Ссылка для цитирования : Колесникова Д. В., Юрьева Р. А. Использование роевых алгоритмов при технологической подготовке производства // Изв. вузов. Приборостроение. 2023. Т. 66, № 12. С. 1067—1074. DOI: 10.17586/0021-3454-2023-66-12-1067-1074.

Аннотация. В рамках технологической подготовки производства проектирование технологических процессов является сложной и трудоемкой задачей. Выдвинута гипотеза о возможности применения средств роевого интеллекта в задаче разработки маршрутной технологии. Исследованы особенности технологической подготовки производства, модернизация которой позволит повысить автоматизацию производственного процесса, а также снизит риск появления ошибок, связанных с человеческим фактором. Представлена математическая модель оценки состояния оборудования. Предложен алгоритм, позволяющий автоматизировать разработку маршрутной технологии на основе теории графов и алгоритмов роевого интеллекта, а также мониторинга состояния оборудования и его готовности к выполнению поставленной задачи. Отмечено, что применение роевых алгоритмов может позволить работать с графами и строить маршрутные технологии с большей скоростью обработки данных.

Ключевые слова: технологическая подготовка производства, роевые алгоритмы, экспертная система, математическая модель, технологический процесс, маршрутная технология

Список литературы:

1. Yuanyushkin A. S., Lobanov D. V., Rychkov D. A. Automation tool preparation in the conditions of production // Applied mechanics and materials. Trans. Tech. Publications Ltd, 2015. Vol. 770. P. 739—743.

2. Yusupbekov N., Adilov F., Ergashev F. Development and improvement of systems of automation and management of technological processes and manufactures // Journal of Automation, Mobile Robotics and Intelligent Systems. 2017. Vol. 11. P. 53—57.

3. Куликов Д. Д., Падун Б. С., Яблочников Е. И. Перспективы автоматизации технологической подготовки производства // Изв. вузов. Приборостроение. 2014. Т. 57, №. 8. С. 7—11.

4. Яблочников Е. И. Методологические основы построения АСТПП. СПб: СПбГУ ИТМО, 2005. 84 c.

5. Яблочников Е. И. Современные информационные технологии в ТПП приборостроительного предприятия // Науч.-техн. вестн. информационных технологий, механики и оптики. 2006. № 30. С. 3—8.

6. Селиванов С. Г., Поезжалова С. Н. Метод оптимизации директивных технологических процессов в АСТПП // Вестник Уфимского государственного авиационного технического университета. 2012. Т. 16, № 6(51). С. 53—61.

7. Lukić D., Todić V., & Milošević M. Model of modern technological production preparation // Proc. in Manufacturing Systems. 2010. Vol. 5(1). P. 15—22.

8. Fayzilloevich U. N., Hamroevna S. M., Nurilloevich Y. M. Analysis of Types of Optimizations of Technological Processes of Manufacture of Parts // Intern. J. on Human Computing studies. 2021. Vol. 3(8). P. 23—26.

9. Weise T. Global Optimization Algorithms – Theory and Application. 2009 [Электронный ресурс]: .

10. Beni G., Wang J. Swarm intelligence in cellular robotic systems // Robots and biological systems: towards new bionics? Berlin, Heidelberg: Springer, 1993. P. 703—712.

11. Bonabeau E., Dorigo M., Theraulaz G. Swarm Intelligence: From Natural to Artificial Systems. NY: Oxford University Press, 1999. 320 p.

12. Gambardella L. M. and Dorigo M. HAS-SOP: Hybrid ant system for the sequential ordering problem. Technical Report IDSIA-11-97. Lugano, Switzerland, IDSIA, 1997.

13. Dorigo M., Birattari M., Stutzle T. Ant colony optimization // IEEE Computational Intelligence Magazine. 2006. Vol. 1, N 4. P. 28—39.

14. Dorigo M., Blum C. Ant colony optimization theory: A survey // Theoretical Computer Science. 2005. Vol. 344, N 2—3. P. 243—278.

15. Montemanni R., Smith D. H., Gambardella L. M. Ant colony systems for large sequential ordering problems // Swarm Intelligence Symposium. IEEE, 2007. P. 60—67.

16. Alaykýran K., Engin O., Döyen A. Using ant colony optimization to solve hybrid flow shop scheduling problems // Intern. J. of Advanced Manufacturing Technology. 2007. Vol. 35, N 5. P. 541—550.

17. Deng Wu, Junjie Xu, Huimin Zhao. An improved ant colony optimization algorithm based on hybrid strategies for scheduling problem // IEEE Access. 2019. Vol. 7. P. 20281—20292. DOI:10.1109/ACCESS.2019.2897580.

18. Mavrovouniotis M., Shengxiang Y. Ant colony optimization with immigrants schemes for the dynamic travelling salesman problem with traffic factors // Applied Soft Computing. 2013. Vol. 13, N 10. P. 4023—4037.

19. Irovan M. et al. The software application for mathematical modelling of technological process in textile industry // Annals of the University of Oradea: Fascicle of Textiles, Leatherwork. 2018. Vol. 19, N 2. P. 55—60.

20. Kartsev S. V. Mathematical Model of Optimization of Controlled Parameters of the Plasma Surfacing Technological Process of Wear-Resistant Coatings // Journal of Machinery Manufacture and Reliability. 2020. Vol. 49, N. 9. P. 823—828.

21. Гаглоева И. Э., Добаев А. З., Дедегкаева А. А. Разработка математической модели комплексной оценки состояния электроэнергетических объектов // Инженерный вестник Дона. 2013. Т. 26, № 3. C. 102.

22. Глотов В. А., Павельев В. В. Экспертные методы определения весовых коэффициентов // Автоматика и телемеханика. 1976. № 12. С. 95—107.