ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДОВ ПЛАНИРОВАНИЯ ПРОИЗВОДСТВЕННЫХ РЕСУРСОВ
Традиционные комбинаторные методы планирования ресурсов
Традиционное планирование основано на известных математических методах: линейном и нелинейном программировании, математическом и динамическом программировании, дискретной оптимизации, программировании в ограничениях, которые, как правило, представляют собой различные варианты комбинаторных методов, реализующих полный или ограниченный перебор вариантов размещения заказов по ресурсам.
Недостатки комбинаторного планирования - быстро нарастающий объем вычислений (NP-hard problem), невозможность учета событий изменения исходных условий при принятии решений, отсутствие достоверной информации об изменяющейся текущей ситуации и быстрая потеря адекватности расписаний с течением времени, невозможность учета индивидуальных особенностей заказов и ресурсов и т.д.
Тем не менее, модули пакетного планирования, построенные на указанных методах и алгоритмах, имеются во многих автоматизированных системах управления ресурсами предприятий класса Enterprise Resource Planning (ERP), которые также обычно включают в себя многочисленные другие модули сбора заказов, проведения закупок комплектующих, учета результатов, построения отчетов и прочие. Среди поставщиков модулей планирования следует отметить такие известные компании как SAP, Oracle, JDA, i2, ILOG, Preactor и другие [8, 9].
Эти пакетные методы и средства разработаны в соответствии с предположением, что входные заказы и ресурсы для их выполнения известны заранее и не меняются в процессе планирования и выполнения плана. Если же изменения происходят, то такие изменения следует накапливать и далее перезапускать систему с некоторой периодичностью, например, 1 раз в месяц, 1 раз в неделю или 1 раз в день (ночью). В результате, система планирования работает с некоторой грануляцией (скважностью) во времени, и события, происходящие внутри интервала, игнорируются до момента запуска системы.
Но в реальной жизни лишь редкие события могут ждать как угодно долго, пока руководители подразделений их обработают, проведут анализ ситуации и выполнят соответствующую перестройку планов. При современной напряженности планов различные заказы тесно взаимосвязаны и любое изменение в одном подразделении или части расписания немедленно отзывается в другой части.
Требуется оперативный анализ ситуации и гибкая реакция на события, например, неожиданно появился новый очень важный заказ или стало известно, что заказанные материалы не придут в срок, наполовину выполненный заказ внезапно отменен или перенесен, не поступили деньги, оборудование сломалось, работник ушел в отгул, не хватает комплектующих и т.д.
Если не отреагировать на такие события, рабочий не сможет приступить к очередной операции и собьется весь его план на день, от этого пострадает срок сдачи важного заказа, что сразу повлечет штрафы или пени и т.д. В этой связи одним из важных показателей эффективного использования автоматизированных систем управления производством нового поколения является время задержки между появлением события и его обработкой (т.е. учет события в производственном расписании).
Таким образом, в современных условиях экономики реального времени нельзя ждать, т.к. качество и эффективность работы напрямую зависят от самого момента времени принятия решения - нужно стараться быстрее оценить, как может повлиять случившееся или прогнозируемое событие на производственные планы, чтобы сразу увидеть «узкие места», найти решение возникающих проблем и, как результат, не допустить простоя, избытка или дефицита ресурсов, срыва сроков заказов, излишних рисков и т.д.
Построить такое «умное» предприятие, подобно живому организму способное своевременно и оперативно реагировать на любые позитивные и негативные события и гибко перестраиваться под действием этих событий, чтобы обеспечить эффективную работу - мечта любого руководителя.
В заключение, кратко перечислим ограничения существующих классических методов планирования и оптимизации ресурсов:
- 1) не учитывают сложность современных производственных предприятий, работающих с тысячами заказов и ресурсов;
- 2) как правило, не отражают интересы многих участников, вовлеченных в процесс производства, не позволяя согласовывать решения;
- 3) не предоставляют возможности для адаптивного планирования в реальном времени, что требует динамического разрешения конфликта в зависимости от ситуации при планировании с поддержкой взаимозависимости между всеми заказами и операциями;
- 4) рассматривают все заказы и ресурсы идентичными, но на практике все они имеют свои собственные индивидуальные критерии, предпочтения и ограничения, которые могут изменяться в ходе работы;
- 5) не предоставляют инструментов формализации и накопления знаний, которые специфичны для каждого предприятия и влияют на качество планирования, например, набор навыков каждого из работников или специфические особенности станков, инструментов или материалов;
- 6) не позволяют оператору гибко управлять планированием, интерактивно дорабатывать результаты планирования и т.д.
Поэтому многие диспетчеры цехов до сих пор на практике используют Excel-таблицы для ручного планирования и оптимизации ресурсов, поскольку подобные инструменты не ограничивают свободу руководителей и позволяют вносить любые изменения в планы. Однако, в таком случае руководители лишаются главного - вычислительных возможностей компьютера и поддержки принятия решений
Преодоление этих недостатков становится возможным за счет использования распределенного подхода к решению сложных проблем, в частности, мультиагентного подхода к планированию [10-12].
