Авторефераты по всем темам  >>  Авторефераты по техническим специальностям  

На правах рукописи

Новицкий Владимир Олегович

МОДЕЛИ И МЕТОДЫ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ ПРОИЗВОДСТВОМ ДЛЯ ЗЕРНОВЫХ И ЗЕРНОПЕРЕРАБАТЫВАЮЩИХ КОМПАНИЙ

Специальность 05.13.06 Ц Автоматизация и управление технологическими процессами и производствами

(пищевая промышленность)

АВТОРЕФЕРАТ
диссертации на соискание ученой степени
доктора технических наук

Москва Ц 2010

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования Московский государственный университет пищевых производств (МГУПП)

  Научный консультант: 

  доктор технических наук, профессор Карпов Валерий Иванович.

  Официальные оппоненты:

  доктор технических наук, член-корреспондент РАЕН,

  профессор Широков Лев Алексеевич;

  доктор физико-математических наук, профессор Краснов Андрей Евгеньевич;

  доктор технических наук, профессор Данчул Александр Николаевич.

Ведущая организация: Негосударственное образовательное учреждение дополнительного профессионального образования Международная промышленная академия

Защита состоится  л23 декабря 2010 г. в 14.30 часов на заседании Совета по защите докторских и кандидатских диссертаций Д 212.148.02 при ГОУ ВПО Московский государственный университет пищевых производств по адресу:  125080, г. Москва, Волоколамское ш., д. 11, корп. А, ауд. 302.

С диссертацией можно ознакомиться в библиотеке МГУПП.

Отзывы на автореферат (в двух экземплярах), заверенные печатью, просьба направлять по адресу: 125080, г. Москва, Волоколамское ш., д. 11.

Автореферат разослан л _________ 2010 г.

Ученый секретарь Cовета,

кандидат технических наук, доцент  Воронина Н.О.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. На современном этапе развития научно-технического прогресса в области агропромышленного комплекса (АПК) фундаментальной проблемой является недостаточно эффективное управление его важнейшим - зерновым сектором, являющимся одним из основных рыночных и стратегических ресурсов, необходимых для сохранения и обеспечения нормального развития государства и нации.

В России, как и во многих других странах, зерно и продукты его переработки, традиционно называемые хлебопродуктами (х/п), составляют основу агропромышленного производства и продовольственной безопасности страны. Зерновой и зерноперерабатывающий секторы составляют около трети АПК России. При этом качество зерна, выращиваемого в России, сильно различается из-за большого диапазона климатических условий в зернопроизводящих регионах, а расстояния между производителями и потребителями хлебопродуктов очень велики. Это влияет на себестоимость и соответственно на цены х/п.

В России и ближнем зарубежье исторически сложилась ситуация избытка производственных мощностей по переработке зерна при  их неравномерном распределении по территориям стран. С учётом давления внешнего рынка внутри России возникла жёсткая конкуренция между производителями  как на сырьевых рынках, так и особенно на рынках муки, комбикормов и др. Причём рентабельность подавляющего большинства производств крайне низкая (от 0 до 5-7%), несмотря на высокие показатели интеграции производственных и торговых предприятий в отраслевые и межотраслевые холдинги с достаточно квалифицированным уровнем топ-менеджмента.

Это позволяет утверждать, что основными инструментами, которые могут обеспечить успешное функционирование и развитие российских зерновых и зерноперерабатывающих предприятий и компаний (далее ЗПК) в условиях высокой конкуренции на внутренних и перспективных внешних рынках, являются более совершенные системы управления производством (СУП). И чем больший цикл функций управления они охватывают, чем выше их техническо-экономические показатели и ниже доля в себестоимости продукции, тем выше инвестиционная привлекательность ЗПК и их шансы на эффективную работу на традиционных продовольственных рынках и освоение новых.

Основным направлением повышения качества СУП для ЗПК является их комплексная автоматизация, интеллектуализация, интеграция, приближённость к клиентам, гибкость  и постоянная адаптация к изменяющимся условиям рынка на основе учёта большого числа необходимых  формализуемых и слабоформализуемых факторов с применением системного подхода, интегрирующего цикл функций управления: сбор информации, контроль, учёт, регулирование, планирование, организация, целевое управление и координация.

Важнейшими функциями СУП для ЗПК являются учёт, контроль и планирование зерновых ресурсов, обеспечивающие их рациональное использование и снижение себестоимости х/п.

Работа выполнена на кафедре Автоматизированные системы и вычислительная техника (АС и ВТ) ГОУВПО МГУПП. В диссертации обобщены результаты теоретических и экспериментальных исследований, выполненных в период с 1988 г. по 2010 г. лично автором или при его непосредственном участии в качестве ответственного исполнителя в рамках хоздоговорных и госбюджетных научно-исследовательских работ. Под научным руководством автора защищена кандидатская диссертация.

Целью работы является повышение эффективности функционирования зерновых и зерноперерабатывающих предприятий и компаний  на основе современных информационных технологий управления сложными производственными системами и бизнес-процессами по циклу функций учёта, контроля и поддержки принятия решений  по планированию производства.

Объектом исследования являются зерновые и зерноперерабатывающие предприятия и компании, которые осуществляют закупку, приём, хранение, реализацию и отгрузку зерна, его переработку в муку, комбикорма и др. виды хлебопродуктов и представляют большой класс типовых объектов автоматизации в самом крупном рыночном секторе АПК РФ.

Предметом исследования являются методы моделирования организационно-технических систем управления производством, модели  задач учёта, контроля и планирования для класса объектов - зерновых и зерноперерабатывающих предприятий и компаний.

Основными задачами исследования, которые необходимо решить для достижения поставленной цели, являются следующие.

1. Анализ производственных бизнес-процессов, стратегий, функций, проблем и существующих решений по управлению на ЗПК, методов исследования и моделирования сложных организационно-технических систем.

2. Формулирование проблемы и общая постановка задачи управления производством на ЗПК.

3. Разработка методологии моделирования систем управления для ЗПК как специфического класса сложных производственных систем с характерными особенностями и соответствующей программной нотации.

4. Концептуальное моделирование подсистем и математическая постановка задач управления производством для ЗПК на основе разработки структур целей, причинно-следственных граф-моделей и теоретико-множественных представлений.

5. Разработка математических моделей процессов производственного планирования для ЗПК: приёма, обработки, размещения, реализации и отгрузки зерна на элеваторе, закупки зерна, формирования зерновых смесей и загрузки производственных линий для мукомольного и комбикормового производств и построение на их основе банка математических моделей СУП ЗПК.

6. Разработка алгоритмов принятия решений по планированию производства на основе постановки общей задачи выбора решений по управлению в ЗПК

7. Разработка методов адаптации моделей и алгоритмов принятия  решений в соответствии с условиями функционирования ЗПК.

8. Разработка методики проектирования, внедрения и сопровождения и  архитектуры программного обеспечения системы поддержки принятия решений (СППР) корпоративной автоматизированной информационной системы управления (КАИСУ) ЗПК.

9. Разработка типовых подсистем управления КАИСУ ЗПК на основе разработанных методов и моделей.

10. Внедрение и оценка эффективности разработанных моделей, методов, алгоритмов и типовых  подсистем управления для ЗПК России.

Методы исследования. Для решения основных задач исследования в работе использованы следующие теории и методы: теория систем и системный анализ, теория управления, теория автоматического управления, теория больших систем, теория иерархических многоуровневых систем, теория множеств, векторная алгебра, теория информации, теория графов, когнитивные технологии моделирования, структурно-функциональное и информационное моделирование, методы исследования операций, методы производственного менеджмента, методы планирования, методы целевого управления, методы процессного управления, линейное и линейное целочисленное программирование, методы постепенной формализации моделей, методы принятия решений.

Научная новизна диссертационной работы заключается в следующем.

1. Впервые на основе системного подхода в многомерном пространстве бизнес-процессов разработана общая структурно-функциональная модель системы и математическая постановка задачи управления производством для ЗПК в теоретико-множественном представлении (ТМП), включающая множества целей, критериев, возмущений, управлений и состояний системы на различных временных горизонтах управления.

2. Разработана методология моделирования сложных систем управления  применительно к ЗПК на основе интеграции системного, причинно-следственного, кибернетического, процессного и функционального подходов, когнитивных технологий, концептуального моделирования в ТМП и методов математического программирования, которая, в отличие от известных методологий, наряду с интеграцией подходов, позволяет автоматизировать процесс формирования концептуальных моделей и математических постановок задач для сложных систем управления производством для класса предприятий.

3. Разработаны концептуальные причинно-следственные и теоретико-множественные модели подсистем и постановки задач учёта, контроля и планирования производства от приёма зерна до реализации хлебопродуктов на элеваторах, мукомольных и комбикормовых предприятиях, что позволило создать систему типовых взаимосвязанных моделей актуальных задач управления для ЗПК.

4. Разработаны математические модели процессов: планирования приёма, обработки и размещения зерна; оперативного расчёта рецептов и планирования помольных и отгрузочных партий зерна, планирования закупки зерна для производства муки; планирования рецептов, закупки сырья и загрузки технологических линий комбикормового производства в выражениях векторной алгебры.

5. Впервые предложена идея создания и использования методов адаптивного оптимального управления на основе банка математических  моделей как специального структурированного множества типовых модельных компонентов (ТМК) для ЗПК, формирования из них модельных агрегатов (МА) и синтеза СУ в соответствии с принципами подобия и аналогий. Разработан комплекс ТМК для задач оптимального планирования производства и алгоритм наполнения БМ.

6. Разработана постановка задачи многокритериального выбора и алгоритм принятия решений по планированию производства в ЗПК, использующий методы: декомпозиции и агрегирования, смешанного целочисленного линейного программирования, диалогового итерационного поиска и координации критериев и решений и реализующий адаптивное управление предприятием.

7. Разработан метод адаптации моделей и алгоритмов принятия  решений по планированию производства в ЗПК на основе методики постепенной формализации моделей.

8. Разработаны комплексы структурно-функциональных моделей, моделей потоков данных и информационных моделей подсистем учёта, контроля, планирования производства и торговли хлебопродуктами для ЗПК.

Практическую ценность работы составляют следующие полученные результаты.

1. Разработано программное обеспечение для построения системных диаграмм и концептуального моделирования - SDCM, являющееся CASE-средством графического моделирования причинно-следственных связей и постановки задач управления для сложных систем, доступная для специалистов предприятий.
2. Разработан банк моделей  задач планирования для СУ ЗПК, который позволяет решать различные задачи  планирования для элеваторных, мукомольных, комбикормовых, торговых и др. производственно-хозяйственных подразделений ЗПК и близких отраслей.
3. Разработана методика адаптации моделей и алгоритмов принятия решений по планированию производства для ЗПК, которая позволяет учитывать опыт специалистов, снизить трудоемкость  внедрения и сопровождения комплекса типовых подсистем управления КАИСУ ЗПК.
4. Разработана методика проектирования, внедрения и сопровождения подсистем управления для ЗПК, позволяющая на основе настройки типовых решений сочетать этапы проектирования, обучения, тиражирования и сопровождения систем.
5. Разработаны подсистемы: учёта и контроля грузооборота зерна на автотранспорте (а/т); первичного учёта х/п; СППР планирования работы элеватора, оптимального расчёта рецептов помольных смесей и зерновых смесей для отгрузки на элеваторе, планирования закупки зерна, загрузки линий комбикормового производства и планирования операций по торговле зерном на внутреннем рынке. Данные подсистемы являются компонентами КАИСУ ЗПК.

Реализация научно-технических результатов работы.

       1. Разработанные в рамках настоящего исследования методология моделирования сложных систем управления для ЗПК, программная нотация построения системных диаграмм и концептуального моделирования SDCM, методика адаптации моделей и алгоритмов принятия  решений в соответствии с условиями функционирования ЗПК и методика проектирования, настройки, внедрения и сопровождения разработанных подсистем управления КАИСУ ЗПК используются на кафедре АС и ВТ МГУПП при проектировании, внедрении и сопровождении подсистем учёта и контроля грузооборота х/п и поддержки принятия решений по планированию производства в ЗПК, а с 2008г. используются в учебном процессе в курсовом и дипломном проектировании.

       2. Подсистема первичного учёта х/п на базе автоматизированой информационной системы комбината хлебопродуктов (АИС КХП) внедрена на нескольких десятках предприятий РФ, в т.ч.: ОАО Мурманский КХП, ОАО Хлеб Кубани, Ялуторовском КХП, ОАО Хлебоприёмное предприятие Отрешково, ООО Бунге СНГ филиал в Колодезном, ОАО Элеватор (г. Будёновск), ОАО Усть-Лабинский КХП, ОАО Камышинская зерновая компания, ОАО Верхнехавский элеватор, ОАО Ростовский зерновой терминал, ОАО Зерновой терминал Волга (г.Кинешма), ОАО Тульский КХП и др.  Внедрение данной подсистемы позволило устранить дублирование, повысить оперативность и достоверность информации, эффективность использования зерновых и финансовых ресурсов, обоснованность управленческих решений, производительность труда.

       Подсистема первичного учёта х/п используется в учебном процессе ФГОУ ВПО Башкирский государственный аграрный университет (БГАУ), МГУПП и НОУ ДПО Международная промышленная академия (МПА).

       На комплексы задач учета качества хлебопродуктов в зерновой и мукомольной производственно-технологических лабораториях (УКХ ПТЛ) и учета зачистки на элеваторах и складах хлебоприемных и зерноперерабатывающих предприятий получены свидетельства об официальной регистрации программ для ЭВМ. За УКХ ПТЛ автор награждён дипломом за I место в Первом Всероссийском смотре на лучшую изобретательскую и рационализаторскую работу в мукомольно-крупяной промышленности (Москва, 2006 г.).

       4. Автоматизированная система расчёта оптимальных рецептов помольных смесей (АСР ОРПС) внедрена на предприятиях: ОАО Мурманский КХП, ОАО Раменский КХП, ОАО Усть-Лабинский КХП, ОАО Элеватор, а также используется в учебном процессе БГАУ, МГУПП и МПА. За АСР ОРПС автор награждён дипломом за II место во Втором Всероссийском смотре на лучшую изобретательскую и рационализаторскую работу в мукомольно-крупяной промышленности (Москва, 2008 г.). На АСР ОРПС получено свидетельство об официальной регистрации программ для ЭВМ.

       5. СППР планирования производства комбикормов внедрена в ОАО Мурманский КХП и позволяет оптимизировать загрузку линий комбикормового цеха.

       6. Автоматизированная информационная система поддержки принятия решений по закупкам и продажам зерна (АИС ПР Торговля зерном) внедрена в компании Разгуляй Зерно и позволяет оптимально планировать как отдельные сделки, так и пакеты торговых сделок  на внутреннем рынке зерна.

       7. Для автоматизированной системы учёта и контроля грузооборота зерна разработаны технические задания на внедрение в ОАО Ростовский зерновой терминал, ООО Элеватор (Воронежская обл.) и ЗАО Орёл Нобель Агро.

       Апробация работы.        Основные результаты выполненных исследований были представлены на следующих научных конференциях,  выставках и съездах: I Всероссийской научно-практической конференции (НПК) Современные информационные технологии и системы для отраслей агропромышленного комплекса, Москва, 1999 г.; II международной научной конференции (НК) Управление свойствами зерна в технологии муки, крупы и комбикормов, Москва, 2000 г.; Юбилейной международной НПК Пищевые продукты XXI века, Москва, 2001 г.; IV международной НПК ХЛЕБОПРОДУКТЫ-2002, Одесса.; VI специализированной выставке-конференции Управление 2002 (методы, средства, технологии), Москва; Всероссийской научно-технической конференции и выставке (НТКВ)Качество и безопасность продовольственного сырья и продуктов питания, Москва, 2002 г.; I и II Всероссийском конгрессе зернопереработчиков и хлебопеков Нивы России, Барнаул, 2001 г. и 2003 г.; международных выставках Зерно - Комбикорма - Ветеринария, Москва, 2002-2006 г.г.; XI, XII, XIII и XIV международной НПК Системный анализ в проектировании и управлении, Санкт-Петербург, 2007-2010 г.г.; I и II Всероссийской НТКВ Высокоэффективные пищевые технологии, методы и средства для их реализации, Москва, 2003 г. и 2004 г..; III международной конференции (МК) Управление технологическими свойствами зерна, Москва, 2005 г.; III МК Качество зерна, муки, хлебобулочных и макаронных изделий, Москва, 2006 г.; V МК МЕЛЬНИЦА-2007, Москва; IV МК Лаборатория для предприятий АПК-2008, Москва.; VIII Съезде мукомольных и крупяных предприятий России, Москва, 2009г.; МК Лаборатория для предприятий хранения, переработки зерна и хлебопекарной промышленности, Москва, 2010 г.

Публикации результатов работы. По теме диссертации опубликовано 114 научных и учебно-методических работ, в том числе 36 статей в журналах, рекомендованных ВАК, получено авторское свидетельство об изобретении и 7 свидетельств об официальной регистрации программ для ЭВМ.

Структура и объем работы. Диссертация состоит из введения, 6 глав, заключения, списка литературы, перечня сокращений и приложений. Общий объем работы составляет 450 страниц. Структура работы приведена на рис.1.

Рис.1. Структура диссертационной работы

Краткое содержание работы

Во введении обоснована актуальность работы, определены цель и задачи исследования, научная новизна и практическая ценность работы.

       В первой главе проведён анализ зерновых и зерноперерабатывающих предприятий и компаний (ЗПК) как объектов управления, рассмотрены основные производственные и бизнес-процессы  (БП), проанализирована система управления ЗПК, охарактеризованы  известные решения по управлению производством для  предприятий и компаний, действующих на рынках зерна и продуктов его переработки, сформулирована проблема и представлена общая постановка задачи управления производством для ЗПК.

       В работе ЗПК названы предприятия и их объединения, осуществляющие какие-либо из следующих операций: закупка зернового сырья, его приём, размещение, обработка, хранение и отгрузка потребителям, переработка в муку, крупу, комбикорма, другие виды продукции из зерна (отруби, растительное масло, солод и т.п.) и зерновые отходы, реализацию зерна и продуктов его переработки (или хлебопродуктов - х/п) на внутреннем и внешнем рынках.

       ЗПК могут включать в себя элеваторно-складские комплексы (ЭСК), мукомольные заводы разного вида помолов, комбикормовые заводы, крупозаводы по переработке разных зерновых культур, предприятия торговли (торговые дома) и побочные производства. К ЗПК также могут быть отнесены заводы  по производству растительного масла, зерновые терминалы и др.

Для зернового бизнеса характерна высокая степень интеграции производства и управления. Организационная структура ЗПК определяется типом и степенью его интеграции в компании. Структурно-функциональная схема основных производственных процессов в ЗПК приведена на рис.1.1.

Как объект управления ЗПК характеризуется следующими чертами.

1. Основным входным материальным потоком является зерновое сырьё, которое в России имеет большой разброс более чем по 20 показателям качества. Закупку основного сырья определяет сезонность сбора урожая. Процессы хранения, переработки и реализации х/п потребителям характеризуются относительной стабильностью в течение всего года. Основным способом стабилизации качества продукции на ЗПК является стабилизация качества входного сырьевого потока.

Рис.1.1. Структурно-функциональная схема основных

производственных процессов в ЗПК

2. Зерно в процессе приёмки, размещения, хранения и отгрузки в зависимости от значений показателей качества формируется по партиям. Формирование крупных товарных партий по целевому назначению в соответствии с требованиями к показателям качества осуществляется из мелких, разнородных по качеству партий зерна.

3. Производства в ЗПК являются многопоточными, многопередельными и включают ряд операций. Для перерабатывающих предприятий процессы являются непрерывными, а для ЭСК они непрерывны только в рамках операций, которые разделены во времени, поэтому особенностью ЗПК является одновременная непрерывность потока в производстве и партионная дискретность в учёте. В процессе обработки, хранения и переработки х/п изменяются их количественные и качественные показатели.

4. ЭСК и перерабатывающие подразделения ЗПК работают по различным временным графикам, требующим согласованности.

       ЗПК рассматривается как большая сложная организационно-техническая и производственно-хозяйственная система, обеспечивающая преобразование сырьевых ресурсов в готовую продукцию, полуфабрикаты и услуги.

БП для ЗПК - это определённая совокупность взаимосвязанных операций с привлечением различных ресурсов, направленных на формирование товарных партий, выработку требуемой продукции из зерна и оказание необходимых услуг по его приёму, обработке, хранению, переработке и реализации потребителям. БП может быть описан математической моделью (ММ) - функционалом и  множеством ограничений, что является основой для постановки задач управления предприятием.

       Производственные  БП в ЗПК связаны с основной логистической цепочкой  производственного предприятия: закупка сырья - производство - реализация и отгрузка продукции.

       Управление в ЗПК рассматривается как последовательность функций, составляющих технологический цикл управления БП для достижения целей в рамках ограничений: сбор информации, учёт, контроль, регулирование, планирование, организация, целевое управление и координация.

       Для реализации управления как интегративного свойства СУ необходимы ресурсы, которые ограничены и должны быть распределены эффективным образом. С этих позиций управление есть распределение ресурсов.

       Управление также рассматривается как совокупность циклических действий, связанных с выявлением проблем, поиском и организацией выполнения принятых решений на двух уровнях: производственных БП и административных БП.

Управление производством на ЗПК базируется на данных (модели) первичного учёта х/п и не может существовать в отрыве от стратегического управления - верхнего уровня СУ компании, определяющего цели предприятия.

СУ компании должна учитывать основные составляющие бизнес стратегии (БС) и реализовывать их через стратегию управления. ЗПК может включать различные предприятия, обладающие общими или собственными моделями функций управления c разной степенью их автоматизации.

В настоящее время частные проблемы управления производством упираются в общую проблему недостаточной управляемости ЗПК в современных рыночных условиях, связанной с отсутствием комплексной интегрированной СУ, отвечающей следующим основным требованиям:

- подчиняться главной цели компании как системы. Цели элементов системы должны быть с ней согласованы;

- опираться на формализованные модели БП предприятия и компании;

- адаптироваться к условиям неопределённости;

- охватывать цикл функций управления для всех необходимых временных периодов на любом уровне ответственности;

- обеспечивать взаимосвязанное управление по всем звеньям основной производственной логистической цепочки и учитывать значимые возмущения от внутренних активных элементов системы и из внешней среды;

- многокритериальность управления должна обеспечивать принятие решений при любом заданном комплексе условий и ограничений.

Проведён анализ имеющихся решений по СУ для компаний данного класса. Изучены работы современных российских учёных для отрасли хранения и переработки зерна и близких отраслей: И.П.Богомоловой, В.П.Елизарова, В.И.Карпова, А.Е.Краснова, Б.В. Лукьянова, А.Ю.Машковой, И.Г.Панина, Л.И.Смоляр, Е.В.Терёшкина, В.Б.Фейденгольда, А.Ю.Шаззо и др. Рассмотрены решения по автоматизации управления, предлагаемые рядом отечественных фирм: НПФ ИнСАТ-СПб, Малленом (г.Самара), ЦентрПрограммСистем (г.Белгород), ИНФО (г.Москва), АльтСофт (г.Омск), ИНПРО (г.Оренбург), Гела (г.Воронеж), ПКФ Информ-Сервис (г.Азов) и др. Рассмотрены также системы ведущих западных компаний, использующих современные информационные технологии интеллектуальной обработки данных: SAP, Oracle, IBM, Microsoft, PowerSim, на базе которых российскими компаниями-интеграторами разрабатываются решения для крупных холдингов.

На основе рассмотренных подходов и решений сделан вывод, что управление производством по совокупности технологических и экономических показателей для ЗПК предпочтительнее, чем только по экономическим. С другой стороны, предлагаемые системы зарубежного производства слишком дороги, громоздки и не отвечают требованиями специфики деятельности ЗПК, а известные частные отраслевые отечественные решения не дают целостного системного эффекта для управления компанией.

Таким образом, выявлено, что для широкого класса компаний АПК РФ отсутствуют СУ, отвечающие всем указанным требованиям, поэтому необходимо и актуально создание СУП для ЗПК на основе разработки более совершенных методов и инструментов моделирования.

       Производственно-хозяйственные и управленческие элементы СУ ЗПК могут быть представлены как пространство БП (c F-функционалом BP), приведенное на рис.1.2.

Общую постановку задачи исследования можно сформулировать следующим образом. С учётом статических и динамических задач цикла функций управления на всём пространстве производственных БП необходимо разработать методологию моделирования сложных систем, на основе которой создать математическое и программное обеспечение задач учёта контроля и поддержки принятия решения по планированию  производства в составе комплексной интегрированной СУП для класса ЗПК.

На основе описания и анализа объектов, функций, стратегий управления и БП для различных производств ЗПК сформулирована проблема управления и разработана функциональная модель СУП ЗПК, (рис.1.3), из которой видно, что она включает следующие основные функциональные блоки: контроль и учёт грузооборота х/п на автотранспорте (а/т); первичный учёт х/п; планирование производства и реализации х/п.

Рис.1.2. Классификация и пространство бизнес-процессов в зерновой и зерноперерабатывающей компании

Рис.1.3.Общая функциональная модель СУП ЗПК (SADT A0)

       Общая математическая постановка задачи управления производством на ЗПК, разработанная в ТМП, в графическом виде показана на рис.1.4 и может быть также представлена в виде нижеприведенных операторов-отображений:

V  Y 

  U  C 

  T1 

K

  T2

Z

  T3

               

Рис. 1.4.Теоретико-множественное представление общей постановки задачи управления производством в ЗПК

η: V × U × C → Y,                                                                 (1.1)

μ: V × U × T1 → C, 

ψ: K × C × T2 → U, 

       φ: Z × Y × T3 → K        

       Приведенная общая постановка задачи работы подразумевает определённые специфические требования к методологии её реализации.

       Вторая глава посвящена разработке методологии моделирования сложных систем управления применительно к ЗПК. Рассмотрены понятия методологии,  системы, сложной системы. Изучение существующих современных методов, подходов и методологий исследования и моделирования систем управления производственными компаниями в России и за рубежом показало, что являясь ценным опытом в данной проблемной области, тем не менее ввиду ряда недостатков, каждая из них в отдельности малоприменима и недостаточно эффективна при реализации СУ для класса ЗПК, а также близких отраслей. Необходима их интеграция в виде специализированной методологии, отвечающей следующим требованиям:

- подход к проблеме с использованием методов логистики;

- использование наряду с формальными параметрами и аналитическими методами также слабоструктурированных элементов и методов;

- подход к решению задач как многокритериальных;

- исследование СУ ЗПК включает полный цикл функций управления, а создаваемые компоненты СУ относятся практически ко всему диапазону классов информационно-управляющих систем (ИУС) и систем аналитической и интеллектуальной обработки данных.

- доступность и наглядность в применении для решения задач разных уровней абстракции, сложности и ответственности с целью привлечения к созданию моделей систем наряду с аналитиками также профессионалов-практиков.

Анализ специфики СУ ЗПК и существующих методологий исследования и моделирования сложных систем (рассмотренных в главе 2 диссертации) на соответствие требованиям общей постановки задачи управления производством ЗПК дают основание сделать вывод о необходимости разработки специализированной методологии моделирования сложных систем управления для широкого класса производственных предприятий АПК, к которым относятся ЗПК.

В разработанной методологии моделирования для СУ ЗПК используется несколько подходов: системный, диалектический (причинно-следственный или когнитивный), кибернетический, процессный, функциональный, ситуационный.

               Проведен анализ известных результатов  исследований в теории систем, системного анализа и системотехники, теории управления, когнитивных технологий, исследования систем, теории принятия решений, информационных технологий и интеллектуальных систем, исследования операций и математического программирования, производственного менеджмента, в частности, в трудах учёных:

Ю.И.Черняка, Ф.И.Перегудова, Ф.П.Тарасенко, В.В.Дружинина, С.Л.Оптнера, В.Н.Спицнаделя, В.Н.Садовского, Э.Г.Юдина, А.А.Емельянова, В.С.Анфилатова, И.Н.Дрогобыцкого, В.Н.Волковой, П.М.Хомякова, В.В.Качала, Д.М.Жилина, М.Месаровича, У.Р.Эшби, Н.П.Бусленко, АА.Денисова, В.Н.Буркова, В.И.Максимова, С.А.Юдицкого, А.А.Кулинича, Е.К.Корноушенко, В.В.Борисова, М.М.Герасимова, Г.В.Гореловой, В.М.Мишина, А.В.Катернюка, Е.В.Фрейдиной, И.Г.Черноруцкого, А.М.Баина, Г.Н.Калянова, Н.М.Абдикеева, В.Н.Гришина, Р.Брауна, Р.Мэзона, А.А.Корбута, Ю.Ю.Финкельштейна, В.П.Корнеенко, Г.Кокинза, С.Г.Фалько и др. учёных.

В диссертации за основу взят системный подход, и СУ ЗПК рассматривается как сложная интегрированная автоматизированная система - ИАСУ. Причём под интеграцией понимается объединение отдельных частей в единое целое - в интегрированную систему, где воедино сводятся элементы, компоненты, ресурсы, процессы для реализации нового, интегративного свойства (целостности) системы, обеспечивающего достижение её целей.

Интегративные свойства ИАСУ ЗПК отражаются в эффектах (повышение прибыли, конкурентоспособности, качества, выходов продукции и др.), получаемых за счёт наилучшей реализации функций цикла управления.

Разработанная методология моделирования сложных СУ для ЗПК базируется на принципах физичности, моделируемости и целенаправленности (взятых из системотехники)  и предполагает взаимосвязанный комплекс методов поддержки основных стадий концептуального и логического моделирования ИУС для всех уровней и функций цикла управления с использованием формальных и слабоструктурированных агрегированных параметров совместно с концепцией формирования банка моделей.

       Методология состоит из следующих этапов, процедур и положений.

1. Изучение предметной области при формулировании проблемы и проблематики проводится с использованием подходов BPM (управления результативностью бизнеса), нацеленных на построение системы поддержки принятия решений. Именно с этих позиций изначально определяется главная цель и структура (дерево) целей системы и обуславливаемые ею основные агрегированные элементы (компоненты) с последующей декомпозицией.

2. На основе проанализированной первичной информации определяются основные элементы системы в виде параметров, которые поддаются сравнению. Для оценки системы и поиска решений комплекса взаимосвязанных задач строится диаграмма причинно-следственных связей (ДПСС) или иначе каузальная граф-модель. Техника её построения имеет ряд общих правил с методикой когнитивного моделирования, а именно: вершинами графа являются элементы-параметры; дуги представляют собой положительные (усиливающие) или отрицательные (уменьшающие) причинно-следственные связи между элементами и т.д., поэтому ДПСС в целом можно называть также когнитивными картами с учётом ряда существенных отличий:

-  ДПСС предназначены для исследования контуров обратных связей (ОС) в СУ с целью выявления актуальных задач. Контуры могут быть усиливающие, либо уравновешивающие (компенсирующие);

- на дугах выставляются задержки по времени, на основе которых  определяются временные горизонты управления;

- в ДПСС используются несколько типов блоков элементов-параметров, отражающих их динамику и определяемых как уровни объектов: 0 - исходное свойство (лсобытие или начало), 1 - изменение свойства (лнакопитель или луровень), 2 - процесс изменения свойства (лпоток), 3 Ц  реструктуризация системы (качественный скачок свойства, трансформация).

На основе предложенной методики проводится анализ конфигурации усиливающих и компенсирующих контуров ОС в СУ, оценивается логика построения системы, её устойчивость и направления возможного развития.

3. Взаимосвязь решаемых задач должна отражаться на дереве целей, в процессе построения которого ДПСС может корректироваться, включая состав элементов и топологию связей. Таким образом, процесс построения каузального графа-модели и структуры целей системы является итерационным.

4. Строится концептуальная модель СУ, формализованная в ТМП.

В аналитическом виде формальную модель СУ ЗПК,  являющуюся структурно-динамической, в соответствии с выражением (1.1) общей постановки задачи управления производством можно представить как:

: X T→ C , : С Т→ Y; (2.1)

T={tl, }; X = {U, V},

U={ui(t)| ui(t)∈DUi, }, DU={DUi, },аt∈T;

V={vj(t)| vj(t)∈DVj,}, DV={DVj,}, t∈T;

С = {Ct: Ct =f (Ct-1, X), U∈ DU, V∈ DV, t∈T}

Сt = {cn(t), }, t∈T

Y = {ym(t), }, t∈T;

ym(t) = m(t,Ct), t∈T, ;

Сt = (t, X), t∈T ,

где - отображение (оператор) множества X входов на всём интервале времени (множества Т, соответствующего горизонту времени) управления во множество состояний С; - отображение множества состояний на горизонте управления во множество выходов (результатов)Y; U - множество параметров управляемых входов u(t); V - множество параметров возмущающих (неуправляемых) входов v(t); Ct - промежуточное состояние системы в момент времени t∈T; Y  - множество результирующих целевых выходов y(t); DU, DV Цобласти допустимых значений управляемых и возмущающих параметров.

       В зависимости от конкретизации множеств V, U, C, Y , отображений (операторов) и и интервалов T можно получить как аналитические так и слабоформализуемые дискретные или непрерывные модели.

       5. Результат анализа - концептуальная модель - имеет цель построения моделей более детального - логического уровня для последующей идентификации параметров этих моделей на этапе синтеза системы.

       Для получения моделей логического уровня предлагается использовать понятие банка математических моделей  (БМ) предметной области (СУ ЗПК). Это обусловлено наличием общей отраслевой специфики, которая может быть реализована в виде структурированных определённым образом типовых модельных компонентов (ТМК) процессов (критерии, условия, связи).

       Для него разрабатываются модели на основе тех или иных методов из определяемого исследователем конфигуратора языков системы.

       БМ предназначен для синтеза СУП ЗПК и позволяет использовать заранее подготовленные ТМК для решения актуальных задач; на логическом уровне конструировать из них модельные агрегаты (МА) для СУ ЗПК; исследовать возможное поведение систем. Динамика сложной СУ раскрывается через динамику взаимосвязанных МА.

       В процессе проведения исследований и развития СУ БМ пополняется новыми моделями, отражающими новые функции и свойства объектов.

Для достижения требуемого уровня адекватности моделей реальным объектам с учётом обязательного использования субъективного опыта специалистов отраслевых предприятий и компаний предусматривается разработка собственных методик постепенной формализации моделей.

       С целью автоматизации методологии моделирования сложных СУ разработана программа построения системных диаграмм и концептуального моделирования - SDCM (System Diagram and Conceptual Modeler), позволяющая строить и редактировать граф, анализировать правильность построения и контуры ОС, изменять топологию диаграммы, получать концептуальную модель в ТМП.

В третьей главе проведено системное исследование и концептуальное моделирование основных подсистем и разработаны математические постановки задач СУП ЗПК на основе разработанной методологии.

Проведён анализ подсистемы учёта и контроля движения хлебопродуктов на предприятии (УКДХП) на примере приёма зерна с а/т в период закупок.

Рис.3.1 Дерево целей подсистемы учёта и контроля движения х/п в ЗПК

Автоматизация УКДХП на ЗПК должна обеспечивать достижение целей, приведенных в виде дерева целей на рис.3.1. В соответствии с ним построена

ДПСС (рис.3.2), которая включает следующие контуры ОС:

1. C1 - V1 - Y5 - Y3 - Y1 - C1 - усиливающий контур (положительная ОС) - говорит о том, что увеличение грузооборота за счёт привлечения клиентов - поставщиков зерна на а/т с полей в сезон сбора урожая повышает рентабельность хлебозаготовительной деятельности предприятия и, как следствие, его конкурентоспособность.

2. C1 - V1 - Y5 - C3 - Y4 - C2 - Y3 - Y1 - C1 - ослабляющий (компенсирующий) контур (отрицательная ОС) - показывает, что увеличение количества клиентов - поставщиков зерна (при закупке) ограничивается загрузкой приёмного фронта предприятия.

Рис. 3.2. Диаграмма причинно-следственных связей подсистемы УКДХП в ЗПК

Пропустим для краткости контуры с 3 по 13 и перейдём сразу к контуру 14.

14. C3 - Y4 - V1 - Y5 - C3 - ослабляющий контур, ограничивающий рост грузооборота загрузкой приёмного фронта, увеличением времени простоя и снижением транспортного потока зерна.

15. Y5 - V3 - U3 - C4 - Y5 - ослабляющий контур, ограничивающий рост грузооборота возможностями хранения и приёма зерна.

       Подобным образом проанализированы остальные контуры ОС (с 3 по 13).

       Анализ  контуров ОС на ДПСС УКДХП показывает, что в целом данная система регулирования устойчива. Стремление к увеличению грузооборота зерна и к снижению его потерь (влияющих на рентабельность) на основе повышения уровня автоматизации учёта и мониторинга х/п, мотивации персонала предприятия и увеличения количества его клиентов, ограничивается возможностями приёмного фронта с а/т, его загруженностью, а также возможностями размещения и хранения зерна (использования силосов), связанными с разнообразием качества поступающего зерна.

               Подсистемы управления оперативного уровня (без задержек на связях) описываются контурами 14 и 15, которые включают общий элемент - грузооборот Y5. Отсюда делаем вывод об актуальности решения задачи оперативного управления грузооборотом. При этом учитываем воздействие на него обоих контуров. Y5 является критерием управления данной задачи. Его увеличение повышает рентабельность хлебоприёмной деятельности, являющуюся одним из целевых критериев системы в целом.

       Контур 14 компенсирует рост грузооборота на основе параметра состояния загрузки приёмного фронта С3 с учётом возмущающего параметра транспортного потока V1 и времени простоя а/т Y4, зависящих главным образом от количества клиентов-поставщиков зерна С1 и уровня автоматизации контроля U1 (а также возможных случайных факторов (неравномерность приезда а/т с зерном и др.), которые относятся к внешней среде - надсистеме).

       Контур 15 компенсирует грузооборот возможностями раздельного хранения зерна различного качества U3 и возможностями приёма зерна на элеватор C4 (число различных по расходу грузопотоков) с учётом возмущений по качеству привозимого зерна V3.

       Анализ контуров 1 - 13 показывает, что для тактического (среднесрочного) управления актуальными являются задачи, нацеленные на:

- увеличение рентабельности хлебозаготовительной деятельности Y3;

- снижение потерь зерна Y2;

- уменьшение времени простоя автомобилей с зерном Y4;

- снижение трудозатрат на учёт и контроль Y6.

Сделан также ряд других выводов.

       На основе ДПСС построена концептуальная модель подсистемы УКДХП:

Тактическое управление на горизонте Т2  ∈ Т :

1 : Y3  × Т2 Y1        - конкурентоспособность

2 : {U1, U2, U4, V3} × Т2 Y2        - потери зерна

3а: {C2, Y5, V2, Y6, Y2} × Т2 Y3        - рентабельность 

4 : {U1, U2, C3} ×Т2 Y4        - время простоя а/т

6 : {V1; Y5; Y3; Y1; U4; Y2; V3} × Т2 Y6        - трудозатраты на учёт и контроль

1 : Y1 C1                        - количество клиентов-поставщиков зерна

2 : Y4 C2                        - материальные потери (штрафы за простой а/т)

3а: {V1, Y5} × Т2 C3                - загрузка приёмного фронта

5 : {V3, U4} × Т2 C5                - применение АИС.                                (3.1)

Оперативное управление на горизонте Т1 ∈ Т, Т1 ⊂ Т2

5а: (C4, C1, V1) Т1 Y5                - грузооборот зерна

4 : (V2, V3, U3) Т1 C4                - возможности приёма         (3.2)

На основе анализа ДПСС системы УКДХП и её концептуальной модели поставлены актуальные задачи тактического и оперативного управления:

1. Задача планирования работы (грузооборота зерна) на ЭСК (SKUGOplan), предназначенная для реализации задач принятия решений по следующим действиям: прием, размещение, перевалка и отпуск партий зерна.

2. Задача контроля грузооборота зерна (SKUGOcontr), предназначенная для сбора и анализа данных о движении а/т на территории предприятия.

3. Задача учета грузооборота зерна (SKUGOuchet), обеспечивающая функции регистрации и хранения информации о потоках зерна на предприятии.

В теоретико-множественном представлении подсистема учета и контроля грузооборота (SKUGO) представлена в виде трех функциональных задач (подмножеств элементов, связей, свойств, целей):

SKUGO = {SKUGOplan, SKUGOcontr, SKUGOuchet},

(3.3)

       В процессе дальнейшей декомпозиции УКДХП в работе строятся математические постановки вышеприведенных функциональных задач в ТМП.

       Разработаны также модели подсистем планирования производства:

- планирования работы элеваторно-складского комплекса (ПРЭСК):

- планирования зерновых ресурсов мукомольного производства (ПЗРМП);

- планирования производства комбикормов (ППК);

- планирования операций по торговле зерном (в главе не приводится).

       В отличие от подсистемы УКДХП данные подсистемы реализуются как оптимизационные (многокритериальные), поэтому в главе проведено исследование критериев управления, соответствующих разработанным структурам целей данных подсистем.

       Так для подсистемы ППК получены целевые критерии, соответствующие ДПСС, приведенной на рис. 3.3 и сведенные в таблицу 3.1. Построенные концептуальная модель подсистем и математические постановки задач позволяют разработать для них математические модели (ММ) логического уровня с введением их в БМ СУ ЗПК для использования в СППР КАИСУ ЗПК.

 

Рис.3.3. ДПСС подсистемы планирования производства комбикормов

                                                                              Таблица 3.1

Критерии управления подсистемы ППК

N	Задачи	Критерии управления	Содержание критериев управления	Ограничения
1	Расчёт исполняемых рецептов комбикормов	FKO11=	Минимальная себестоимость комбикорма с управлением по вводу ценных компонентов	Качество к/к Y1∈; нормы ввода и замены U3∈
		FKO12=	Максимальное качество (питательность) к/к	Цена к/к С2∈
2	Планирование закупки сырья для выработки комбикормов	FKO21=	Минимальная себестои-мость к/к с управлением по объёмам закупки сырья	Качество к/к Y1∈
3	Планирование загрузки технологических линий	FKO31= FKO32=	Минимальная себестои-мость к/к с управлением по загрузке линий Максимальный объём про-изводства и реализации к/к	Возможности производства С1∈; план отгрузки Y1∈

       Четвёртая глава посвящена разработке банка математических моделей (БМ) на основе типовых модельных компонент (ТМК).

       БМ - это структурированный набор формализованных знаний в виде математических выражений с соответствующими описаниями их применений.

       Предлагается для класса ЗПК сформировать БМ производственно-ресурсного планирования  и использовать его в составе СППР в качестве интеллектуального компонента КАИСУ. При этом БМ представляет собой комплекс математических моделей (ММ) для всех видов деятельности ЗПК, образующих основную производственную логистическую цепочку, и позволяет накапливать и использовать модельные решения для синтеза СУП ЗПК.

       БМ позволяет использовать заранее подготовленные формальные ММ и БД классификаторов как ТМК для решения проблемных задач, из которых на логическом уровне синтезируются СУП для ЗПК, а также исследовать возможное поведение систем при разных стратегиях в различных условиях функционирования.

       ММ в ТМК сформированы на основе сильных (целевые функции (ЦФ)) и слабых (ограничения) критериев, полученных на основе разработанных в выражениях векторной алгебры моделей производственных БП для подсистем:

- ПРЭСК в составе задач оперативного и тактического планирования приёма, обработки и размещения зерна, формирования отгрузочных партий зерна;

- ПЗРМП в составе задач планирования закупки зерна, рецептов помольных партий на период и расчёта оперативных рецептов помольных смесей (ПС);

- ППК в составе задач оперативного и тактического планирования и расчёта рецептов комбикормов, закупки сырья и загрузки производственных линий.

       ММ процессов планирования приёма, обработки и размещения зерна состоит из следующих слабых и сильных критериев:

Ограничение по приему зерна с автотранспорта:

(X, 1) / T Nпа                                                                        (4.1)

где Nпа - мощность приемного фронта с автотранспорта;

X = (xj (t1))1×J Ц  вектор масс партий принимаемого, обрабатываемого и  размещаемого зерна в периоды t1∈[0;T];

(X, 1) - скалярное произведение вектора X и единичного вектора.

T - заготовительный период (приёмки зерна с а/т).

Если t1 не указан, то рассматривается весь планируемый период Т приёма урожая, а показатель является плановым. Так X Ц план приёма зерна (по массе), а X(t1) - приём зерна на периоде  t1∈[0;T].

Ограничения по техническим возможностям обработки зерна:

(X, Qi)  / T Ni ,  i =                                                        (4.2)

где  Ni - мощность линий обработки зерна по i-м показателям качества (соответствующим влияющим на них производственным операциям)

Qi = (qi,j(rнi,j , rкi,j))1×J  Ц  векторы удельных объемов обработки (в плановых тоннах) для доведения j-ой партии зерна от начального rн  до требуемого конечного rк значения по i-м показателям качества, i = .

Требования к обработке зерна при доведении его качества до необходимых кондиций для хранения  по требуемым показателям качества:

Qi  ≥ Qxi  , i =                                                                (4.3)

где Qxi = (qi,j(rнi,j,rx i,j))1×J  - вектор требуемых удельных объёмов обработки j-ых партий зерна по i-му показателю от начального состояния rн до ограничительной кондиции хранения rx.

Qx={rxi, i = } - множество ограничительных кондиций хранения по всем необходимым i-ым показателям качества зерна соответствующей культуры.

Ограничения на раздельное размещение зерна по качеству:

                 (X, Wz)   sz ,                 (4.4)

где sz - свободная вместимость (силосов, групп силосов, складов) сегмента z, куда можно размещать зерно с соответствующими показателями качества;

Wz = (wj,z)1×J - вектор показателей принадлежности  j-ых партий зерна к сегменту качества . , - число диапазонов  i-го показателя качества;  , wj,z ={0;1}.

Sz=(sz(t1))1×Z - вектор вместимостей по секторам z на период t1,  t1∈[0;T].

Ограничение по наличию в определённых группах силосов (складов) зерна, соответствующего определённому сектору качества z. Соответствует заданию уравнений связи, накладываемых на заданные элементы векторов Wz :

       wj,z=1 ,  j[0;J] ,  zZ ,                                                                (4.5)

j = ψ(, ) , z = φ(, , ) , ,                                (4.6)

где - значение -ого показателя качества j-ой партии зерна, ;

  - нижняя граница значения показателя качества зерна;

  - верхняя граница значения -го показателя качества зерна.        

Ограничение на общий объём размещения зерна с учётом его отгрузки:

(X, 1)  - (Xo, 1)    S                                                                (4.7)

где  S Ц общая вместимость ЭСК;

Xo  = (xl (t2))1×L Ц  вектор масс партий отгружаемого зерна в периоды t2∈[0;T],

  Xо⊂ X  ⇒ (Xo, 1)    (X, 1)                                                         (4.8)

Если в закупочный период зерно не отгружается или отгрузкой можно пренебречь, то (Xo, 1) = 0 и ограничение переходит в выражение:

(X, 1)    S                                                                                (4.9)

Ограничение по сегментации общей ёмкости ЭСК:

(Sz , 1)   S                                                                                (4.10)

Сильные критерии для задач подсистемы ПРЭСК сведены в табл. 4.1.

  Таблица 4.1

Сильные критерии (целевые функции) подсистемы ПРЭСК

Задачи ПРЭСК	Целевые функции
	Тактическое планирование	Оперативное планирование
Приём и разме-щение зерна	FET11 =- максимум услуг хранения (объём приёма и размещения); FET12 = - минимум обработки зерна (себестоимости товарной партии); FET13=- максимальная прибыль от реализации зерна и услуг	FEO11=- наименьшее отклонение от исходного плана размещения (минимум суммы модулей отклонений текущих секторов вместимостей от плановых) FEO12= - максимум остатка пустых емкостей после размещения на оперативном периоде t1. При значительном воздействии возмущающих параметров на сильном отклонении исходного плана приёма и размещения  возможно использование FET11, FET12, FET13.
Обра-ботка зерна	FЕТ21 = - максимум услуг обработки; FЕТ22 =- максимум (комплексного показателя) качества зерна; FЕТ23 = - минимум удельной себестоимости товарной партии зерна; FЕТ24= -максимальная прибыль от реализации зерна и услуг	FEO21= - наименьшее отклонение от плана обработки; FEO22 =- наибольшие размеры партий зерна по требуемому качеству z. Целесообразно использование FET21, FET22, FET23 и FET24.
Отгру-зочные партии зерна	FET31 = - минимум удельной себестоимости товарной партии зерна; FET32 =- максимум (комплексного показателя) качества зерна FET33=- наибольшая прибыль от продаж зерна	FET31, FET32, FET33

Названия целевых функций (ЦФ) соответствуют используемому в БМ кодификатору. В таблице используются следующие выражения и обозначения:

  FET12: Q=((Qj , 1))1×J  - вектор удельных объёмов обработки партий зерна в стоимостном выражении;

Qj=((qi,j,сi))1×I - векторы удельных объёмов обработки в стоимостных единицах по показателям качества (операциям) для партий зерна j =.

Dx - область определения масс принимаемых партий зерна (по договорам);

ΔQi∈[0;X] - область определения объёмов обработки по всем операциям;

FET32: Rкi =(rкi,j)1×J  - векторы требуемых конечных значений i-ого показателя качества по партиям зерна, i = .

θ=(θi)1×I - вектор нормированных (к базисным значениям показателей) коэффициентов значимостей показателей качества зерна.

  FET33: Ск - вектор товарных цен зерна различного качества или плановой тонны общих оказанных элеватором клиентам услуг: 

- для товарных партий зерна  Ск=(stj)1×J , stj∈ТК, где stj  - товарная цена j-ой партии зерна; ТК - упорядоченное множество - товарный классификатор цен;

- для оказываемых элеватором услуг Ск=((Ci,j,1))1×J , Ci,j=(ci,j)1×I , ci,j∈TU , 

где Ci,j - вектор удельных стоимостей (цен) услуг для клиентов по изменению i-х показателей качества зерна j-ой партии;

(Ci,j,1) - общая цена услуг по изменению всех требуемых показателей качества j-ой партии зерна; TU  - тарификатор услуг по операциям с зерном.

  FEO21:  ΔQi(Т), ΔQi(t1) - векторы удельных объёмов обработки зерна по плану на период Т сбора урожая и на период t1 для каждого вида обработки.

       В диссертации разработаны модели других процессов планирования.

В общем виде фрагменты БМ для задач планирования производства ЗПК представлены в виде таблиц 4.2 и 4.3 сильных и слабых критериев, которые являются типовыми компонентами.

  Таблица 4.2

Фрагмент банка моделей ЗПК - сильные критерии (целевые функции)

	f(X) min	Содержание	Вид критерия, упрощённый/ полный	Бизнес Ц процессы (задачи предметной области)
1	(Cо,X)	Стоимость сырья	инейная (Л) / целочисленная линейная (ЦЛ)	Закупки зерна Расчет рецептов ПС Расчет рецептов КК Планирование рецептов ПС и КК на период
2	(C,X)	Объем продаж	/ ЦЛ	Торговля зерном
3	(C,X)	Стоимость услуг Прибыль	/ ЦЛ	Планирование работ  элеватора, МЗ Торговля зерном Закупка зерна
4	(C,X)   (Cо,X)	Рентабельность	Дробно - линейный/ЦЛ	Торговля зерном Закупка зерна
5	(1,Х)	Распродажа остатков Крупность партий (смесей)	/ ЦЛ	Торговля зерном Расчет рецептов ПС
6	(Q,Х) (1, Х)	Стабилизация качества смесей	Дробно - линейный /ЦЛ	Расчет рецептов ПС Планирование рецептов ПС на период
7	(Q,Х)	Улучшение качества смесей	/ ЦЛ	Расчет рецептов ПС Расчет рецептов КК

Использованы обозначения: X - операционные массы партий сырья; C,C0 - удельные конечные и начальные  цены партий зерна; C - маржинальные прибыли по сделкам; Q - нормированные показатели качества сырья; Q - нормированные отклонения показателей качества зерна; V - отклонения расчетных выходов продукции от базисных; T - сроки поступления сырья; K компоненты (% от масс партий); H - приведенные нормы ввода ценного сырья.

Таблица 4.3

Фрагмент банка моделей ЗПК - ограничения

N	Ограничения	Содержание	Вид	Бизнес Ц процессы (задачи)
Ограничения вида g (X) 0
1	X Qi  0   __ i=1, I	Требования к качеству зерна Требования к объему подработки (изменению качества)	инейные	Закупка зерна Торговля зерном Планирование рецептов ПС и комбикормов(КК) Расчет рецептов ПС Расчет рецептов КК Планирование работы элеватора
2	XV 0 V=F(Q)	Обеспечение расчетных выходов не ниже базисных (эталона)	Кусочно - линейные	Закупка зерна для мельзавода (МЗ) Расчет рецептов ПС
3	g1(L,X) pв(L) g1(L,X) pн(L)	Обеспечение плана по выпуску продукции, продажам, услугам в объеме и ассортименте (L)	инейные	Закупка зерна Расчет рецептов ПС Расчет рецептов КК Планирование рецептов ПС и КК Планирование работы элеватора и МЗ Торговля зерном
4	g2 (K, X) X	Сумма частей не больше целого (по  массе)	инейные	Планирование рецептов ПС и КК  Торговля зерном Закупка  зерна
5	g3 (H, X) 0	Нормы ввода ценного сырья	инейные	Планирование рецептов ПС и КК  Закупка сырья
6	C b	Нижний предел маржинальной прибыли	инейные	Торговля зерном
7	g4 (X) d g4(X) = q(X) X q(X)={0;1}	Число компонентов (отпускных силосов, дозаторов)	Нелинейные (релейные)	Расчет рецептов ПС
Ограничения вида h(X) = 0
8	h1(T,X)=0	Использование сырья планируемого поступления	инейные	Планирование рецептов ПС и КК
9	n N | h2(X)=nW	Объем сделки кратен вместимости вагона для различных культур (W)	Целочисленно-линейные	Торговля зерном Закупка сырья (завоз вагонами)

С учётом модификации одни и те же критерии при разных стратегиях (целях) управления могут выступать как сильные или как слабые.

Разработан алгоритм наполнения БМ СУ ЗПК, основанный на принципе подобия и построения аналогий.

Каждая запись в БМ представляет собой ТМК, из которого формируются модельные агрегаты (МА) - комплекс слабых и сильных критериев, описывающих какой-либо процесс с соответствующей нормативной информацией (классификаторами) для идентификации параметров (реже структуры модели) управления. Цели идентифицируются на уровне запроса.

Для использования ТМК БМ в составе МА и выбора методов решения проведена оценка линейности компонент по структуре и параметрам, от которых зависят области определения и допустимых решений, алгоритмы или в общем случае правила порождения альтернатив и выбора лучшего решения. В результате проведенной линеаризации ряда критериев все ТМК являются линейными в требуемых непрерывных либо дискретных областях определения переменных, т.е. представляют собой линейные или, в общем случае, смешанно целочисленные модели линейного программирования (ЛП, СЦЛП).

Пятая глава посвящена выбору методов и разработке алгоритма принятия решений в системе управления производством ЗПК.

С повышением сложности системы управления растёт её неопределённость. Единственный путь разработки сложных систем, обеспечивающий целостность рассмотрения (адекватность) и при этом исключающий критическое увеличение сложности заключается в создании системы, способной к развитию, посредством чего можно рассчитывать на целенаправленное  устранение исходной неопределённости.

Ещё одним условием создания сложных организационно-технических СУ является их адаптивность, которая в работе основана на концепции БМ для генерации моделей и алгоритмов решения прикладных задач различных классов в зависимости от потребностей пользователей.

       В связи с тем, что в условиях неопределённости к точности решения трудно предъявлять высокие требования, задача упрощается и решается в условиях определённости. При этом выделяется детерминированная область приемлемых решений, которые несущественно хуже с точки зрения различных критериев и в её пределах производится окончательный выбор.

Требования к точности реализуются наложением ограничений на области определения переменных с заданием их как целочисленных или смешанно-целочисленных. Таким образом, модели переводятся из  непрерывных в разряд дискретных. При этом каждая переменная может иметь собственный шаг целочисленности (порционность).

       Решение задач управления осуществляется по нескольким целям (критериям), поэтому должно координироваться.

       Для выбора методов решения задач планирования производством в ЗПК  проведена их оценка с позиций: линейности, размерности, сложности, трудоёмкости расчётов, неопределённости и точности,  сходимости, устойчивости решений. Анализ критериев показал, что задачи целесообразно рассматривать как линейные смешанно-целочисленные.

Решение многих рассматриваемых задач как дискретных имеет как большие преимущества, так и недостатки, главным из которых является высокая размерность, поэтому для их решения необходимо применять рассмотренные процедуры агрегирования параметров и декомпозиции задач.

Для решения поставленных задач планирования производства в ЗПК как многокритериальных предлагается использовать диалоговые процедуры с использованием одного из итеративных алгоритмов в области альтернатив - алгоритма последовательных уступок (возможны также другие).

На каждой итерации решения системы задач многокритериального выбора решаются задачи оптимизации, для решения которых используются методы ЛП или ЦЛП (СЦЛП). При решении задач ЛП используется алгоритм симплекс-метода. В решении задач СЦЛП используется алгоритм метода ветвей и отсечений. Для решения задач оптимизации планирования на основе БМ СУ ЗПК выбран пакет ЛП GLPK с открытым программным кодом.

       Решение взаимосвязанных задач производственного планирования в СУ ЗПК предложено реализовать в виде двухуровневой иерархической структуры системы задач планирования (СЗП).

Разработанный алгоритм принятия решений по планированию производства в ЗПК (рис.5.1) базируется на использовании БМ, поиске аналогов и агрегировании ТМК в виде МА, их адаптации и координированном итерационном решении.

       Основой адаптации для систем данного класса является процесс накопления, анализа и использования информации с целью повышения достоверности определения состояния объекта и СУ, отражаемый в моделях и алгоритмах функционирования. Система способна адаптироваться к внешней среде в соответствии с обобщённым критерием главной (координирующей) задачи СППР производственного планирования в ЗПК.

       Разработана методика адаптации СППР, в соответствии с которой адаптация моделей и алгоритмов СЗП для последующего использования в СУ ЗПК представляет собой последовательность операций по настройке системы в соответствии со спецификой производственных БП в ЗПК, целями и бизнес-стратегией компании, а также структурой возмущений внешней среды и включает следующие процедуры:

1. На этапе формулировки задачи определяется главная цель и назначение настраиваемой СЗП.

2. Определяются производственные БП, задействованные в системе.

3. Определяются множества параметров производственных БП, в т.ч.: группы учитываемых показателей качества зерна по культурам; производительность, точность дозирования, количество компонентов, используемые нормативы по различным признакам и т.д.; управляемые параметры - массы компонентов, объёмы обработки, адреса хранения партий зерна и др.

4. Задаётся структура целей системы.

5. Определяется главная задача. В БМ  СУ ЗПК идентифицируются сильный и слабые критерии данной задачи в соответствии с главной целью и множествами заданных параметров производственных БП. Формируется МА главной задачи.

6. Определяются параметры координации (управляющие параметры по отношению к задачам нижнего уровня), отражающиеся в сильных и/или слабых критериях задач нижнего уровня.

7. В БМ в соответствии с подцелями и множествами заданных параметров идентифицируются критерии задач нижнего уровня и формируются их МА.

       

Рис.5.1. Алгоритм принятия решений по планированию производства в ЗПК

       

8. Для многокритериальных задач нижнего уровня выбирается один из методов поиска наилучшего решения.

9. Для всех задач СЗП задаются области определения управляющих переменных: непрерывные, целочисленные, смешанно-целочисленные. Таким образом, определяются типы используемых задач и выбираются соответствующие алгоритмы оптимизации.

10. Проводится идентификация параметров ЦФ и ограничений в пакете GLPK для всех решаемых задач в соответствии с классификаторами нормативной информации СЗП, учётных систем и требованиями ЛПР: кондиции по качеству зерна, выходы продукции, порционность и точность дозирования, число компонентов, номера и вместимости емкостей, нормы ввода компонентов, себестоимости продукции по видам, коэффициенты значимости критериев и др.

11. Настраиваются параметры выделяемых вычислительных ресурсов для решения задач в пакете GLPK, определяющих точность и скорость вычислений.

       В соответствии с методикой постепенной формализации представления систем этапы 1÷3 данной методики применяются только на стадии создания и внедрения системы на предприятии, этапы 4÷9 - при внедрении и эксплуатации СЗП на предприятии по мере накопления знаний о функционировании СУ, изменения внешних условий или бизнес-стратегии компании. Этапы 10÷11 могут повторяться регулярно в зависимости от изменения качества поступающего сырья, спроса на продукцию, ценовых флуктуаций, а также требований ЛПР к расчётам и т.п.

       Шестая глава посвящена разработке и внедрению СУП для ЗПК.

Интеграция функций цикла управления реализуется в виде КАИСУ ЗПК, основными компонентами - носителями отраслевой специфики и предметами специализированных решений которой являются подсистемы первичного учёта и контроля грузооборота х/п, планирования  работы ЭСК, зерновых ресурсов мукомольного производства, производства комбикормов и торговли зерном, которые объединены в автоматизированную информационную систему принятия решений (АИС ПР) Оптимум-зернопродукт (рис.6.1). Выделенные компоненты, разработанные на основе моделей и алгоритмов в виде программно-технических продуктов, встроены в КАИСУ ЗПК.

Рис.6.1. Структура АИС ПР Оптимум-зернопродукт.

Предложенная методика проектирования, внедрения и сопровождения, основанная на технологии плавного перехода от разработки к внедрению и последующему сопровождению системы, включает следующие этапы:

1. Каузальное (ДПСС) и концептуальное (ТМП) моделирование системы в программной нотации SDCM и формирование математических моделей актуальных задач с применением БМ СУ ЗПК и методов их решения;

2. Функциональное моделирование подсистем на основе методологии IDEF0.

3. Информационное моделирование подсистем в методологиях DFD (IDEF1X) и ER.

4. Моделирование динамики функционирования системы в виде алгоритма функционирования системы управления.

5. Внедрение АИС ПР Оптимум-зернопродукт для ЗПК, заключающееся в настройке системы на базе типового решения одновременно с процессами обучения персонала, модификацией и тестированием адаптированной версии, являющееся также элементом проектирования системы при тиражировании.

       Разработаны SADT, DFD и ER модели АИС ПРОптимум-зернопродукт.

       На основе предложенной методики разработаны следующие подсистемы:

- автоматизированная система первичного учёта х/п ( АС ПУХП  АИС КХП);

- автоматизированная система учёта и контроля грузооборота зерна на а/т - АСУКГО - зерно (интегрированная с АС ПУХП, рис.6.2);

Рис.6.2. Структурная схема АСУКГО - зерно (на примере приёма зерна с а/т)

- подсистема планирования ресурсов мукомольного производства (АС ПЗРМП), в основе функционирования которой лежит автоматизированная система расчёта оптимальных рецептов помольных смесей - АСР ОРПС;

-  подсистема планирования работы ЭСК (ПРЭСК), одной из задач которой является формирование отгрузочных партий зерна (ОЗС) на базе АСР ОРПС;

- подсистема планирования производства комбикормов (АСППР ППК), главным модулем которой является подсистема планирования оптимальной загрузки производства (ОЗП), интегрированная с АИС КХП и рецептами;

- автоматизированная система принятия решения по планированию торговли зерном на внутреннем рынке - АИС ПР Торговля зерном.

На основе АИС ПР Торговля зерном построена диаграмма анализа эффективности применения АИС ПР Оптимум-зернопродукт при разной функциональности (интеллектуальности)  в зависимости от сложности системы в разработке. Это позволяет судить об адаптивности системы с позиции совершенства применяемых инструментов управления, которые выбираются и настраиваются в соответствии с потребностями и спецификой бизнеса ЗПК.

Для подсистем оптимального планирования производств и торговли х/п разработаны алгоритмы функционирования.

Программное обеспечение подсистем АИС ПР Оптимум-зернопродукт разработано в единой архитектуре, которая приведена на рис.6.3.

 

Рис. 6.3. Архитектура АИС ПР ОптимумЦзернопродукт

Разработанные подсистемы нашли широкое применение в промышленности и внедрены на большом количестве российских предприятий и компаний по хранению и переработке зерна, на что имеются соответствующие подтверждающие документы.

       Для оценки эффективности принятия решений по планированию производства в ЗПК на основе использования подсистем АИС ПР Оптимум-зернопродукт проведены расчёты различных вариантов по разным задачам.

Расчет помольных партий проводился по главному критерию Наименьшая себестоимость при соблюдении заданных показателей качества зерна. Исходные условия примера - помольная партия массой не менее 4500 тонн при соблюдении ограничений по качеству: натура - не менее 775 г/л, содержание клейковины не менее 26%, стекловидность - 48-50%, количество компонентов в смеси - не более 3, нижний предел маржинальной прибыли - 50 руб./т. На начальной стадии расчет по критерию Наибольшая масса показал, что при заданных ограничениях область допустимых значений - пустая, то есть  одну большую помольную партию составить невозможно. Максимальная масса помольной смеси может быть 1243 110 кг, но при этом варианте прибыль не удовлетворяет условиям. Найденной стартовой точкой для оптимизации по главному критерию является 1000 т. Затем осуществлён расчёт по разработанному алгоритму, результаты которого сведены в таблицу 6.1, а маршрут итераций расчёта при формировании плана помольных партий приведён на рис.6.4, где решение графически представлено в виде  изображения

Таблица 6.1

Показатели качества	Пом.смесь N 1	Пом.смесь N 2	Пом.смесь N 3	Пом.смесь N 4	Итоговые данные
Стекловидность, %	50	49	49	49	а
Натура, г/л	775	776	774	773	а
Зольность, %	0	0	0	0	а
Влажность, %	13,98	14,26	13,75	14,96	а
Клейковина, %	26,2	26,04	26,01	26,05	а
Сорная примесь, %	2,56	2,62	2,11	2,48	а
Зерновая примесь, %	2,83	3,37	3,03	2,24	а
Число падения, с	-	-	-	-	а
Помольная смесь
Масса, кг	1000000	1000000	800000	600000	3 400 000
Выход, %	74,71	74,24	74,97	74,24	74,55
Цены
Цена смеси, руб./т	5667,77	5635,98	5843,17	5734,54	5 711,47
Издержки, руб./т	0,00	0,00	0,00	0,00	а
Масса продукции, кг	976000	971900	784960	582300	3 315 160
Ср. цена прод., руб./т	6023	6013	6015	6020	6 017,65
Марж. прибыль, руб./т	210,68	208,05	58,37	108,01	156,02

значений варьируемых (допустимых уступок) ограничений последовательно перерабатываемых смесей при заданных неизменных граничных показателях. Для данного примера варьируемыми ограничениями являются масса (M) и показатели натуры (NT) и стекловидности (ST) помольных смесей, а неизменными ограничениями являются: содержание клейковины, прибыль и наибольшее число компонентов смеси. При выбранном главном критерии оптимизации значение функционала себестоимости помольной партии - С = Φ1(M, NT, ST) должно иметь наименьшее значение. Расчёты показывают, что снижение требований к показателям качества, снижает себестоимость, но одновременно понижает выход продукции и соответственно прибыль.

В работе приведены также результаты расчётов отгрузочных партий, а также пример планирования торговых операций, результаты которого показывают, что необходимо ориентироваться не только на прибыльность сделок, но и на финансовые потоки, определяемые платёжными балансами с учётом стоимости кредитов, длительности отгрузки и перевозки и порядка оплаты по договорам. Так, на рис.6.5 условные площади гистограмм платёжных балансов по дням планируемого периода показывают, что выплаты по кредиту в варианте №23 значительно превосходят выплаты в варианте №19, что важно для принятия решения о плане торговых сделок.

Анализ альтернатив решений, осуществлённый для подсистем ПЗРМП, ОЗС и Торговля зерном показал преимущества использования разработанных алгоритмов и методов по сравнению с существующими способами.

.

       Показаны основные источники экономической эффективности и затрат разработанной АИС ПР Оптимум - зернопродукт. Расчётный экономический эффект от внедрения АИС ПР ОптимумЦзернопродукт в зависимости от ЗПК и перечня внедряемых подсистем и задач составляет от 40000 до 3а000а000 руб. в месяц и более. При этом срок окупаемости проекта соизмерим со сроком внедрения и составляет от  месяца до полугода. Подтверждённый годовой экономический эффект оставляет  1900 тыс.руб.

Основные результаты

В представленной диссертации на основании выполненных автором исследований разработаны научно-обоснованные модели и методы оптимального управления производством для зерновых и зерноперерабатывающих компаний, а также реализующие их средства. Тем самым обеспечено решение крупной научной проблемы, имеющей важное практическое значение в зерновом и зерноперерабатывающем секторе АПК РФ и научно-учебном процессе ряда профильных организаций за счёт разработки: методологии моделирования сложных систем управления производством (СУП); комплекса типовых модельных компонент (ТМК), образующих банк математических моделей (БМ) системы управления для ЗПК; типовых автоматизированных подсистем первичного учёта, контроля и планирования производства и реализации хлебопродуктов, внедрённых на нескольких десятках элеваторов, мукомольных и комбикормовых предприятиях, КХП  и зерновых компаний.

В работе получены следующие основные результаты.

1. Определена структура и основные функции класса предприятий - зерновой и зерноперерабатывающей компании (ЗПК).

2. Проведён анализ производственных бизнес-процессов (БП) и сформулирована специфика ЗПК как объектов управления.

       3. Сформулированы требования к СУП ЗПК и проведён анализ существующих решений для предприятий и компаний, действующих на рынках зерна и продуктов его переработки.

4. Сформулирована проблема и определены требования к СУП ЗПК. Разработана общая постановка задачи создания комплексной интегрированной СУП для предприятий класса ЗПК.

       5. Сформулированы требования к методологии моделирования СУП для ЗПК и проведён анализ существующих подходов, методов и технологий моделирования сложных систем управления.

       6.  Разработана методология моделирования СУП для ЗПК на основе системного подхода, когнитивных технологий, теоретико-множественного представления (ТМП), математического программирования и БМ.

       7. Разработана программа SDCM построения диаграмм причинно-следственных связей (ДПСС) и концептуального моделирования, обеспечивающая автоматизацию моделирования СУП для ЗПК.

8. На основе созданной методологии разработаны структуры целей, ДПСС и концептуальные модели в ТМП подсистем управления для ЗПК:

- учёта и контроля движения хлебопродуктов;

- планирования работы элеватора;

- планирования зерновых ресурсов мукомольного производства;

- планирования производства комбикормов;

- планирования операций по торговле зерном.

На основе их анализа разработаны математические постановки и критериальные комплексы задач:

- учёт и контроль грузооборота зерна на автотранспорте;

- первичный учёт хлебопродуктов;

- планирование приёма, размещения и обработки зерна;

- планирование товарных (отгрузочных) партий зерна;

- планирование закупок зерна;

- планирование рецептов помольных смесей на период;

- оперативный расчет рецептов помольных смесей;

- расчёт исполняемых рецептов комбикормов;

- планирование загрузки технологических линий.

10. Разработаны математические модели логического уровня в выражениях векторной алгебры для процессов планирования производства.

11. Разработаны основные принципы построения БМ для задач планирования СУП ЗПК на основе представления производственных БП как типовых модельных компонент (ТМК), полученных из сильных и слабых критериев на основе концептуальных моделей и моделей процессов планирования производства. БМ предназначен для накопления и использования модельных решений и синтеза СУП ЗПК. Разработаны ТМК и алгоритм наполнения БМ СУП ЗПК, основанный на принципе подобия и аналогий.

12. Проведена оценка и идентификация разработанных ТМК БМ на предмет линейности и областей линеаризации.

               13. Разработана постановка задачи выбора решений для СУП ЗПК, являющегося многокритериальным, которая предполагает замену условий частичной неопределённости на решение задач в условиях определённости путём выделения детерминированной дискретной области приемлемых решений с обязательной возможностью для ЛПР вносить субъективные коррективы с помощью изменения сильных и слабых критериев.

       14. Разработан алгоритм принятия решений по планированию производства в ЗПК, основанный на использовании БМ, поиске аналогов и агрегировании ТМК в виде моделей решаемых оптимизационных задач, их адаптации и итерационном решении, включающий: агрегирование параметров и декомпозицию задачи, диалоговые процедуры поиска с использованием итеративных алгоритмов в области альтернатив, методов линейного смешанно-целочисленного программирования, координацию решений в виде двухуровневой системы задач планирования.

15. Разработана методика адаптации моделей и алгоритмов принятия  решений по управлению в ЗПК, которая позволяет учитывать опыт специалистов, повышать адекватность моделей и снизить трудоемкость  внедрения и сопровождения разработанных подсистем КАИСУ ЗПК.

16. Разработана методика проектирования, внедрения и сопровождения СУП ЗПК, позволяющая на основе настройки типовых решений сочетать этапы проектирования, внедрения, обучения пользователей и сопровождения.

17. На основе предложенных методик разработаны следующие подсистемы КАИСУ ЗПК (включая SADT, DFD и ER модели):

- автоматизированная система первичного учёта хлебопродуктов - АС ПУХП на базе АИС КХП;

- автоматизированная система учёта и контроля грузооборота зерна на а/т - АСУ КГО - зерно (интегрированная с АС  ПУХП);

- подсистема планирования ресурсов мукомольного производства (АС ПЗРМП), в основе которой лежит автоматизированная система расчёта оптимальных рецептов помольных смесей - АСР ОРПС;

-  подсистема планирования работы ЭСК (ПРЭСК), одной из задач которой является формирование отгрузочных партий зерна (ОЗС) на базе АСР ОРПС;

- подсистема планирования производства комбикормов (АСППР ППК), главным модулем которой является подсистема планирования оптимальной загрузки производства (ОЗП), интегрированная с АИС КХП и рецептами;

- автоматизированная информационная система принятия решения по планированию торговли зерном - АИС ПР Торговля зерном.

18. Для СППР планирования (ПЗРМП, ОРПС, ПРЭСК, ППК)  разработаны алгоритмы функционирования.

19. На основе единой архитектуры разработано программное обеспечение АИС ПР Оптимум-зернопродукт.

       Разработанные подсистемы имеют широкое применение в промышленности и внедрены на большом количестве российских компаний по хранению и переработке зерна, на что имеются соответствующие акты.

       20. Проведена оценка эффективности методики и алгоритмов принятия решений по планированию производства в ЗПК с использованием подсистем АИС ПР Оптимум-зернопродукт. Анализ альтернатив решений показал преимущества использования разработанных алгоритмов и программ по сравнению с существующими способами.

       21. Проанализированы источники экономической эффективности разработанной АИС ПР ОптимумЦзернопродукт.

Главным фактором, обусловливающим эффективность внедрения разработанной информационно-интеллектуальной системы управления производством ЗПК, является достижение конкурентного преимущества зерновой и зерноперерабатывающей компании на развивающихся региональных и общероссийских рынках зерна и продуктов его переработки.

Список ОСНОВНЫХ публикаций по теме диссертации

1. Новицкий В.О., Мышенков К.С., Карпов В.И., Автоматизированная информационная система комбината хлебопродуктов // Науч. тр.: В 2 ч. / МГАПП - М.: МГАПП, 1996. - Ч.1. - С. 145 - 153.
2. Новицкий В.О., Новицкий О.А., Ефимова Т.А. АИС в управлении комбинатом хлебопродуктов // Хлебопродукты. - 2000. - № 6. - С. 8 - 11.
3. Новицкий В.О., Новицкий О.А. Опыт создания отраслевых автоматизированных систем управления предприятием хранения и переработки зерна // Хранение и переработка зерна. - 2000. - № 8. - С. 53 - 56.
4. Тужилкин В.И., Горбатюк А.В., Новицкий В.О. Создание комплексных информационных систем для управления предприятиями перерабатывающих отраслей АПК // Сб. науч. тр./ МГУППЦМ.:Изд. комплекс МГУПП,2001.ЦС.393 - 395.
5. Карпов В.И., Мышенков К.С., Новицкий В.О. Типовая отраслевая система управления для предприятий агропромышленного комплекса // Пищевые продукты ХХI века: Сб. докл. Юбил. Междунар. науч.-практич. конф.: В 2 т. / МГУПП - М.: Изд. комплекс МГУПП, 2001. Т.2. - С. 211 - 214.
6. Новицкий В.О., Лашкевич Ю.В. Концептуальная постановка задачи управления качеством на предприятиях хлебопродуктов // Высокоэффективные пищевые технологии, методы и средства для их реализации: Сб. науч. тр. Всеросс. науч.-технич. конф.-выст. / МГУПП - М.: Изд. комплекс МГУПП, 2003. - С. 246 - 248.
7. Новицкий В.О., Новицкий О.А., Лашкевич Ю.В. Использование информационных технологий для повышения эффективности управления предприятиями хранения и переработки зерна // Сб. науч. тр. Выпуск 1. / МПА. - М.: Изд-во Пищепромиздат, 2003. - С. 135 - 140.
8. Новицкий В.О., Мерцалов А.Н. Автоматизация бизнес-процессов первичного учета на зерноперерабатывающем предприятии // Управление технологическими свойствами зерна: Сб. докл. и стат. третьей Междунар. конф. / МГУПП. - М.: Изд. комплекс МГУПП, 2005. - С. 208 - 213.
9. Новицкий В.О. Автоматизация первичного учета на хлебоприемных и зерноперерабатывающих предприятиях АПК // Высокоэффективные пищевые технологии, методы и средства для их реализации: Сб. докл. третьей Юбил. междунар. выст.-конф.: в 2 ч. / МГУПП. - М.: Изд. комплекс МГУПП, 2005. - Ч.1. - С. 390 - 393.
10. Новицкий В.О. Автоматизация первичного учета //Хлебопродукты.Ц2006. - №1.ЦС.64 - 65.
11. Новицкий В.О. Оптимизация управления и планирования производства для повышения конкурентоспособности мукомольно-крупяных предприятий // Материалы VII Съезда мукомольных и крупяных предприятий России. / МПА. - М.: Изд-во Пищепромиздат, 2006. - С. 74 - 76.
12. Новицкий В.О. Оптимизация планирования и управления производством // Хлебопродукты. - 2006. - № 8. - С. 68 - 69.
13. Новицкий В.О. Оптимизация планирования закупок зерна, производства муки, и управления формированием помольных партий // Высокоэффективные пищевые технологии, методы и средства их реализации: Сб. докл. IV междунар. конф.-выст.: в 2 ч. / МГУПП. - М.: Изд. комплекс МГУПП, 2006. - Ч.2. - С. 135 - 139.
14. Новицкий В.О., Фомин В.В. Оптимальное планирование производства комбикормов на предприятии // Там же - С. 146 - 149.
15. Новицкий В.О., Мерцалов А.Н. Автоматизация учета качества зерна и продуктов его переработки // Хранение и переработка сельхозсырья. Ц  2007. - № 4. - С. 14 - 17.
16. Новицкий В.О., Маслов С.С. Информационная система поддержки решений по торговле зерном // Хлебопродукты. Ц  2007. - № 6. - С. 54 - 55.
17. Новицкий В.О., Мерцалов А.Н. Постановка и методы решения задач оптимизации рецептов зерновых смесей // Системный анализ в проектировании и управлении: Тр. XI Междунар. науч.-практ. конф.: В 3 ч. / СПбГПУ - СПб.: Изд-во Политехн. ун-та, 2007. - Ч. 1. - С. 159 - 161.
18. Новицкий В.О., Моревский А.С. Архитектура аналитических приложений для информационных ВРМ-систем перерабатывающих предприятий и компаний // Системный анализ в проектировании и управлении: Тр. XI Междунар. науч.-практ. конф.: В 3 ч. / СПбГПУ - СПб.: Изд-во Политехн. ун-та, 2007. - Ч. 2. - С. 319 - 320.
19. Новицкий В.О., Маслов С.С. Система принятия решений по торговле зерном // Комбикорма. Ц  2007. - № 4. - С. 25 - 26.
20. Новицкий В.О., Моревский А.С. Архитектура аналитических приложений для ВРМ-систем предприятий и холдингов зерноперерабатывающей промышленности // Хлебопродукты. Ц  2007. - № 8 - С. 62 - 63., - №9 - С.71-73 (окончание)
21. Маслов С.С., Новицкий В.О. Концептуальная модель автоматизации планирования операций по торговле зерном // Высокоэффективные пищевые технологии, методы и средства для их реализации: Сб. докл. V  юбилейной школы-конф. с междунар. участ. / МГУПП. - М.: Изд. комплекс МГУПП, 2007. - С. 356 - 358.
22. Моревский А.С., Новицкий В.О. Разработка систем поддержки принятия решений для управления эффективностью бизнеса зерновых компаний // Высокоэффективные пищевые технологии, методы и средства для их реализации: Сб. докл. V  юбилейной школы-конф. с междунар. участ./ МГУПП. - М.:Изд. комплекс МГУПП,2007.ЦС. 362Ц366.
23. Новицкий В.О. Современные системы управления для зерноперерабатывающих компаний // Мельница 2007: Тр. V междунар. конф.  - М.: МПА, 2007. - С. 151 - 159.
24. Новицкий В.О., Мерцалов А.Н. Автоматизированная система расчета оптимальных рецептов помольных смесей// Хлебопродукты.- 2008.- №2 - С.66-68.
25. Берестнев Е.В., Петриченко В.Е., Новицкий В.О. Рекомендации по организации и ведению технологического процесса на мукомольных предприятиях. - М.: ДеЛи принт, 2008. Ц176 с
26. Новицкий В.О., Мерцалов А.Н. Повышение эффективности мукомольных компаний на основе современных методов и систем автоматизации планирования сырьевых ресурсов // Материалы ХIII Съезда мукомольных и крупяных предприятий России / Международная промышленная академия, -М.: Пищепромиздат, 2008 - с. 91-95.
27. Маслов С.С., Новицкий В.О.  Алгоритм расчета показателей эффективности сделок в автоматизированной информационной системе поддержки решений по торговле зерном для зерновой компании// Сб. докл. VI научно-технической конференции с международным участием Высокоэффективные пищевые технологии, методы и средства их реализации: эффективное использование ресурсов отрасли, Москва, МГУПП, 2008, с.206-210
28. Новицкий В.О. Информационная технология  управления процессом формирования помольных смесей // Тр. МГУПП. Выпуск 1 / под общей редакцией С.А.Хуршудяна. - М.: Издательский комплекс МГУПП, 2008.- с.214 -224.
29. Новицкий В.О. Методология общесистемного проектирования и управления: Учебное пособие.- М.: Международная промышленная академия, 2009.- 118 с.
30. Новицкий В.О., Горбунов В.А. Системный подход к планированию // Комбикорма. - 2009. - №4 - С.47-48.
31. Новицкий В.О. Исследование объектов и постановка задач управления для зерновых и зерноперерабатывающих компаний на основе методологии системного анализа // Системный анализ в проектировании и управлении: Сб.науч.тр. ХIII Международной науч.-практ. конф. Ч. 1. - СПб.: Изд-во Политехнич. ун-та, 2009. С. 311 - 315.
32. Горбунов В.А., Новицкий В.О. Исследование системы планирования комбикормового производства //  Там же. С. 316 -320.
33. Новицкий В.О. Системный подход к управлению на предприятиях и в компаниях по хранению и переработке зерна // Хлебопродукты.- 2009.- №7 - С.54-56.
34. Новицкий В.О. Оптимизация формирования отгрузочных партий зерна на элеваторах // Хлебопродукты. - 2010. - №5 - С.48-49.
35. Новицкий В.О. Система производственного планирования с использованием банка аналитических моделей // Информационно-управляющие системы. - 2010.- №3. - С.75Ц79
36. Новицкий В.О. Моделирование системы планирования производства комбикормов // Комбикорма. - 2010. - № 5. - С.38-40
37. Новицкий В.О. Разработка банка математических моделей задач управления для зерноперерабатывающих предприятий // Системный анализ в проектировании и управлении: Сб. науч. тр. XIV Международной науч.-практ.конф. Ч.1. - СПб.: Изд-во Политехнич. Ун-та, - 2010. - С.140-141
38. Новицкий В.О., Карпов В.И. Методология исследования и моделирования сложных систем управления для предприятий и компаний зернового сектора АПК // Информационные технологии. ЦМ.: Изд-во Новые технологии, - 2010. - №9. - С.50-56

Авторефераты по всем темам  >>  Авторефераты по техническим специальностям