Авторефераты по всем темам  >>  Авторефераты по техническим специальностям  

На правах рукописи

АХОХОВ АСЛАНБЕК ЧЕЛИМАТОВИЧ

АВТОМАТИЗАЦИЯ ЭКОНОМИКО-СТАТИСТИЧЕСКОГО ПЛАНИРОВАНИЯ И АНАЛИТИКО-ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ НА ПРОТЯЖЕННЫХ ОБЪЕКТАХ

Специальность 05.13.06 Ц Автоматизация и управление технологическими процессами и производствами (промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

доктора  технических наук

Москва - 2008

Работа выполнена на кафедре Автоматизированные системы управления в Государственном образовательном учреждении высшего профессионального образования Московском автомобильно-дорожном институте (государственном техническом университете).

Официальные оппоненты:	доктор технических наук, профессор СУВОРОВ Дмитрий Наумович, профессор МАДИ(ГТУ)
	доктор технических наук, профессор ЧЕРНЕНЬКИЙ Валерий Михайлович, профессор МГТУ им.Н.Э.Баумана
	доктор технических наук, доцент ПОПОВ Дмитрий Иванович, профессор Московского государственного университета печати

Ведущая организация: Российский научно-исследовательский институт информационных технологий и систем автоматизированного проектирования (Рос НИИ ИТ и АП), г. Москва.

Защита состоится 9 декабря 2008г.  в 10.00 на заседании диссертационного совета  Д212.126.05 Московского автомобильно-дорожного института (государственный технический университет) по адресу: 125319, ГСП А-47, Москва, Ленинградский пр., д.64.

С диссертацией можно ознакомиться в библиотеке МАДИ(ГТУ).

Текст автореферата размещен на сайте Московского автомобильно-дорожного института (государственного технического университета): www.madi.ru

Автореферат разослан  _____________________ 2008г.

Отзыв на автореферат в одном экземпляре, заверенный печатью, просим направлять в адрес совета института.

Ученый секретарь

диссертационного совета,

кандидат технических наук, доцент                                Михайлова Н.В.

Общая характеристика работы

Актуальность проблемы

В настоящее время на предприятиях, обслуживающих протяженные объекты, установлены и используются нормативно-правовые базы данных, информационно-справочные системы, содержащие данные о транспортных средствах. Вместе с тем, прошедший этап можно охарактеризовать только как этап первоначального создания и внедрения разрозненных информационных и телекоммуникационных технологий при организации работ на протяженных объектах. Связь с региональными структурами не отвечает современным требованиям. Все это приводит к необходимости создания системы мониторинга, сложность построения которой обусловлена комплексным характером взаимосвязей как внутри отдельных предприятий, так и необходимостью учета взаимосвязи отдельных структурных подразделений в рамках повышения эффективности выполнения работ на протяженных объектах.

Организационный и технологический уровень производства работ на протяженных объектах различного назначения определяется в первую очередь уровнем автоматизации технологических процессов и производств, концентрацией и технологической специализацией участвующих в производстве предприятий, организационной и технологической подготовкой организуемого производства, оперативно-диспетчерским управлением ходом работ и др.

При этом использование методов и средств автоматизации повышает требования и к самим участникам процесса производства работ, заставляя пересмотреть устаревшие методы организации работ, стремясь к системности и эффективности частных инженерных решений, более полному использованию резервов роста  технического уровня и качества работ.

Современные системы менеджмента качества для предприятий промышленного комплекса, обеспечивающих производство работ на протяженных объектах, дают стратегическую цель и планирование, концентрацию действий на наиболее существенном, уменьшение "холостых усилий", улучшение реализации целей предприятий, а также улучшение информационных потоков, снижение проблем в коммуникации, концентрацию информации, повышение наглядности административных процессов, совершенствование общего менеджмента.

Перечисленные мероприятия способствуют интенсификации производства, снижению затрат на проводимые работы, обеспечивая значительный экономический эффект. Однако ещё больший эффект может быть получен в результате комплексной автоматизации производства работ - при представлении процессов производства материалов и деталей, их транспортирования на объекты и организации работ по их использованию непосредственно на объектах - в виде единой цепи взаимосвязанных подсистем. Необходимость и эффективность автоматизации технологических процессов производства работ на протяженных объектах, в том числе городских магистралях, путепроводах и т.п. не вызывает сомнения.

Предметом исследования является система управления производственными процессами на протяженных объектах при наличии множества предприятий, обслуживающих объекты, а также технологии сбора, передачи и аналитической обработки данных о производственных показателях при выполнении работ на протяженных объектах регионального уровня.

Цель и основные задачи исследования

Целью работы является комплексная автоматизация экономико-статистического планирования и аналитико-имитационного моделирования производственных процессов на протяженных объектах на основе создания формализованных методов и моделей в рамках единого программно-моделирующего комплекса в системе поддержки принятия решений (СППР) по управлению работами на протяженных объектах регионального уровня.

Для достижения данной цели в работе решаются следующие задачи:

• системный анализ методов и моделей функционирования предприятий, обслуживающих протяженные объекты;
• разработка методов и моделей оценки эффективности первоначального размещения элементов протяженного объекта;
• разработка системы критериев завершенности работ на протяженных объектах;
• разработка инструментальных средств формирования имитационных моделей функционирования предприятий, обслуживающих протяженные объекты, а также моделей транспортировки и управления запасами;
• разработка методов кластеризации и классификации протяженных объектов и предприятий, выполняющих работы на них;
• разработка методики закрепления объектов за предприятиями в условиях неопределенности цен и времен транспортировок материалов и комплектующих;
• разработка системы мониторинга и методик сбора, аналитической обработки и представления результатов анализа выполнения работ;
• программная реализация распределенной системы мониторинга за состоянием работ и их завершенности на протяженных объектах регионального уровня.

Методы исследования

При разработке формальных моделей компонент системы мониторинга в диссертации использовались методы общей теории систем и классический теоретико-множественный аппарат. Анализ показателей завершенности работ на протяженных объектах проводился на реальных статистических данных, обработка которых выполнялась с помощью методов регрессионного, факторного, кластерного и других методов многомерного статистического анализа с использованием математических и статистических пакетов.

Научная новизна

Научную новизну работы составляют методы, модели, алгоритмы, структура системы мониторинга и методики сбора и аналитической обработки данных, а также планирования работ на протяженных объектах.

На защиту выносятся следующие основные научные результаты:

• формализованное описание критериев завершенности объектов;
• имитационные модели компонентов системы управления работами на протяженном объекте;
• методика кластеризации и классификации протяженных объектов и предприятий, выполняющих работы на них;
• инструментальные средства формирования имитационных моделей функционирования предприятий;
• модель и методика закрепления объектов за предприятиями в условиях неопределенности цен и времен транспортировок материалов и комплектующих;
• методика сбора, аналитической обработки и представления результатов анализа выполнения работ на протяженных объектах;
• архитектура программного комплекса распределенной системы мониторинга за состоянием работ и их завершенности на протяженных объектах регионального уровня.

Достоверность научных положений, рекомендаций и выводов

Обоснованность научных положений, рекомендаций и выводов определяется корректным использованием современных математических методов и моделей, предварительным статистическим анализом динамики показателей отдельных предприятий, а также согласованностью результатов аналитического и имитационного моделирования. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения основных положений работы на ряде предприятий.

Практическая ценность и реализация результатов работы

Научные результаты, полученные в диссертации, доведены до практического использования на предприятиях, обеспечивающих выполнение работ на протяженных объектах. Они представляют непосредственный интерес в области комплексной автоматизации и мониторинга работ на протяженных объектах. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения на ряде предприятий, а также используются в учебном процессе на кафедре АСУ МАДИ(ГТУ).

Апробация работы

Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение:

• на Российских и межрегиональных научно-технических конференциях и семинарах (2003-2008г.г.);
• на заседании кафедры АСУ МАДИ(ГТУ).

Совокупность научных положений, идей и практических результатов исследований в области автоматизации мониторинга работ на протяженных объектах составляет решение крупной научной проблемы в области создания информационно-аналитических систем поддержки принятия решений по управлению работами на протяженных объектах, имеющей важное значений для экономики страны.

Содержание работы

Структура работы соответствует списку перечисленных задач, содержит описание разработанных методов, моделей и методик.

Во введении обосновывается актуальность работы. Рассматриваются основные проблемы создания информационно-аналитических систем управления работами на протяженных объектах. Сформулирована цель работы и основные задачи. Приведено краткое описание содержания глав диссертации.

В первой главе диссертации проводится системный анализ функционирования предприятий, обеспечивающих выполнение работ на протяженных объектах. Рассмотрены методы и модели оценки состояния производственных процессов для решения задач организации и оптимизации процессов управления.

Главным принципом организации работ при этом считается максимальное использование комплекта технологических и транспортных машин и синхронной деятельности предприятий различных отраслей, обеспечивающих выполнение работ на протяженных объектах при условии строгого соблюдения технологии работ, операционного контроля качества, значительного повышения уровня организации и автоматизации производства.

Схема модели управления предприятием

Рис.

1.

Производственный процесс предприятий, обеспечивающих выполнение работ на протяженных объектах, с позиций системного подхода включает в свой состав не только производителей работ, но и поставщиков материальных ресурсов, различных обеспечивающих организаций, транспорт и т.п. Каждое из предприятий может иметь свои цели, задачи и функции. Поэтому в систему управления должны войти теми или иными способами все отмеченные объекты, что позволит применить комплексный подход к управлению производственной деятельностью. Такой комплексный подход к управлению предприятиями отражен на схеме модели управления (рис.1), которая позволяет выявить УузкиеФ места производственных процессов и предложить мероприятия по их устранению.

В диссертации проведен анализ формализованных моделей процессов транспортировки сырья, материалов и комплектующих на объекты с точки зрения планирования цепи поставок. В качестве базовой использована модель с двухуровневым представлением, где верхний уровень представляет передвижение транспортных средств (ТС), а нижний уровень перемещение грузов (материалов, деталей, комплектующих и др.). Топология сети верхнего уровня определяется схемой маршрутизации потоков ТС. Механизм блокировок (ожидание транспортировки) в общей сети (иерархическое представление) рассматривается как реализация случайного процесса.

В качестве базовых моделей управления запасами выбраны рекуррентные схемы случайных процессов. В общем случае, запас - это количество комплектующих, хранящихся на складе с целью будущего использования при реализации производственных процессов на объектах. В случае дискретного времени величина запаса Zn определяется рекуррентным соотношением:

Zn+1 = Zn + ηn+1 - f(Zn+1 + ηn+1 , ξn+1),

(1)

где ηn+1 - количество ресурсов на складе в момент n+1; ξn+1 -  потребность в ресурсах в интервале (n, n+1];  f(Zn+1 + ηn+1 , ξn+1) - количество освоенных ресурсов в момент (n+1). Предполагается, что потребности в ресурсах ξ1, ξ2, Е - взаимно независимые одинаково распределенные случайные величины; заказы осуществляются в соответствии с некоторой политикой заказывания, а функция f определяется этой политикой.

В качестве базовой модели отображения хода производственных процессов в диссертации принята модель сетевого планирования производственной деятельности.

Сетевая модель связности этапов

Рис.

2.

В модели предполагается, что имеется множество производственных этапов {Wi} i=1..I. Время реализации этапа - Ti. Параллельно может выполняться множество этапов. Между реализацией этапов существует логическая взаимосвязь, которая определяется технологическими особенностями. Формально сетевая модель представляет собой взвешенный орграф G (рис.2.):

G=<{Wi: i=1.. Io}, {Ej,j : i,аj=1.. I}>,

(2)

где {Wi} - множество вершин графа G, соответствующих этапам производственного цикла; {Ei,j}а-амножество дуг графа G, которые определяются технологическими ограничениями к последовательности реализации этапов (наличие дуги определяет Ei,j=1). В качестве модели этапа в общей структуре сетевого планирования используется рекуррентная схема, концептуально подобная алгоритму имитационного дискретно-событийного моделирования, где OutWi - оператор, который реализуется по завершению этапа Wi; InWi(k) - оператор инициализации начала этапа i , где k - номер завершенного этапа.

В качестве инструментов оценки риска при принятии решений по планированию производственной деятельности используются дисперсия, стандартное отклонение и коэффициент вариации. Эти характеристики полезны в случае, когда можно сравнить меру рискованности нескольких альтернативных вариантов. При этом:

,

(3)

где NPVexp - ожидаемая чистая приведенная стоимость; CashFlowi- ожидаемая стоимость денежных потоков в году t, r - норма дисконтирования с учетом риска; n - срок жизни проекта (число лет).

Основой разработки для методов моделирования хода реализации работ на протяженном объекте является его распределенная структура с множеством компонентов и обслуживающих их предприятий (рис.3.)

Задачи размещения

Рис.

3.

Исходя из проведенного анализа, в диссертации ставится задача интеграции разнородных моделей. Так, статистические модели необходимы для представления результатов выполнения работ на протяженном объекте и планирования производственной деятельности. Имитация необходима для разработки адекватных моделей представления процессов транспортировки, складирования и др. Параметризация имитационных моделей осуществляется на основе статистических моделей вместе с системой мониторинга, которая имеет соответствующую информационную поддержку. В свою очередь имитационные модели, как модели анализа, являются основой для аналитических моделей оптимизации (рис. 4.). 

Взаимосвязь методов и моделей

Рис.

4.

Во второй главе диссертации решаются задачи первичного географического размещения элементов протяженного объекта, которые связаны с решением проблем наилучшего расположения таких систем, как промышленные предприятия, объекты обслуживания, склады и т.д. Математическая структура задачи размещения определяется конфигурацией области допустимых точек и способом оценки качества размещения. В работе рассмотрены такие задачи размещения, для которых область допустимых точек размещения центров обслуживания представляет некоторый граф, т.е. элементы протяженного объекта могут располагаться в какой-либо вершине или на какой-либо дуге графа.

При этом имеют место четыре постановки задачи, которые параметризуются различными сочетаниями весовых коэффициентов графа:

1.аПредполагается, что необходимо построить, например, новый пост технического обслуживания, который должен обслуживать несколько объектов. Этот пост должен располагаться возле какой-либо из автомагистралей, но так, чтобы минимизировать расстояние до наиболее отдаленного от нее объекта. Если автомагистраль изображается ребром графа, то задача размещения пункта становится задачей такого размещения точки на ребре графа, при котором минимизируется расстояние вдоль ребер (автомагистралей) от этой точки до наиболее удаленной вершины графа (объекты).

2.аПредполагается, что на протяженном объекте должен быть размещен, например, склад таким образом, чтобы минимизировалось суммарное расстояние от него до каждого из объектов. В данных случаях по существу рассмотрены одинаковые задачи. Они отличаются только критерием оценки качества размещения. В варианте 1 минимизируется максимальное расстояние; в варианте 2 минимизируется сумма расстояний. Точка размещения, выбранная в соответствии с первым критерием, т. е. точка, в которой минимизируется максимальное расстояние до всех вершин графа, представляет центр. Точка же, выбранная в соответствии со вторым критерием, т. е. точка, в которой минимизируется сумма расстояний до всех вершин графа, представляет медиану.

3.аПредполагается, что необходимо разместить, например, станцию технического обслуживания для оказания помощи водителям, нуждающимся в помощи на каком-либо из участков протяженного объекта. Предположим, также, что критерием качества размещения этой станции является минимум максимального расстояния, которое автомобиль-тягач должен преодолеть до возможного места аварии. В этом случае вместо максимального расстояния до всех вершин графа (как это делается в варианте 1) должно рассматриваться максимальное суммарное расстояние до всех точек всех ребер графа.

4.аПредполагается, что на протяженном объекте для размещения, например, диспетчерского пункта должно быть выбрано место в каком-либо месте вдоль какой-либо автомагистрали. Место размещения должно быть выбрано так, чтобы минимизировалась суммарная протяженность всех линий передачи данных, которые будут проложены между диспетчерским пунктом и объектами.

Множество рассматриваемых вершин в графе G содержит вершины с номерами от 1 до n. Рассмотрим произвольную дугу (i,j), длина которой равна a(i, j)>0. Пусть f обозначает точку (f-точка) на дуге (i,j), которая для всех 0f1 отстоит на f⋅a(i, j) единиц от вершины i и на (1Чf)⋅a(i, j) единиц от вершины j. Таким образом, вершины графа также могут рассматриваться как точки дуг. Обозначим через X множество всех вершин графа. Пусть через Р обозначается множество всех точек. Таким образом, РЧX является множеством всех внутренних точек.

Пусть d(i,j) представляет длину кратчайшего пути из вершины i в вершину j. Через D обозначим матрицу n×n, в которой элементом (i,j) является d(i, j). Элементы матрицы D представляют расстояния вершина Ч вершина. Для вычисления элементов матрицы D может быть использован алгоритм Флойда или алгоритм Данцига. Через d(fЧ(r,s)j) обозначим длину кратчайшего пути от f-точки на дуге (r,s) до вершины j. Эта величина представляет расстояние точка Ч вершина.

Рассмотрим далее наименьшее расстояние от вершины j до каждой точки на дуге (r, s). Для некоторой точки на дуге (r, s) это расстояние принимает максимальное значение. Обозначим его через d'(j,(r,s) - расстояние вершинаЧдуга. Если дуга (r,s) неориентированная, то имеются два маршрута движения из вершины j в f-точку на дуге (r, s): через вершину r или вершину s.

Пусть в графе имеется t дуг. Обозначим через D' матрицу размерности n X ту, у которой элемент, стоящий на пересечении i-й строки и k-столбца, является расстоянием вершина Ч дуга от j-й вершины до k-й дуги.

(4)

Пусть:

МВБ (j) = max {d (i,j)}

(5)

- максимальное расстояние от вершины i до вершин графа, т. е. расстояние от вершины i до наиболее отдаленной вершины графа, и

CBB(i) = 2d(i,j)

(6)

- суммарное расстояние от вершины i до всех вершин графа.

Аналогично:

МТВ(f Ч (r, s)) = max{d(f Ч (r, s),j},

(7)

где j - максимальное расстояние от f-точки на дуге (r, s) до вершин графа, т. е. расстояние от f-точки на дуге (r, s) до наиболее отдаленной вершины графа, и

(8)

- сумма расстояний от f-точки на дуге (r, s) до всех вершин графа. Аналогично определяем МВД(i), СВД(1), МТД(fЧ(r,s)), СТД(fЧ(r,s)), взяв максимум или сумму по всем дугам.

Введя определения этих расстояний, их максимумов и сумм, для решения вышеперечисленных четырех задач используются следующие формальные элементы графа.

Центр - любая вершина х, такая, что:

МВБ (х) = {МВБ (i)},

(9)

т.е. центр Ч это любая вершина, расстояние от которой до наиболее отдаленной от нее вершины минимально.

Главный центр - любая вершина х, такая, что:

МВД (х) = {МВД (i)},

(10)

т. е. главный центр Ч это любая вершина, расстояние от которой до наиболее удаленной точки на дугах графа минимально.

Абсолютный центр - любая f-точка на произвольной дуге (r, s), такая, что:

МТВ(f Ч (r, s)) ={МТБ (fЧ(t, u))}

(11)

т. е. абсолютный центр Ч это любая точка на дуге, расстояние от которой до наиболее отдаленной вершины графа минимально.

Главный абсолютный центр - f-точка на произвольной дуге (r, s), такая, что:

МТД (f - (r, s)) ={MTД (f-(t, u))}.

(12)

Определения типов размещений, связанных с суммарными расстояниями  совершенно аналогичны определениям соответствующих предыдущих типов размещений, за исключением того, что везде оператор максимизации [т. е. МВВ(г), МВД(i), МТВ(fЧ(i,u)), МТД(fЧ (t, u))] заменяется оператором суммирования, т. е. CBB(i), СВД(i), СТВ(fЧ(t, u)) СТД(f-(t, u))}.

В третьей главе диссертации ставится и решается задача разработки имитационных моделей системы управления комплексом работ на протяженном объекте. В диссертации разработана концепция построения и включения имитационных моделей в СППР управления работами на протяженных объектах. Модель объекта или процесса в системе моделирования представляет собой динамическую продукционную систему. В системе моделирования существует однозначное отображение моделируемого объекта или процесса в его информационное представление (рис.5.).

Представление объекта моделирования

Рис.

5.

Основным составляющим объекта моделирования, каковыми являются его элементы, процесс, законы функционирования, соответствуют информационные объекты: ресурсы, действия и нерегулярные события, операции. При этом используются некоторые черты объектно-ориентированного подхода . Из указанных элементов, множества ресурсов R и операций О образуют модель. Процесс в объекте моделирования представляет собой временную последовательность действий А и нерегулярных событий Е. Система управления объекта моделирования соответствует модулю вывода динамической продукционной системы.

Модель получается добавлением к динамической продукционной системе аппарата событий, аналогичного подобным аппаратам в системах и языках имитационного моделирования. Моменты окончания действий определяются блоками имитации элементов объекта моделирования, а моменты наступления нерегулярных событий - блоком имитации этих событий. Система моделирования включает в себя также подсистему сбора показателей, служащую для сбора результатов моделирования и их первичной обработки.

Процесс функционирования сложной динамической системы (СДС) можно представить как временную последовательность действий и нерегулярных событий:

,

(13)

где А - множество действий; - множество нерегулярных событий; - отношение предшествования во времени.

Для регулярного события можно указать алгоритм F преобразования , который определяется закономерностями функционирования СДС. Поэтому действие a можно представить следующим образом:

,

(14)

где - алгоритмы преобразования параметров, описывающих состояние ресурсов при событиях и ; - состояние ресурсов, релевантных действию a, до событий начала и конца действия.

Действие a может начаться, если значения параметров его релевантных ресурсов отвечает некоторому условию. Например, действие обслуживания объекта может начаться, если объекта имеется и обслуживающее предприятие свободно. В противном случае действие начаться не может. Условие начала действия можно представить как некоторое логическое выражение , принимающее значения ИСТИНА или ЛОЖЬ (TRUE, FALS), в зависимости от текущего состояния релевантных действию ресурсов.

Действие привязано к временной оси: начинается в момент и кончается в . Если в описании действия исключить привязку к временной оси, оставив лишь длительность его выполнения , то получим виртуальное действие (возможное). Виртуальное действие может начаться (но не обязательно начнется), если для множества релевантных ему ресурсов выполняется условие  . Таким образом, виртуальное действие можно представить как:

.

(15)

Виртуальное действие отражает (алгоритмы и условие ) логику взаимовлияния ресурсов СДС в процессе функционирования. Всякий раз, когда состояние СДС удовлетворяет условию начала виртуального действия, может произойти действие a, соответствующее данному виртуальному и имеющее определенные времена . То есть виртуальное действие описывает, что может произойти в СДС и при каких условиях, а действие - что произошло/происходит/произойдет и в какое время.

Множество виртуальных действий , относящихся к определенной системе, может быть разбито на небольшое число подмножеств действий, имеющих одинаковую природу. Виртуальные действия, принадлежащие такому подмножеству , имеют одинаковую логику взаимодействия ресурсов, и различаются лишь конкретными ресурсами в них участвующими. Подмножество описывается следующим образом:

,

(16)

где - множество всех возможных множеств релевантных ресурсов, с использованием которых можно выполнить виртуальное действие , а - длительность выполнения виртуального действия, зависящая от состояния используемых виртуальных ресурсов СДС.

Таким образом, принадлежность виртуальных действий к определенному типу означает, что для них , и одинаковы, т.е. действия одного типа одинаковым образом меняют состояние релевантных ресурсов, требуют одинаковых условий начала по всем ресурсам, и отличаются лишь множествами , используемых ресурсов и временем выполнения.

Для формального описания логики виртуальных действий, принадлежащих подмножеству , введено понятие операции. Операция o есть формальное описание множества однотипных виртуальных действий:

,

(17)

где - описание множества ; - множество формальных ресурсов операции.

Операцию o в некотором смысле можно уподобить подпрограмме, в которой , и - условие выполнения и алгоритмы, описанные в формальных параметрах.

При задании фактических параметров получаем из операции виртуальное действие. Для этого на место каждого формального ресурса операции о необходимо подставить любой ресурс из некоторого непустого множества однотипных ресурсов.

Таким образом, операция отражает логику взаимодействия ресурсов системы в процессе функционирования. Всякий раз, когда состояние системы соответствует , может происходить действие а, описываемое операцией o, с различными и . Операция описывает, как происходит действие или виртуальное действие и с какими множествами релевантных ресурсов, т.е. что может произойти в СДС при определенных условиях, а действие - что произошло, происходит, произойдет и в какое время.

На основе предложенного подхода в диссертации разработана имитационная модель транспортировки, которая необходима для организации экспериментов по оценке эффективности маршрутизации. Основные требования к ТС это: эффективность, высокая надежность, высокая гибкость, под которой понимается легкость адаптации к изменению структуры грузопотока, рациональное использование ТС.

Транспортные маршруты могут иметь различную топологию и параметры, учитывающие качество подъездных путей, что, в свою очередь, накладывает ограничения на выбор видов ТС для транспортировки. Транспортный путь сложной сетевой конфигурации может быть в общем виде представлен как сеть или граф L=(N,A), где:

N - множество узлов сети, а А - множество дуг.

Узлы транспортной сети представляют собой места принятия решений (места погрузки, выгрузки, перегрузки, стоянки и т.п.). Дуги представляют собой отрезки транспортного пути ТС, не содержащие узлов.

Обозначим qn=|N| - количество узлов и qa=|N| - количество дуг в транспортной сети. Представим сеть в виде списка инцидентности: инцидентность дуг, где для каждой дуги проставлены номера узлов, которыми она заканчивается; инцидентность узлов, где для каждого узла указаны номера прилегающих к нему дуг.

Каждый узел ni∈N транспортной сети описывается следующими параметрами:

{x, y, Fa, Un, M, Cn},

(18)

i - номер узла, i=1,2,...,qn;

x, y - координаты узла транспортной сети;

Fa - список дуг, прилегающих к данному узлу;

Un - тип узла (1 - склад поставщика; -1 - склад получателя);

M - множество ТС, которым разрешен доступ к данному узлу (вводится для ограничения сферы действия каждого ТС);

Cn - состояние узла.

Каждая дуга ai∈A транспортной сети описывается параметрами:

{l, Fn, e, Ca},

(19)

i - номер дуги, l=1,2,...,qa;

l - длина дуги;

Fn - список узлов, прилегающих к данной дуге;

e - тип дуги (ориентированная, неориентированная);

Ca - состояние дуги (занято некоторым ТС).

Маршруты w длины r от узла ni1 к узлу nir определим как последовательность узлов wi={ni1, ni2,..., nir}, по которым должно проследовать ТС для достижения узла nir из узла ni1.

По транспортной сети L перемещаются ТС. Каждое ТС vi∈V определяется следующими параметрами:

{Np, Ns, Nl, s, tп, tв, Cv},

(20)

i - номер ТС, i=1,2,...,qn=|V|;

V - множество всех ТС;

Np - количество мест на ТС или количество грузов, которые можно погрузить на ТС в один ярус;

Ns - максимальная высота штабеля;

Nl - максимальный вес;

s - скорость ТС;

tп - время погрузки;

tв - время выгрузки;

Cv - состояние ТС.

Ограничения {Np, Ns, Nl} обусловлены конструкцией ТС, соображениями устойчивости и прочности тары, а также грузоподъемностью.

Состояние ТС Cv включает следующие параметры:

{cv, pv, zv},

(21)

где cv - вид состояния ТС (свободно, занято, неисправно, заблокировано, и т.п.);

pv - местоположение ТС в транспортной сети;

zv - расположение грузов на ТС.

Учитываются ограничения размещения (высота, масса, максимальная нагрузка сверху, и т.п.). Местоположение ТС в транспортной сети задается номером узла или номером дуги, на которых находится ТС, и признаком, обозначающим, дуга это или узел (рис. 6.).

Пусть O - множество грузов или заявок, сопровождаемых в данный момент автоматизированной системой управления.

Схема маршрутов движения транспортных средств

Рис.

6.

Каждая заявка oi∈O описывается параметрами:

{po, do, to, co},

(22)

где i - номер заявки i=1,2,...,qo=|O|;

po - место нахождения груза;

do - место доставки груза;

to - срок доставки груза;

co - состояние заявки.

Места погрузки и доставки грузов задаются номерами узлов, которые имеют тип источника-приемника грузов: po, do∈N/Un=1. Итак, имитационная модель включает транспортный путь, множество ТС и множество заявок: S={L, V, O}.

Состояние модели может быть записано на языке предикатов и хранится в базе данных.

Основными задачами моделирования являются:

0. выбор количества ТС, необходимых для бесперебойной работы транспортных средств;
1. проверка алгоритмов маршрутизации и диспетчирования и другие.

Для анализа качества функционирования транспортной системы используются следующие показатели:

2. загрузка каждого ТС;
3. количество заявок на транспортировку, находящихся в системе;
4. длительность обслуживания заявок (время от появления запроса на транспортировку до окончания перевозки груза);
5. отклонения от требуемого срока доставки;
6. опоздания грузов (только для тех, которые доставлены после срока);
7. пройденный каждым ТС путь;
8. количество перевезенных каждым ТС грузов;
9. среднее расстояние, пройденное при перевозке одного груза.

Для моделирования процессов управления запасами в диссертации разработана имитационная модель, структура которой приведена на рис.7. При этом декомпозиция общей модели управления ПТО предполагает использование ряда компонентов: потока заказов на техническое обслуживание ТС; вероятности отказов в зависимости от гарантированных сроков выполнения работ и поставок комплектующих; прогнозирования заказов на техническое обслуживание; перераспределения финансовых ресурсов и другие.

Структура модели управления заказами

Рис.

7.

За основу формализованного представления модели принято процессное описание. Задание процесса изменения состояния в виде единого оператора в данной ситуации весьма громоздко. Поэтому процесс управления рассматривается как некоторый дискретный во времени процесс Z. Пространство состояний S в построенной модели также дискретно.

Допустим, что уровень запаса проверяется в начале последовательных интервалов времени одинаковой длины. Положим, что имеется Zak независимых заказчиков, и каждый будет нуждаться в этих материалах в течение последующего периода с вероятностью P. Таким образом, общий спрос имеет биномиальное распределение. Путь штрафы за нехватку будут равны St, а стоимость хранения равна Sh. Для управления запасами будем использовать стратегию с плавающим диапазоном. Если на начальный период запас меньше Smin, то делается заказ, доводящий количество до Smax (прогнозного значения). Для оценки эффективности стратегии управления необходимо определение следующей величины:

St*M(D)+Sh*M(X)-(St+Sh)*M(min(X,D)),

(23)

где X- уровень запаса, D - прогноз спроса на комплектующие.

Результаты моделирования системы управления запасами будут представлять собой последовательность пар: (X1,аD1), (X2,аD2),Е (XN,аDN), где Xk - уровень запаса после решения о заказе в период k, а Dk - спрос на комплектующие в период k. При такой постановке задачи выборочные средние  и с вероятностью 1 стремятся к M(X) и M(min(X,D)) соответственно при N→∞. Более того, при любом k уровни запасов Xk и Xk+1 ,будут сильно коррелированны, так как Xk+1=Xk-Dk, если Xk-Dk≥Smin. Более того, уровень запаса находится в пределах от Smin до Smax, когда принято решение не заказывать, и в точности Smax, если заказ сделан. Таким образом, состояние моделируемой системы управления заказами, одно и тоже в начале периода, начинающегося с уровня запасов, равного Smax после сделанного заказа. Всякий раз, когда это происходит, система восстанавливается или регенерируется в вероятностном смысле, что позволяет использовать классические методы статистического анализа и получать статистически обоснованные оценки по сравнению эффективности стратегий.

На рис.8. приведена структура сети Петри для предложенной в диссертации модели выполнения операций складирования. Позиции и переходы приведенной модели определяют действия, описанные ниже. p1 - груз закреплен на ТС и готов к транспортировке; p2 - ТС готово к выполнению операции; p3 Цвыдан запрос об условиях транспортировки очередной партии груза; p4 - ТС свободно и т.д.

Вместе с моделью транспортировки модель складирования позволяет рассчитать временные характеристики в общей схеме комплексного анализа и моделирования цепи поставок.

Имея модели запросов заявок и складирования с погрузочно-разгрузочными работами в рамках общей постановки задачи оптимизации транспортных работ появляются данные для реализации алгоритма выбора стратегии транспортировки как по времени, так и по закреплению соответствующих транспортных средств за производственными участками и видами материалов с возможностью гибкого управления на основании автоматизации представления плановых объемов, которые можно регулировать на основе изменения планов производства.

Формализованная модель управления складом в виде сети Петри

Рис.

8.

Для решения ряда обратных задач на разработанных имитационных моделях  (например, выбора количества ТС для обеспечения требуемых времен транспортировки) в диссертации предлагается метод решения уравнения баланса с использованием процедуры Роббинса-Монро, где - средние значения случайных величин времени пребывания в источниках; - средние значения случайных величин времени пребывания в фазе обслуживания; - заданные времена циклов.

Рекуррентная схема решения уравнения баланса имеет вид:

,

(24)

где - реализация случайной величины () на k-ом шаге итерации; Sk - диагональная матрица, содержащая знаки, с элементами вида ; - функция выбора направления поиска; ak - коэффициент поискового алгоритма.

Доказаны необходимые условия сходимости процесса Роббинса-Монро: в достаточно большой окрестности точки (решение системы ) функция сохраняет знак; , поскольку ограничение функции следует из физического смысла модели.

В диссертации рассмотрены проблемы восстановления состояния имитационного процесса для оценки сходимости процедуры решения уравнения баланса на имитационной модели (рис. 9.). Алгоритм без восстановления состояния - когда каждый очередной эксперимент начинается с точки окончания предыдущего. Обозначим Y(Xk-ck)=Yk1, Y(Xk+ck)=Yk2, ΔYk = Yk2-Yk1. Предположим, что первой оценивается функция в точке Xk-ck, а затем в Xk+ck. Фиксируя состояние S0, как начальное состояние для оценки Xk-ck, на основании соотношений среднеинтегральной оценки на переходном участке получим:

.

(25)

Тогда математическим ожиданием начального состояния для оценки Xk+ck в силу соотношений для тренда основного процесса будет:

.

(26)

Оценка функционала Y в точке Xk+ck равна:

(27)

Сходимость процедуры решения уравнения баланса

Рис.

9.

На рис.9 приведены графики зависимости разностей ΔYR (с восстановлением) и ΔYP (без восстановления) от длительности интервала управления для процессов с различной автокорреляцией, начальным состоянием S=(0,0), Y1= -1, Y2=1.

В результате показано, что:

• в алгоритме без восстановления состояния существует систематическая погрешность в определении разности. Кроме того, возможен обратный эффект, когда при малых интервалах управления знак вычисляемой разности противоположен истинному знаку;
• при коротких интервалах управления следует применять алгоритм с восстановлением исходного состояния;
• для больших интервалов управления допустимо использование алгоритма без восстановления исходного состояния.

В четвертой главе диссертации рассматриваются вопросы построения рациональной структуры управления производством работ с динамической привязкой предприятий к тем или иным участкам протяженного объекта.

Предполагается, что процесс синтеза параметров управления производством работ на протяженных объектах представляет собой три взаимодействующих процесса. Среди связующих сигналов можно выделить сигналы обратной связи, корректирующие значения коэффициентов функциональных ограничений для предыдущих процессов.

Учет таких обратных связей может быть осуществлен введением общей отрицательной обратной связи по принципу "самонастраивающейся модели" (рис.10.).

Адаптация модели синтеза параметров производственных процессов

Рис.	10.
			(28)
(KSt)n=ФК(Ω,Хn-1), n=1,2,3Е,			(29)

где:

П∑-оператор синтеза параметров;

ФК - оператор обратной связи;

- исходные данные к синтезу параметров реорганизации производства;

KSt- множество коэффициентов функциональных ограничений;

n- номер шага итерации.

Процесс синтеза параметров в этом случае представляется в виде итерационной многошаговой процедуры:

X*n=П∑(Ω,ФК(Ω,X*n-1)),	(30)
(KSt)n=ФК(Ω,П∑(Ω,(KSt)n-1)).	(31)

Модель синтеза параметров может быть представлена в виде трех последовательных подпроцессов Пi, i∈МФПС и системы управления синтезом параметров К∑.

Пi : Mi×Ωi×Ui → Xi , i∈МФПС,

(32)

К∑:W→M, ∃[∀(ω*,m*)∈ К∑],

(33)

где:

M={Mi, Mi=ϒi, i∈МФПС} - множество управляющих сигналов (начальных решений);

- множество исходных данных к синтезу параметров производственных процессов;

W={Wi, i∈МФПС}- множество сигналов обратной связи;

U={UH=0, UM=ГНР, UO= ГРC} - множество связующих сигналов.

Координатор состоит из координирующего элемента верхнего уровня C0, решающего задачу координации всей системы D0, и управляющих элементов нижнего уровня {Ci, i∈МФПС}, решающих задачи {Di, i∈МФПС} формирования оптимального управляющего сигнала для своих функциональных подсистем.

Выполненный анализ двухуровневой системы управления синтезом параметров процессов управления работ на протяженных объектах позволил формализовать задачи вышестоящего (координирующего) элемента и нижестоящих (управляющих) элементов как задачи прогноза состояния и максимизации пропускной способности функциональных подсистем соответственно, что позволяет установить вид общесистемной процедуры синтеза параметров управления, обеспечивающей выбор параметров при фиксированных ресурсных ограничениях.

Так, основным требованием к производству и транспортировке асфальтобетонных, растворобетонных и битумоминеральных смесей является сохранность грузов, определяемая тем, что при укладке смеси должны иметь заданную подвижность и однородность. При транспортировке бетонных смесей по дорогам с различными типами покрытий предельно допустимое расстояние доставки определяется по приведенной дальности транспортировки, которая не должна превышать расстояния перевозки по дорогам с твердым покрытием.

Приведенная дальность транспортировки определяется из выражения:

(34)

где - число участков с различным типом покрытий, - коэффициент дорожного покрытия. Указанные обстоятельства определяют необходимость сокращения расстояний транспортировки с различных предприятий, каждое из которых обслуживает определенный объект, либо за счет создания новых предприятий, обслуживающих протяженный объект, в зависимости от выделенных капитальных вложений. Таким образом, задача определения зон обслуживания предприятий является важной и относится к классу задач кластерного анализа.

В диссертации предлагается использовать алгоритмы нечеткой классификации, которые используют целевой функционал W, который в общем виде можно представить:

,

(35)

где φ, g- некоторые функционалы, ηk(x), fk(y) - значения функций принадлежности элементов x и y k-ому классу, U(x), U(y) - априорные веса x и y,  d(x,y) - расстояние между x и y. Частные методы кластеризации используют модифицированную функцию:

.

(36)

Обобщенный алгоритм нечеткой классификации N - элементов в M - классов можно представить в следующем виде:

Шага1.аНомер итерации S:= 0. Найти начальное разбиение на M - классов: C01, C02,Е, C0M

Шага2.аВычислить матрицу значений функций принадлежности элементов классам:.

Шага3.аS:=S+1. Модифицировать разбиение по правилу, минимизирующему выбранную целевую функцию: CS1, CS2,Е, CSM.

Шага4.аЕсли выполнено условие завершения процесса кластеризации, то алгоритм свою работу заканчивает, иначе - выполняется переход к шагу 3.

Проведенный в диссертации анализ показал, что в качестве условий окончания процесса кластеризации необходимо выполнение одного из условий:

• достижение порогового значения функции W;
• заданного максимального количества итераций;
• сходимости к окончательному устойчивому разбиению;
• ограничению времени кластеризации в условиях, когда сходимость не обеспечивается.

Динамическое изменение привязки объектов к предприятиям- производителям материалов и комплектующих в работе решается на основе классической задачи о назначении с учетом неопределенности цен и времен поставок.

Оптимальное присоединение объектов к нескольким территориально разнесенным предприятиям формируется как обобщенная задача о назначении, если задано ограничение на количество объектов, присоединяемых к одному предприятию. Введение такого ограничения продиктовано как техническими возможностями, так и ростом времени задержки на предприятии от числа прикрепляемых объектов.

Известная задача о назначении, когда n исполнителей распределяется на m работ, допускает естественные обобщения. Так, если учесть, что некоторые работы должны выполняться несколькими предприятиями и /или/ некоторые предприятия назначаются более чем на одну работу, то возникающие задачи распределения работ между предприятиями выходят за пределы определения классической задачи о назначении. Назовем задачей D- назначения задачу о распределении n исполнителей на m работ, по Dj на каждую, . Для определенной таким образом задачи построены матричные преобразования, сводящие задачу D - назначения к классической. Получаемая при этом оценка трудоемкости решения не превосходит оценку трудоемкости классической задачи.

Постановка задачи имеет следующий вид. Пусть паре индексов , поставлено в соответствие неотрицательное число cij, характеризующее стоимость транспортировки, и пусть X=xij- матрица размерности n×m с элементами . Требуется найти матрицу X*=x*ij, доставляющую минимум функции:

(37)

при ограничениях:

	(38)
	(39)
xij ={0,1}.	(40)

Пусть Dj- целая и

(41)

Последней задаче соответствует задача о назначении, когда к каждому предприятию требуется присоединить Dj объектов, . Введем D - преобразование матрицы C=cij. Пусть cj- j-й столбец матрицы С. Заменим его матрицей размерности n×Dj, состоящей из Dj одинаковых столбцов cj. Эту операцию проделаем с каждым столбцом, . В результате получим квадратную матрицу размерности n×n, которую обозначим СD.

Матрица СD состоит из m различных подматриц, для нумерации которых оставим индекс j, а внутри их введем индекс . Тогда , и аналогично .

Решение задачи дает следующее утверждение: пусть - решение классической задачи о назначении для матрицы СD. Тогда матрица с элементами:

(42)

является решением задачи.

В работе проведен анализ функционирования транспортного звена предприятий, с учетом случайных воздействий в зависимости от внешних условий. Стратегический план дает лишь глобальные оценки загрузки транспортных средств и затрат на реализацию транспортировки. Выполнен анализ двух моделей: модель детерминированной вариации стоимости и времени транспортировки и стохастической вариации сразу всеми стоимостями и временами от предприятий до объектов. Таким образом, построенные модели позволяют оперативно планировать работы на объектах с точки зрения распределения ресурсов в общей структуре производственного цикла.

На основе скаляризации исходной задачи векторной оптимизации определена глобальная цель, стоящая перед всей системой управления, как задача максимизации производительности предприятия в целом. В диссертации предлагается решение такой системы управления в виде двухуровневой иерархической системы координатора. Рассматриваются модели, необходимые для построения координирующего элемента верхнего уровня, управляющих элементов нижних уровней, а также процедуры координации.

Как было установлено, цель элементов нижнего уровня двухуровневой системы управления параметрической оптимизацией функциональной подсистемы предприятия заключается в увеличении пропускной способности соответствующей подсистемы.

В диссертации разработана модель производительности функциональной подсистемы, в основу которой положен информационный подход к анализу процессов обслуживания заявок потребителей в функциональных подсистемах.

Суть предлагаемого подхода заключается в представлении процесса обслуживания заявок как процесса кодирования. Поток заявок в этом случае представляется в виде последовательности кодовых символов, принадлежащих пространству элементов соответствующей функциональной подсистемы. А функциональная подсистема может рассматриваться как информационный канал, для которого можно определить информационную пропускную способность. Если заявки потребителей могут быть обслужены в какой-либо функциональной подсистеме, то скорость передачи информации в указанном выше смысле не может превышать пропускную способность информационного канала.

Таким образом, вычислив информационную пропускную способность функциональной подсистемы, рассматриваемую как информационный канал, можно определить пропускную способность подсистемы в обычном смысле.

Задача системы управления параметрической оптимизации формально может быть записана следующим образом:

(43)

План обслуживания заявок Q={q(x,y)} выбирается на первом шаге процедуры формирования управляющих сигналов таким образом, чтобы максимизировать число обслуженных заявок s∈S. Это равносильно минимизации величины I(X,Y). Таким образом, оптимальное значение I(X,Y) будет соответствовать величине если такая точка существует. Выпуклость средней взаимной информации позволяет предположить, что указанная точка существует и может быть найдена с помощью процедуры формирования управляющих сигналов. Величину Co будем называть информационной пропускной способностью функциональной подсистемы.

В работе проведен анализ методов оценки информационной емкости произвольного дискретного канала без памяти и показано, что наиболее эффективным является алгоритм, приведенный ниже, в котором упрощения достигаются за счет использования некоторых специфических свойств взаимной информации.

Реализация алгоритма и численные эксперименты подтвердили высокую вычислительную эффективность метода. Результаты измерения информационной пропускной способности по шагам итерационной процедуры формирования управляющего сигнала (рис. 11.) подтвердили сходимость процедуры.

Вычисление информационной пропускной способности ФПС предприятия С0 по шагам итерационного процесса

Рис.

11.

Для предложенной в диссертации процедуры пересчета априорной вероятностной меры в апостериорную меру и построения оценки глобального экстремума максимизируемой производительности предприятия реализованы соответствующие программные компоненты. Полученные результаты (рис. 12.) показывают последовательное увеличение производительности предприятия и уменьшение среднего времени производства единицы продукции по шагам итерационного процесса, что подтверждает приведенные выше теоретические выкладки.

В пятой главе диссертации ставится и решается задача формализованного описания синхронной деятельности совокупности предприятий, обслуживающих протяженный объект, и разработки критериев оценки завершенности объектов.

Основными проблемами с точки зрения теории управления при разработке и эксплуатации системы управления работами на протяженных участках вообще и строительством автомобильных дорог в частности, следует считать: разработку модели системы, адекватной реальному объекту управления, разработку методов и алгоритмов, позволяющих автоматизировать решение задач управления предприятиями.

Для преодоления указанных трудностей при разработке сложных систем наряду с соответствующими математическими моделями и методами, нельзя не отметить широко используемые методы общей теории систем, обеспечивающие снижение размерности задачи с использованием декомпозиционного подхода.

Оптимизация пропускной способности

Увеличение производительности предприятия при использовании координации в зависимости от числа шагов оптимизации n	Уменьшение среднего времени производства единицы продукции за счет оптимизации параметров
Рис.		12.

В рамках этого подхода, исходя из сложной глобальной задачи, за счёт её декомпозиции образуют иерархию задач, которые решаются по очереди. При этом координация  результатов решения частных подзадач содействует достижению целей более высокого уровня. Многоуровневая структура управления приведена на рис.13.

Многоуровневая структура управления

Рис.

13.

В работе для модели сетевого вероятностного планирования работ введено понятие индексации ресурсов для отображения динамики их поступления на протяженные объекты. Пусть Qi,jq,t - потребности сырья q-го типа на момент времени t, для реализации j-го этапа. Эта характеристика используется для описания интегрированных показателей завершенности объекта.

- потребности в q-ом ресурсе i-ым объектом в момент t.

- потребности в q-ом сырье всех объектов в момент t.

- общие потребности протяженного объекта в q-ом сырье на плановый период.

Введенные соотношения дают общие потребности и на каждый момент времени и объект в объеме грузов (V), их массе (M) и стоимости (C). Для планирования перевозок в основном необходимы величины:

,

(44)

где Θ∈{V|M|C}. Значения Θ={V|M} дают основу для расчета транспортной схемы. При Θ=V соотношение определяет объем перевозимых грузов. При Θ=M соотношение определяет массу грузов. Значение Θ={С} дают основу для расчета финансовой стратегии. Аналогично временному ряду потребностей в материалах на каждый момент t можно составить и ряды потребностей кадрового состава и технических средств. Указанные процессы имеют другие свойства. Цели анализа этих рядов частично совпадают, но ряд задач, таких как переброска кадров или технических средств, присущ только им. Имеется некоторое подобие задач распределения кадрового состава и распределения технических средств.

Завершенность объекта определяется на основании завершенности его этапов в принятой сетевой модели планирования.

Пусть SWi,j - признак завершенности j-го этапа i-го объекта, при этом:

SWi,j=1 - этап завершен;

SWi,j=0 - этап не начинался;

0<SWi,j<1 - этап в процессе выполнения.

Для последнего случая признак завершенности определяется на основании соотношения:

,

(45)

где TBi,j - момент начала j-го этапа.

Завершенность работ на объекте определяется следующими показателями:

10. завершенность по структуре план-графика;
11. завершенность по времени;
12. завершенность по материалам.

Ниже приведены процедуры и соотношения для вычисления количественных значений перечисленных показателей. Множество вершин план-графика разбивается на три множества:

Wi =WEi∪WBi∪WTi

(46)

WEi = {Wi,j : SWi,j=1} - множество завершенных этапов;

WBi = {Wi,j : SWi,j=0} - множество не начатых этапов;

WTi = {Wi,j : 0<SWi,j<1} - множество текущих этапов.

Эти множества дают критерий завершенности по структуре. Предполагается, что для любого текущего состояния объекта существует план-график завершения, оптимальный по тому же обобщенному критерию, что и исходный. Это предположение дает возможность для любой ситуации, сложившейся на объекте, сформировать план-график выполнения оставшихся работ по тому же критерию эффективности, что и исходный.

Пусть TO0 - момент начала работ на объекте. Имея все признаки завершенности этапов и алгоритм построения план-графика по аналогичному критерию, можно рассчитать времена выполнения каждого этапа на каждом объекте и остаточного времени. Время завершенности можно рассматривать как по оптимальному графику (в смысле минимизации времени), так и план-графику, составленному на основании подобия выполнения предыдущих этапов.

Для принятия решений по стратегии завершения объекта необходимы показатели его завершенности по вложенным средствам на организацию производственной деятельности, таких как произведенные расходы на материалы, заработную плату, транспортные расходы, связанные с доставкой грузов на данный объект.

Завершенность по материалам использует лишь информацию о доставленных материалах, но в нем могут учитываться стоимость C, объем V материалов и масса M:

,

(47)

где: Θ=С - завершенность по затратам на материалы важна для финансового анализа; Θ=V . Θ=M - завершенность по объему (массе) материалов важна для анализа будущих транспортных расходов. Хотя эти три критерия завершенности являются функцией одних и тех же аргументов, однако их численные значения могут существенно различаться.

Критерий завершенности по заработной плате определяется на основании функции Ri,jk,t - потребности j-го этапа i-го объекта в работах k-ой специализации. Соотношение для вычисления показателя полностью соответствует (47) с точностью до переименования затрат на материалы, на затраты и на трудовые ресурсы.

Полученные соотношения для завершенности и хода выполнения работ в соответствии с общим планом-графиком дают основу расчета критериев эффективности, в качестве которых предлагается использовать непрерывность, параллельность и качество.

Непрерывность. Этот критерий можно сопоставить с возможность замораживания объекта. Так, если процесс не является непрерывным, то руководство предприятия либо слишком рано приняло решение о выполнении работ на данном объекте, либо его завершение вообще нерентабельно.

Параллельность. Этот критерий позволяет оценить возможную вариативность работ, что дает большую свободу корректировке производственного цикла.

Качество работ определяется расхождением между требуемой и фактической квалификации рабочих и качеством материалов.

Кроме перечисленных критериев эффективности предполагается использовать такие показатели, как ритмичность, надежность, гибкость и др.

Далее в диссертации рассмотрены вопросы оценки интегральной экономической эффективности. В практике экономических расчетов обычно используются линейные модели. В работе проведен анализ класса нелинейных полиномиальных моделей. Проведенный анализ показал, что при малых вариациях аннуитета и нормы дисконта параметры регрессии при A2 и⋅E2 несущественны, что приводит к представлению модели NPV в виде:

NPV=a1+ a2⋅A+ a3⋅E+a4⋅A⋅E,

(48)

которое по сравнению с линейной моделью имеет еще одно слагаемое a4⋅A⋅E, интерпретируемое как эффект совместного взаимодействия факторов аннуитета и нормы дисконта. Коэффициент корреляции для последней модели равен R=0,99, что существенно превосходит по точности линейную модель. Параметры регрессии модели соответственно равны: a1=0,000007, a2=5,785508 и a3=0,000001 a4=-0,097475. Таким образом, исключив из модели (48) свободный член a1 и a3⋅E, получим двухпараметрическую зависимость NPV:

NPV=(a2+a4 ⋅E)⋅A.

(49)

Интересен факт, что двухпараметрическая модель (49) дает большую точность, чем трехпараметрическая линейная модель.

Увеличив диапазон изменения нормы дисконта E от 0 до 40%, и A от 1 до 10, получим нелинейную зависимость NPV от аннуитета и нормы дисконта.  При этом явно видна нелинейность только по норме дисконта E, поэтому для заданной вариации расширим исходную линейную модель до следующей:

NPV=a1+ a2⋅A+ a3⋅E+ a4⋅E2+ a5⋅A⋅E.

(50)

Для последней модели коэффициент корреляции равен 0,999. Кроме того, в последней модели практически отсутствует методическая погрешность. Таким образом, проведенный анализ показал, что введение нелинейного члена регрессии взаимодействия аннуитета и нормы дисконта оказывает сильное положительное влияние на точность оценки NPV при различных вариациях нормой дисконта.

Таким образом, разработана методика построения и анализа регрессионных моделей показателей экономической эффективности, проведены исследования и разработаны методы определения экономичности рассматриваемых мероприятий.

Для расчета показателя интегральной экономической эффективности используется метод дисконтирования, который распространяется на ту часть жизненного цикла проекта в годах, которая расположена после базового расчетного года. Максимум NPV выступает критерием при обосновании проекта, выбора варианта технического решения. Он обеспечивает максимизацию доходов инвестора в стратегическом плане на весь жизненный цикл.

В общем случае, для ежегодно изменяющейся ставки дисконта и аннуитета показатель NPV определяется на основании соотношения:

,

(51)

где Pt - полученная прибыль в t-ом году, Зt - затраты t-го года, Et - ставка дисконта t-го года.

Как правило, математическое ожидание аннуитета и ставки дисконта известно, но с каждым годом дисперсия  возможных значений этих величин увеличивается. В результате, в диссертации были решены две задачи:

• влияние неопределенности DA и DE на MNPV;
• влияние неопределенности DA и DE на DNPV.

Для проведения экспериментов по оценке чувствительности NPV к аннуитету (А) и норме дисконта (Е) был выбран расчетный период в 5 лет, построен дробный факторный план 2**(10-6) и изучены модели поведения системы при различной динамики неопределенности (Таблица 1).

В результате получены механизмы оценивания чувствительности интегральной эффективности к неопределенности прибылей и затрат. Кроме того, получен интересный факт - дисперсии аннуитета, и ставки дисконта существенно влияют на математическое ожидание NPV.

Таблица

1.

Влияние динамики неопределенности А и Е на NPV.

Модель	График	Результат
А и Е фиксированы		NPV наиболее чувствителен к аннуитету 1-го года
А и Е линейно возрастают		NPV наиболее чувствителен к ставке дисконта 2-го года
Интервал значений А и Е линейно возрастает		NPV наиболее чувствителен к ставке дисконта 4-го года

На примере выбора стратегий закупок ТС в работе показано, что оптимальные характеристики развития проекта существенно зависят от срока его реализации. Предлагается методика оценки оптимального срока инвестиций в условиях неопределенности. Проведен анализ и построена модель сравнительного анализа различных стратегий развития транспортных предприятий, входящих в состав структуры обслуживания протяженного объекта. Проведен анализ проектов по закупке и эксплуатации различных марок автотранспортных средств с различным годом выпуска, что приводит к перераспределению средств на весь жизненный срок проекта. Графики зависимости NPV этих проектов по годам представлены на рисунке 14.

На основе полученных результатов можно сделать следующие выводы:

1. Заменять 5-летнее ТС на новое нецелесообразно, т.к. старое принесет большую прибыль за 5 лет эксплуатации, чем новый (на 11 тыс. дол.).
2. Новое ТС принесет больше прибыли, чем 6-летнее (на 11,5 тыс. дол.), их дисконтированные доходы сравняются за 4,5 года проекта, так что, это изменение прибыли формируется только за последние 6 месяцев проекта. Целесообразно ли затевать 5-летний проект, из-за 6 последних месяцев реальной прибыли? 6-летнее ТС еще не выработало свой лимит.

Оценка интегральной экономической эффективности

Рис.

14.

3. Доходы от 7-летнего ТС сравняются с новым ТС через 3,5 года выполнения проекта. Итоговая разница в доходе равна 34 тыс. дол. В последний год проекта эксплуатация 7-летнего ТС станет убыточной (будет потеряно 6 тыс. дол.). При таких условиях можно принять решение о списании 7-летнего ТС и покупке нового (при длительности проекта - 5 лет).
4. Эксплуатация 8-летнего ТС становиться убыточной уже на 2-ой год проекта, а разница в доходах с покупкой и эксплуатацией нового за 5 лет проекта составит 68 тыс. дол. В таком случае можно определенно говорить о том, что новое ТС выигрывает по всем показателям, а 8-летнее ТС необходимо списать. Проект покупки нового ТС окупится сполна.

В шестой главе диссертации на основе разработанных моделей мониторинга, аналитико-имитационных моделей управления запасами, транспортировки и др., а также моделей оптимизации и синтеза структуры управления решается задача их объединения в единый сценарий системы поддержки принятии решений.

В диссертации рассмотрена задача поиска решения на основе имитационной модели (ИМ), когда необходимо определить значения входных управляемых переменных ИМ для получения оптимального функционирования сложной дискретной системы. В данном случае один прогон ИМ обеспечивает получение достоверных результатов в одной точке пространства поиска решений. Проведение исследований при проектировании сложной дискретной системы требует реализации серии экспериментов в большой области поиска, целенаправленность которых в традиционных системах моделирования обеспечивается специалистом-разработчиком. Для эффективного решения данной задачи система на основе ИМ должна иметь интеллектуальную надстройку, позволяющую заменить специалиста-разработчика. Полученная система будет представлять собой гибридную систему, объединяющую  имитационную модель и блок оптимизации (рис. 15).

Интеграция моделей в гибридной системе

Рис.

15

Сценарий приложений экономического анализа

Рис.

16.

Для решения задач финансового анализа на основе предложенной концепции реализована программная методика, включающая приложения:

• приложение моделирования временных рядов;
• расчета NPV;
• Active-X компонента интерфейса с пакетом Statistica;
• макрос для кластерного анализа;
• макрос для экспоненциального сглаживания;
• макрос для факторного анализа;
• обратное преобразование;
• сетевая модель инновационного проекта;
• и другие.

Приложения, объединенные в среде анализа экономической эффективности, и представляющие вершины графа собраны в единый управляемый сценарий (рис.16.).

Компонента компилятора формального языка включает операторы: присвоения л:=, условия ЕСЛИ Е ТО Е, цикла ДЛЯ Е ОТ Е ДО Е ВЫЧИСЛИТЬ, а также все арифметические и логические операторы, необходимые для расчета интегральных показателей. Для интегральных показателей приняты идентификаторы Ki, где i - номер показателя, для строк баланса Ficj, где i - форма баланса, j - строка выбранной формы. Пример конструкции языка приведен на рис.17. Такой синтаксис вполне доступен экономистам, не имеющим опыта программирования.

Пример конструкции формального языка

K01=(F1c290-F1c690)/F1c300;

K02=F1c430/F1c700;

Е

K05=6,51*K01+3,26*K02+6,76*K03+1,05*K04;

{расстановка баллов 1. - Кабс. Ликв, 2. - Е}

ЕСЛИ K01>0.5 ТО K11:=20;

ЕСЛИ K01>0.4 И K01<0.5 ТО K11:=16;

Е

ЕСЛИ K01<0.2 ТО K11:=4;

Рис.

17.

Приложение моделирования временных рядов основано на использовании Active-X компонента интерфейса с пакетом MatLab и m-файла, которое позволяет варьировать характером процесса с учетом сезонности и инерционности.

Приложение расчета NPV представляет параметризуемую сетевую модель и позволяет учитывать неопределенности аннуитетов и дисконтных ставок. Для расчета NPV используется метод дисконтирования на основании соотношения , где Pt - полученная прибыль в t-ом году, Зt - затраты t-го года, Et - ставка дисконта t-го года.

Приложение кластерного анализа также реализовано на основе использования Active-X компоненты интерфейса с пакетом Statistica и соответствующего макроса. При этом используется процедура кластеризации методом k-средних. В силу разнородности факторов в качестве метрики предлагается использовать равномерную - .

Разработано приложение сетевого моделирования в условиях неопределенности. Входными данными программного приложения является массив, описывающий переходы по связанным этапам, каждому этапу соответствует некоторый вес и время длительности. Новый этап не может начаться, пока не завершены предыдущие этапы. Визуальная связанность этапов показана на рис.18. На структуру накладываются условия: начальный этап должен быть только один; конечный этап должен быть только один (время выполнение и количество затрат начального и конечного этапов можно прировнять нулю; структура не должна иметь висячих элементов и циклов).

Модель сетевого планирования

Рис.

18.

После проведения моделирования выводится таблица содержащая математическое ожидание и СКО количества затрат по каждому периоду выполнения этапов.

Далее в диссертации решается задача формализованного представления процессов управления цепочками поставок на объекты с последующим моделированием транспортных схем доставки ресурсов.

Процесс взаимодействия подсистемы формирования и контроля цепочек поставок с другими подсистемами заключается в их интеграции и интерфейсном согласовании, что схематично представлено на рис.19.

Подсистема планирования поставок является источником данных, необходимых для формирования плана цепочек поставок.

Подсистема обеспечения взаимодействия поставщиков является источником данных, необходимых для расчета плана цепочек поставок. Это данные о поставщиках, производственных мощностях поставщиков, времени доставки и производства, ограничения (например, договорные обязательства).

Укрупненная структурная схема АСУ планирования цепи поставок

Рис.

19.

Подсистема взаимодействия с внутренними пользователями передает запрос на выполнение расчета плана цепочек поставок, на основе данных подсистем Планирования поставок и Обеспечения взаимодействия поставщиков. Пользователь является поставщиком корректирующей информации, необходимой для контроля работы подсистемы формирования и контроля цепочек поставок. Подсистема предоставляет пользователю рассчитанный план цепочек поставок по заданным параметрам.

Подсистема взаимодействия с внешними пользователями передает запрос на получение рассчитанного плана цепочек поставок и является потребителем рассчитанного плана цепочек поставок.

В качестве формального описания компонентов системы использовалась SADT- модель. Основным рабочим элементом при создании модели являются диаграммы. Диаграммы содержат блоки и дуги. Блоки изображают функции моделируемой системы. Дуги связывают блоки вместе и отображают взаимодействие между ними. Между объектами и функциями определены четыре типа отношения: вход, управление, выход, механизм. SADT-модель является иерархически организованной совокупностью диаграмм последовательно детализирующих функции системы до необходимого уровня сложности.

Целью разработки модели является описание процесса функционирования подсистемы Формирования и контроля цепочек поставок. Контекстная диаграмма управления цепочками поставок представлена на рис.20.

Входные данные:

<данные о производстве>, <данные из внешних систем>, <запрос на получение данных>, <Запрос на выполнение расчета плана цепочек поставок>,  и др.

Выходные данные:

<данные во внешние системы>, <параметры продукции>, <план цепочек поставок>, <сообщения во внешние системы>, и др.

Входы по управлению:

<правила формирования и управления цепочками поставок>, <алгоритм построения плана> и др.

Механизмы:

<автоматизированный программный комплекс>, <пользователи системы>

Подчиненные активности:

<контроль и формирование плана цепочек поставок>, <обеспечение взаимодействия с поставщиками, сбор данных от поставщиков>, <подготовка и корректировка прогноза>, <взаимодействие с внешними пользователями>.

Построенная формальная модель описания процессов управления цепочками поставок (рис.20.), с одной стороны, дает основу непосредственно проектированию АСУ, а, с другой стороны, дает возможность параметризации аналитических и имитационных моделей, которые позволяют получить расчетные времена и затраты на реализацию производственного цикла.

Аналогичным образом в работе выполнено описание подсистем:

• формирования плана цепочек поставок;
• анализа плана цепочек поставок;
• подготовки данных для формирования плана цепочек поставок;
• расчета плана цепочек поставок на уровне поставщиков;
• расчета цепочек поставок на уровне центров распределения.

Разработана структура базы данных, интегрирующая статистические данные и данные вычислительных экспериментов. Выделены основные классы пользователей системы мониторинга. Разработана формализованная схема информационных потоков различных категорий пользователей.

Модель управления поставками на протяженный объект

Рис.

20.

В заключении представлены основные результаты работы.

Приложение содержит документы об использовании результатов работы.

Публикации. По результатам выполненных исследований опубликована 41 печатная работа.

Основные выводы и результаты работы

1. Проведен системный анализ задач автоматизации и комплексного анализа показателей эффективности производственной деятельности предприятий, обслуживающих протяженные объекты. Проведен сравнительный анализ методов проектирования и моделирования распределенных информационных систем мониторинга.
2. На основе формальных операций на графах сформирована совокупность критериев качества размещения элементов протяженного объекта, и разработаны методы и модели планирования географического местоположения.
3. Разработаны инструментальные средства создания дискретно-событийных имитационных моделей функционирования предприятий, обслуживающих протяженные объекты. Формализованы механизмы включения алгоритмов оптимизации в систему имитационного моделирования и получены оценки скорости сходимости рекуррентных схем.
4. В рамках созданных инструментальных средств разработаны имитационные модели: транспортировки с учетом географического положения элементов протяженного объекта; управления запасами с использованием предложенных политик заказывания материалов; реализации операций погрузочно-разгрузочных работ и складирования.
5. Получены аналитические модели оценки эффективности функционирования технологической цепи Упроизводство-транспортировка-использованиеФ, учитывающие приоритетность заявок и их объемно-временные характеристики.
6. В рамках решения задачи обоснованной привязки элементов протяженного объекта, определяющих загрузку предприятий, разработаны методы и алгоритмы оптимизации и нечеткой классификации характеристик их функционирования при наличии детерминированных и случайных потоков заявок на сырье и материалы.
7. На основе формализованной дискретно-событийной модели представления сетевого планирования производственной деятельности с учетом вероятностных и лингвистических неопределенностей разработана система критериев завершенности протяженных объектов.
8. Проведен анализ и разработаны методы и алгоритмы аппроксимации показателей интегральной экономической эффективности в условиях неопределенности аннуитетов и дисконтных ставок с учетом продолжительности производственных процессов на протяженном объекте.
9. Сформулирована общая задача синтеза системы мониторинга. Разработаны приложения расчета экономической эффективности, прогнозирования, кластеризации и др., а также сценарий поддержки принятия решений по управлению производственными процессами на протяженном объекте.
10. Разработан комплекс программ поддержки принятия решений и визуализации показателей производственной деятельности на протяженных объектах. Разработанные методы, алгоритмы и программы прошли апробацию и внедрены для практического применения в ряде крупных предприятий, а также используются в учебном процессе в МАДИ(ГТУ).

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Монографии

1. АхоховаА.Ч., Методы статистического анализа в ситуационном управлении на предприятиях автотранспортного и дорожно-строительного комплексов. Монография  / А.Ч.Ахохов, А.В. Колик, В.И. Нестеренко, А.Б. Чубуков // М.: МАДИ(ГТУ), 2005. - 192с.
2. АхоховаА.Ч. Моделирование контроля качества технологических процессов и промышленной продукции. Монография / А.М. Ивахненко, А.Ч.Ахохов // М.: Техполиграфцентр. 2008. -146 с.

Публикации в рецензируемых журналах из списка ВАК

3. АхоховаА.Ч. Корреляционный анализ моделей аппроксимации показателей эффективности инновационных проектов предприятий транспортного комплекса. / А.Ч. Ахохов, А.В. Балдин, В.Б. Борисевич  //Научный вестник МГТУ ГА. -№ 92  Серия Информатика. Прикладная математика - 2005. с.168-171.
4. Ахохов А.Ч. Методика организации и анализа управляемого имитационного эксперимента / А.Ч. Ахохов, А.М. Ивахненко, В.И. Нестеренко, А.Б. Чубуков, Г.П. Цибизов // Вестник МАДИ (ГТУ), вып. 7 / МАДИ(ГТУ). ЦМ., 2006. - С. 78-83.
5. Ахохов А.Ч. Имитационная модель сети массового обслуживания процессов внутризаводской транспортировки /А.М. Ивахненко, В.И. Нестеренко, А.Ч. Ахохов, Е.Ю. Фадеева  Вестник МАДИ(ГТУ), вып.1(12) /МАДИ(ГТУ). -М., 2008. - С.73-76.
6. Ахохов А.Ч. Вложенная имитационная модель транспортировки в условиях стохастического характера грузопотоков и дальности перевозки/ В.И.Нестеренко, А.Ч.Ахохов, В.И.Ивахненко, А.Б.Чубуков // Вестник МАДИ(ГТУ), вып.1(12) / МАДИ(ГТУ).-М., 2008. -С.70-73.
7. Ахохов А.Ч. Методика прогнозирования технико-экономических показателей транспортных предприятий по модели факторного анализа / В.И. Нестеренко, А.Ч. Ахохов, А.М. Ивахненко // Вестник МАДИ(ГТУ), вып.2(13) / МАДИ(ГТУ). -М., 2008. ЦС.74-77.
8. Ахохов А.Ч. Подход к построению системы распознавания рукопечатных форм / А.Ч. Ахохов, А.М. Ивахненко, Д.А. Паршин, Ла Суан Тханг // Вестник МАДИ(ГТУ), вып.1(12) / МАДИ(ГТУ). ЦМ., 2008. ЦС.81-86.
9. АхоховаА.Ч. Моделирование динамических режимов управления транспортными машинами // Вестник МАДИ(ГТУ) вып.2(13) / МАДИ(ГТУ).-М., 2008. ЦС.77-81.
10. АхоховаА.Ч. Автоматизированные средства тестирования межсетевых экранов / Е.А. Васильева // Горно-аналитический бюллетень. МГГУ,  № 3,  -М., 2008 ЦС.36-43.

Публикации в других изданиях

11. Ахохов, А.Ч. Теоретико-методологические основы устойчивости региональной экономики / А.Ч. Ахохов  // Нальчик: КБГСХА, 2002. -22 с.
12. Ахохов, А.Ч. Перспективы развития пассажирского транспорта общего пользования / А.Ч. Ахохов // Автотранспортное предприятие. М.: НТЦ КВАН, 2003, №6. - 52с.
13. Ахохов, А.Ч. Стратегия формирования длинных цепей в национальном хозяйстве / А.Ч. Ахохов, Ю.А. Кушхов  // Современные аспекты экономики. СПб, 2004, № 6(56). -21с.
14. Ахохов, А.Ч. Разработка модели устойчивого развития экономики региона  / А.Ч. Ахохов // Нальчик: КБГСХА, 2004. -11 с.
15. Ахохов, А.Ч. Программная реализация моделей взаимодействия дорожно-строительных машин с грунтом / А.Ч. Ахохов, В.Б. Борисевич, Л.В. Соколова //  Теория и средства автоматизации управлении: сб. науч. тр. / МАДИ(ГТУ). М.:  2004. ЦС.55-58.
16. Ахохов, А.Ч. Многоуровневая аналитико-имитационная модель выбора режимов управления транспортной машиной / А.Ч. Ахохва, В.Б. Борисевич, Л.В. Соколова // Теория и средства автоматизации управления: сб. науч. тр. /  МАДИ(ГТУ).  М.:  2004. ЦС. 100-108.
17. Ахохов, А.Ч. Государственное управление обеспечения дорожного движения / А.Ч. Ахохов //Автотранспортное предприятие, 2005. -№3(4).
18. Ахохов, А.Ч. Безопасность дорожного движения - приоритет государственной политики / А.Ч. Ахохов // Транспорт России, 2005. - № 19, 20, 21.
19. Ахохов, А.Ч. Сохранение жизни человека - важнейшая задача обеспечения безопасности движения / А.Ч. Ахохов // Доркомстрой, 2005. - №2 (спец. выпуск).
20. Ахохов, А.Ч. Некоторые аспекты государственного управления процессом обеспечения безопасности дорожного движения. Государственный приоритет - сохранение жизни человека / А.Ч. Ахохов // Транспортная безопасность и технологии, -2005. -№3(4).
21. Ахохов, А.Ч. Оперативный мониторинг и имитационное моделирование режимов работы  дорожно-строительных и транспортных машин / А.Ч. Ахохов, В.Б. Борисевич, А.В. Балдин // Методы и модели автоматизации управления: сб. науч. тр. /  МАДИ (ГТУ). 2006. ЦС.115-123.
22. Ахохов, А.Ч. Выбор рабочих режимов мобильной техники методами имитационного моделирования / А.Ч. Ахохов, В.Б. Борисевич, М.В. Приходько // Методы и модели  автоматизации управления: сб. науч. тр. / МАДИ(ГТУ).  -М., 2006. - С.70-78.
23. Ахохов, А.Ч. Имитационные модели в задачах оптимизации //  А.Ч. Ахохов, А.В. Колик, В.И. Нестеренко, А.Б. Чубуков // Инновационные технологии в промышленности, строительстве и образовании: сб. науч. тр. / МАДИ(ГТУ). ЦМ., 2007. -С.5-17.
24. Ахохов А.Ч. Оптимизация транспортирования материалов, сырья и комплектующих /  А.Ч. Ахохов, А.В. Колик, В.И. Нестеренко, А.Б. Чубуков // Инновационные технологии в промышленности, строительстве и образовании: сб. науч. тр. / МАДИ(ГТУ). ЦМ., 2007. -С.122-127.
25. Гибридные системы поддержки принятия решений с открытой структурой / А.М. Ивахненко, А.Б. Чубуков, Д.В. Белянский, А.Ч. Ахохов // Информационные технологии: программирование, управление, обучение: сб. науч. тр. / МАДИ(ГТУ). -М., 2007. -С. 122-125.
26. Модели управления цепочками поставок на предприятиях с распределенной структурой / А.М. Ивахненко, А.Ч. Ахохов, А.В. Ящуков, А.П. Баринов // Организационно-управляющие системы на транспорте и в промышленности: сб. науч. тр. / МАДИ(ГТУ). -2007. - С.111-117.
27. Ахохов А.Ч. Синтез структуры распределенной информационной системы /  Ахохов А.Ч., Нестеренко В.И., Ивахненко А.М., Колик А.В.,  Чубуков А.Б. // Информационные технологии: программирование, управление, обучение: сб. науч. тр. / МАДИ(ГТУ) -  М., 2007. - С. 42-49.
28. Ахохов А.Ч. Методика оценки экономической эффективности  деятельности автотранспортных предприятий / Ахохов А.Ч., Нестеренко В.И., Алексеев С.Р., Баринов А.П. // Методы прикладной информатики в автомобильно-дорожном комплексе: сб. науч. тр. /  МАДИ(ГТУ). - 2007. - С.140-145.
29. Ахохов А.Ч. Синтез структуры распределенной информационной системы / Ахохов А.Ч., Ивахненко А.М., В.И. Нестеренко, А.В. Колик, А.Б. Чубуков  // Информационные технологии: программирование, управление, обучение: сб. науч. тр. / МАДИ(ГТУ). -М., 2007. -С. 42-49.
30. Ахохов А.Ч. Метод расчета страховых тарифов для предприятия /  А.Ч. Ахохов, В.И. Нестеренко, К.А. Николаева, Б.Е. Циклис // Организационно-управляющие системы на транспорте и в промышленности: сб. науч. тр. / МАДИ(ГТУ). ЦМ., 2007. ЦС.98-105.
31. Ахохов А.Ч. Учет прогнозных показателей в алгоритмах расчета страховых тарифов / А.Ч. Ахохов, В.И. С.Р. Алексеев, В.И. Нестеренко, Б.Е. Циклис // Организационно-управляющие системы на транспорте и в промышленности: сб. науч. тр. / МАДИ(ГТУ). ЦМ., 2007. ЦС.153-162.
32. Ахохов А.Ч. Формирование структуры управления и координации работ на протяженных объектах //  Вопросы теории и практики автоматизации в промышленности:  сб. науч. тр. / МАДИ(ГТУ). - М., 2008. ЦС.43-51.
33. Ахохов А.Ч. Базовые модели формализации компонентов системы управления предприятием // Вопросы теории и практики автоматизации в промышленности:  сб. науч. тр. / МАДИ(ГТУ). - М., 2008. ЦС.52-61.
34. Ахохов А.Ч. Разработка имитационных моделей компонентов системы управления /А.Ч. Ахохов, А.М. Ивахненко, А.Б. Чубуков, Е.Ю. Фаддеева // Вопросы теории и практики автоматизации в промышленности:  сб. науч. тр. / МАДИ(ГТУ). - М., 2008. ЦС.93-104.
35. Ахохов А.Ч. Техническое состояние подвижного состава и безопасность дорожного движения //Инновационные методы автоматизации технологических процессов и производств: сб. науч. тр. / МАДИ(ГТУ). - М., 2008. ЦС.76-81.
36. Ахохов А.Ч. Обоснование модели управления цепочками поставок / В.И.Нестеренко, А.Ч. Ахохов, А.М. Ивахненко, А.Б. Чубуков //Инновационные методы автоматизации технологических процессов и производств: сб. науч. тр. / МАДИ(ГТУ). - М., 2008. ЦС.82-85.
37. Ахохов А.Ч Разработка технического задания на программную реализацию системы поддержки принятия управленческих решений / А.Ч. Ахохов, А.М, Ивахненко,  В.И. Нестеренко, А.Б.Чубуков // Инновационные методы автоматизации технологических процессов и производств: сб. науч. тр. / МАДИ(ГТУ). - М., 2008. ЦС.112-122.
38. Ахохов А.Ч Задачи оптимизации структуры управления производством работ на протяженных объектах / В.И.Нестеренко, А.Ч. Ахохов, А.М. Ивахненко, А.Б. Чубуков // Методы ситуационного управления и статистического анализа в промышленности, строительстве и образовании: сб. науч. тр. / МАДИ(ГТУ). - М., 2008. ЦС.14-23.
39. Ахохов А.Ч. Сценарий системы поддержки принятия решений и концепция создания ситуационного центра / В.И.Нестеренко, А.Ч. Ахохов, А.М. Ивахненко, А.Б. Чубуков //Методы ситуационного управления и статистического анализа в промышленности, строительстве и образовании: сб. науч. тр. / МАДИ(ГТУ). - М., 2008. ЦС.42-51.
40. Ахохов А.Ч. Влияние состояния сети автомобильных дорог на безопасность дорожного движения //Методы ситуационного управления и статистического анализа в промышленности, строительстве и образовании: сб. науч. тр. / МАДИ(ГТУ). - М., 2008. ЦС.78-86.
41. Ахохов А.Ч. Мониторинг производственных процессов с использованием распределенной информационной системы / В.И.Нестеренко, А.Ч. Ахохов, А.М. Ивахненко, А.Б. Чубуков // Методы ситуационного управления и статистического анализа в промышленности, строительстве и образовании: сб. науч. тр. / МАДИ(ГТУ). - М., 2008. ЦС.24-33.

Подписано в печать 1.09.2008 г.

Объем 2,75 п.л. Тираж 120 экз. Заказ № 533/418

Московский автомобильно-дорожный институт (государственный технический университет)

125319, Москва, Ленинградский пр., 64.

Отпечатано в типографии МАДИ(ГТУ)

     Авторефераты по всем темам  >>  Авторефераты по техническим специальностям