VYUŽITÍ EXPERTNÍHO SYSTÉMU PRO OPERATIVNÍ ŘÍZENÍ VÝROBY UTILIZATION OF EXPERT SYSTEM FOR OPERATIVE PRODUCTION MANAGEMENT Petr Tvardek a, Dušan Bauko a, Martin Mira b, Jaroslav Dvořák b a) NOVÁ HUŤ, a.s., Vratimovská 689, 707 02 Ostrava, Česká republika, ptvardek@novahut.cz, dbauko@novahut.cz b) R.T.S. cs spol. s r.o., Novinářská 3, 709 00 Ostrava, Česká republika, martin.mira@rtscs.cz, jaroslav.dvorak@rtscs.cz Abstrakt V rámci realizace expertního systému G2 v řídicím systému ocelárny byly vytvořeny funkce umožňující podporu rozhodovacích procesů v reálném čase dle okamžitého stavu technologických procesů v rámci celého závodu. Požadavkem na operativní řízení je neustále pracovat na pozadí a ve vhodných chvílích navrhnout plánovači několik možných variant změn ve výrobním programu. Výsledkem je automatizované řešení kolizí (neplánované prostoje, poruchy agregátů) v technologickém toku. Řešení předkládaná systémem pro operativní řízení vycházejí z okamžité situace na všech ocelárenských agregátech, jejich technologických možností, fází výroby jednotlivých taveb a původního plánu výroby. Kritériem je maximální dodržení sekvencí odlévaných taveb na jednotlivých licích strojích v závislosti na chodu tandemových pecí při minimálních možných nákladech. Toto umožňuje diagnostiku aktuálního stavu výroby a možnost přijetí účinného operativního zásahu v případě kolizí jak z technologického tak i časového hlediska. Abstract Functionality enabling support of decision making process in real time per the immediate status of technological processes was created in the framework of G2 expert system implementation in the control system of the steelworks. The requirement for operative management is to immediately work in the background and to propose few possible alternatives of changes in the production program to the planner in a suitable time. The result is automated solution of collisions (unplanned idle times, breakdown of units) in the technological flow. The solutions presented by the system for operative control are based on the immediate situation in all steelworks units, their technological possibilities, production stages of individual melts and original production plan. The criterion is maximal adherence to sequences of melt casts in the individual casting machines in relation to operation of tandem furnaces at minimal possible costs. This enables diagnostics of actual stage of production and possibility of acceptance of an effective operative interference in case of collisions from technological and time point of view. EXPERTNÍ SYSTÉMY Expertní systémy jsou programové prostředky určené k řešení takových úloh, které jsou považovány za obtížné a jejichž uspokojivé řešení může provést jen specialista v daném oboru expert. Pojem expertní systémy je úzce spjat s pojmem znalosti, neboť tyto jsou základem rozhodování každého experta. Jinými slovy, každý expertní systém musí být vybaven bází znalostí, obecně popisující problém, který je předmětem řešení. 1
Mezi hlavní vlastnosti expertních systémů patří: - Expertní systémy nacházejí řešení srovnatelná s řešeními, která by byla nalezena prostřednictvím expertů. - Expertní systémy jsou orientovány k řešení určité problematiky. Jinými slovy řečeno, v expertních systémech bývají implementovány hluboké znalosti o úzké problematice. - Nutnou součástí mechanismů implementovaných v expertních systémech je schopnost odůvodnění nalezeného řešení. - Informace zpracovávaná v expertních systémech může být pravděpodobnostního, či fuzzy charakteru (rozmazaná, neostrá logika je rozšířením logiky dvouhodnotové na vícehodnotovou). Hlavní komponenty expertního systému jsou znázorněny na obrázku 1. Uživatelské rozhraní Vstupní data Řídicí mechanismus Báze znalostí Báze dat Obr. 1: Obecná architektura expertního systému Jednotlivé části expertního systému jsou tedy tvořeny následujícími subsystémy: 1. Uživatelské rozhraní, umožňující komunikaci uživatele a expertního systému prostřednictvím systému nabídek či jiných metod, založených na zpracování přirozeného jazyka. 2. Znalostní báze, reprezentující obecný model popisu oblasti, řešené expertním systémem. 3. Řídicí neboli inferenční mechanismus, realizující proces hledání řešení nad bází znalostí a vstupními informacemi. 4. Báze dat, reprezentující konkrétní model odpovídající danému stavu řešení. Základem modulu pro řízení synchronizace chodu tří tandemových pecí (šesti nístějí) a tří zařízení pro plynulé lití oceli (ZPO), který je použit v plánovacím modulu ocelárny je expertní systém vyvinutý ve spolupráci analytiků NH a programátorů české softwarové firmy R.T.S. cs v prostředí produktu G2 americké společnosti Gensym Corporation [1]. Činnost plánovacího modelu a jeho komunikace s okolím je ve stručné podobě popsána schématem na obrázku 2. 2
Obr. 2: Schéma činnosti plánovacího modulu ocelárny a jeho komunikace s okolím ŘEŠENÍ ČASOVÝCH A VYBRANÝCH TECHNOLOGICKÝCH KOLIZÍ PRO POTŘEBY OPERATIVNÍHO PLÁNOVÁNÍ V době implementace plánovacího modulu do řídicího systému ocelárny bylo v provozu kromě ingotového lití pouze jedno zařízení pro plynulé odlévání oceli. V průběhu provozování modulu plánování došlo postupně k nájezdu zařízení pro plynulé odlévání oceli č. 2 (dále ZPO2) a zařízení pro plynulé odlévání oceli č. 3 (dále ZPO3). Průběžným vyhodnocováním možných řešení jednotlivých variant plánu se ukázalo, že vzhledem k různosti sortimentu a rozdílné okamžité propustnosti jednotlivých stupňů ve výrobních proudech od tandemové pece až po výběhy ZPO je nutno provést rozdělení nastavení základních parametrů podle jednotlivých ZPO (obr. 3). Tyto změny byly zapracovány do plánovacích algoritmů, otestovány a v současné době jsou připraveny pro využívání. 3
Obr. 3: Schéma nastavování parametrů plánovacího modulu G2 Dalším řešením vzniklých časových a technologických kolizí je dynamické stanovení času začátku lití příštích taveb a sekvencí jako permanentní aktualizace výrobního programu podle předpokládané doby lití aktuálně litých taveb a sekvencí. Posunem startu sekvence v zásobníku objednávek tekuté oceli docházelo původně k posunu pouze dané sekvence a následujících sekvencí jen v případě, že by došlo k jejich časovému křížení. Dále při změně plánovaného konce lití sekvence, například z důvodu změny aktuálního počtu licích proudů na ZPO, docházelo v systému k automatickému přepočtu dob lití jednotlivých taveb, avšak pouze v aktuálně lité sekvenci. Následkem posunu plánovaného konce sekvence docházelo v určitých případech k překrytí trvání aktuální sekvence se sekvencemi následujícími, které nebyly tímto výpočtem ovlivňovány. Vzniklé kolize jsou řešeny v prvém případě tak, že nad zásobníkem je umožněno zavolat funkci, která od dané sekvence posune všechny následující na minimální vzdálenosti. Ve druhém případě, tj. po změně plánovaného času ukončení lití sekvence, dojde k posunutí začátku sekvence následující po aktuální v případě, že by došlo k jejich vzájemnému překrytí. V případě následného časového zkrácení sekvence (např. opětovným nárůstem počtu licích proudů) mohou nastat dvě varianty řešení: a) buď bude posunut start následující sekvence na vzdálenost odpovídající minimální přípustné vzdálenosti dvou sekvencí, nejvýše však na původní plánovaný čas startu; b) nebo při posunování startu následující sekvence bude vždy dodržena původní vzdálenost od konce předchozí sekvence. O použití té které varianty platné pro dané plánovací období rozhoduje vedoucí směny. Byla provedena analytická příprava dalšího možného řešení parciálního problému časových a technologických kolizí při plánování a řízení synchronizace výrobních proudů. Jedná se o kolize důsledkem časově omezené snížené, nebo naopak zvýšené propustnosti 4
některého z výrobních stupňů výrobního proudu tandemová pec-pánvová pec- ZPO-ohřívací pec-válcovací trať. V současné době plánovací modul závodu 13 G2 umožňuje nastavování taktu tandemové pece podle potřeby a možností (chod ZPO, stav pece, suroviny, energie ) v daném plánovacím cyklu. Ze stejných důvodů je nutné umožnit nastavování dob lití na jednotlivých ZPO, a sice pomocí koeficientu doby lití, kterým se původně spočítaná doba lití upraví. Hodnoty koeficientu se nastavují přepočtem na předpokládané % výkonu pro dané ZPO a plánovací období, nebo jen sekvenci. Koeficient může nabývat hodnot od 90 do 110. Pokud pro aktuální plánovací cyklus nebo sekvenci není zadán, pak je roven hodnotě 100. Kromě výše uvedených úloh, reagujících na technologickou rozdílnost jednotlivých ZPO, byl do řešení výzkumného úkolu [2] zapracován další problém. Jedná se o to, že vzhledem ke vzrůstající náročnosti vyráběného sortimentu a naopak zhoršující se kvalitě šrotu vyvstala nutnost vytvoření subsystému nabídky vyrobitelného sortimentu. V praxi to znamená, že plánovací modul po každé zkoušce poskytuje planéru závodu 13 seznam značek v kombinaci s objednávkami, které je možné vyrobit ze zjištěného natavení. Tato informace má sloužit k tomu, aby v případě, že odebraný vzorek oceli (tzv. zkouška) nevyhovuje pro výrobu dané značky oceli, měl vedoucí směny okamžitý přehled o možnostech uplatnění tavby daných parametrů. Seznam značek je nabízen v pořadí od značek pokrytých poptávkou až po značky pouze splňující danou analýzu, tzn. značky momentálně bez obchodního pokrytí. IMPLEMENTACE VÝSTUPŮ Z MODELU PREDIKCE ČASU ODPICHU POMOCÍ NEURONOVÝCH SÍTÍ DO MODELU OPERATIVNÍHO ŘÍZENÍ V souladu se závěry průběžného oponentního řízení výzkumného úkolu zabývajícího se problematikou využití expertního systému G2 pro operativní řízení výroby oceli ve společnosti NOVÁ HUŤ, a.s. [2], kde byly prezentovány výsledky řešení modelu predikce času odpichu na tandemové peci pomocí neuronových sítí, byly výstupy z tohoto modelu implementovány do řídicího systému a došlo k jeho provázání s modulem plánování tak, aby se výsledky výpočtu modelu promítly do knihy taveb. Do té doby byly totiž výsledky modelu zobrazovány pouze formou alarmů na obrazovce taviče, který je většinou ignoroval. Ověřování vlivu vybraných provozních faktorů na dobu tavby resp. čas odpichu na tandemové peci bylo prováděno v prostředí produktu společnosti Gensym využívajícím principů neuronových sítí, tzv. NeuronLine Studiu (NOLS). Tento produkt respektuje inženýrský přístup k dané problematice a nevyžaduje odborné matematické znalosti. U predikcí a optimalizací pomocí neuronových sítí není nutno popisovat předem strukturu modelu. NOLS ji určí při vlastním modelování a zároveň navrhne typy sítí a počty neuronů v nich. Výsledek modelování je ActivX komponenta, která může být zabudována do běžného okolí a pracovat on-line, nebo jako podpora rozhodování. V současné době běží souběžně tři predikční modely: tzv. model 3, neuronové sítě s pevně naučenými vlastnostmi a samoučící se neuronové sítě. Model 3 je klasický výpočetní program, jehož algoritmy byly stanoveny pomocí empirických vzorců. Při každé změně technologických parametrů výroby je nutno stávající konstanty modelu nahradit novými, vypočtenými pomocí statistické analýzy. Ve druhém případě se jedná o model neuronových sítí, které jsou jednorázově natrénovány reprezentativním vzorkem dat za určité období a které tudíž při změně technologie výroby je nutno znovu natrénovat. Jako poslední je model neuronových sítí, které se samy trénují při každém odpichu tavby. Váhy těchto neuronových 5
sítí se přizpůsobují aktuálním údajům a data týkající se starých taveb model postupně zapomíná, to znamená, že je nebere v úvahu pro další trénování. Z výsledků těchto tří modelů je vybrán predikovaný čas, který je nejbližší k původně naplánovanému času v knize taveb, pokud splňuje zadaný interval (-5 min, +10 min). Pokud se v tomto intervalu žádný nenachází, použije se čas nejbližší s tím, že se posune na hranici povoleného intervalu. Výsledný čas se poté použije ke korekci času odpichu v knize taveb. 210 G2 180 G2 samouk Četnost výskytu 150 120 90 Plán Použitý čas 60 M3 30 0-30 -28-26 -24-22 -20-18 -16-14 -12-10 -8-6 -4-2 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 Odchylka od skutečné hodnoty [min] Obr. 4: Porovnání výsledků predikce času odpichu podle jednotlivých modelů Porovnání přesnosti výpočtu jednotlivých modelů znázorňuje obr. 4 a tab. 1. Jak grafická, tak tabulková závislost odchylek predikovaných hodnot od skutečného času odpichu hovoří ve prospěch modelů pracujících v prostředí NeuronLine. Tabulka 1: Procentuální podíl predikovaných hodnot vzdálených v daném intervalu od skutečného času Interval odchylky modelu od skutečného času M3 G2 G2 samouk Plán Použitý ( min ) ( % ) < -5 ; +5 > 32,40 55,28 50,52 33,91 46,92 < -10 ; +10 > 51,45 82,35 76,07 57,96 71,31 < -15 ; +15 > 63,41 92,10 90,59 74,91 83,97 < -30 ; +30 > 87,22 98,26 96,75 95,59 96,17 6
Podrobnějším rozborem lze konstatovat, že výsledky modelů vytvořených pomocí neuronových sítí vykazují v 78 % resp. 69 % (samouk) případů hodnotu přesnější než model 3 a v 83 % resp. 75 % (samouk) případů hodnotu přesnější než model 3 nebo hodnotu vyskytující se v intervalu < -5 ; +5 min >. ZÁVĚR Při použití expertního systému G2 v ocelárně společnosti NOVÁ HUŤ, a.s. bylo dosaženo plynulého a efektivního průchodu taveb technologickou osou od TP k cílovému objektu ZPO v požadovaném čase s následným snížením nákladů efektivnější eliminací negativních faktorů v reálném výrobním prostředí, jejichž vznik je dán nejen působením lidského činitele, ale i zcela objektivními faktory, jako je např. složitost fyzikálně chemických procesů výroby, a z nich vyplývajícími obtížně předem stanovitelnými okamžiky jejich stavů důležitými pro organizaci a řízení výroby. Jedná se o podporu rozhodovacích procesů jako součást operativního řízení v reálném čase dle okamžitého stavu technologických procesů v rámci celého závodu a to zejména: - prostoje na výrobních agregátech z důvodu zpožděného příjezdu pánve organizační pochybení; - prostoje, příp. prodloužení doby zpracování na výrobních agregátech z důvodu nevyhovujících parametrů tavby neosvojení si technologického předpisu resp. flexibility technologie určené strojním vybavením výrobního agregátu; - kumulace taveb před výrobním agregátem z důvodu špatného resp. obtížně stanovitelného odhadu technologicky nutné doby příjezdu tavby organizační pochybení vyplývající z mnohdy velmi krátké, k rozhodnutí použitelné doby. Dnes, s odstupem času, můžeme konstatovat, že tato volba byla nejen odvážná, ale i správná a užitečná. LITERATURA [1] Tvardek, P., Bauko, D., Šedivý, P.: Zdokonalení organizačního modelu. [Výzkumná zpráva]. NH, a.s., Ostrava, 2000. [2] Tvardek, P., Bauko, D.: Podklady pro průběžné oponentní řízení výzkumného úkolu Využití expertního systému G2 pro operativní řízení. NH, a.s. Ostrava, 2001. 7