного агента задачи; на его базе в мультиагентной системе строится расписание как сеть потребностей и возможностей связанных между собой задач конкретного производства. На основе базовой онтологии и еѐ прикладных расширений строится база знаний предприятия, содержащая его онтологическую модель, включающую экземпляры введѐнных классов понятий и отношений. Предложены расширения классов агентов сети потребностей и возможностей и разработан мультиагентный метод планирования ресурсов, использующий базу знаний предприятия. Приводится описание разработанного комплекса программных средств, с помощью которого осуществляется создание онтологии и базы знаний, а также планирование производства до уровня задач отдельных сотрудников. Обсуждаются перспективы развития предложенного подхода для создания онтологических «цифровых двойников» предприятий, применимых как в оперативном управлении, так и для моделирования процессов модернизации предприятий.
Предлагается концептуальная модель цифровой платформы для кибер-физического управления производственными предприятиями в приближающуюся эпоху Industry 5.0. В отличие от Industry 4.0, ориентированной на автоматизацию физических процессов, Industry 5.0 ориентируется на цифровизацию знаний и автоматизацию процессов мышления для создания искусственного интеллекта, управляющего предприятиями. Для этой еще только зарождающейся эпохи будет характерно видение любого бизнеса, включая промышленное производство или логистику, как сложной адаптивной системы, построенной на фундаментальных принципах самоорганизации и эволюции. Показывается, что реализация таких систем управления производством и логистики потребует разработки новых моделей и методов принятия решений на основе знаний и семантической обработки информации, интеграции вычислительных и коммуникационных компонентов, накопления больших данных и их обработки для предсказательной аналитики, блокчейнтехнологий фиксации взаимных обязательств компонентов системы в форме умных контрактов, а также человеко-машинных и программных интерфейсов. Анализируются существующие подходы к созданию цифровых платформ в концепции цифровой экономики этапа Industry 4.0 и их ограничения. Развивается концепция цифровой экосистемы как открытой, распределенной, самоорганизующейся «системы систем» умных сервисов, способных вырабатывать решения и автоматически разрешать конфликты на основе переговоров с уступками. Описывается концепция цифровой платформы этапа Industry 5.0, которая будет способна обеспечить поддержку функционирования цифровой экосистемы «умных сервисов» кибер-физического управления как отдельными объектами, так и целыми предприятиями людей и роботов, а в будущем — и отраслями таких предприятий, реализуемых с помощью самоорганизующихся автономных агентов на всех уровнях.
Уже в течение более чем четверти века технология многоагентных систем рассматривается как одна из наиболее перспективных технологий концептуализации и программной реализации сложных распределенных систем. Однако на практике происходит совсем иное: индустрия почти не использует эту технологию, и это несмотря на то, что появляются все новые и новые классы приложений, для которых эта технология представляется чуть ли ни единственно возможной технологией разработки. В статье анализируются недавние прогнозы и реальные достижения в части практического применения многоагентных систем на промышленном уровне. Выявляются проблемы, которые в настоящее время препятствуют широкому промышленному внедрению многоагентных систем и технологий, а также пути их преодоления. Анализируются классы приложений, в реализации которых многоагентные технологии имеют неоспоримые преимущества и оцениваются перспективы развития этих технологий до уровня индустриального применения.
Рассматриваются основные тенденции и перспективы развития индустриальных приложений многоагентной технологии, анализируются недавние прогнозы и реальное состояние ее практического применения. Анализируются внешние и внутренние причины, препятствующие широкому промышленному внедрению многоагентных систем и технологий, а также анализируются уроки, которые следует извлечь из этого анализа. Описываются свойства и типы современных и будущих приложений, в реализации которых многоагентные технологии имеют неоспоримые преимущества. Показывается, что многоагентным системам и технологиям в настоящее время нет альтернативы при управлении крупномасштабными объектами сетевой структуры, построенными на принципах самоорганизации.
The paper presents overview of industrial applications on multi-agent systems. The initial future forecast and real applications are compared. The discovered difficulties are analyzed. Recommendations for future developments and perspective application domains are given.
The paper considers an example of dynamic re-scheduling in a self-organizing multi-agent world of orders and resources. Multi-agent platform includes a system of tasks and resources. In the result of exchanging messages under the influence of occurring events, they change their states continuously in order to improve values of their indicators. The result of this process is a schedule which stays self-consistent and relevant. The developed multi-agent system is a basis for numerous applied systems.
Рассматривается постановка задачи адаптивного многокритериального планирования ресурсов предприятий. Показывается, что одной из причин разрыва между ожидаемыми и фактическими результатами планирования являются ограничения классических подходов к управлению предприятиями, планирования производственных мощностей. Показывается высокая трудоемкость процесса планирования, уточняются требования к системам оперативного распределения ресурсов в реальном времени. Формулируется математическая постановка задачи распределения ресурсов при планировании, каждый из которых может иметь собственные критерии (расписание стоимости ресурса, его производительность, сроки, себестоимость, риск и другие), причем их важность может изменяться в ходе выполнения задач. Предлагается использование мультиагентного подхода к принципу построения систем планирования на основе мультиагентной платформы НПК «Разумные решения».
A method for evaluation the adaptability level of multi-agent systems for enterprise resource management is presented. Demand agents and capability agents interact in such systems through the messaging. Each agent is getting the individual bonus and penalty functions, and the
functions of satisfaction based on a set of criterias. The system tends to achieve a state of harmony, that is to maximize the total satisfaction of all agents. To measure adaptability level the relation between delta of value and time of transition period is introduced. The developed
prototype of adaptive platform for scheduling demonstrates the dynamics of reaching system satisfaction. The examples of adaptive scheduling are modeled. Recommendations for future development are presented.
восприятия событий в реальной среде – до контроля расхождения плана и факта. Представлены применения рассматриваемых систем в различных областях, включая управление грузовыми перевозками и работой аварийных и ремонтных бригад, управление грузопотоком Международной космической станции, управление производственными цехами предприятий машиностроения, управление цепочками поставок, управление железнодорожными перевозками и управление группировкой (роем) спутников. Предлагаются направления развития указанных систем, включая развитие принципов ситуационного управления, создание сетецентрических систем, использование онтологий и обучения из опыта, переход к высокопроизводительным вычислениям.