автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация и дискретно-событийное моделирование процессов управления производственными запасами промышленного объединения

АВТОМАТИЗАЦИЯ И ДИСКРЕТНО-СОБЫТИЙНОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССОВ УПРАВЛЕНИЯ ПРОИЗВОДСТВЕННЫМИ ЗАПАСАМИ ПРОМЫШЛЕННОГО ОБЪЕДИНЕНИЯ

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

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва - 2009

003467357

Работа выполнена на кафедре «Автоматизированные системы управления» в Московском автомобильно-дорожном институте (государственном техническом университете)

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

Защита состоится ^ апреля 2009г. з 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 МАДЩГТУ)

Текст автореферата размещен на сайте Московского автомобильно-дорожного института (государственного технического

университета): www.madi.ru

Автореферат разослан 6_ марта 2009г.

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

Ученый секретарь диссертационного совета,

Научный руководитель

Заслуженный деятель науки РФ,-доктор технических наук, профессор Николаев Андрей Борисович, профессор МАДИ(ГТУ)

Официальные оппоненты

Лауреат премии Правительства РФ, доктор технических наук, доцент Строганов Виктор Юрьевич, профессор МГТУ им.Н.Э.Баумана

Кандидат технических наук, Лукащук Петр Иванович Генеральный директор ООО «Спецстройбетон-200», г.Москва

кандидат технических наук, доцент

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

Разработка планов развития промышленных предприятий всегда связана с задачами рационального обеспечения производственными запасами, местоположением складских площадей и вопросам транспортировки необходимых комплектующих непосредственно на производственные участки.

В последние годы в России наблюдается бум строительства современных складских комплексов, однако пока этих помещений катастрофически не хватает. В настоящее время Россия испытывает огромный дефицит качественных складских площадей - 14 млн. м кв. В то же время, общий объем современных складских помещений классов А и В (где используются высокотехнологичные автоматизированные решения) к 2012 г. может достичь от 10 до 20 млн. кв. м. В числе основных тенденций рынка логистики отмечается существенный рост в 2006-2007 гг. количества новых логистических операторов (как отечественных, так и транснациональных), появление в России глобальных логистических сетей. При этом для обеспечения бесперебойной работы предприятия и повышения его конкурентоспособности на рынке, необходимо решение следующих задач: прогнозирование и управление запасами; прогнозирование необходимого количества инженерно-технического состава; прогнозирование потока заказов на продукцию и др. Для эффективного решения этих задач необходимо использование гибридных информационных систем и современных методов организации и управления производственными запасами. Требование к оперативности реализации запросов на комплектующие, а также необходимость их транспортировки заставляет все более серьезно относиться к вопросам повышения производительности, что ставит задачи непрерывного совершенствования и развития автоматизации и управления всем производственным циклом. В связи с этим работа, посвященная вопросам разработки моделей и методов автоматизации управления запасами промышленного объединения, представляется весьма актуальной.

Предметом исследования являются система управления запасами промышленного объединения.

Цель и основные задачи исследования

Целью работы является повышение эффективности функционирования промышленного объединения за счет создания методики комплексного анализа, моделирования и оптимизации стратегий управления запасами.

Для достижения данной цели в работе решаются следующие задачи:

1. системный анализ методов и моделей управления запасами;

2. разработка аппарата дискретно-событийного моделирования управления запасами и модели распределения запасов;

3. разработка модели прогноза заказов;

4. разработка процедур оптимизации на имитационных моделях управления запасами;

5. разработка БАйТ-моделей автоматизированной системы управления запасами;

6. разработка базы данных управления запасами промышленного предприятия;

7. разработка программно-моделирующего комплекса поддержки принятия решений процесса управления запасами.

Методы исследования

При разработке формальных моделей в диссертации использовались методы и модели имитационного моделирования, стохастической оптимизации, управления запасами, методы математического программирования, теория случайных процессов, теория массового обслуживания и др.

Научная новизна работы состоит в разработке методов, моделей, алгоритмов и методики дискретно-событийного моделирования стратегий управления запасами.

На защиту выносятся:

• модель распределения запасов в виде управляемого регенерирующего процесса;

• категорная и реляционная модели базы данных системы управления запасами;

• БАБТ-моделей автоматизированной системы управления запасами;

• программно-моделирующий комплекс системы управления запасами.

Достоверность научных положений, рекомендаций и выводов

Обоснованность научных положений, рекомендаций и выводов

определяется предварительным статистическим анализом потоков заказов в ряде предприятий, согласованностью результатов аналитических и имитационных моделей. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения результатов работы в ряде предприятий.

Практическая ценность и реализация результатов работы

Научные результаты, полученные в диссертации, доведены до практического использования. Они представляют непосредственный интерес в области моделирования и управления запасами промышленных предприятий. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения на ряде промышленных 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, симпозиумах и семинарах (2005-2009гг.);

• на заседании кафедры АСУ МАДИ (ГТУ).

Совокупность научных положений, идей и практических результатов исследований в области автоматизации процессов управления представляет интерес для теоретических и практических методов поддержки принятия решений по организации управления на промышленных объединениях.

СОДЕРЖАНИЕ РАБОТЫ

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

Во введении обосновывается актуальность работы. Ставятся цели и задачи исследований. Приводится краткое содержание глав диссертации.

1. АНАЛИЗ МЕТОДОВ И МОДЕЛЕЙ УПРАВЛЕНИЯ ПРОИЗВОДСТВЕННЫМИ ЗАПАСАМИ

В первой главе проведен анализ методов и моделей управления производственными запасами. Основу экономической эффективности деятельности промышленного объединения составляют своевременная поставка необходимого количества комплектующих на производственные участки. Деятельность всего объединения зависит от деятельности его структурных подразделений. К основным элементам организационной структуры промышленного объединения относятся: Бухгалтерия, Транспортный цех, Отдел прогнозирования, Ремонтное звено и т.п. Важным элементом организационной структуры является система ведения учета, и организации документооборота в части: оприходования материальных ценностей на складе; выставления счетоз заказчикам; ведения базы данных по заказчикам; выписки товарных накладных и счетов фактур; списания материальных ценностей со склада; расчета себестоимости материальных ценностей; экспорта данных в бухгалтерскую программу и др.

Анализ исследований российских и зарубежных ученых показал, что затраты предприятий на формирование и поддержание складов могут быть значительно снижены за счет централизации управления запасами в масштабах сбытовой цепи предприятия-производителя, повышения точности прогнозирования потребности и оптимизации хранимой номенклатуры.

В диссертации рассмотрены проблемы современного развития работ в области создания информационного обеспечения поддержки управленческих решений управления производственными запасами. В общем случае, запас - это количество комплектующих, хранящихся на складе с целью будущего

использования в производственном цикле. В случае дискретного времени величина запаса 2п определяется рекуррентным соотношением = + г|п+1 -^„+1 +т)„+1 , £п+1), где г!п+1 - количество комплектующих на складе в момент

£п+1) - количество освоенных комплектующих в момент п+1. Предполагается, что потребности в комплектующих с,ъ ■■■ - взаимно независимые одинаково распределенные случайные величины; заказы осуществляются в соответствии с некоторой политикой заказывания, а функция Г определяется этой политикой. В данном случае справедливо неравенство {(2п+1 + Лп+1 > В

диссертации рассматривается два типа политик заказывания, допускается или нет неравенство {(2п+1 + г|п+| , £„+]) > 2п + т]п+1. Монотонная политика заказывания определяется критическим числом х*: если уровень запаса 2п>х*, то заказ не делается; '/„<х* , то производится заказ и немедленно доставляется случайное количество комплектующих с заданным законом

распределения.

Для моделирования процессов управления запасами проведен анализ дискретно-событийных подходов, основанных на описании регенерирующих процессов Так, случайный процесс является регенерирующим, если существуют такие случайные моменты времени, в которых он начинается заново в вероятностном смысле. При этом он каждый раз попадает в определенную точку фазового пространства (точку регенерации). Особенностью этого процесса является то, что "отрезки" процесса, заключенные между моментами регенерации являются вероятностными копиями друг друга. Это дает возможность получать на каждом интервале регенерации независимые оценки.

циклов регенерации, ДТ=Т,-Т^ - длительность ¡-го цикла регенерации.

Решающими правилами для этого метода являются следующие требования: процесс неоднократно возвращается в некоторое фиксированное состояние (или область); среднее время возвращения конечно; моменты очередного возвращения являются моментами регенерации.

При построении дискретно-событийной модели основным составляющим объекта моделирования, каковыми являются его элементы, процесс, законы функционирования, соответствуют информационные объекты: ресурсы, действия и нерегулярные события, операции. Процесс в объекте

п+1; - потребность в комплектующих в интервале (п, п+1); + г)я+) ,

(1)

интегральная оценка исследуемого процесса, N - число

моделирования представляет собой временную последовательность действий и нерегулярных событий.

Целью дискретного имитационного моделирования является воспроизведение взаимодействий, в которых участвуют компоненты, а также изучение поведения и функциональных возможностей исследуемой системы. Для этого выделяются состояния системы и описываются действия, которые переводят ее из одного состояния в другое состояние. При дискретно-событийной имитации состояние системы может меняться только в моменты совершения событий. Поэтому полный «динамический портрет» состояний системы может быть получен путем продвижения имитационного времени от одного события к другому. В большинстве языков дискретной имитации используется механизм продвижения времени, основанный на поиске очередного ближайшего события. Функционирование дискретной имитационной модели задается одним из способов:

1) фиксируются изменения состояния системы, происходящие в момент совершения событий;

2) описываются действия, в которых принимают участие элементы системы;

3) описывается процесс, через который проходят элементы системы.

В диссертации также проведен анализ статистических методов на предмет применимости к решению проблем моделирования процессов управления производственными запасами. В результате предлагается использоеэть всю совокупность статистических методов, включив их в контур автоматизированной системы поддержки принятия решений по выбору стратегий управления запасами.

2. РАЗРАБОТКА ДИСКРЕТНО-СОБЫТИЙНЫХ ИМИТАЦИОННЫХ МОДЕЛЕЙ РАСПРЕДЕЛЕНИЯ ЗАПАСОВ

Во второй главе реализованы имитационные модели управления запасами в условиях стохастической неопределенности. При этом в моделях учитывается, что хранение всегда связано с издержками, а нехватка необходимых ресурсов с потерями заказов.

Процесс функционирования системы управления запасами в работе представлен в виде временной последовательности действий и нерегулярных

/ ** \ ~ событий П = \ А, Е, у) , где А - множество действий; е - множество

нерегулярных событий; >- - отношение предшествования во времени.

Для регулярного события можно указать алгоритм ^ преобразования С"—-—>С+, который определяется закономерностями процесса управления. Поэтому действие а можно представить следующим образом:

a = (FH(c-K(Ra)}FK(c-K{RaltH,tK}, (2)

где F„,FK - алгоритмы преобразования параметров, описывающих состояние ресурсов при событиях ен и ек; C~hk{r°) - состояние ресурсов, релевантных действию а, до событий начала и конца действия.

Действие привязано к временной оси: начинается в момент t„ и кончается в tK. Если в описании действия исключить привязку к временной оси, оставив лишь длительность его выполнения At, то получим виртуальное действие (возможное). Виртуальное действие может начаться (но не обязательно начнется), если для множества R' релевантных ему ресурсов выполняется

условие p(rv ) = true. Таким образом, виртуальное действие можно представить как:

V = (p(Rv\Fh{C~h^)),Fk{Ck{RvI ч (3)

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

Множество виртуальных действий V = {vq /q = 1,2,..., Q}, относящихся к

системе управления, разбивается на небольшое число подмножеств действий, имеющих одинаковую природу. Виртуальные действия, принадлежащие такому подмножеству Vj cz V, имеют одинаковую логику взаимодействия

ресурсов, и различаются лишь конкретными ресурсами в них участвующими. Подмножество Vy описывается следующим образом:

V; = (4)

где У- множество всех возможных множеств R" релевантных ресурсов, с использованием которых можно выполнить виртуальное действие v eVj, а

ф(Сй(я")) - длительность выполнения виртуального действия, зависящая от состояния используемых виртуальных ресурсов СДС.

Таким образом, принадлежность виртуальных действий к определенному типу означает, что для них p{rv), Fh(c„(rv)) и F:Y(c^(rvJ) одинаковы, т.е. действия одного типа одинаковым образом меняют состояние релевантных ресурсов, требуют одинаковых условий начала по всем ресурсам, и отличаются лишь множествами rv, используемых ресурсов и временем выполнения.

В условиях нестационарности поставок производственных запасов разработанная модель динамики потока заказов, используемая при экстраполяции, учитывает ее периодические колебания во времени. Наиболее общий линейный фильтр, порождающий очередное значение на выходе по значениям текущего и М предыдущих входов и N своих выходов, описывается уравнением:

м N

= (5)

к=0 у=1

В диссертации предлагается использование метода экстраполяции временных периодических рядов. Для различных вариантах потоков разработаны алгоритмы вычисления коэффициентов уравнения (5). В работе проведен анализ влияния глубины прогноза на его точность. Более глубокий прогноз яачяется более информативным и дает лучшую возможность для решения задачи выбора стратегии заказов. В качестве критерия оценки

Ы -1Ы[(¡.-к)

качества использовалась характеристика г *п (к) = !--—,-1 и

формально задача определения глубины прогноза может быть поставлена как задача нахождения - максимальной глубины прогноза - при ограничении на максимально допустимую ошибку етах„.

Для различных вариантов потоков заказов разработаны алгоритмы вычисления коэффициентов, которые включают следующие этапы.

1. Используя известные М предыдущих значений ДГт), вычисляется оценка ф, автокорреляции функции Дг) с задержками]=-М...М.

2. Используя полученные оценки ф; и уравнение Берга-Андерсена, вычисляются значения коэффициентов аь к=0...М.

3. Далее определяются N коэффициентов с1! и по методу максимальной энтропии получается ув - прогноз значений потоков заказов.

С одной стороны, более глубокий прогноз является более информативным и дает лучшую возможность для решения задачи рационального размещения заказов. С другой стороны, при увеличении глубины прогноза снижается точность прогнозной оценки (нестационарность процесса), что снижает точность модели в целом.

В работе рассматривается следующая модель распределения производственных запасов. Склад формирует заказы для двух типов клиентов: для производственных участков своего объединения (в больших количествах), и для сторонних организаций, заказывающих в лучшем случае один предмет в единицу времени. Помимо размеров партий, учитывается р5] - вероятность того, что между заказами участка 5 проходит ] единиц модельного времени.

Для сторонних организаций (их количество в модели параметризуемо - N) разыгрывается однородная стратегия заказов. Каждый клиент в любой конкретный момент времени делает заказ с вероятностью р* независимо от продолжительности времени, прошедшего с момента последнего заказа. Размер партий составляет Хп.

В качестве выходных данных в модели используются: qns - число единиц запаса, заказываемых производственным участком s в n-ый промежуток времени s=l..S;

qn. - число полученных заказов от отдельных потребителей в n-ю неделю. Пусть Qn=( qni, qn2,..., qns> Чп») a pk обозначает k-ый момент времени с начала моделирования, когда QkeA, где A={xeRl: Vs х,>0}, т.е. pk- k-ый по счету момент времени, когда все производственные участки делают заказ на данный продукт. Тогда моменты времени {Pk, к>1} являются моментами регенерации для процесса {q„, п>1} и могут использоваться для разделения выходной последовательности на независимые и одинаково распределенные группы. Таким образом, можно получить доверительные интервалы дляМ!^), где Q - случайный вектор, к которому по распределению стремиться Q„. При данной постановке функции f могут быть произвольными.

Таблица 1.

Результаты моделирования по оценке доверительных интервалов_

f Параметр Теретич. значение Доверительный интервал

1. средне число заказов в неделю 40,75 40,35-41,04

2. средне число единиц запасов, заказываемого в неделю 70,00 69,80-71,15

<> j. среднеквадратическое отклонение числа заказов 1691,13 1658,10-171,80

4. среднеквадратическое отклонение единиц запасов 5867,50 5815,21-6051,32

5. вероятность заказов единиц продукции на неделю более 75 0,4351 0,4207-0,4650

6. вероятность одновременного заказа участками 1 и] 0,0625 0,0480-0,0775

7. вероятность отсутствия заказов 0,4219 0,3929-0,4336

8. среднее значение функции стоимости операций товарного склада 30,00 29,99-31,09

9. среднее значение функции стоимости операций склада 300,02 299,93-301,86

Функция стоимости операций товарного склада состоит из постоянной стоимости в размере Хяс единиц в неделю, издержки на обработку заказов Х03 на каждый заказ, стоимость хранения Ххр за каждую единицу запасов и стоимость транспортировки Хтр.

Рки-1

Пусть ak=ßk+i-ßb тогда для У//; = £/,(Q), k>l, i=l...N,

М»*

последовательности [(у^,ак); к > l] независимые и одинаково

распределенные. При этом M[/j (Q)l = ^Т1 J. Таким образом, чтобы получить

М[а,\

доверительный интервал для M(fj(Q)) предлагается использовать классический статистический анализ регенерирующих процессов. В целях апробации разработанной имитационной модели проведена серия экспериментов с различными вариациями входных параметров и оцениваемых функций, которые используются при оценке эффективности стратегии управления.

Результаты моделирования системы распределения заказов сведены в таблицу 1. Во всех экспериментах теоретическое значение исследуемого функционала принимало значение из доверительного интервала.

3. АВТОМАТИЗАЦИЯ УПРАВЛЕНИЯ ПРОИЗВОДСТВЕННЫМИ ЗАПАСАМИ НА ОСНОВЕ ИМИТАЦИОННЫХ МОДЕЛЕЙ РЕГЕНЕРИРУЮЩИХ ПРОЦЕССОВ

В третьей главе диссертации разработаны методы и алгоритмы синтеза стратегии управления запасами, основанные на формировании алгоритмов прогноза потока заказов на различные виды производственных запасов.

Ставится и решается задача оптимизации стратегии управления запасами на дискретно-событийной имитационной модели, доставляющих экстремум выбранному критерию эффективности. Предполагается, что для каждой стратегии управления стохастическая модель однозначно определяет значение критерия Y-Y(X), а оптимальные параметры, определяющие стратегию управления X* = argmsxY(X).

Рассмотрим задачу поиска решения на основе имитационного моделирования, при котором необходимо определить значения входных управляемых переменных имитационной модели (ИМ) для получения оптимального значения параметров управления. В данном случае один прогон ИМ обеспечивает получение достоверных результатов в одной точке пространства поиска решений. Для эффективного решения данной задачи система на основе ИМ должна иметь интеллектуальную надстройку, позволяющую заменить специалиста-разработчика. Полученная система будет

представлять собой простейшую гибридную систему, объединяющая имитационную модель и блок оптимизации (рис. 1.).

Гибридная аналитико-имитационная модель

Рис. 1.

Блок оптимизации реализует один из алгоритмов поисковой оптимизации. Имитационная модель используется для вычисления значения критерия оптимизации для различных вариантов решений, которые предлагает блок оптимизации. Цель блока оптимизации - улучшение решения за счет подбора значений управляемых переменных.

Необходимо отметить, что применение в блоке оптимизации точных методов оптимизации, обеспечивающих нахождение оптимального решения, не всегда целесообразно, поскольку имитационная модель является лишь копией реального процесса управления запасами с некоторой степенью адекватности. Также при использовании точных методов, как правило, затрачиваются значительные вычислительные ресурсы, что во многих случаях является критичным. Поэтому в большинстве случаев в качестве алгоритма поисковой оптимизации лучше использовать методы, которые не обязательно обеспечивают достижение точного оптимума, но обеспечивают быструю поисковую сходимость алгоритма.

В процессе управления имитационной моделью значения параметров (управляемых параметров модели) целенаправленно изменяются в сторону улучшения характеристик на основании грубых оценок, полученных в ограниченной области текущих значений управляемых параметров. При этом может быть достаточно велика вероятность выбора неверного решения

относительно направления изменения параметров стратегии в силу того, что характеристики потоков заказов носят случайный характер, а изменение параметров приводит к появлению переходного процесса характеристик производственного процесса. Таким образом, управляемая имитационная модель помимо случайного процесса параметров определяет и процесс случайного изменения характеристик.

Критерием эффективности управления запасами является математическое ожидание предельного значения характеристик процесса Ьх (среднеинтегральная оценка):

Предполагается, что процесс ^(г) (основной процесс) характеристик стационарен, а нестационарность возникает лишь в момент изменения параметра управления запасами, что фиксирует начальное состояние процесса, отличное от стационарного. - случайный процесс характеристик с

фиксированным начальным состоянием й] Также предполагается, что

независимо от начального состояния существует единственное предельное значение характеристики при условиях сохранения параметров управления.

Моделирование буквально всех аспектов системы часто не требуется, к тому же оно не достижимо из-за ограничений, связанных со временем, финансовыми и компьютерными возможностями. Один из возможных вариантов формирования алгоритма построения имитационных моделей различной точности представлен на рис. 2.

В модели задаются начальные параметры: Р - значения доверительной вероятности, которая необходима для определения доверительного интервала с заданной степенью достоверности; ой - число имитационных моделей различной точности, которые будут использоваться в процессе поиска решений; п - число прогонов для каждой ИМ, от которого зависит достоверность выходных параметров ИМ.

Если при исследовании системы необходимо учесть множество факторов, используется «грубая» имитационная модель с целью выделения из всего множества факторов наиболее значимых на системные показатели. Затем используется детальная ИМ, в которой акцент делается на установленные в «грубой» значимые факторы.

В качестве формального описания компонентов системы управления запасами использовалась 8АГ)Т- модель - методология структурного анализа и проектирования, предназначенная для построения функциональных моделей предметной области, отражающих процессы функционирования тех или иных объектов и систем.

(б)

О

Схема алгоритма построения имитационных моделей различной точности

Рис. 2.

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. БАОТ-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 запасов». Контекстная диаграмма управления запасами представлена на рис.З.

Входные данные: сданные о производстве^ <данные из внешних систем>, <запрос на получение данных>, <запрос на выполнение расчета плана поставок>, <сведения о поступлениях производственных запасов> и др.

Выходные данные: <данные во внешние системы>, <параметры производственных запасов>, <план поставок>, <сообщения во внешние системы>, и др.

Входы по управлению: <правила формирования и управления запасами>, <алгоритм построения плана управления запасами> и др.

Механизмы: <автоматизированный программный комплекс>, <пользователи системы>

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

Построенная формальная модель описания процессов управления запасами (рис.З.), 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 запасов;

• анализа плана запасов;

• подготовки данных для формирования плана поставок;

• расчета плана поставок на уровне поставщиков;

• расчета поставок на уровне центров распределения.

Ol

S S

CP

a о о н

S Я я

о

s

ы а о to о н ш <г и

я!

Ю

а рэ о о а

В результате проработки SADT-моделей были выделены сущности, их атрибуты, взаимосвязь между ними и построена инфологическая модель базы данных, которая представляет собой концептуальную схему базы данных в форме одной модели и которая может быть отображена в любухо СУБД, под держивающую данную схему описания.

В предлагаемой модели данных интерфейс с доменом не зависят от его реализации и находят отражение в ряде общих свойств доменов с точки зрения их реализации и использования. Категорная доменно-ориентированная модель характеризуется следующими свойствами.

1. Наличие доменов. Домен содержит список возможных значений и их номера (числовые идентификаторы).

2. Наличие у каждого домена нумерации Si: Hj -> Vj, где N, - номерное множество; V-, - область значений i = 1,..., n; п - количество доменов.

Домен фактически хранит связь вида:

Di= {<nj, Vj> i Hj, e Ni, Vj s V;, 1 <j < ||D||}. (7)

С помощью такого механизма в момент включения элемента в домен элементу назначается номер. Наличие механизма идентификации элементов (экземпляров) сущностей реализуется через систему службы сущностей БД, которая назначает для каждой вновь создаваемой сущности уникальный внутрисистемный номер (ВСН). Эта служба аналогична службе времени в операционной системе, службе идентификаторов объектов в OLE и т.д.

Базы данных, построенные на основе категорией нумерационной доменно-ориентированной модели данных, характеризуются следующими свойствами: связи между значениями отделены от самих значений, что обеспечивает простую структуру отношений связи и доменов; исключается дублирование значений в отношении; дублирование номеров значений во многих случаях требует меньших затрат памяти.

При реализации запросов к базе данных выполняются операции над числовыми отношениями. Только на заключительном этапе требуется интерпретация полученного отношения. Это позволит уменьшить количество операций ввода-вывода при перемещении данных в сети в случае распределенной БД. Вновь созданные домены для одного приложения будут востребованы при создании БД для других приложений.

Механизм перехода от категорной доменно-ориентированной модели к реляционной модели предполагает вычисление отношений реляционной модели данных и предполагает вычисление отношения n-го порядка над связями на основе бинарных отношений Rb R-2,- • •, Rn-i

где > < - операция естественного соединения;

R(E, I!,..., In.i) - схема отношения;

R, = {<b, а,-> b е N, а; £ Dj) со схемой Rj(E, 10;

Ь - номер сущности;

Е - атрибут, соответствующий номеру сущностей;

1Ь.., 1„-1 - атрибуты, соответствующие значениям.

Предложенная модель естественным образом допускает применение объектно-ориентированного подхода в реализации объектов категории (доменов). Реализации домена соответствует класс объектов с определенным набором переменных и функций. Запись в кортеже-ориентированной модели рассматривается как совокупность следующего вида: Н={<Ь, а,,а2,..., а„> ЬеЫ, <Ь, а^е^ <Ь, а2>е а2,...,<Ь, ап>еЛп}. (8)

Накладная

ЕК-модель управления запасами

Сшцгаючшц» _ Нэтетадур«

ягпрйш!

и™.- И С контрагента

Б пар:** (РЮ Псчтовый адрес Ютила контрагента (Ж)

Г Количеств огоставяенв Номвнлглтура (Я^ 1 _

Типыконтраггчтоа

Транспорт нывссегств в Кеды н? и иен парчей группы наименовании Коднаимеис«анкя(ГК)^

| УНЧ Коднаимечовения

(Датавыпуаа | Кед модификации (ПО Описание Группа маимакоаьнйй 1

СИлзт ура нспорт и ров ки О платежа Скчмтриекта (РК) Датаппатежв Б партии (П<) Суичаплгтежя Валюта

Отипаюн-рагекта

Описание та контра'вига

Рис. 4

Для реализации операций размещения и поиска записей в кортеже-ориентированной модели, построенной на основе доменно-ориентированной модели, используются аналогичные операции доменно-ориентированной модели.

Система разбита на модули, каждый из которых выполняет задачу автоматизации одного из элементов деятельности фирмы. Разработаны ЕЯ-модели БД управления запасами в целом и ее подсистем (рис.4) Предложенная модель позволяет обеспечить обратную связь между сбытовой цепью предприятия, то есть подразделениями предприятия, непосредственно представленными на рынке и производством.

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ИМИТАЦИОННОЙ МОДЕЛИ УПРАВЛЕНИЯ ЗАПАСАМИ

Четвертая глава диссертации посвящена описанию программного комплекса, реализующего предложенные методы и алгоритмы. Разработанные алгоритмы синтеза стратегии управления запасами являются параметризуемыми, поэтому в зависимости от прогнозируемого количества потенциальных заказов дает различные варианты.

Программный комплекс включает имитационную модель стратегии управления запасами. С одной стороны, эта модель дает основу сравнительному анализу и проверке робастности предлагаемых в диссертации методов и алгоритмов. С другой стороны, в нее зключен алгоритм управления заказами на комплектующие, что дает возможность имитировать процесс управления в целом. В диссертации предлагается универсальная модель интеграции имитационных моделей с включением произвольной стратегии управления запасами.

Моделирующий алгоритм включает следующие компоненты:

• подпрограммы событий, реализующие элементарные операторы;

• алгоритм формирования модельного времени;

• алгоритм выбора очередного класса одновременных событий (КОС);

• алгоритм генерирования КОС.

Подпрограмма события представляет собой программную реализацию одного элементарного оператора, включающего оператор состояния, оператор условия продвижения инициатора и навигационный оператор. В этих подпрограммах, в общем случае, все параметры являются глобальными. В каждом же конкретном случае часть параметров может быть локализована. Однако все параметры, через которые осуществляется обмен, являются глобальными. Укрупненная схема алгоритма имитационной модели представлена на рис.5.

Здесь (Аь 172,.., й„) - упорядоченная совокупность подпрограмм событий, реализующих элементарные операторы треков всех процессов в системе. Параметр ВРЕМЯ - содержит текущее значение модельного времени; параметр ИНИЦИАТОР - содержит значение текущего инициатора (ссылку на локальную среду процесса); КАЛЕНДАРЬ - алгоритм, реализующий

монотонно возрастающее продвижение модельного времени и начало нового КОС в системе; АПУ - алгоритм проверки условий, обеспечивающий построение КОС для текущего значения модельного времени; ТБВ - Таблица Будущих Времен. Каждая строка ТБВ соответствует одному процессу и содержит следующие элементы описания будущего активного события.

Моделирующий алгоритм сканирующего типа

от {h,}

Рис. 5.

Разработан сценарий системы поддержки принятия решений по выбору стратегий управления запасами. При формировании методики аналитической обработки использовались инструментальные средства гибридной среды «COTA», которые позволяют формировать алгоритмическую структуру программных приложений за счет задания переходов между приложениями по условиям его завершения с использованием стандартизованного интерфейса, что и создает пользовательский сценарий.

Приложение диссертации содержит документы об использовании результатов работы.

Публикации. По результатам выполненных исследований опубликовано 7 печатных работ, которые приведены в списке публикаций.

Основные выводы и результаты работы

1. Проведен системный анализ методов и моделей управления запасами в результате которого показана целесообразность использования дискретно-событийных имитационных моделей.

2. Разработан аппарат дискретно-событийного моделирования управления запасами в в виде процессно-ориентированного описания системы управления запасами

3. Разработана дискретно-событийная имитационная модель распределения запасов и показан характер имитационного процесса, который сводится к регенерирующему, что позволяет использовать классические статистические методы оценки характеристик эффективности управления.

4. Разработана управляемая имитационная модель выбора стратегий управления запасами с включенными алгоритмами поисковой оптимизации.

5. Разработана SADT-модель автоматизированной системы управления запасами с формальным описание входных и выходных данных, входов по управлению, а также механизмов и подчиненных активностей.

6. Разработана база данных управления запасами промышленного объединения, построенная на основе категорной нумерационной доменно-ориентированной модели данных, что обеспечивает простую структуру отношений связи и доменов.

7. Разработан программно-моделирующий комплекс поддержки принятия решений процесса управления запасами на дискретно-событийных имитационных моделях.

8. Разработанные методы, алгоритмы и программы прошли апробацию и внедрены для практического применения на ряде промышленных предприятий, а также используются в учебном процессе на кафедре АСУ МАДИ(ГТУ).

Публикации по теме диссертационной работы

1. Яшуков A.B. Математические модели и методы управления запасами на промышленном предприятии. Методы прикладной информатики и коммуникационные технологии в автоматизации и управлении: сб. науч. тр. МАДИ (ГТУ). - М„ 2006. 4.2. -С.22-32.

2. Яшуков A.B. Открытая гибридная система автоматизированной поддержки принятия решений. / Баринов К.А. Белянский Д.В., Цибизов Г.П.// Инновационные технологии в промышленности, строительстве и образовании: сб. науч. тр. МАДИ (ГТУ). - М., 2007, -С.75-86.

3. Яшуков A.B. Принятие решения при выборе альтернатив развития предприятия промышленного комплекса. / Баринов А.П., Саакян И.Э. // Методы прикладной информатики в автомобильно-дорожном комплексе: сб. науч. тр. МАДИ(ГТУ),). - М., 2007. -С.71-74.

4. Яшуков A.B. Модели управления цепочками поставок на предприятиях с распределенной структурой. / А.Б.Николаев, А.П. Баринов, А.М.Ивахненко // Организационно-управляющие системы на транспорте и в промышленности: сб.науч. тр. МАДИ(ГТУ). - М., 2007. -С. 111-117.

5. Яшуков A.B. Обобщенный алгоритм формирования цепочек поставок / А.П. Баринов, О.Л.Снеткова // Организационно-управляющие системы на транспорте и в промышленности: сб.науч. тр. МАДИ(ГТУ). - М., 2007. -С. 118123.

6. Яшуков A.B. Система автоматизации оценивания показателей качества технологических процессов / А.Б.Чубуков, С.С.Гоголин, Р.П.Лукащук // Вестник МАДЩГТУ),). - М., вып. 4 (15), 2008. -С.108-112.

7. Яшуков A.B. Моделирование процессов управления запасами на промышленном предприятии // Программно-математические методы и средства автоматизации и управления в промышленности и образовании: сб.науч. тр. МАДИ(ГТУ). - М., 2009. -С4-11.

Подписано в печать 05*. О Ъ. 2009 г Формат 60x84x16 Усл.печ.л. 1,0 Тираж /О О экз. Заказ № ^

"Техполиграфцентр" Россия, 125319 , г. Москва, ул. Усиевича, д. 8 а. Тел/факс: 8 (439) 152-17-71 Тел. ; 8-916-191-08-51

ВВЕДЕНИЕ.

1. АНАЛИЗ МЕТОДОВ И МОДЕЛЕЙ УПРАВЛЕНИЯ ПРОИЗВОДСТВЕННЫМИ ЗАПАСАМИ.

1.1. Анализ проблем управления производственными запасами.

1.2. Системный анализ задач автоматизации управления запасами.

1.3. Анализ программных технологий формирования стратегий управления запасами.

1.4. Методы и модели анализа эффективности системы управления запасами.

1.4.1. Методы прогнозирования временных рядов в системе управления запасами.

1.4.2. Анализ трендов и сглаживание.

1.5. Анализ методов статистической обработки результатов имитационного эксперимента.

1.5.1. Повторные независимые реализации.

1.5.2. Независимые отрезки реализации случайных процесов.

1.5.3. Оценивание сериальной корреляции.

1.5.4. Регенеративные методы анализа.

Выводы по главе 1.

2. РАЗРАБОТКА ДИСКРЕТНО-СОБЫТИЙНЫХ ИМИТАЦИОННЫХ МОДЕЛЕЙ РАСПРЕДЕЛЕНИЯ ЗАПАСОВ.

2.1. Методология имитационного моделирования системы управления запасами.

2.2. Ресурсы сложной дискретной системы и события.

2.2.1. Идентификация событий в дискретно-событийной модели.

2.2.2. Действия над ресурсами и их формализация.

2.2.3. Формальные операции в динамической дискретно-событийной модели.

2.2.4. Интеллектуальная моделирующая система управления производственными запасами.

2.2.5. Структура продукционного имитатора.

2.2.6. Гибридный подход к моделированию процессов управления запасами.

2.3. Дискретно-событийная модель управления запасами.

2.4. Разработка рекуррентных моделей управления запасами.

2.5. Регенеративная модель распределения производственный запасов.

Выводы по главе 2.

3. АВТОМАТИЗАЦИЯ УПРАВЛЕНИЯ ПРОИЗВОДСТВЕННЫМИ ЗАПАСАМИ НА ОСНОВЕ ИМИТАЦИОННЫХ МОДЕЛЕЙ.

3.1. Формальное построение управляемой имитационной модели управления запасами.

3.2. Предпосылки проведения исследований управляемой имитационной модели распределения запасов.

3.3. Формализованное представление диаграмм управления запасами в виде 8А1)Т-моделей.

3.3.1. Контекстная диаграмма управления поставками.

3.3.2. Формирование плана цепочек поставок.

3.3.3. Анализ сформирования плана поставок.

3.3.4. Подготовка данных для формирования плана поставок.

3.3.5. Расчет плана поставок на уровне поставщиков.

3.3.6. Расчет цепочек поставок на уровне центров распределения.:.

3.4. Семантическое моделирование данных с применением элементов теории категорий.

3.4.1. Модель данных управления запасами на основе теории категорий

3.4.2. Операции в категорией модели.

3.4.3. Реляционная и категорная доменно-ориентированная модели данных.

3.4.4. Основные признаки категорной доменно-ориентированной модели.

3.4.5. Связь между реляционной и категорной доменно-ориентированной моделями данных.

3.4.6. Мифологическая модель базы данных.

Выводы по главе 3.

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ ЗАПАСАМИ С ВКЛЮЧЕННЫМИ

ИМИТАЦИОННЫМИ МОДЕЛЯМИ.

4.1. Моделирующий алгоритм сканирующего типа.

4.2. Моделирующий алгоритм линейного типа.

4.3. Выбор инструментальных средств реализации системы управления запасами.

4.4. Функционал системы управления поставками.

4.5. Разработка интерфейса программной компоненты системы управления производственными запасами.

Выводы по главе 4.

Разработка планов развития промышленных предприятий всегда связана с задачами рационального обеспечения производственными запасами, местоположением складских площадей и вопросами транспортировки необходимых комплектующих непосредственно на производственные участки.

В последние годы в России наблюдается бум строительства современных складских комплексов, однако пока этих помещений катастрофически не хватает. В настоящее время Россия испытывает огромный дефицит качественных складских площадей - 14 млн. м кв. В то же время, общий объем современных складских помещений классов А и В (где используются высокотехнологичные автоматизированные решения) к 2012 г. может достичь от 10 до 20 млн. кв'. м. В числе основных тенденций рынка логистики отмечается существенный рост в 2006-2007 гг. количества новых логистических операторов (как отечественных, так и транснациональных), появление в России глобальных логистических сетей. При этом для обеспечения бесперебойной работы предприятия и повышения его конкурентоспособности на рынке, необходимо решение следующих задач: прогнозирование и управление запасами; прогнозирование необходимого количества инженерно-технического состава; прогнозирование потока заказов на продукцию и др. Для эффективного решения этих задач необходимо использование гибридных информационных систем и современных методов организации и управления производственными запасами. Требование к оперативности реализации запросов на комплектующие, а также необходимость их транспортировки заставляет все более серьезно относиться к вопросам повышения производительности, что ставит задачи непрерывного совершенствования и развития автоматизации и управления всем производственным циклом. В связи с этим работа, посвященная вопросам разработки моделей и методов автоматизации управления запасами промышленного объединения, представляется весьма актуальной.

Предметом исследования являются система управления запасами промышленного объединения.

Целью работы является повышение эффективности функционирования промышленного объединения за счет создания методики комплексного анализа, моделирования и оптимизации стратегий управления запасами.

Для достижения данной цели в работе решаются следующие задачи:

1. системный анализ методов и моделей управления запасами;

2. разработка аппарата дискретно-событийного моделирования управления запасами и модели распределения запасов;

3. разработка модели прогноза заказов;

4. разработка процедур оптимизации на имитационных моделях управления запасами;

5. разработка 8АОТ-моделей автоматизированной системы управления запасами;

6. разработка базы данных управления запасами промышленного предприятия;

7. разработка программно-моделирующего комплекса поддержки принятия решений процесса управления запасами.

Научная новизна работы состоит в разработке методов, моделей, алгоритмов и методики дискретно-событийного моделирования стратегий управления запасами.

На защиту выносятся:

• модель распределения запасов в виде управляемого регенерирующего процесса;

• категорная и реляционная модели базы данных системы управления запасами;

• БАВТ-моделей автоматизированной системы управления запасами;

• программно-моделирующий комплекс системы управления запасами.

Диссертация состоит из четырех глав, в которых приводится решение поставленных задач»

В первой главе проведен анализ методов и моделей управления производственными запасами. Основу экономической эффективности деятельности промышленного объединения составляют своевременная поставка необходимого количества комплектующих на производственные участки. Деятельность всего объединения зависит от деятельности его структурных подразделений. К основным элементам организационной структуры промышленного объединения относятся: Бухгалтерия, Транспортный цех, Отдел прогнозирования, Ремонтное звено и т.п. Важным элементом организационной структуры является система ведения учета, и организации документооборота в части: оприходования материальных ценностей на складе; выставления счетов заказчикам; ведения базы данных по заказчикам; выписки товарных накладных и счетов фактур; списания материальных ценностей со склада; расчета себестоимости материальных ценностей; экспорта данных в бухгалтерскую программу и др.

Анализ исследований российских и зарубежных ученых показал, что затраты предприятий на формирование и поддержание складов могут быть значительно снижены за счет централизации управления запасами в масштабах сбытовой цепи предприятия-производителя, повышения точности прогнозирования потребности и оптимизации хранимой номенклатуры.

Во второй главе реализованы имитационные модели управления запасами в условиях стохастической неопределенности. При этом в моделях учитывается, что хранение всегда связано с издержками, а нехватка необходимых ресурсов с потерями заказов.

В работе рассматривается следующая модель распределения производственных запасов. Склад формирует заказы для двух типов клиентов: для производственных участков своего объединения (в больших количествах), и для сторонних организаций, заказывающих в лучшем случае один предмет в единицу времени. Помимо размеров партий, учитывается вероятность того, что между заказами конкретного участка проходит несколько единиц модельного времени.

Для сторонних организаций (их количество в модели параметризуемо) разыгрывается однородная стратегия заказов. Каждый клиент в любой конкретный момент времени делает заказ с определенной вероятностью независимо от продолжительности времени, прошедшего с момента последнего заказа.

В третьей главе диссертации разработаны методы и алгоритмы синтеза стратегии управления запасами, основанные на формировании алгоритмов прогноза потока заказов на различные виды производственных запасов.

Ставится и решается задача оптимизации стратегии управления запасами на дискретно-событийной имитационной модели, доставляющая экстремум выбранному критерию эффективности. Предполагается, что для каждой стратегии управления стохастическая модель однозначно определяет значение критерия.

Рассмотрена задача поиска решения на основе имитационного моделирования, при котором необходимо определить значения входных управляемых переменных имитационной модели (ИМ) для получения оптимального значения параметров управления. В данном случае один прогон ИМ обеспечивает получение достоверных результатов в одной точке пространства поиска решений. Для эффективргого решения данной задачи система на основе ИМ должна иметь интеллектуальную надстройку, позволяющую заменить специалиста-разработчика. Полученная система будет представлять собой простейшую гибридную систему, объединяющая имитационную модель и блок оптимизации.

Четвертая глава диссертации посвящена описанию программного комплекса, реализующего предложенные методы и алгоритмы. Разработанные алгоритмы синтеза стратегии управления запасами являются параметризуемыми, поэтому в зависимости от прогнозируемого количества потенциальных заказов дает различные варианты.

Программный комплекс включает имитационную модель стратегии управления запасами. С одной стороны, эта модель дает основу сравнительному анализу и проверке робастности предлагаемых в диссертации методов и алгоритмов. С другой стороны, в нее включен алгоритм управления заказами на комплектующие, что дает возможность имитировать процесс управления в целом. В диссертации предлагается универсальная модель интеграции имитационных моделей с включением произвольной стратегии управления запасами.

Обоснованность научных положений, рекомендаций и выводов определяется предварительным статистическим анализом потоков заказов в ряде предприятий, согласованностью результатов аналитических и имитационных моделей. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения результатов работы в ряде предприятий.

Научные результаты, полученные в диссертации, доведены до практического использования. Они представляют непосредственный интерес в области моделирования и управления запасами промышленных предприятий. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения на ряде промышленных предприятий, а также используются в учебном процессе на кафедре АСУ МАДИ(ГТУ).

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

• на Российских и межрегиональных научно-технических конференциях, симпозиумах и семинарах (2005-2009гг.);

• на заседании кафедры АСУ МАДИ (ГТУ).

Совокупность научных положений, идей и практических результатов исследований в области автоматизации процессов управления представляет интерес для теоретических и практических методов поддержки принятия решений по организации управления на промышленных объединениях.

Материалы диссертации отражены в 7 печатных работах. Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 157страницах машинописного текста, содержит 26 рисунков, графиков и таблиц, список литературы из 115 наименований и приложения.

Выводы по главе 4

1. Разработана алгоритмическая схема функционирования дискретно-событийной имитационной модели управления запасами.

2. Проведен анализ вычислительной эффективности дискретно-событийных алгоритмов линейного и сканирующего типа.

3. Разработаны экранные формы автоматизированной системы управления запасами, которые представляет собой контейнер, в который можно помещать различные элементы пользовательского интерфейса, причем все элементы находятся в разработанной библиотеке пользовательского интерфейса.

Заключение

1. Проведен системный анализ методов и моделей управления запасами в результате которого показана целесообразность использования дискретно-событийных имитационных моделей.

2. Разработан аппарат дискретно-событийного моделирования управления запасами в в виде процессно-ориентированного описания системы управления запасами

3. Разработана дискретно-событийная имитационная модель распределения запасов и показан характер имитационного процесса, который сводится к регенерирующему, что позволяет использовать классические статистические методы оценки характеристик эффективности управления.

4. Разработана управляемая имитационная модель выбора стратегий управления запасами с включенными алгоритмами поисковой оптимизации.

5. Разработана 8АОТ-модель автоматизированной системы управления запасами с формальным описание входных и выходных данных, входов по управлению, а также механизмов и подчиненных активностей.

6. Разработана база данных управления запасами промышленного объединения, построенная на основе категорной нумерационной доменно-ориентированной модели данных, что обеспечивает простую структуру отношений связи и доменов.

7. Разработан программно-моделирующий комплекс поддержки принятия решений процесса управления запасами на дискретно-событийных имитационных моделях.

8. Разработанные методы, алгоритмы и программы прошли апробацию и внедрены для практического применения на ряде промышленных предприятий, а также используются в учебном процессе на кафедре АСУ МАДИ(ГТУ).

1. Абрамов A.A. Моделирование информационных процессов в системе управления промышленными предприятиями. — М., 1997. - 130с.

2. Аверин В.И., Кручинин И.А. Эффективность компьютеризации производственных систем. -М.: Машиностроение, 1991. 187 с.

3. Автоматизация производства и управления: экономические и организационные аспекты // М.Д.Айзенштейн, Л.С.Винарнк, Р.И.Заботина и др. Киев: Наукова думка, 1992. - 183 с.

4. Автоматизированная информационная система организационно-экономического управления предприятием // Д.Г.Конев, А.Г.Блем, О.И.Пятковский. Кабб-Барнаул, 1988. - 142 с.

5. Автоматизированные информационные технологии организационного управления на разных уровнях и конфигурациях // Под ред. В.А.Трайнева. М.: МосНПО «Радон» Эномар, 1995. - 196 с.

6. Автоматизированные системы управления автомобильными перевозками // В.А. Гудков, С.А.Ширяев, С.В.Ганзпн. Волгоград, 1993. -128 с.

7. Автоматизированные системы управления в народном хозяйстве // Под ред. В.С.Синяка. М.: Экономика, 1987.-286 с.

8. Анализ и проектирование систем управления. Н.-Новгород: ННГУ, 1992.- 136 с.

9. Аникеев С.Н. Методика разработки плана маркетинга. М.: Фолиум, «Информ-студио», 1996. - 128 с.

10. Ю.Ансофф И.Х. Стратегическое управление. М.: Экономика, 1989. -519 с.

11. П.Артынов А.П., Скалецкий В.В. Автоматизация процессов планирования и управления транспортными системами. М.: Наука, 1981. — 280 с.

12. Аршанов М.З. Многокритериальное^ и согласованность в активных системах. Автоматика и телемеханика, 1997. - №2. - С. 162-168.

13. И.Базелл Р., Кокс Д., Браун Р. Информация и риск в маркетинге // Пер. с англ. Под ред. М.Р.Ефимовой. М.: Финстатинформ, 1993. - 271 с.

14. Балабанов И.Т. Основы финансового менеджмента. М.: Финансы и статистика, 1996. - 382 с.

15. Балабанов И.Т. Риск-менеджмент. — М.: Финансы и статистика, 1996. 193 с.

16. Брудник С.С. Оценка экономической эффективности автоматизированной системы управления предприятиями. — М.: Экономика, 1972.-52 с.

17. Брунштейн Д.П. Вычислительные центры в системе контроля автотранспортной информации. — М.: Транспорт, 1988. 175 с.

18. Булгаков С.Н. и др. Инвестиционное обеспечение экономического развития. Новосибирск: Наука, 1993. - 190 с.

19. Бурков В.Н., Иринов В. А. Модели и методы управления организационными системами. М.: Наука, 1994. — 270 с.

20. Валдайцев C.B. Оценка бизнеса и инноваций. М.: «Филин», 1997336 с.

21. Векслер A.B. Риск-эффективное оценивание параметров процесса авторегрессии // Проблемы передачи информации. 1997. - ТЗЗ, №2. - С.37-53.

22. Вермишев Ю.Х. Методы автоматического поиска решений при проектировании сложных технических систем. М.: Радио и связь, 1982.- 152 с.

23. Вильсон А.Дж. Энтропийные методы моделирования сложных систем. М.: Наука, 1978.- С. 83-91.

24. Винокуров В. А. Организация стратегического управления на предприятии. М., 1996. - 148 с.

25. Винокуров Г.З., Кошкин A.A. Система оперативного и упреждающего управления предприятиям // Под ред. И.М.Бобко. -Новосибирск: Наука, 1997. 194 с.

26. Войцеховский В.Б. Оптимизация развития производственных систем.- Киев: Наукова думка, 1991. 139 с.

27. Воронов К.И. Оценка коммерческой состоятельности инвестиционных проектов // Финансовая газета. — 1993, №49-52; 1994, №1— 6.

28. Глазунов В.Н. Финансовый анализ и оценка риска реальных инвестиций М.: Финстатинформ, 1997.

29. Гордон Д. Вычислительные аспекты имитационного моделирования // Исследование операций — методологические основы и математические методы. М.: Мир, 1981. - С.655-679.

30. Грешилов A.A., Стакун В.А., Стакун Л.А. Математические методы построения прогнозов. — М.: Радио и связь, 1997. 112с.

31. Гульненко К.В., Игнатенко Е.Б. Технико-экономический анализ на автомобильном транспорте в условиях рынка. СПб: ЛДНТП, 1992.

32. Гусев Ю.В. Стратегия развития предприятий. СПб: СПб УЭФ, 1992.- 160 с.

33. Гусейнов З.Р., Ибрагимов Э.Р. Планирование инвестиционного процесса на основе новой информационной технологии. Баку: Элм, 1990. — 62 с.

34. Дагаев A.A. Фактор НТП в современной рыночной экономике. М.: Наука, 1997—207с.

35. Демченко B.C., Милета В.И. Системный анализ деятельности предприятия. — М.: Финансы и статистика, 1990. 180 с.

36. Драккер П.Ф. Управление, нацеленное на результат. М.: Технологическая школа бизнеса, 1994.- 191 с.

37. Емельянов В.В., Ясиновский С.И. Введение в интеллектуальное имитационное моделирование сложных дискретных систем и процессов. Язык РДО. М.: "АНВИК", 1998. - 427с.

38. Ермаков С.М. и др. Математическая теория планирования эксперимента. М.: Наука, 1983. - 291с.

39. Зимин Ю.Н., Умрихин Ю.Д., Черкасов Ю.Н. Методология системного подхода к разработке организационных структур управления большими системами. М.: Минрадиопром, 1981.- 82с.

40. Зобнин Б.Е., Коротаева Л.Н., Ченцов А.Г. Об одной задаче маршрутной оптимизации и ее приложения // Проблемы передачи информации. 1997. - Т.ЗЗ, №4. - С.70-87.

41. Ильенкова Н.Д. Спрос: анализ и управление: Учебное пособие. Под ред. И.К.Беляевского. — М.: Финансы и статистика, 1997. 160 с.

42. Инвестиционное проектирование: практическое руководство по экономическому обоснованию инвестиционных проектов. Под ред. С.И.Шумилина. М.: Финстатинформ, 1995. - 238 с.

43. Инженерно-экономический анализ транспортных систем: Методология проектирования АСУ // Р.И.Образцова, П.Г.Кузнецов, С.Б.Пшеничников. -М.: Наука, 1990. 191 с.

44. Информационные технологии в управлении и принятии решений // Под ред. Ю.П.Ехлакова. Томск, 1997. - 237 с.

45. Ионов В.Я., Кашин В.Н. Хозяйственный механизм и эффективность промышленного производства. М.: Наука, 1997. - 238 с.

46. Ириков В.А., Ларин В.Я., Самущенко Л.М. Алгоритмы и программы решения прикладных многокритериальных задач // Известия АН СССР. Техническая кибернетика. 1986.- №1.- С.5-16.

47. Казакевич Д.М. Экономические методы в управлении. — Новосибирск: Наука, 1992. -354 с.

48. Кацыв Д.П., Хайдер Абдулла Мухаммед, Шайа Хуссейн Шайа. Интегрированные информационно-управляющие системы на газовых промыслах // Методы и модели автоматизации управления. Сб науч. тр. МАДИ (ГТУ) М. 2006 С. 153-156

49. Кацыв Д.П., Ивахненко А.М, Цнбизов Г.П. Формализация процедур адаптивного тестового контроля на базе нечетких множеств // Методы имодели автоматизации управления. Сб науч. тр. МАДИ (ГТУ) М. 2006 С. 25-28

50. Кацыв Д.П., Подпорин Д.И., Дибб К. Маршрутизация вычислительных сетей информационных запросов транспортных систем // Методы и модели автоматизации управления. Сб науч. тр. МАДИ (ГТУ) М. 2006 С. 54-58

51. Кацыв Д.П., Бенгеддаш Самир, Снеткова O.JT. Имитационное моделирование систем массового обслуживания //Автоматизация управления предприятиями промышленности п транспортного комплекса. Сб. науч. тр. МАДИ(ГТУ). 2006. с. 9-13

52. Кацыв Д.П., Алексеев С.Р., Красникова H.A. Оценка эффективности имитационных моделей транспортных систем //Автоматизация управления предприятиями промышленности и транспортного комплекса. Сб. науч. тр. МАДИ (ГТУ). 2006. с. 96-100

53. Кацыв Д.П., Кузнецов И.А., Цыбизов Г.П. Взаимодействие программных модулей в автоматизированной системе //Автоматизация управления предприятиями промышленности и транспортного комплекса. Сб. науч. тр. МАДИ (ГТУ). 2006. с. 101-106

54. Кацыв Д.П., Алексеев С.Р., Ивахненко A.M., Снеткова O.JI. Основы моделирования динамики систем управления транспортными средствами //Теория п практика информационных технологий. Сб. науч. тр. Минвуз. 2006. М„ С. 108-116

55. Клейнен Д. Статистические методы в имитационном моделировании. М.: Статистика, 1978.- Вып.1.- 221с.;- Вып.2.-335с.

56. Ковалев В.В. Методы оценки инвестиционных проектов. М.: Финансы и статистика, 1998. - 141 с.

57. Колесник А.П. Компьютерные системы в управлении финансами. М.: Финансы и статистика, 1994. 312 с.

58. Критенко М.И., Таранцев A.JI., Щебарев Ю.Г. Оценка значимости факторов при их комплексном воздействии на систему // Автоматика и телемеханика. 1995. - №6. - С.165-171.

59. Кручинин И.А., Перерва O.JI. Экономическая эффективность компьютерных производственных систем. Методология и методика расчетов.- Калуга: Знание/КФ МГТУ, 1998. 104 с.

60. Крыжановский Г.А., Шашкин В.В. Управление транспортными системами. СПб, 1998. - 4.1. - 163 с.

61. Куракина Ю.Г. Оценка фактора риска в инвестиционных расчетах // Бухгалтерский учет. 1995. - № 6.

62. Лактюшина З.Н. Экономический механизм управления на AT. M.: Трансконсалтинг, 1992. -288 с.

63. Лапко A.B., Ченцов C.B. Непараметрические модели принятия решений в условиях больших выборок // Актуальные проблемы современной математики. 1995. - №1. - С.95-103.

64. Лившиц В.Н. Оптимизация при перспективном планировании и проектировании. -М.: Экономика, 1984. -223 с.

65. Лившиц В.Н. Системный анализ экономических процессов на транспорте. М.: Транспорт, 1986. - 240 с.

66. Лэсдон Л.С. Оптимизация больших систем. М.: Наука, 1975.- 431с.

67. Ляско В.И. Основы прогнозирования и стратегического планирования. М.: МГАДИ (ТУ), 1998. - 209 с.

68. Ляско В.И. Стратегия развития автотранспортного предприятия. М.: АСМАП, 1995.-34 с.

69. Маленков Ю.А. Проблемы многоцелевого развития сложных производственных систем. — Л.: ЛГУ, 1987. 234 с.

70. Маркушевич О.Г. Свободная экономика и управление предприятием.- СПб: Политехника, 1993. 488 с.

71. Математическая теория планирования эксперимента // Под ред. С.М. Ермакова. М.: Наука, 1983. - 392с.

72. Месарович М., Мако Д., Такахара Я. Теория иерархических многоуровневых систем.- М.: Мир, 1973.- 342с.

73. Моисеев H.H., Иванилов Ю.П., Столярова Е.М. Методы оптимизации. М.: Наука, 1978. - 352с.

74. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. М.: Мир, 1975. - 500с.75.0бер-Крие Дж. Управление предприятием. М.: Сирин, 1998. - 257 с.

75. Парамонов Ф.И. Рационализация аппарата управления предприятиями. М.: Экономика, 1989. - 238 с.

76. Петренко А.К., Семенков О.И. Основы построения автоматизированного проектирования. Киев: Высшая школа, 1984.-340с.

77. Петров A.B. Использование аналитико-статистического метода для исследования сложных вычислительных систем // Вычислительные системы. 1975. -Вып.1. -С.6-17.

78. Полищук Л.И. Метод обобщенного градиента в диалоговых процедурах векторной оптимизации // Автоматика и телемеханика. 1981.-№5.- С.109-118.

79. Поспелов Д.А. Ситуационное управление, теория и практика. М.: Наука, 1986.- 288с.

80. Пярните Ю.Э., Савенкова Т.П. Стратегия и тактика гибкого управления. М.: Финансы и статистика, 1991. - 191 с.

81. Растригин JI.A., Эйдук Я.Ю. Адаптивные методы многокритериальной оптимизации // Автоматика н телемеханика. J985.-№1.- С.5-26.

82. Рыков В.В. Два подхода к декомпозиции сложных иерархических статистических систем. Агрегативные системы // Автоматика и телемеханика. 1997. - №10. - С.91-104.

83. Сабинин О.Н. Планирование и организация ускоренного статистического моделирования сложных производственно-экономическихкомплексов // Известия РАН. Серия Теория и системы управления. 1997. -№2.-С.117-123.

84. Селянина Е.И. Планирование на предприятии в условиях рыночной экономики. М.: Экономика, 1993. 156 с.

85. Сидоренко Ю.А. Система функциональных расчетов в АСУП. Н.Новгород, 1995.- 106 с.

86. Силантьева H.A. Экономические проблемы автоматизации процессов управления производством. М.: Наука, 1972.

87. Срагович В.Г. Адаптивное управление. М.: Наука, 1981. - 384с.

88. Старик Д. Экономическая эффективность инвестиций: показатели и методы определения // Экономист. 1993.- №2.

89. Трайнев В.А., Трайнев И.В. Интеллектуальные технологии в организационных системах управления и их информационное обеспечение. Менеджмент: организационное параметрическое моделирование. М., 1995. -235 с.

90. Трахтенгерц Э.А. Генерация, оценка и выбор сценария в системах поддержки принятия решений // Автоматика и телемеханика. —1997. №3. — С.167-178.

91. Тюрин E.H., Симонова Г.И. Знаковый анализ линейных моделей // Обозрение проблем математики. 1994. - Т.1, №2. - С.214-278.

92. Федоров А.И. Методология и организационные формы управления предприятием в условиях перехода к рыночным отношениям. СПб, 1998. — 232 с.

93. Цициашвилли Г.Ш. Простейшая вероятностная модель оценки обобщенного показателя // Современные проблемы управления. М.: РАН. ДВО. ИПМ., 1995. - №1. - С.1-4.

94. Шахов В.В. Некоторые задачи планирования имитационного эксперимента // Труды конференции молодых ученых ВЦ СО РАН. -Новосибирск, 1995. — С.200-212.

95. Щербаков В.И. Крупные хозяйственные комплексы: механизм управления. М.: Экономика, 1986. - 271 с.

96. Adam N.R. Achieving a confidence interval for parameters estimated by simulation //Management Science. 1983. - V.29, №7. - P.856-866.

97. Beograd J.C. The formal theory of simulation from the user's point of view//ESC Conference. Aachen, 1983. - P.112-117.

98. Bhoj D.S. On difference of correlated variates with incomplete data on both responces // Journal of Statistical Computation and Simulation. 1984. -V.19, №4. - P.275-285.

99. Bierman H., Smidt S. The Capital Budgeting Decision. Economic Analysis of Investment Projects. N.-Y.:Macmillan Publishing Company, Collier Macmillan Publishers, 1988. -7th Ed.

100. Blackshire J. Digital PIV (DPIV) Software Analysis System // NASA -1997. CR-97-206285 - P.27-29.

101. Carrol C.D., Kundall M.S. On the concavity of the consumption function // Econometrica. 1996. - V.64, №4. - P.981-992.

102. Chris Tofts. Processes with probabilities, priority and time // Formal Aspects of Computing. 1994.- V.6, №5,- P.536-564.

103. Christopher A. Kennedy, Mark H. Carpenter Comparison of Several Numerical Methods for Simulation of Compressible Shear Layers // NASA 1997. - TP-3484.- P.62

104. Classification and related methods of data analysis // Editor Bock H. -Amsterdam: NORTH-HOLLAND, 1988. 749p.

105. Desrochers A.A. Modeling and control of automated manufacturing system. Washington (DC): IEEE computer soc. press, 1990. - VIII, 373 p.

106. Dur R.C.j. Business reengineering in information intensive organizations: Diss-Delft, 1992. —256 p.

107. Franta W.R. The system approach to system simulation // Modeling and Simulation. 1979. -V. 10, №5. - P.2083-2090.

108. Fridman L.W., Fridman H.M. Statistical consideration in computer simulation: The State Of The Art // Journal of Statistical Computation and Simulation. 1984. - V.19, №3. - P.237-263.

109. Jauch L.R., Glueck W.F. Strategic management and business policy. -N.Y., 1988.-XV. 428p.

110. Joshi B. D., Unal R., White N. H. A Framework for the Optimization of Discrete-Event Simulation Models // 17th American Society for Engineering Management National Conference. Dallas (Texas), 1996. — P.26.

111. Law A.M., Kelton D.W. Simulation modeling and analysis. N.Y.: McGrow-Hill, 1991.-325p.

112. Mamrac S.A., Amer P.D. Estimating confidence intervals for simulations on computer system // Simulation. 1980. - V.35, №6. - P.199-205.

113. Natrig B, Jorung G. On probabilistic risk analysis of technological system. Oslo: Department of Mathematics, University Oslo, 1995. -№6. - P.1-8.

114. Puppert D., Carrol R.J., Deriso R. Optimization using stochastic approximation and Monte-Carlo simulation // Biometrics. 1984. - V.40, №2. -P.535-545.