Интеллектуальная система управления предприятием

Изобретение относится к системе управления предприятием. Технический результат заключается в автоматизации управления состоянием объектов и процессов на предприятии. Система содержит аппаратно-программный комплекс, обеспечивающий функционирование математической модели на основе производственной функции Кобба-Дугласа в формализме сетей Петри, связанный каналами передачи данных с множеством систем «человек-машина», соответствующих заданному функциональному назначению, обеспечивающий функционирование динамической математической модели предприятия в единой для предприятия облачной среде вычислений с масштабируемой архитектурой сетевых потоков, кластеризацией и единым программным обеспечением, структурированной на основе искусственной нейронной сети адаптивного резонанса, находящейся под управлением аппаратно-программного комплекса администратора, обеспечивающего обучение искусственной нейронной сети и распределение ресурсов предприятия, и связанной каналами передачи данных с множеством систем «человек-машина» и аппаратурой, фиксирующей состояние объектов и процессов на предприятии, при этом нейронная сеть адаптивного резонанса обеспечивает отслеживание и корректировку состояния объектов и процессов на предприятии. 4 ил., 3 табл.

 

Предлагаемое изобретение относится к области вычислительной техники с элементами искусственного интеллекта, а именно к информационно-аналитическим управляющим системам, предназначенным для автоматизации процессов управления предприятием на базе искусственной нейронной сети, имитационного моделирования, компьютерного сетевого администрирования и управления проектами.

Из патента на изобретение RU 2679541, Российские космические системы, публикация 2019 г. известна система управления проектами, обеспечивающая построение модели реализации спутникового мониторинга проекта строительства и контроль текущего состояния его исполнения с позиции решения экономических задач, направленных, в первую очередь, на анализ плановых и фактических показателей использования материалов, трудозатрат и других показателей бухгалтерского учета. Анализ данных, получаемых в процессе контроля, не распространяется на ряд материальных ресурсных составляющих, в т.ч. кадровую, инфраструктурную, природно-климатическую, а также - на все нематериальные ресурсные компоненты, а именно: технологический, информационный, морально-психологический и организационный ресурсы, состояние которых имеет важное значение при реализации различных проектов.

Прототипом предлагаемого изобретения является система моделирования ситуаций, относящихся к конфликтам и/или конкуренции в области спутниковых навигационных систем предложенная в патенте на изобретение RU2665045, Российские космические системы, публикация 2017 г. В RU2665045 предусмотрен автоматизированный анализ потенциалов конфликтующих и/или конкурирующих сторон на базе сбора и обработки качественных и количественных показателей, относящихся к сторонам конфликта и/или конкурентной ситуации и к моделируемым сценариям, включая сведения об используемых материальных и нематериальных ресурсах: кадровом, материально-техническом, природно-географическом, а также информационном, психологическом, технологическом ресурсах, соответственно, сведения о которых выражены только в показателях количественных и качественных характеристик объектов. Формируют модели - информационные массивы, характеризующие каждую сторону конфликта и/или конкурентной ситуации, встраиваемые в геоинформационную систему, для имитационного моделирования конфликтной и/или конкурентной ситуации.

Предлагаемое изобретение базируется на концептуальных положениях научно-методического аппарата анализа и представления объектов информационного взаимодействия, представленных в RU 2665045. Вместе с тем, предлагаемая инженерно-техническая реализация разработанных математических моделей обеспечивает адекватное динамическое моделирование как производственных процессов, так и изменения состояний производимой научно-технической продукции на всех этапах жизненного цикла. Наряду с повышением уровня автоматизации мониторинга и управления повседневной производственной и/или научной деятельностью предприятия предлагаемая интеллектуальная система управления предприятием обеспечивает решение задач сетевого планирования и контроля с учетом количественных и качественных показателей производимой научно-технической продукции, выявление потенциально уязвимых слабых мест в производственном процессе, включая, в первую очередь, обеспечение ресурсами, а также прогнозное моделирование вариантов управления процессами совершенствования производства и/или дальнейшего сопровождения научно-технической продукции на этапах жизненного цикла (эксплуатации, ремонта и т.д.), что позволяет прогнозировать риски при разработке и принятии стратегий развития производства. Исходя из анализа наиболее острых проблем развития современного высокотехнологичного производства, направленных на минимизацию человеческого фактора, в предлагаемом изобретении реализованы научно-технические решения, обеспечивающие автоматизацию процессов управления жизненным циклом научно-технической продукции с функцией контроля и учета влияния различных факторов на состояние не только материальных, но и нематериальных активов на всех стадиях производства и жизненного цикла изделий, включая прогнозирование путем моделирования сценариев развития различных ситуаций.

То есть, в отличие от прототипа, описывающего систему моделирования ситуаций, относящихся к конфликтам и/или конкуренции, в которой сравниваются потенциалы конкурирующих на рынке предоставления услуг спутниковой навигации структур с отражением уязвимостей, слабых и/или сильных сторон, предлагаемое изобретение обеспечивает динамическое моделирование предприятия и производимой научно-технической продукции на этапах жизненного цикла, включая отслеживание выполнения сетевого плана реализации проекта создания научно-технической продукции в динамике с использованием методов интеллектуального управления, на базе искусственной нейронной сети, способной в процессе функционирования к самообучению, выявлению закономерностей и сложных зависимостей между входными и выходными данными, характеризующими на фоне шкалы времени сетевого плана изменения качественных и количественных показателей состояния ресурсных компонентов, участвующих в производстве, а также научно-технической продукции на всех этапах жизненного цикла. Особый акцент в предлагаемом изобретении сделан на учете при моделировании нематериальных, в первую очередь финансовой, морально-психологической и технологической производственных ресурсных характеристик. При моделировании работы нематериальных ресурсных составляющих предприятия используются методы сетевого планирования и управления производством на этапах жизненного цикла научно-технической продукции, а также самого предприятия.

Предложена интеллектуальная система управления предприятием, включающая аппаратно-программный комплекс, обеспечивающий функционирование математической модели на основе производственной функции Кобба - Дугласа в формализме сетей Петри, построенной по демографической, материально-технической, инфраструктурной, географической, технологической, организационной, информационной, морально-психологической характеристикам (ресурсам), связанный каналами передачи данных с множеством систем «человек - машина», соответствующих заданному функциональному назначению. Информационное взаимодействие и обмен данными между аппаратно-программными средствами, которые представляют системы «человек-машина», обеспечивается каналообразующими средствами приема-передачи информации, на основе которых сформировано единое интегрированное информационно-управляющее пространство, с множеством источников и потребителей информации. В отличие от прототипа, упомянутый аппаратно-программный комплекс обеспечивает функционирование динамической математической модели предприятия, в облачной среде вычислений, информационное взаимодействие с которой обеспечивается единым интегрированным информационно-управляющим пространством, структурированной на основе искусственной нейронной сети адаптивного резонанса (сеть Гроссберга - Карпентера) и связанной каналами передачи данных с множеством систем «человек - машина» и/или физических предметов, соответствующих своему функциональному назначению внутри предприятия. Для построения математической модели предприятия помимо перечисленных географической, технологической, организационной, информационной, морально-психологической характеристик используют его финансовые характеристики (ресурсы), принимая в качестве основной - морально-психологическую характеристику (ресурс).

Аппаратно-программная реализация предлагаемой системы управления предприятием обеспечивает не только сбор, автоматическую обработку и анализ больших массивов данных с оперативным формированием на средствах отображения информации в графическом, текстовом и изобразительном виде текущих значений производственных показателей, но и функционал интеллектуального управления объектом на базе искусственной нейронной сети адаптивного резонанса, в которой на более высоком уровне обобщения осуществляется анализ зависимостей между нисходящими (заданными) и наблюдаемыми (реальными) данными, характеризующими состояние объекта, ресурсные компоненты которого, объединяющие несколько однородных составляющих материальных и нематериальных ресурсов, рассматриваются как кластеры искусственной нейронной сети. Математическая модель предприятия с ее аппаратно-программной реализацией построена и функционирует как искусственная нейронная сеть адаптивного резонанса, когда заданные (запланированные) производственные показатели кластеризованных ресурсов сравниваются с текущими контролируемыми показателями соответствующих кластеров, на основании которых осуществляется классификация фактического состояния параллельных производственных процессов и/или научно-технической продукции на рассматриваемом этапе жизненного цикла. Принятие управленческих решений осуществляется на основании анализа поступающих на вход кластера управления нейронной сети интегрированных показателей, характеризующих состояние ресурсных компонентов. При этом на выходе сети формируются векторные характеристики принимаемых решений. То есть, на основании возникающих несоответствий у наблюдаемых ресурсных компонентов текущих значений количественных и качественных показателей, отличающиеся от заданных, на выходе кластера в искусственной нейронной сети формируются сигналы с соответствующими управляющими векторами, формирующими команды управления для выполнения корректирующих действий по поддержанию и/или восстановлению соответствия текущих значений показателей заданным.

Под понятием предприятие в предложенной системе подразумевается имущественный комплекс, используемый для осуществления предпринимательской деятельности, рассматриваемый, как совокупность «человек - машинных» систем в составе сложной социально-технической системы, обладающей свойствами объекта информационного взаимодействия. Модель такой социально-технической системы представлена совокупностью производственных элементов и характеризуется свойствами информационного деятеля, включая функциональную способность приема, обработки, восприятия с последующими действиями, хранения и распространения информации, рефлексии в соответствии с динамикой изменения ситуации под действием внутрисистемных процессов и воздействия извне. На базе синтеза классических понятий производственной функции, под которой в математической экономике понимается функциональная зависимость «выпуск - затраты», и абстрактной динамической системы из теории систем разработана математическая модель динамической производственной функции, которая описывает совокупность процессов производства, деградации и восстановления, оказывающих влияние на производство и состояние научно-технической продукции на всех этапах жизненного цикла. При описании функционирования моделей используются материальные, нематериальные и финансовые характеристики. С помощью динамической производственной функции описывается производство продукции, которая на выходе состоит «из полезного продукта», на получение которого направлена производственная деятельность, и «производственных отходов», объем которых следует, как правило, сокращать.

Аппаратно-программная реализация предлагаемой системы предусматривает создание, обработку, хранение и распространение информационных ресурсов между подразделениями - участниками производственного процесса с использованием прикладных программных средств из состава обобщенного информационного ресурса предприятия, таких как средства автоматизации конструкторского и технологического проектирования, программные средства управления данными о продукции, средства автоматизированного планирования и управления предприятием и производством, программно-методические средства анализа логистический поддержки и ведения баз данных по результатам такого анализа, программные средства управления потоками работ, программные средства моделирования и анализа бизнес-процессов и т.д. Использование при разработке системы автоматизированного управления производством не только парадигмы традиционного программно-целевого подхода, который не обеспечивает в достаточной степени учет динамики быстро изменяющихся условий внешней обстановки и ее влияние на внутреннюю производственную среду, но и концептуальных принципов систем управления проектами, позволяет не только оперативно анализировать текущее состояние ресурсов и производства в целом, но и гибко реагировать на изменения, связанные с внутренними процессами и воздействиями из внешней среды. Важным отличием предлагаемого изобретения от прототипа является применение базовых принципов информационной поддержки научно-технической продукции на всех этапах жизненного цикла на базе ИПИ/CALS технологий, что обеспечивает комплексирование процессов управления, включая: управление проектами; управление конфигурацией производства; управление единым интегрированным информационно-управляющим пространством; управление качеством; управление потоками работ; управление изменениями производственных структур и т.д.

Практическое применение предложенной интеллектуальной систему управления предприятием может быть описано следующим образом.

Математическая модель автоматизированного управления производством научно-технической продукции, разработанная на базе метода сетевого планирования и управления, обеспечивает моделирование сетевой структуры производства, отображение запланированного порядка и текущего состояния выполнения параллельных операций, влияющих друг на друга и на процесс перехода продукции от исходного состояния к итоговому, которое характеризует завершение выполнения производственного задания и/или его части. С целью оптимизации вычислительного пространства предметной области методом аппроксимации сетевая структура процессов производства и/или изменения состояния научно-технической продукции на всех этапах жизненного цикла во времени задана с помощью нумерации событий (фигура 1). В математической модели управления проектами создания научно-технической продукции производственный процесс представлен в виде сетевой структуры упорядоченных работ, для реализации которых используются определенные ресурсы (материальные, нематериальные и финансовые). Принципиальная модель такой системы сетевого планирования и управления включает совокупность фаз и стадий (таблица 1) отработки составных частей, интегрированное состояние которых - d_ij характеризует общее состояние готовности / работоспособности изделия на каждом этапе жизненного цикла, к которым относятся: 1-2 - аванпроект; 2-3 - инженерно-конструкторская проработка; 3-4 - проектирование; 4-5 - изготовление опытного образца; 5-6 - заводские (автономные) испытания; 5-7 - приемочные (полигонные) испытания; 6-7 - доработка образца; 7-8 - серийное производство; 8-9 - серийное производство и эксплуатация; 6-11 - эксплуатация; 9-10 - наработка статистических данных для модернизации; 9-11 - ремонт, модернизация и послеремонтное применение; 10-11 - вывод из эксплуатации, списание; 11-12 - утилизация.

Таблица 1

№ фазы, наименование	Стадия	Наименование стадии
I - фаза НИР	1-2	Аванпроект
	2-3	Инженерно-конструкторская проработка
3-4	Проектирование
II - фаза ОКР	4-5	Изготовление опытного образца
	5-6	Заводские (автономные) испытания
	5-7	Приемочные (полигонные) испытания
6-7	Доработка образца
III - фаза серийного производства	7-8	Серийное производство
	8-9	Опытная эксплуатация
6-11	Эксплуатация
IV - фаза эксплуатации, ремонта и модернизации	9-10	Наработка статистических данных для ремонта и модернизации
	9-11	Ремонт, модернизация и послеремонтное применение
10-11	Вывод из эксплуатации, списание
V - фаза утилизации	11-12	Утилизация

В соответствии с методологическими принципами построения системы проектного управления сформирована сетевая модель отработки научно-технической продукции на этапах жизненного цикла. На вершины сетевой модели отработки (обозначены кружками) поступают данные о состоянии количественных и качественных показателей, той или иной характеристики ресурсного компонента на заданный момент времени (t). В соответствии с данными, поступившими в накопители, состояние ресурсных компонентов соответствует одному из значений mⁱ_r(t), где i=1, 5. Научно-техническая продукция состоит из значительного количества ресурсных компонентов, каждый из которых моделируется в виде производственного элемента и работает согласно соответствующей производственной функции. Обобщенная сетевая модель выпуска научно-технической продукции обеспечивает решение проблемы параллельного функционирования с задачей достижения заданного состояния (достижения соответствующей вершины), при невыполнении которого осуществляется классификация состояния как недостигнутый уровень с формированием управляющего воздействия, направленного на достижение заданного состояния, в том числе путем изменения привлекаемых ресурсов в единицу времени, а также применения метода «критического пути», описываемого выражением d_ij={t_ij, с_ij}, где t_ij - время выполнения операции - (i,j); с_ij - затрачиваемая на выполнение операции совокупность ресурсов. В свою очередь, совокупность производственных элементов, интегрированных в обобщенную модель, образуют сетевую модель отработки научно-технической продукции на этапах жизненного цикла.

Математическая модель производственной деятельности описывается уравнением состояния, учитывающим процессы изменения количественных и качественных характеристик, используемых в производстве материальных и нематериальных ресурсов: R (t)= < R^м(t), R^н(t) >, где R^м(t) - вектор материальных, а R^н(t) - вектор нематериальных ресурсов, которые соответственно описываются выражениями, вида R^м(t) = <X(t), Y(t), Z(t), G(t)> и R^н(t) = <Т(t), Н(t), I(t), Ψ(t)>, где:

X(t) - кадровый ресурс (Х-ресурс) характеризуется кадровым составом, участвующим в выполнении n-го производственного задания (n=1, N), и описывается выражением вида X(t)=<M^хn(t), K^хn_b(t)> (n=1, N; b=1, B), где М^хn(t), Kⁿ_b(t) - количественный и качественный показатели Х-ресурса;

Y(t) - материально-технический ресурс (Y-ресурс) характеризуется наличием, работоспособностью и составом средств производства, привлекаемых к решению задач по выпуску научно-технической продукции, и описывается выражением вида Y(t) = <M^yn(t), K^yn_b(t)> (n=1, N; b=1, B), где M^yn(t), K^yn_b(t) - количественный и качественный показатели Y-ресурса;

Z(t) - инфраструктурный ресурс (Z-ресурс), характеризуется состоянием инфраструктуры и логистики, описывается выражением вида Z(t)=<M^zn(t), K^zn_b(t)> (n=1, N; b=1, B), где М^zn(t), K^zn_b(t) - количественный и качественный показатели Z-ресурса;

G(t) - географический ресурс (G-ресурс) характеризуется показателями того географического пространства, в котором осуществляется производственная деятельность с учетом природно-климатических, ландшафтных, почвенных и иных особенностей, описывается выражением вида G(t)=<M^gn (t), K^gn_b(t)> (n=1, N; b=1, B), где М^gn(t), K^gn_b(t) - количественная и качественная показатели G-ресурса;

Т(t) - технологический производственный ресурс (Т-ресурс) характеризуется набором эффективных технологических способов, которые используются в производственной деятельности, и описывается вектором показателей, вида Т(t)=<K^тn_b(t)> (n=1, N), где K^тn_b(t) - вектор показателей качественных характеристик b-го эффективного технологического способа (b=1, B); B - общее число эффективных технологических способов, которое можно использовать для реализации n-го задания, N - общее число работ (операций);

H(t) - организационный ресурс (Н-ресурс) характеризуется степенью согласованности действий различных подразделений и показывает, какая часть предпринимаемых действий способствует выпуску «полезной продукции», а какая расходуется на «отходы», описывается вектором показателей, вида Н(t) = < M^Нn(t), K^Нn_b(t) >(n=1, N; b=1, B), где М^Нn(t), K^Нn_b(t) - количественная и качественная составляющие организационного Н-ресурса, соответственно, при этом M^Нn(t) характеризует общий уровень организации и управления производством при реализации n-го задания (n=1, N), а K^Нn_b(t) отображает какая часть организационного ресурса может использоваться для реализации b-го (b=1, B) эффективного технологического способа;

I(t) - информационный ресурс (I-ресурс) в обобщенном виде характеризуется объем знаний, опыта, навыков, умений и программных средств, которые используются в производстве, описывается вектором показателей, вида I(t)=<М^In(t), K^In_b(t)>(n=1, N; b=1, B);

Ψ(t) - морально-психологический ресурс (Ψ-ресурс) характеризуется силами побудительного мотива и стимулирования, формирующих стремление точно и в установленные сроки выполнить производственное задание, описывается вектором показателей, вида Ψ(t)=<M^Ψn(t), K^Ψn_b(t)> (n=1, N; b=1, B), где M^Ψn(t), K^Ψn_b(t) - количественный и качественный показатели, характеризующие состояние Ψ-ресурса;

S(t) - финансовый ресурс (S-ресурс) характеризуется состоянием финансовой сферы, описывается выражением вида S(t)=<M^Sn(t), K^Sn_b(t)> (n=1, N; b=1, B), где М^Sn(t), K^Sn_b(t) - количественный и качественный показатели S-ресурса.

Каждый тип материальных, нематериальных и финансовых ресурсов объединяется в соответствующие кластеры, которые в свою очередь, включают составные части, характеризующиеся своими количественными и качественными показателями. С течением времени в процессе производства количественные и качественные показатели ресурсных составляющих меняются под воздействием процессов внутри социально-технической системы и внешних факторов. Поскольку функционирование социально-технической системы сопряжено с процессами экономического характера, в частности, реализацией результатов своей производственной деятельности, приобретением и продажей материальных и нематериальных ресурсов и т.д., в обобщенной модели производственного элемента предусмотрен не принимающий непосредственного участия в производстве, но имеющий важное значение и обладающий определенными специфическими свойствами, финансовый ресурс - S(t), характеризующийся также своими количественными и качественными показателями, например, обменным курсом и покупательной способностью. Математическая модель финансового ресурса описывается выражением вида S(t)=<M^S(t), K^S(t)>, где M^S(t) и K^S(t) - количественный и качественный показатели. Таким образом, обобщенная математическая модель производственного элемента описывается уравнением состояния вида R(t)=<R^м(t), R^н(t), S(t)>=<X(t), Y(t), Z(t), G(t), Т(t), Н(t), I(t), Ψ(t), S(t)>.

В математической модели предприятия наиболее детально описаны не только нематериальные ресурсы, но и их взаимодействие с материальными составляющими, а также взаимное влияние друг на друга, в т.ч. на основании статистических данных, что делает ее более адекватной и соответствующей реальности в динамике. Среди нематериальных ресурсная составляющих морально-психологический ресурс - Ψ(t) рассматривается в качестве одного из наиболее важных компонентов как для успешной реализации проектов и производственных программ, так и в период применения научно-технической продукции в процессе выполнения фазы «Эксплуатация, ремонт и модернизация». За основу разработки математической модели, на основе которой сформирован кластер Ψ-ресурса, принят основной психофизический закон Вебера - Фехнера, который в общем виде описывается выражением ε(t)=π[S(t), S_max(t), S_min(t)], где ε(t) - побудительная сила эмоционального переживания; S(t) - текущее состояние образа-раздражителя; S_max(t) - верхнее пороговое (нормативное) значение, отождествляемое с желательным «уровнем блага» (уровень притязаний) работника, которое в искусственной нейронной сети используются в классе, относящемся к «реальным показателям»; S_min(t) - нижнее пороговое (нормативное) значение, отождествляемое с состоянием «неприемлемого уровня наносимого ущерба», используемое искусственной нейронной сетью в классе «реальных/плановых показателей»; π[*] - логарифмическая функция. В данной математической модели учитываются два класса множеств: мотивационная составляющая и стимулирующая составляющая. Мотивационная составляющая побуждает работника к действию и описывается выражением ΔS_м(t)=[S_max(t)-S(t)]/[S_max(t)-S_min(t)]. Стимулирующая составляющая, воздействует и раздражает работника, описывается выражением ΔS_с(t)=[S(t)-S_min(t)]/[S_max(t)-S_min(t)]. Результирующая эмоциональная реакция на раздражитель описывается выражением вида ε(t)={μ_м(t)logΔS_м(t)+ μ_с(t)logΔS_с(t)}, где μ_м(t) и μ_с(t) μ_м(t)+μ_с(t)=1 - коэффициенты мотивации и стимулирования, соответственно, показывающие значимость для моделирующего морально-психологическое состояние работника производственного элемента, переживания, связанного с желанием приблизиться к состоянию, несущему ему радость, и переживания, связанного с желанием избежать состояния, вызывающего у него неудовлетворенность.

Математическая модель результирующей эмоциональной реакции по совокупности составляющих множеств: психофизической, психосоциальной и духовной, сумма коэффициентов которых ρ_ф(t)+ρ_п(t)+ρ_д(t)=1, - описывается выражением Э(t)=[ε_ф(t)]ρ_ф(t)+[ε_п(t)]ρ_п(t)+[ε_д(t)]ρ_д(t). В свою очередь, математическая модель целевого функционала Ψ-ресурса описывается выражением вида Ж_i[U_*i(t), T_и]=max_t0∫^ТΞ_i[t, U_*i(t)]dt (Т∝→), где Ξ_i[t, U_*i(t)]=∑_jωij(t)ϒ_ij[t,U*i(t)],ϒ_ij[*] - оценочная функция (рефлексия) i-го производственного элемента, характеризующая оценку уровня удовлетворения производственным элементом, моделирующего работника, как своих индивидуальных потребностей (j=i), так удовлетворения его потребностей другими производственными элементами, входящими в состав кластера морально-психологического ресурса; ω_ij(t) - коэффициент экспрессивности (-1≤ω_ij(t)≤+1) показывает значимость для i-го производственного элемента субъективного состояния j-го производственного элемента, который принимает значение на интервале [-1,+1], при этом ∑j⏐ω_ij(t)⏐=1 (т.е. при ω_ii(t)≈0 имеет место склонность к альтруизму, при ω_ii(t)≈-1 - депрессивное состояние безразличия, при ω_ii(t)≈1 - явно выраженный эгоизм), U*_ij(t) - искомый вектор управления, включающий в себя вектор управления сферой материального производства, общественно-политической и духовно-нравственной сферами, U*_пj(t)=<U*Э_j(t), U*П_j(t), U*И_j(t)>. В целом результирующее состояние Ψ-ресурса, характеризующее уровень морально-психологической готовности к выполнению производственного задания, описывается выражением вида M_Ψ(t)=<m¹_Ψ(t),m²_Ψ(t),m³_Ψ(t),m⁴_Ψ(t),m⁵_Ψ(t)>, где m¹_Ψ(t) соответствует полной морально-психологической готовности персонала к решению производственных задач; m²_Ψ(t) - показывает достаточно высокий уровень готовности, при котором имеющиеся проблемы решаются с использованием методов морального поощрения; m³_Ψ(t) - соответствует среднему уровню готовности, требующему дополнительного морального и материального стимулирования; m⁴_Ψ(t) - показатель, свидетельствующий о морально-психологической неудовлетворенности и серьезной социальной неустойчивости; m⁵_Ψ(t) - показатель, характеризующий абсолютную морально-психологическую неготовность и нежелание выполнять производственные задания.

Оценка уровня технологического ресурса, в соответствии с которой оценивается технологическая готовность предприятия к производству научно-технической продукции, выполняется на основе данных аудита и расчета индекса технологической готовности на проведение каждой производственной операции в соответствии с технологической документацией. Уровень технологической готовности оценивается по одному из пяти состоянии: m¹_T(t) - «выполняется полностью», когда по данным аудита используемая технология обеспечивает эффективное выполнение операций определенного вида; m²_T(t) - «выполняется в существенной степени» означает в целом хорошее технологическое обеспечение с некоторыми недостатками, не оказывающими значительного влияния на выполнение операции с заданными показателями; m³_T(t) - «выполняется частично, фрагментарно» состояния технологического ресурсного компонента в n-ой операции не обеспечивает в достаточной степени ее выполнение с надлежащими показателями; m⁴_T(t) - «почти не выполняется» означает низкий уровень технологической оснащенности, который не может обеспечить заданные показатели при выполнении производственного задания; m⁵_T(t) - «не применимо» означает, что состояние технологического ресурса для операции n-ого типа исключает ее выполнение. Обобщенный показатель технологического ресурса, на основании которого оценивается технологическая готовность предприятия к выпуску научно-технической продукции n-ого типа описывается выражением вида Мⁿ_Т(t)=<m¹_Т(t), m²_Т(t), m³_Т(t), m⁴_Т(t), m⁵_Т(t)>.

Инженерно-техническая реализация функционала производственного элемента выполнена на базе аппарата формализмов сетей Петри, адоптированного к решаемым задачам путем расширения содержания понятий «обобщенный накопитель» и «обобщенный переход» (фигура 2). Обобщенные накопители обозначены прямоугольниками и вставленными в них кружками элементарных накопителей, из которых формируется модели обобщенных производственных элементов в составе соответствующих принимающих кластеров на входе искусственной нейронной сети, включающих пакеты элементарных накопителей, в которых формируются сигналы с соответствующими данными и векторами параметров, характеризующих их текущее состояние, изменяющееся в соответствии с параметрами поступающих от обобщенных переходов (представлены планками) сигналов, моделирующих векторные функции. Таким образом, структура обобщенной математической модели производственного элемента в формализмах сетей Петри образует нейронную сеть адаптивного резонанса по типу Гроссберга - Карпентера, в которой содержатся кластеры ресурсов в модельных блоках, обеспечивающих ее функционирование. Основной составной частью сети является производственная сфера производственного элемента, поскольку по ее показателям определяется состояние участвующих в производстве ресурсов и степень реализации производственного задания согласно сетевого плана во времени.

Производственная сфера производственного элемента выполняет основную функцию контроля и управления производством (фигура 2). В нее поступают данные о состоянии продукции, произведенной на предыдущих этапах, контролируются условия и выход продукции, в т. ч. «полезной продукции» в блок контроля выпускаемой продукции, которая при соответствии количественных и качественных показателей заданным (активируется разрешающая санкция) поступает в производственную сферу производственного элемента следующего этапа, и отходов, которые поступают в блок утилизации, через который предусмотрено моделирование использования отходов в качестве вторсырья). Производственная сфера взаимодействует с блоком «Запасы», который контролирует наличие ресурсов и обеспечивает их пополнение во взаимодействии с модулем «финансы» посредством формирования сигнала на выполнение финансовых операций, а также с блоком текущего управления, взаимодействующего с управленческим репрезентарием и осуществляющего управляющую функцию, включая разрешение и/или прекращение процесса выполнения работ. В модели производственного элемента используется b-й (b=1, B) эффективный технологический способ, характеризующийся показателями, которые соответствуют каждой технологической операции и вводятся при параметрической настройке производственной сферы производственного элемента (фигура 2).

Выпуск полезной продукции - π^п(t) реализуется обобщенным переходом - d^f, работа которого описывается функциональной зависимостью «выпуск - затраты» вида π^п(t)/dt=<π^m(t), π^k(t), S(t)>, где π^m(t)/dt=a^fm_bE^k_b(t)U_н(t)[П^м_bп(t)]^αмb[П^н_bп(t)]^αнbS(t)] и π^k(t)/dt=a^fk_bE^k_b(t)U_н(t)[П^м_bп(t)]^γмb[П^н_bп(t)S(t)]^γнb показатели количества и качества выпуска полезного продукта; a^fm_b и a^fk_b - масштабные коэффициенты «выходной» эффективности b-го технологического способа; E^m_b(t) и E^k_b(t) - показатели влияния технологических условий, влияющих на темпы формирования количественных и качественных характеристик при использовании b-го технологического способа; П^м_bп(t) и П^н_bп(t) - производственные потенциалы используемых ресурсов для выпуска продукции b-м технологическим способом; α^м_b и α^н_b - показатели вклада производственных потенциалов в формирование количественных характеристик выпускаемого продукта («полезного» - ^м и отходов - ^н) при использовании b-го технологического способа (α^м_b + α^н_b = 1); γ^м_b и γ^н_b - показатели вклада производственных потенциалов в формирование качественных характеристик выпускаемого продукта («полезного» - ^м и отходов - ^н) при использовании b-го (b=1, B) технологического способа (γ^м_b + γ^н_b =1); U_н(t) - показатель вектора управления, задающий напряженность использования материальных, нематериальных и финансового ресурсов. При параметрической настройке модели производственного элемента показатели эффективности - a^fm_b и a^fk_b, показатели степени количественных и качественных изменений - α^м_b и α^k_b, γ^м_b и γ^k_b вводятся в накопитель Р^Uт блока текущего управления, откуда через переходы d^f и d^g поступают на накопители производственной сферы производственного элемента, формируя влияние b-го технологического способа на выпуск продукции. Заданные показатели технологических условий - E^m_b(t) и E^k_b(t), производственных потенциалов - П^м_bп(t) и П^н_bп(t) и вектора управления - U_н(t), носят относительный характер и соответствуют скалярному значению.

При сравнении заданных (плановых) и реальных значений производственных показателей результирующие данные с положительным значением свидетельствует об эффективности используемой в производстве технологии и наоборот, отрицательное значение - показатель ее неэффективности. Показатели производства полезной продукции - π^п(t) поступают в систему контроля продукции, где свертывается в качестве обобщенного показателя вида r^п(t) = π^m(t) π^k(t), а затем интегрируется в выражение вида π^п(t) = ₀∫^Тr^п(t)dt (r^п(t₀)=0). Далее полученное значение π^п(t) в переходе d^к в накопителе Р_к(t) сравнивается с заданным π^п*(t) при условии π^п(t)≥π^п*(t), в соответствии с которым санкционируется вектором сигнала при положительном результате в производственном элементе, выполнение следующей операции (этапа) или при отрицательном результате сравнения блокируется с отображением о нештатной ситуации на средствах отображения информации соответствующим цветом и звуковым сигналом. Обобщенный переход - d^g отслеживает изменения ресурсов производственного элемента. Математическая модель работы обобщенного перехода d^g с совокупностью накопителей R^м(t), R^н(t), контролирующие характеристики ресурсных компонентов r-го типа, которые в текущий момент времени соответствуют одному из пяти состоянии работоспособности (номер задан верхним индексом), описывается выражением вида M_r(t)=<m¹_r(t),m²_r(t),m³_r(t),m⁴_r(t),m⁵_r(t)>, где m¹_r(t) - показатель состояния ресурсных компонентов, находящихся в полностью работоспособном состоянии; m²_r(t) - показатель состояния работоспособности ресурсных компонентов составляет не менее 90% от заданного; m³_r(t) - показатель состояния работоспособности ресурсных компонентов находится на уровне 90-75% от заданного; m⁴_r(t) - показатель состояния работоспособности ресурсных компонентов составляет не менее 50%; m⁵_r(t) - показатель состояния работоспособности ресурсных компонентов менее 50%.

Изменение характеристик в модели состояния материальных и нематериальных ресурсов, определяющее работу обобщенного перехода - d^h при производстве полезного продукта b-го (b=1, B), находится в зависимости от процессов деградации и восстановления, которые в совокупности определяют текущую динамику изменения состояния работоспособности производственного элемента. Модель процессов изменения состояния ресурсных элементов (фигура 3) отображает изменение состояний работоспособности, показатели которых находятся в зависимости от процессов естественной деградации, вызванных износом и старением ресурсных компонентов; принудительной деградации, вызванных действием как внешних, так и внутренних разрушительных воздействий целенаправленного и нецеленаправленного характера; принудительного восстановления, связанного с целенаправленной деятельностью по восстановлению утраченной ресурсными компонентами работоспособности. Математическая модель процессов, влияющих на изменение состояния ресурсных компонентов с использованием b-го технологическом способе, используется математическая модель логистической функции в виде дифференциального уравнения Dq_r(t)/dt = w_r(t) [1 - q_r(t)/q*_r] q_r(t), (0 <q_r(t₀)<1; q*_r =1), где: q_r(t) - показатель величины износа ресурсных элементов r-го тип на момент времени (t). Процесс изменения состояний ресурсных компонентов осуществляется через планки переходов, которые задают интенсивности потока сигналов от накопителей с меньшим номером (v) к накопителям с большим номером (n), вызванных естественными и привнесенными извне процессами.

Моделирование процессов, влияющих на изменения состояний ресурсных компонентов реализовано в формализме сетей Петри (фигура 3) с помощью переходов d_r^vn (v≠n; v,n=1,5; v>n), которые с интенсивностью - λ_ρ^vn(t) (нижний управляющий вход перехода d_r^vn) производят перемещение показателей состояния ресурсных компонентов r-го типа от накопителя (вершины) c номером v к накопителю (вершине) с номером n. В общем случае, величины интенсивности - λ_r^vn(t) не остаются постоянными, а меняются во времени. Характер их изменения зависит от технических (физических) характеристик ресурсных компонентов, используемого эффективного технологического способа, внутренних и внешних условий. Модель, отражающая интенсивность принудительной деградации ресурсных элементов r-го типа (фигура 3), реализована в формализмах сетей Петри с использованием планки переходов - d_r^vn (v≠n, v,n=1,5; v>n), которые с интенсивностью μ_ρ^vn(t) (верхний управляющий вход перехода d_r^vn) выполняют перемещение показателей ресурсных компонентов ρ-го типа от накопителя (вершины) c номером (v) к накопителю (вершине) с номером (n). Характер изменения зависит от влияния внешней среды. В представленной математической модели интенсивности естественной - λ_r^vn(t) и принудительной - μ_r^vn(t) деградации независимы и обладают свойством аддитивности, то есть переход d_r^vn осуществляет процедуру сложения интенсивности естественной - λ_r^vn(t) и принудительной - μ_r^vn(t) деградации - ν_r^vn(t)=λ_r^vn(t)+μ_r^vn(t).

Модель, отражающая процессы принудительного восстановления (фигура 3), реализована в формализмах сетей Петри, реализуется переходами d_r^kn с обратной нумерацией (больший индекс предшествует меньшему) и характеризуется интенсивностью восстановления - β_r^vn(t) (v≠n, v<n), которая определяется объемом привлекаемых на восстановление ресурсов и технологическими условиями восстановления в ходе производственного процесса. При этом величина β_r²¹(t) соответствует интенсивности текущего ремонта, величина β_r³¹(t) - интенсивности среднего ремонта, величина β_r⁴¹(t) - интенсивности капитального ремонта. Восстановление при физическом (техническом) состоянии m⁵_r(t) невозможно, а потому оно считается «поглощающим» состоянием. Интенсивности λ_r^kn(t) (v≠n, v>n, k,n=1,5), μ_r^vn(t) (v≠n, v>n, v,n=1,5) и β_r^vn(t) (v≠n, v<n, v,n=1,4) формируются с помощью соответствующих модельных блоков. В модели производственного элемента интенсивности закупок δ_r(t) и утилизации γ_r(t) формируются модельными блоками «Управление закупками» и «Управление утилизацией», которые реализуются переходами d^з_r и d^y_r.

Математическая модель изменения состояния ресурсных элементов r-го типа описывается системой дифференциальных уравнений вида

dm¹_r(t)/dt=-m¹_r(t)[λ_r¹²(t)+λ_r¹³(t)+λ_r¹⁴(t)+λ_r¹⁵(t)]+[μ_r¹²(t)+μ_r¹³(t)+μ_r¹⁴(t)+μ_r¹⁵(t)]}+

+m²_r(t)⋅β_r²¹(t)+m³_r(t)⋅β_r³¹(t)+m⁴_r(t)⋅β_r⁴¹(t)+m_r⁰(t)⋅δ_r(t);

dm²_r(t)/dt=m¹_r(t)⋅[λ_r¹²(t)+μ_r¹²(t)]-²_r(t)⋅{[λ_r²³(t)+λ_r²⁴(t)+λ_r²⁵(t)]+[μ_r²³(t)+μ_r²⁴(t)+

+μ_r²⁵(t)]}-m²_r(t)⋅β_r²¹(t)+m³_r(t)⋅β_r³²(t) +m⁴_r(t)⋅β _r²(t);

dm³_r(t)/dt=m¹_r(t)⋅[λ_r¹³(t)+μ_r¹³(t)]+m²_r(t)⋅[λ_r²³(t)+μ_r²³(t)]-m³_r(t)⋅{[λ_r³⁴(t)+λ_r³⁵(t)]+

+[μ_ρ³⁴(t)]+μ_ρ³⁵(t)]}-m³_ρ(t)⋅[β_ρ³¹(t)+β_ρ³²(t)]+m⁴_ρ(t)⋅β_ρ⁴³(t);

dm⁴_r(t)/dt=m¹_r(t)⋅[λ_r¹⁴(t)+μ_r¹⁴(t)]+m²_r(t)⋅[λ_r²⁴(t)+μ_r²⁴(t)]+m³_r(t)⋅[λ_r³⁴(t)+μ_r³⁴(t)]-

-m⁴_r(t)⋅[λ_r⁴⁵(t)+μ_r⁴⁵(t)]-m⁴_r(t)⋅[β_r⁴¹(t)+β_r⁴²(t)+β_r⁴³(t)];

dm⁵_r(t)/dt=m¹_r(t)⋅[λ_r¹⁵(t)+μ_r¹⁵(t)]+m²_r(t)⋅[λ_r²⁵(t)+μ_r²⁵(t)]+m³_r(t)⋅[λ_r³⁵(t)+μ_r³⁵(t)]-

-m⁴_r(t)⋅[λ_r⁴⁵(t)+μ_r⁴⁵(t)]-m_r⁵(t)⋅γ _r(t), при нормирующем условии ∑_nmⁿ_r(t)=m^Σ_r(t) (n=1,5), где m^Σ_r(t) - общее число ресурсных элементов r-го типа, при заданных начальных условиях M_r=<m_r⁰(t₀), m¹_r(t₀), m²_r(t₀), m³_r(t₀), m⁴_r(t₀), m⁵_r(t₀)>, где m_r⁰(t) - общее количество ресурсных элементов r-го типа, направляемое для восполнения ресурсных компонентов, утративших свою работоспособность.

Особенностью структуры современного предприятия является его внутренняя сетевая структура, образованная совместно функционирующими и взаимодействующими производственными элементами с перечисленным выше набором ресурсных компонентов, которые участвуют в производственном процессе и оказывают друг на друга влияние. Такое взаимодействие влияет на «выпуск» совокупного «полезного» продукта и на «затраты» ресурсных компонентов каждого участвующего в этом процессе производственного элемента. В обобщенной модели производственного элемента учет взаимных влияний осуществляется во всей совокупности ресурсных компонентов, которые являются элементами сетевой системы, функционирующей в распределенном сетевом информационном пространстве. Учет взаимного влияния ресурсных компонент производственного элемента осуществляется с помощью макро-модели - Т^G_j(t), которая используется для параметрической настройки функциональных зависимостей, определяющих показатели темпов деградации (износа), описываемых производственной функцией Кобба - Дугласа, вида

w_xi(t) = [w^o_xi D^w_xi(t) u_Нi(t) h_i(t)] [Р_xi(t)]^γxxi [Р_yi(t)]^γxyi [Р_zi(t)]^γxzi,

w_yi(t) = [w^o_yi D^w_yi(t) u_Hi(t) h_i(t)] [Р_xi(t)]^γyxi [Р_yi(t)]^γyyi [Р_zi(t)]^γyzi,

w_zi(t) = [w^o_zi D^w_zi(t) u_Hi(t) h_i(t)] [Р_xi(t)]^γzxi [Р_yi(t)]^γzyi [ Р_zi(t)]^γzzi и т.д., где

w^o_xi, w^o_Yi, w^o_Zi и др. - уровни статистических для i-го производственного процесса темпов деградации ресурсных компонентов производственного элемента; D_i(t) - показатель уровня технологического способа; Р_xi(t), Р_Yi(t), Р_Zi(t) - показатели производственных потенциалов ресурсных компонентов. При Р_xi(t)≈1, Р_Yi(t)≈1 и Р_zi(t)≈1, т.е. когда сомножители близки к своим оптимальным значениям), темпы износа - w_xi(t), w_yi(t), w_zi(t) и др. будут близки к своим заданным значениям - w^o_xi, w^o_yi, w^o_zi, и др., показатели степени в характеризуют степень перекрестных влияний производственных потенциалов ресурсных компонентов, участвующих в производственном процессе, на скорость деградации друг друга и удовлетворяют условиям γ^x_xi+γ^x_yi+γ^x_zi=1, γ^y_xi+γ^y_yi+γ^y_zi=1, γ^z_xi+γ^z_yi+γ^z_zi=1; h_i(t) - коэффициент приработки (накапливания опыта) рассчитывается по формуле вида dh_i(t)/dt=ω⁰_i[1-h_i(t)/h*_i] h_i(t) (0 <h_i(t₀)<1; h*_i =1), где: ω⁰_i - коэффициент, характеризующий скорость приработки (ω⁰_i≥0); h*_i - предельный порог величины приработки.

В обобщенной модели сложной социально-технической системы учет взаимных влияний осуществляется во всей совокупности производственных элементов, которые в данном случае моделируют элементы и узлы сетевой системы, функционирующей в распределенном сетевом пространстве. Значения показателей взаимных влияний на количественные (V^m) и качественные (V^k) характеристики производственных элементов, рассчитанные на базе статистических данных, используются для параметрической настройки макро-модели - Т^G_j(t). Соответствующие векторы управления фиксируются в блоках, анализирующих интенсивности естественной и/или принудительной деградации, а также восстановления. Поскольку ресурсные компоненты подвергаются двум типам изменений - количественному и качественному, то формируются соответствующие данные в двух таблицах: таблице с показателями V^m, которые используются для параметрической настройки функциональных зависимостей, описывающих процессы количественной деградации ресурсных компонентов (таблица 2), и таблице с показателями V^k, которые используются для параметрической настройки функциональных зависимостей, описывающих процессы качественных изменений ресурсных компонентов (таблица 3).

Таблица 2

ТГ	ПЭ1	ПЭ2	. . .	ПЭN-1	ПЭN
ПЭ1	1	Vm 1/2	. . .	Vm 1/N-1	Vm 1/N
ПЭ2	Vm 2/1	1	. . .	Vm 2/N-1	Vm 2/N
. . .	. . .	. . .	. . .	. . .	. . .
ПЭN-1	Vm N-1/1	Vm N-1/2	. . .	1	Vm N-1/N
ПЭN	Vm N/1	Vm N/2	. . .	Vm N/N-1	1

Таблица 3

ТГ	ПЭ1	ПЭ2	. . .	ПЭN-1	ПЭN
ПЭ1	1	Vk 1/2	. . .	Vk 1/N-1	Vk 1/N
ПЭ2	Vk 2/1	1	. . .	Vk 2/N-1	Vk 2/N
. . .	. . .	. . .	. . .	. . .	. . .
ПЭN-1	Vk N-1/1	Vk N-1/2	. . .	1	Vk N-1/N
ПЭN	Vk N/1	Vk N/2	. . .	Vk N/N-1	1

Вектор-функция затрат ресурсных компонентов от взаимного влияния задается выражением вида

dR^m_Pi(t)/dt = h_i[t, T^G_j(t),T_i(t), G_i(t), {R_Pi(t)}, {V^m_i }_Т^G_j, U(t)],

dR^k_Pi(t)/dt = g_i[t, T^G_j(t),T_i(t), G_i(t), {R_Pi(t)},{V^k_i }_Т^G_j, U_i(t)], где

T^G_j(t) и T_i(t) - соответственно, «внешняя» макро-модель и «внутренняя» макро-модель i-го производственного элемента из состава сетевой структуры обобщенной модели социально-технической системы; {R_Рi(t)} - вектор ресурсных компонентов, функционирующих в составе обобщенной модели производственного элемента (i=1, N); N - общее количество производственных элементов (ПЭ_1…N) в составе обобщенной модели социально-технической системы {V^m_i}_Т^G_j и {V^k_i} - i-е векторы-столбцы в таблицах зависимостей ресурсных компонентов [V^m]_Т^G_j и [V^k]_Т^G_j, соответственно. Таким образом, получаемые величины значения показателей выпуска «полезного продукта» и производственных отходов анализируются в соответствии с заданными критериями и описанными состояниями управляемой системы, что обеспечивает кластерный анализ и обработку зависимостей между входными и выходными данными искусственной нейронной сети адаптивного резонанса по типу Гроссберга - Карпентера.

Критериями выполнения задачи по производству являются условия, характеризующиеся соответствием фактических (текущих) - R(T₀)/K(T₀) данных заданным (плановым) - R_З(T₀)/K_З(T₀) количественным и качественным, соответственно, показателям, производимой научно-технической продукции, а именно:

- условие №1, характеризующее количественные показатели выпуска «полезного продукта» R(T₀)≥R_З(T₀), где R(T) = ₀∫^Тr(t)d(t), T₀ - время выполнения производственной задачи, R(T₀) - интегральная продукция;

- условие №2, характеризующее качественные показатели производимой продукции K(T₀)=1-Q(T₀)≥K_З(T₀), где Q(T₀) - интегрированный показатель снижения качеств продукции.

При выполнении заданных условий в пределах установленных отклонений графический интерфейс пользователя соответствует нормальному состоянию работоспособности моделируемой социально-технической системы и соответствию заданным характеристикам выпускаемого «полезного продукта». При возникновении нештатной ситуации в производственном процессе и/или изменение значений количественных и/или качественных показателей, отличающиеся от заданных свыше установленных значений формируется сигнал и отображается необходимая информация на средствах отображения информации. Векторы управления через накопители mⁱ_r(t), где i=1, 5, поступают на переходы d_r^З (управление закупками) для обозначения необходимости оперативного решения вопросов пополнения соответствующих ресурсных компонентов и/или на блок d_r^У для сигнализации об оперативном решении задачи вывода из производственного процесса и утилизации компонентов, состояние работоспособности которых не соответствует условиям, необходимым для выполнения поставленной производственной задачи. На базе методов формирования искусственной нейронной сети адаптивного резонанса реализованы программно-технические решения интеллектуальной составляющей сетевой модели автоматизированной системы управления предприятием, которая обеспечивает распознавание состояния ресурсных компонентов по результатам анализа заданных (плановых) значений, которые сравниваются с реально наблюдаемыми показателями и данными мониторинга состояния контролируемых объектов и процессов, получаемыми от источников информации, к которым относятся датчиковая, сенсорная и прочая фиксирующая состояние объектов и процессов аппаратура. Сравнительный анализ заданных значений и текущих показателей состояния контролируемых ресурсов обеспечивает их принадлежность к одной из пяти категорий, характеризующих состояние работоспособности и/или готовности ресурсных компонентов к выполнению плановых заданий. При значениях разницы анализируемых данных в интервале между плановыми и текущими значениями в пределах, не превышающих заданных величин контролируемый ресурсный компонент автоматически относится к одному из пяти состояний.

Предлагаемая интеллектуальная системы управления предприятием на базе искусственной модели обучения с «учителем», функцию которого выполняет системный администратор (фигура 4), который вводит плановые значения и осуществляет параметрическую настройку моделей. Техническое обучение искусственной нейронной сети заключается в выявлении внутренних взаимосвязей и присущих информационному обмену между кластерами ресурсных компонентов взаимных влияний и осуществляется, в частности, с помощью примеров и статистических данных, приведенных в таблицах №2 и №3 функциональных зависимостей. Важной составной частью интеллектуальной системы управления предприятием является блок моделирования и управления (фигура 4), который обеспечивает анализ показателей основных характеристик на каждом этапе процесса производства, таких как: время выполнения (от начала до окончания каждой операции), планируемый уровень ресурсного обеспечения и фактические затраты ресурсов в каждый текущий момент времени. Особый контроль осуществляется за выполнением критически важных операций, требующих выделения дополнительного резерва времени и разумное резервирование ресурсов. Алгоритм обработки данных и оценки показателей сетевой модели предполагает параллельную работу по анализу фактических, поступающих от датчиковой аппаратуры и средств технологического контроля, данных по каждой операции с использованием методов параллельного анализа реальных мониторинговых данных и показателей сетевого планирования и управления с последующим обобщением и формированием зависимостей, обеспечивающих при возникновении признаков нештатных ситуаций применение метода «критического пути».

Программно-техническая реализация кластера имитационного моделирования выполнена в формализмах языка сетей Петри (фигура 4). В модели j-ой производственной программы i-ые производственные элементы имеют двухуровневую архитектуру в составе: верхнего уровня - информационно-психологической области (Q_i), в которой моделируются процессы, связанные с функционированием нематериальной производственной составляющей, включая формирование прогнозных моделей, вектора управления и пр.; нижнего уровня - предметной области (F_i), обеспечивающей моделирование и аналитическую обработку данных производственного процесса. Каждой (i-1, i-й) операции в сетевой модели поставлена в соответствие планка (переход) - d_i. Текущее состояние сетевой модели характеризуется маркером с сигналом, соответствующим уровню состояния работоспособности / готовности, сформировавшимся в накопителе, обозначающем событие начала выполнения i-й операции - Р_i-1, завершение выполнения (i-1,i)-й операции совпадает с открытием перехода - d_i и поступлением маркера, из накопителя - Р_i-1 в финальный для этой операции накопитель - Р_i. Переход сети - d_i открывается после того, как i-й производственный элемент, выполнит весь необходимый для этого объем работ с требуемым качеством. Сигналом об этом служит появление на управляющем входе перехода - d_i маркера, поступающего от i-го производственного элемента. Из совокупности накопителей сетевой модели формируются обобщенные накопители, которые содержат в себе n элементарных накопителей, где n равно числу входящих в него данных в виде определенного сигнала об операциях, а k - числу элементарных накопителей, равное числу исходящих из него данных о выполнении операций.

Предложенная динамическая математическая модель предприятия функционирует в облачной среде вычислений, структурированной, как искусственная нейронная сеть адаптивного резонанса Гроссберга - Карпентера. Облачная среда вычислений связана с каналами передачи данных с множеством систем «человек - машина» и/или физических предметов, соответствующих своему функциональному назначению внутри предприятия. Обеспечивается реализация функций автоматизированного управления с применением инструментария облака с оценкой производства, состояния продукции и ход выполнения работ, согласно предложенной математической модели, с соответствующей визуализацией на базе внутреннего информационного обмена и оценки текущих показателей ресурсов с заданными (контрольными) показателями.

Единое интегрированное информационно-управляющее пространство облачных вычислений с масштабируемой архитектурой сетевых потоков, кластеризацией и единым программным обеспечением сформировано на базе аппаратно-программных средств центра обработки данных путем объединения существующих вычислительных ресурсов предприятия и обеспечивает информационный обмен между всей совокупностью систем «человек - машина». Программно-аппаратная реализация единого интегрированного информационно-управляющего пространства включает распределенное хранилище данных, существующее в сетевой компьютерной среде, охватывающей все службы и подразделения предприятия, осуществляющие процессы информационного обмена между собой и информационного взаимодействия со сторонними структурами на всех этапах жизненного цикла изделий. При этом, обеспечивается доступ к информационным ресурсам и кластерным решениям, в том числе путем формирования корпоративной облачной инфраструктуры, в составе которой выделены облачные модули предприятий - соисполнителей и/или взаимодействующих организаций. В едином интегрированном информационно-управляющем пространстве функционирует единая система правил представления, хранения и обмена информацией, в соответствии с которыми протекают информационные процессы, сопровождающие и поддерживающие научно-исследовательские, опытно-конструкторские и другие инженерно-технические работы на всех этапах жизненного цикла изделий. Информация, однажды возникшая на каком-либо этапе жизненного цикла, сохраняется в едином интегрированном информационно-управляющем пространстве и становится потенциально доступной всем участникам проекта, что позволяет избежать дублирования, перекодировки и несанкционированных изменений данных, уменьшить число ошибок, сократить затраты труда, времени и оптимизировать все виды ресурсов.

Реализация интеллектуальной составляющей процесса интеллектуального управления большими данными осуществляется с использованием функциональных свойств облачной платформы, в состав которого, в том числе, входят масштабируемые по горизонтали средства программно-математического обеспечения, обеспечивающие массово-параллельную обработку поступающей информации, такие как система управления базами данных, включая использование графовых хранилищ NoSQL; программное обеспечение на базе программных каркасов, обеспечивающих объединение различных программных модулей; файловую систему HDFS на базе Hadoop для ведения библиотеки проекта. Кроме того, облачная инфраструктура обеспечивает реализацию аналитической функции оценки производства, состояния продукции и ход выполнения работ с соответствующей визуализацией на базе внутреннего информационного обмена и оценки текущих показателей ресурсов с заданными (плановыми) значениями. Пользователям этой системы предоставляется право доступа к сервисам, обеспечивающим аналитическую обработку данных о ходе выполнения проекта, контроль текущего состояния ресурсных компонентов и выявление признаков нарушения заданных производственных показателей; прогнозное моделирование и автоматическую оценку состояния изделий в режиме псевдореального времени на протяжении всего жизненного цикла научно-технической продукции, включая ход выполнения работ по разработке, созданию, эксплуатации вплоть до утилизации; автоматизированное проектирование, логистическое сопровождение, контроль и учет всех видов ресурсных компонентов; автоматизацию работ с конструкторской, технической и эксплуатационной документацией, включая функцию документирования, учета и контроля реализации мероприятий сетевого планирования и управления, определяющих состояние изделия на каждом этапе жизненного цикла; автоматический обмен данными и сравнительный анализ показателей бухучета, планово-экономической деятельности и моделей анализа показателей текущего состояния ресурсов в сравнении с заданными (плановыми) значениями; автоматизированное управление производством, включая высокую достоверность и оперативность контроля и оценки качественных и количественных показателей.

Облачная инфраструктура обеспечивает синхронизацию данных всей совокупности корпоративных облачных платформ и тем самым обеспечивает высокий уровень сохранности и в то же время доступности значимой информации. В едином интегрированном информационно-управляющем пространстве выделены функциональные модули облачных вычислений, включая: «Управление виртуальными машинами на базе операционной системы семейства Linux»; «Управление хранилищами данных» (в том числе управление мультимедийными хранилищами); «Управление сетевыми ресурсами» (в том числе IP-адресами, доменами и т.п.); «Алгоритмы автоматического масштабирования ресурсов»; «Мониторинг ресурсов и информационная поддержка жизненного цикла научно-технической продукции и ресурсных компонентов производителя»; «Мониторинг целостности и обеспечения комплексной безопасности»; «Шаблоны операционной системы семейства Linux для WEB»; «Управление виртуальными машинами на базе ОС Windows»; «Контроль состояния и тестирования облачных приложений и WEB-сайтов»; «Управление сетевой географически распределенной системы хранения данных»; «Сервисы геоинформационных систем»; «Контрагенты».

Составной частью системы, с помощью которой осуществляется настройка и управление функционалом обобщенных производственных элементов, является автоматизированное рабочее место системного администратора (фигура 4), которое представляет собой аппаратно-программный комплекс головного исполнителя проекта. В реализации функции системного администрирования, информационно-аналитического обеспечения и управления участвуют аппаратно-программные комплексы центра обработки данных в составе: «Блока моделирования и управления», обеспечивающего моделирование, аналитическую обработку данных о количественных и качественных характеристиках научно-технической продукции, формирование управляющих сигналов и пр. (Q_i - процессы), «Блока ресурсного обеспечения», осуществляющего контроль за обеспечением производственного процесса ресурсными компонентами (F_i. - процессы) и «Блока мониторинга ресурсов», выполняющего функцию контроля и аналитической оценки состояния производственной готовности ресурсных компонентов исполнителей. С автоматизированного рабочего места системного администратора осуществляется, в том числе, управление распределением имеющихся и планированием требуемых ресурсов, включая стимулирующую и мотивационную составляющие морально-психологического ресурса, обеспечивающие своевременное и качественное выполнение плановых заданий.

В части аппаратно-программных решений единое интегрированное информационно-управляющее пространство характеризуется следующими особенностями, обеспечивающими высокую эффективность использования вычислительных ресурсов действующих сервисов, в том числе: двухуровневая система хранилища файлов, что обеспечивает автоматическое перемещение наиболее часто используемых файлов в «горячее» хранилище на базе полупроводникового энергонезависимого накопителя SSD; автоматическое и/или управляемое выделение необходимого количества информационных ресурсов и постоянных запоминающих устройств через WEB-интерфейс в зависимости от нагрузки; отображение текущих параметрических характеристик состояния виртуальных машин и облака в целом; интерфейс доступа к информационным ресурсам и прикладного программирования REST API на базе протоколов прикладного уровня передачи данных и текстовых форматов HTTP/JSON.

Таким образом, предлагаемое изобретение обеспечивает высокий уровень автоматизации процессов управления производственной и/или научно-исследовательской и опытно-конструкторской деятельностью предприятия, а также жизненным циклом научно-технической продукции, на базе кластерного анализа и прогнозного моделирования искусственной нейронной сети адаптивного резонанса, имитационного моделирования производственных процессов, компьютерного сетевого администрирования и управления проектами в едином интегрированном информационно-управляющем пространстве и облачной вычислительной среде, что обеспечивает высокую оперативность управления производством, достоверность контроля и оценки состояния качественных и количественных показателей продукции на всех этапа жизненного цикла.

Интеллектуальная система управления предприятием, включающая аппаратно-программный комплекс, обеспечивающий функционирование математической модели на основе производственной функции Кобба-Дугласа в формализме сетей Петри, построенной по кадровой, материально-технической, инфраструктурной, географической, технологической, организационной, информационной, морально-психологической характеристикам, связанный каналами передачи данных с множеством систем «человек-машина», соответствующих заданному функциональному назначению,

отличающаяся тем, что упомянутый аппаратно-программный комплекс обеспечивает функционирование динамической математической модели предприятия в единой для предприятия облачной среде вычислений с масштабируемой архитектурой сетевых потоков, кластеризацией и единым программным обеспечением, структурированной на основе искусственной нейронной сети адаптивного резонанса, находящейся под управлением аппаратно-программного комплекса администратора, обеспечивающего обучение искусственной нейронной сети и распределение ресурсов предприятия, и связанной каналами передачи данных с множеством систем «человек-машина» и аппаратурой, фиксирующей состояние объектов и процессов на предприятии,

причём для построения математической модели предприятия помимо перечисленных кадровой, материально-технической, инфраструктурной, географической, технологической, организационной, информационной, морально-психологической характеристик используют его финансовую характеристику, принимая в качестве основной - морально-психологическую характеристику,

при этом искусственная нейронная сеть адаптивного резонанса выполнена с возможностью в случае возникновения несоответствий в наблюдаемом состоянии объектов и процессов на предприятии текущих значений количественных и качественных показателей заданным показателям формировать сигналы с соответствующими управляющими векторами, формирующими команды управления для выполнения корректирующих действий по поддержанию и/или восстановлению соответствия текущих значений показателей заданным, при этом при возникновении нештатной ситуации в производственном процессе и изменении значений количественных или качественных показателей, отличающихся от заданных свыше установленных значений, формируется управляющий сигнал и отображается соответствующая информация на средствах отображения информации, а управляющие векторы сигнализируют необходимость оперативного решения вопросов пополнения соответствующих ресурсных компонентов и/или сигнализируют об оперативном решении задачи вывода из производственного процесса и утилизации компонентов, состояние работоспособности которых не соответствует условиям, необходимым для выполнения поставленной производственной задачи.