ПРЕДПРИЯТИЕ БУДУЩЕГО. Цифровая экосистема. Ч.1.

Развитие предприятия и в частности технических, технологических, а так же автоматизированных систем и вместе с тем тесная связь с информационной средой является концептуальной задачей будущего перевооружения и возможного революционного изменения. В настоящее время вектор развития с большой долей вероятности может быть определен, как быстрая адаптация средств производства и технологий согласно изменяющемуся информационному потоку. Применение методов искусственного интеллекта (ИИ) и в будущем на микроуровне использование нанотехнологий и т.п. будут задавать такой вектор развития.

Для помощи в принятии решения по необходимым изменениям необходим первичный анализ состояния систем и затем сформированное направление развития. Для таких целей целесообразно представлять состояние проблем предприятия через цифровые коэффициенты. В последствии, новое информационное состояния может быть спрогнозирована с использованием интеллектуальных агентов ИИ.
В таком контексте информационного ландшафта представление о метрическом пространстве, как возможности измерения состояния ИТ систем и направления изменений значительно упрощает поставленную задачу. Дополнительно отметим, что, как информационное, так и физическое состояние может быть так же определенно в будущем в процессе самоорганизации.

После разработки “Модели уровня(степени) автоматизации“ и получения интегрального коэффициента автоматизации "Ка"[1], как и получения других коэффициентов связанных с различными аспектами и факторами развития предприятия, стратегию модернизации можно связать с концепцией развития на основе выстроенных метрик по каждой проблеме состояний. За основу могут быть взяты коэффициенты отражающие в количественном виде основные технологические процессы, вспомогательные процессы и обслуживающие процессы. Рассмотрим пока цифровое представление проектов предприятия -- технологической подготовки производства или действующих и проектируемых систем.

Цифровое представление систем

Метрика это — единица измерения интересующего значения (расстояния) между двумя параметрами_ K₁,K₂_ (уровень автоматизации, функциональности, готовности по какому-то аспекту и т.п.).

На рис.1 в пространстве автоматизации технологической подготовки производства (ТПП) развитие рассматривается по трем координатам [2]. Оценка подсистемы, задачи — S(K'), этапы проектирования — D, Вид обеспечения — K в числовом виде от 0 до 100% (0--1).

Для расстояния d(K₁,K₂) между K₁ и K₂ числовая функция d, определяемая, как |K₂ - K₁| зависит от выделяемых финансовых средств, образуя метрическое пространство. Инвест-проекты в таком пространстве отражают переход от фактических параметров к целевым с различными значениями d и выделяемых финансов:

В начале это будет один показатель, коэффициент автоматизации K'a либо при разбиение по «типу задач» или модулей ряд показателей — k'₁, k'₂, ...k'_n для одномерного пространства, где k'₁ – уровень автоматизации, k'₂ – уровень функциональности, k'₃ – информатизации, k'₄– готовности по какому либо аспекту и т. д. Для системы в двухмерном измерении будет учитываться «этапы проектов»(D) для представления системы от предпроектного состояния - d₁ _ до состояния эксплуатации - d₆. В трехмерном измерении добавляется показатель «вид обеспечения»(K) (методическое - k₁_, информационное - k₂, техническое - k₃ и т.д.), характеризующее полноту модернизируемой системы. Учитывается доля реализации для всех трех показателей независимо от 0 до 1

Окончательно это будет разбиение по типу задач, модулей системы с обобщающим показателем инновационности Ки(k'₁,k'₂,...,k'n), этапами выполнения D(d₁,d₂,...,dn) и видом обеспечения K(k₁,k₂,...,kn) см. рис.2 3D метрическое представление состояния систем предприятий.

                              рис.2

Весь набор метрик составляет n- мерное пространство значений таких переходов и необходимые финансовые средства. Интегральный показатель цифровой платформы технических систем может отображаться вектором E(k'_i,d_j,k_k) с числовым значением по каждой из координат. Инвест-проект развития предприятия от фактического состояния к целевому будет записываться, как E^ф → E^ц в цифровом виде и необходимыми финансовыми средствами.

Для автоматизации получения таких оценок систем предприятия в реальном времени целесообразно использовать интеллектуальные агенты, которые широко применяются в имитационном моделировании, для исследования децентрализованных систем.

Агентное управление

Агентное моделирование, направление, которое получило свое новое развитие с 90-ых г. Агентное управление предприятием прогнозируется на основе агентов с ИИ. Модуль принятия решений, способный посредством взаимодействия с внешней средой и анализа оценочной функции (функции платежа) корректировать стратегию принятия решений, называется агентом. Задачей агента является нахождение в процессе обучения оптимальной или допустимой стратегии принятия решений, называемой также политикой [3,4]. Осуществляется поиск по статистическим государственным базам данных актуальной информации по значимым проблемам деятельности предприятия и выдача для ЛПР рекомендаций или само решение по необходимым мероприятиям — технологические, организационные, технические, управленческие.

Необходимо все время актуализировать информацию по целям и сопоставлять ее с ресурсами и задачами предприятия в БД - распределенном реестре контроля состояний, блокчейне. Агент учится постоянно маскимизировать свое вознаграждение в долгосрочной перспективе, при достижении поставленных целей на основе обратной связи от окружающей среды [4]. Происходит сдвиг уровня принятия решений в сторону смещения баланса: «Ручное управление → ИИ».
Сейчас такие БД и распределенные технологии получили название блокчейн. С ними связывают при построении сети майнинг криптовалют и в своем роде такое же вознаграждение при создании таких блоков. В контексте работы агента эти блоки рассматриваются помимо транзакционной нагрузки еще и как часть БД о ресурсах и инфраструктуре объекта. Не сложно предположить, что майнинг криптовалют в такой сети так же будет отвечать информационной нагрузке при работе агента ИИ на благо информационной платформы предприятия. А вознаграждение за его деятельность и будет являться, а так же коррелировать с майнингом криптовалют.

В перспективе реализуется нацеленность технологической и программно-технической среды к более интеллектуальному принятию решений на основе агентной реализации сбора и обработки информации. Самоадаптация технологической, информационной среды на основе данных агентов, поэтому помимо средств ИИ необходима разработка гибких средств производства, технологий и более гибкого информационного состояния, что должно соответствовать генерируемым цифровым криптовалютам и технологиям (3D принтеры, квантовые технологии, майнинг криптовалюты, блокчейн...).

Агенты строят технологическую карту производства подобно работе навигатора - изменяют и адаптируют ее в зависимости от условий и т. д., а метрики(коэффициенты) дают понимание уровень состояния (производства, техники, управления и т.п.). Информационная среда, в свою очередь, создает капитализацию предприятия, а информационные мощности обуславливают соответствие эммитируемым криптовалютам-токенам, определяя технологичность и устойчивость производства. Об этом в следующей части статьи.

Заключение

В подобном, структурно-блочном виде метрическое пространство систем дает детальное понимание, оценку и направления развития с векторами — измеримыми показателями приемлемой формы состояний, поиск которых осуществляется в автоматическом режиме интеллектуальными агентами ИИ. Основывая свои качественные описания на количественных значениях – коэффициентах, такое представление дает дополнительную наглядность в развитии процессов, реализованных в настоящее время или в будущем в различных системах.

Появляется возможность получать ответы на ряд вопросов: в каком состоянии находится предприятие, куда направлен вектор развития, что для этого надо и какое необходимо финансирование? Динамика ситуации при таком представлении систем на цифровой платформе предприятия при различном роде финансирования, включая криптовалюты, дополняют разные неожиданные новации, которые необходимо доступно представлять и легко интерпретировать. Для отображения всех процессов служит карта развития систем предприятия — 3D метрическое представление систем производства.

Литература

1. Кузьмин Ю. Б. Моделирование степени автоматизации иерархических систем управления на примере АСУ ТП предприятия. // Промышленные АСУ и контроллеры, 2017. № 6.
2. Куликов Д.Д., Яблочников Е.И, Применение оценочных метрик для анализа технологической подготовки производства. // Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики 2011, №6.
3. Еремеев А.П., Кожухов А.А. Анализ и разработка методов обучения с подкреплением на основе темпоральных различий для интеллектуальных систем реального времени //XV национальная конференция по искусственному интеллекту с международным участием КИИ-2016. Труды конференции. В 3-х томах., Смоленск: Универсум, 2016, 1, с.323-331, -408с.
4. Саттон Р.С., Барто Э.Г. Обучение с подкреплением. – М.:БИНОМ. Лаборатория знаний, 2014

Продолжение статьи здесь https://golos.io/ru--blokcheijn/@yuko/predpriyatie-budushego-cifrovaya-ekosistema