Книга «Живая организация». Генетические алгоритмы в производственных процессах

Возвращаюсь к книге «Живая организация» Кристофера Мейера и Стэна Дэвиса и в заключительном посте публикую примеры синтеза информационных технологий и генетических алгоритмов.

Запуск эволюции производственных графиков в машиностроительной компании
«В начале 90-х годов служащие Deere применяли очень большие таблицы, пытаясь создавать графики сборки. Нужно было наилучшим образом использовать ресурсы для производства наибольшего количества машин, чтобы удовлетворить огромные потребности в их разнообразии.

Производительность фабрик была неудовлетворительной. Из-за этого фермерам приходилось долго ждать своего оборудования, а рабочим и менеджерам — своей зарплаты и премий. В поисках более эффективных решений Deere обратилась к компании Optimax Systems (которую впоследствии приобрела компания i2 Technologies), чтобы та «запустила процесс эволюции» графиков с помощью генетических алгоритмов.

Созданная Optimax система сначала устанавливает, сеялки каких конфигураций необходимо собрать, и создает потенциальные графики их сборки. Затем основанная на агентах модель рассматривает каждый график, оценивая его «жизнеспособность», моделируя его производительность. Далее на основании этих оценок популяция отбраковывается — в этом in silico окружении происходит направленный отбор. Самые лучшие графики в популяции выживают, самые худшие вымирают.

Затем выжившие графики порождают следующее поколение графиков, и процесс повторяется. Размножение графиков происходит с помощью алгоритма Холланда. Это строгий способ рекомбинировать фрагменты графиков, чтобы создать дочерний график. Каждую ночь этот процесс повторяется примерно 40 000 раз. И на следующий день работой фабрики управляет самый «живучий» график.»


Производственные графики крупной компании рассчитываются ежедневно.


Распознавание рукописного текста с помощью самообучающихся программ
«Больше всего впечатляет проект Convera по разработке компьютерной программы, которая может распознавать рукописный шрифт канджи, японское иероглифическое письмо, и т.д. Проблема состояла в том, чтобы найти способ распознавать 60 000 символов, даже если бы их писали миллионы разных людей с очень разным почерком, самыми разными пишущими инструментами и на совершенно разной поверхности.

Найденное решение никак не касалось понимания японского языка. Компания создала миллионы свободных цифровых «микробов» и спросила их: «Приходилось ли вам видеть что-то похожее на это?» Оставались в живых и передавали свой опыт только те «микробы», чей поиск оказывался успешным. Поэтому со временем растущая популяция цифровых организмов обнаруживала образцы, которые не были замечены раньше, и запускала автоматический процесс категоризации.

Метод оказался особенно успешным в решении проблем, требующих очень сложных вычислений.»


Задача по распознаванию иероглифов решена красиво и с восточным изяществом.

Перебор тысяч вариантов конструкции с помощью подбора «цифровых хромосом»
«В подразделении реактивных двигателей General Electric действует разработанный компанией пакет генетических алгоритмов и экспертных систем под названием Engineous. Этот пакет уже помог создать двигатель для авиалайнера Boeing-777. Во время разработки строгих спецификаций для этого авиалайнера инженеры GE выяснили, что упрощение конструкции компрессора двигателя может оказаться очень полезным для всего проекта. Однако компрессор уже был упрощен до такой степени, что разработчики не могли провести даже небольшие усовершенствования. Система Engineous запустила дальнейшую эволюцию разработки, и это намного улучшило ее параметры при условии соблюдения множества ограничений.

Инженеры ввели в программу важнейшие параметры разработки и сделали простое, но важное предложение: разработать компрессор с шесть ступенями (раньше компрессор имел семь ступеней). «Преимущество нового компрессора состояло в уменьшении его веса, основной операционной переменной. Мы просто искали новые идеи, и нам было любопытно, на что способна Engineous, - говорит Питер Финниган, менеджер исследований этого проекта. – Программа показала очень мощные результаты».

Engineous закодировала каждый фактор разработки в виде «цифровой хромососы». Затем она смешала все «хромосомы» и создала экспериментальные варианты конструкции. После бридинга и тестирования жизнеспособности, напоминающего программу создания производственных графиков в компании Deere, GE получила жизнеспособную конструкцию шестиступенчатого компрессора. Весь этот процесс занял чуть меньше недели.»


Компания General Electric остается флагманом в области производства наукоемкой техники

Предыдущие посты по книге «Живая организация»:

Книга «Живая организация». Какие бывают агенты

Книга «Живая организация». Требуется гуманитарная революция

Книга «Живая организация». Агенты

Книга «Живая организация». Нестабильность окружающего мира

Книга «Живая организация». Авторы забыли рассказать о самом мире