автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация операционного планирования дискретного производства при нечеткой исходной информации

На правах рукописи

Вожаков Артем Викторович

□03400183

Оо)-.

АВТОМАТИЗАЦИЯ ОПЕРАЦИОННОГО ПЛАНИРОВАНИЯ ДИСКРЕТНОГО ПРОИЗВОДСТВА ПРИ НЕЧЕТКОЙ ИСХОДНОЙ ИНФОРМАЦИИ

05.13.06 - Автоматизация и управление технологическими процессами и производствами (в промышленности)

Автореферат диссертации на соискание ученой степени кандидата технических наук

2 2 ОПТ 9Ппд

Пермь - 2009

003480183

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Пермский государственный технический университет»

Научный руководитель: доктор физико-математических наук,

профессор Гитман Михаил Борисович

доктор физико-математических наук, профессор Абдуллаев Абдулла Рамазанович

кандидат технических наук Федорищев Иван Федорович

Государственное образовательное учреждение высшего профессионального образования «Магнитогорский государственный технический университет им. Г.И. Носова»

Защита состоится «17» ноября 2009 года в 16 ч. 30 мин, на заседании диссертационного совета Д212.188.04 при ГОУ ВПО «Пермский государственный технический университет» по адресу: 614990, г.Пермь, Комсомольский проспект, 29, ауд. 212, телефон (342)-219-82-62, e-mail: usu@pstu.ru.

С диссертацией можно ознакомиться в библиотеке Пермского государственного технического университета.

Автореферат разослан « 1 ^ » 2009 года.

Официальные оппоненты:

Ведущая организация:

Ученый секретарь диссертационного совета, доктор технических наук, профессор

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы.

В условиях рыночных отношений происходит ужесточение внутриотраслевой конкуренции, когда каждый участник рынка стремится привлечь клиента наиболее выгодным предложением. Повышение качества обслуживания клиентов предполагает обеспечение на производстве основных принципов рациональной организации рабочих процессов (параллельность, пропорциональность, непрерывность и прямоточность), что, в первую очередь, требует улучшение качества планирования. На крупных предприятиях с дискретным производством и сложной высокотехнологичной продукцией, возникает серьезная проблема при календарном планировании - эффективно распределить множество технологических операций по имеющимся производственным мощностям (тактический уровень планирования). На предприятиях, как правило, используются не оптимальные, а лишь допустимые производственные планы, порождающие множество очевидных недостатков, что приводит к снижению прибыли предприятия. Задача повышения качества производственного планирования усложняется еще и тем, что часто невозможно четко сформулировать критерии оптимальности плана и соответствующие производственные ограничения на имеющиеся ресурсы предприятия.

Проблеме календарного планирования производства посвящены работы С.А. Бородина, В.А. Бородина, В.В. Цыганова, Д.А. Новикова, C.B. Питеркина, C.B. Севастьяновой, И.В. Сергеенко, Сох F., Blackstone J., Gaither N., Green J.H. Bermudez J. и других авторов.

Все вышеперечисленное свидетельствует о том, что повышение качества производственного планирования на крупных промышленных предприятиях является задачей важной и актуальной, так как адекватная система планирования может значительно повысить результативность (производительность, действенность) производственного процесса, особенно на крупных предприятиях.

В диссертационной работе поставлена актуальная научная задача разработки методики формирования оптимального операционного плана дискретного производства при нечеткой исходной информации.

Объектом исследования является система операционного планирования дискретного производства машиностроительного предприятия.

Целью данной работы является разработка операционной модели дискретного производственного процесса и методики оптимального календарного планирования дискретного производства на тактическом уровне. Модель должна работать в условиях нечетких ограничений и нечетких критериев оптимальности. Кроме того, модель должна быть реализована в виде программного комплекса, позволяющего экспортировать и импортировать данные из других информационных систем и изменять параметры планирования производства вручную.

Исходя из цели, определены следующие задачи исследования:

1. Построение модели дискретного производства (производственных подразделений), способной адекватно описывать укрупненные характеристики рабочих центров в условиях нечеткости исходных данных.

2. Построение модели производственного процесса на основе методологии планирования производственных ресурсов MRP II (Manufacturing Resource Planning). Разработка и математическое описание критериев и ограничений задачи оптимизации планирования производства. Постановка задачи оптимизации.

3. Разработка методики поиска оптимального детализированного календарного плана производства.

4. Разработка автоматизированной системы операционного планирования производства в рамках АСУП предприятия, основанная на методике поиска оптимального календарного плана производства.

5. Опытное внедрение автоматизированной системы операционного планирования на машиностроительном предприятии, анализ результатов.

Методы исследования. В процессе выполнения работы были использованы методы теории управления, линейной и нелинейной оптимизации, теории нечетких множеств, методы имитационного моделирования и поддержки принятия решений в условиях неопределенности.

Научная новизна диссертационной работы заключается в следующем:

1. Разработана модель дискретного производственного процесса, отличающаяся учетом нечеткости ограничений на ресурсы предприятия.

2. Впервые разработана оптимизационная модель процесса производственного планирования на тактическом уровне с учетом нечеткости критериев оптимизации.

3. Разработана методика поиска оптимального плана производства, учитывающая особенности операционного планирования на тактическом уровне при нечеткой исходной информации.

4. Предложен новый эффективный алгоритм оптимизации допустимого плана производства на основании разработанного комплексного критерия оптимальности, построенного с применением аппарата теории нечетких множеств.

Практическое значение работы. Разработанные модели реализованы в виде комплекса программных средств, обеспечивающих автоматизацию формирования календарных планов производства в рамках единой информационной системы управления предприятием. Программный комплекс позволяет производить расчет календарного плана предприятия в автоматическом режиме. В качестве источника данных могут использоваться любые информационные системы класса MRP II. Разработанная система дает возможность настраивать параметры планирования с учетом важности критериев оптимизации. Встроенная система отчетности обеспечивает получение и вывод на печать результаты расчетов в той форме, которая удобна конкретному пользователю. Автоматизированная система планирования

производства внедрена в опытную эксплуатацию на предприятии холдинга ОАО «Мотовилихинские заводы» (г. Пермь).

На защиту автором выносятся следующие основные положения диссертации:

1. модель дискретного производства на тактическом уровне планирования с учетом нечеткости ограничений на ресурсы предприятия;

2. математическая модель многокритериальной оптимизации допустимых планов производства на основе комплексных критериев оптимальности, построенных с применением аппарата теории нечетких множеств;

3. алгоритмы поиска допустимого и оптимального планов производства;

4. результаты расчета и анализа оптимального планирования производства крупных партий строительно-дорожных машин.

Достоверность научных положений, выводов и практических рекомендаций подтверждена корректностью математической постановки задачи, строгостью применяемых методов решения, а также результатами опытного внедрения автоматизированной системы операционного планирования на машиностроительном предприятии холдинга ОАО «Мотовилихинские заводы» (г. Пермь).

Апробация работы. Основные положения и результаты диссертационной работы докладывались на научных семинарах, международных и всероссийских конференциях, в том числе: на 17-ой Всероссийской конференции молодых ученых «Математическое моделирование в естественных науках» (г. Пермь, 2008), на Международных конференциях «И-Б&Е» (Украина, г. Гурзуф, 2008, 2009), на 5-й и 6-й Всероссийских школах-семинарах молодых ученых «Управление большими системами» (г. Липецк, 2008; г. Ижевск, 2009).

Публикации. По теме диссертационной работы опубликовано 10 печатных работ, в том числе две работы в журналах, включенных в Перечень ВАК РФ.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и списка литературы. Объем'работы составляет 128 страниц текста, 20 рисунков, 20 таблиц. Библиографический список включает 125 источников.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность выбранной темы, сформулированы цели и задачи диссертационной работы, перечислены основные полученные результаты.

В первой главе проводится исследование современного состояния планирования производства. Рассматривается информационная модель предприятий, а также существующие модели и методы планирования производства на тактическом уровне. Рассмотрены основные характеристики предприятий, влияющие на процесс планирования производства. Для

моделирования производственных процессов на предприятии проводится обследование, с целью установления специфики его деятельности. Полученная информация включает:

- описание позиционирования продукта;

- описание позиционирования производственного процесса;

- типы систем планирования и оперативного управления;

- нормативно-справочная информация о продуктах и предприятии.

Процесс планирования производства на предприятии можно определить

как систематическую подготовку решений, связанных с определением будущих событий. В данной работе предлагается следующая трехуровневая классификация процесса планирования производства, которая использует простые термины и определения, охватывает все возможные уровни планирования и при этом делит процесс планирования на характерные этапы с различными целями и задачами (Табл. 1):

Табл. 1. Предлагаемая классификация процесса планирования

Свойства Уровень планирования

Стратегический Тактический Оперативный

Входные Информация о Главный Детализированный

данные заказах, прогноз календарный план календарный план

спроса производства производства

Результат Главный Детализированный План

этапа календарный план календарный план технологических

производства производства операций

Горизонт 1-2 года 1-6 месяцев 1-2 дня

Интервал Месяц День Час

Оценка Ежеквартально Еженедельно Ежедневно

выполнения

Проблема планирования представляет собой вопрос распределения работ между имеющимся ресурсами с учётом различных ограничений. При производственном планировании в качестве ресурсов рассматриваются оборудование, персонал, сырьё и технологическая оснастка.

С точки зрения оптимизации все решения, получаемые в результате выработки планов, можно разделить на:

- оптимальные по всем критериям;

- оптимальные по одному/нескольким критериям;

- приемлемые по всем ограничениям.

Современные экспертные системы планирования производства строятся на базе формализованных в виде математических функций правил диспетчеризации, используемых специалистами по планированию. Следует отметить, что системы, основанные на эвристических алгоритмах и методах локального поиска, позволяют найти оптимизированное, но не оптимальное производственное расписание.

В этой главе подробно рассмотрены существующие системы планирования MRP II и синхронного планирования производства (Advanced Planning and Scheduling, APS), их достоинства и недостатки.

Отметим, что для решения исследуемых задач необходимо ввести в рассмотрение множество параметров, точные значения которых часто невозможно определить. Другими словами, речь идет о том, что задачу планирования необходимо решать в условиях неопределенности. В данной работе для определения наиболее трудно прогнозируемых параметров, а также для построения обобщенного критерия в задаче операционного планирования будут использоваться нечеткие множества.

Во второй главе приводятся концептуальная и математическая постановка задачи управления дискретным производством на тактическом уровне планирования в условиях нечеткости исходной информации.

Для описания календарного плана производства вводится матрица Р. Ее

элементы рш определяют количество операций 1-го вида, запланированных на день с номером d, lel,W, d е 1, Т, где Т - количество дней в плановом периоде, W - количество видов операций. Без нарушения общности предполагается, что предприятие работает в одну смену (если предприятие работает в две или три смены, то Т будет обозначать количество смен в плановом периоде). Фактически матрица Р является планом (планом-

графиком) производства, поэтому определение ее элементов Pu и будет решением задачи.

L

Введем матрицу баланса номенклатурных единиц В. Ее элементы ш определяют количество номенклатурных единиц с номерами iel,C, находящихся на цеховых складах на конец дня с номером d {d е О,Г); значение индекса d = 0 используется в матрице баланса для определения остатков номенклатурных единиц на начало планируемого периода. Очевидно, что значения матрицы напрямую зависят от плана-графика производства Р и от начального значения остатков на складе г. Матрица В зависит от главного календарного плана производства (ГКПП). В дни, когда запланирован выпуск продукции, происходит автоматическая отгрузка готовой продукции со склада. Элементы матрицы В можно определить следующим образом:

r„ ieï^C, d-О

N ___

К-\ +Л|+»,-и-Su leUN, delj, (1)

i-1

N<i*c>d^

j-1

где — остаток i-ой номенклатурной единицы на начало периода, g - главный календарный план производства (ГКПП),

ау - состав изготавливаемых изделий, Щ - количество операций в 1-ом технологическом этапе, (М = 1

5, = ^ -

Очевидно, что при составлении плана производства должны учитываться следующие ограничения:

1. Суммарное количество операций одного вида в плане-графике должно быть равно общему количеству операций данного вида, которые необходимо выполнить в плановом периоде согласно ГКПП:

г

X Рм = °> ДЛЯ всех / 6 ¡л, (2)

л=\

где 0/ - количество операций, которые необходимо выполнить.

2. В каждый из планируемых дней, максимальная загрузка рабочих центров не должна превышать максимально возможную загрузку:

№

ХЛ/А^А, (3)

/=1

|1 ,е, = к _ _ _

где Рл = [о>в фк,Ае1,Е, ¿б1,7\

(к = {//(^) / ^ - максимальная загрузка оборудования;

данная величина является нечеткой,

Я_к - количество рабочих центров к-го типа,

Ь ~ трудоемкость операции 1-го вида,

е1 - № типа рабочего центра для совершения операции 1-го вида

3. В любой момент времени остаток номенклатурных единиц не может быть отрицательным. Математически данное ограничение может быть записано:

Ьы >0, для всех ¡ей:, ¿еОД\ (4)

Введем четыре частных критерия оптимальности плана-графика производства:

1. Критерий комфортности производства - план-график производства должен быть скомпонован таким образом, чтобы операции одного вида запускались в производство как можно большими партиями (в этом случае не потребуется переналадка оборудования при переходе от выполнения одной операции к другой):

/=1 </=1 (0.^=0

2. Производство должно быть равномерным - нагрузка на рабочие центры должна быть распределена таким образом, чтобы загрузка рабочих центров в течение планового периода изменялась постепенно, без резких перепадов:

т ^

¿=] ЬЧк 1°>е1*к

3. Срок изготовления продукции должен быть минимальным. При этом продукт считается изготовленным только в том случае, если все операции завершены, т.е. дата совершения последней операции и будет определять срок изготовления продукции:

З-ь - шах (й{й) -> гат! где

Ы\ ик/ № Т

1=1

а> т ' У''

4. Риск срыва плана производства должен быть минимален. Максимальное опережение производства г является нормативом предприятия и измеряется в днях. Будем говорить, что продукция выпущена с опережением, если продукция произведена раньше, чем это стало крайне необходимо. Относительная загрузка оборудования (суммарная трудоемкость, отнесенная к максимальной загрузке данного типа оборудования) попадающая в т 12 области перед отгрузкой готовой продукции должна быть минимальной (интервал г/2 выбран из практических соображений):

(¡'<т!2

т <¡-<1 >0 2 №

=У!

<1=\

>шю

я/, М =

¡«1

(8) 0,£8И=0

На основе предложенных частных критериев введен обобщенный критерий оптимальности с использованием расширенного специального нечеткого множества над частными критериями оптимальности

У ~{М\ и{> №2 /^з»/^ ^Л}» где М, е[0;1], ! е 1~4, - экспертная оценка

значимости Ьго критерия.

Для сравнения двух элементов и Jr2 множества будем использовать четкую функцию от нечеткого аргумента (специальный индекс ранжирования):

н{у\Гг)=ъх& С„ (9)

„ д"

i - доставляет max)/^' ■ J,'1 -/л?J?

¡/у - функция принадлежности (значимость),

fi'2 - функция принадлежности (значимость) J[2, d, =max(j;',j;5)) /еМ.

При этом если значение ' единственно и если slgnC- ~~", то JrX >Jr2\ если signC, ="-",то Jrl <Jn.

Если значение ' не единственно, то определим к - количество равных по

/ \ к модулю экстремумов (к < п) И ВЫЧИСЛИМ л = 2] sign С; .

i=i

Если Л = 0, то г' = J'2; если А <0, то JA < Jn; если А > 0, то Г > Jr2. Математическая постановка задачи составления оптимального плана-графика производства может быть представлена в следующем виде: Найти значение матрицы плана производства:

Pia, где leüW, delj, приводящее к минимуму выражение: Jr -» min, где

Г ={//J/J1;//2/y2;//3/J3;^4/J4},

Jx,J1,Jj,J^~ частные критерии оптимальности плана производства: при ограничениях (1)-(4).

При практических расчетах частные критерии оптимальности оценивались с помощью следующих показателей: критерий комфортности - к, критерий равномерности - pd, критерий минимальности срока производства -У, критерий минимальности риска срыва производства - ф.

В третьей главе предлагаются методика решения задачи операционного планирования, эвристические алгоритмы, составляющие суть методики, и автоматизированная система планирования производства. Как уже отмечалось, целевая функция учитывает все четыре критерия оптимальности календарного плана и нечеткое соотношение между этими критериями. Предложенная методика состоит из алгоритмов, последовательное выполнение которых позволяет отыскать близкий к оптимальному календарный план и учитывать приоритетность выполнения конкретных изделий и заказов.

Ниже приводится список этапов нахождения оптимального плана производства:

1. Вычисление технологических весов изделий.

2. Сортировка списка изделий.

3. Алгоритм «движение к началу периода».

4. Алгоритм оптимизации плана производства

Технологическим весом изделия назовем суммарную трудоемкость, требуемую для изготовления изделия. После вычисления технологических весов получим таблицу значений, которую необходимо отсортировать по дате выпуска и по убыванию технологического веса. Далее выполняется алгоритм «движение к началу периода». В качестве основы работы программного алгоритма был взят эмпирический алгоритм планирования производства «с конца», т.е. строится план из логики «для того, чтобы... нужно...»(рис. 1).

Алгоритм оптимизации плана производства проводит оптимизацию допустимого плана производства с учетом всех частных критериев. Очевидно, что данные критерии могут вступать друг с другом в противоречия, поэтому перед началом требуется задать параметр максимального опережения выпуска и важность критериев оптимизации. На рис. 2 изображен алгоритм оптимизации плана производства. В результате работы этого алгоритма

Рис. 1 Алгоритм «движение к Рис. 2 Алгоритм оптимизации плана

началу периода» производства

На основе описанной выше методики поиска оптимального календарного плана производства разработана автоматизированная система планирования производства и оптимизации (АСППО), которая включает в себя следующие программные модули:

1. Модуль импорта данных о структуре продукта.

2. Модуль расчета потребности и составления начальных данных.

3. Модуль поиска оптимального календарного плана производства.

4. Система отчетности.

Входными данными для АСППО является ГКПП. Далее АСППО совершает следующие действия:

1. Рассчитывает потребность в закупаемых компонентах исходя из

складских норм.

2. Рассчитывает календарный план производства, для каждого цеха.

3. План производства отправляется в цеха для исполнения.

4. Информация об отклонениях от плановых показателей отправляется в модуль обратной связи системы. Информация проходит статистическую обработку и в дальнейшем, применяется для корректировки параметров.

5. Информация об отклонениях поступает в диспетчерский отдел для оперативного решения возникших проблем.

В четвертой главе приводится результаты тестирования и внедрения автоматизированной системы планирования производства и оптимизации.

В качестве первого тестового примера был взят реальный ГКПП за май 2008 года. ГКПП выглядит следующим образом: после разузлования данных о структуре и технологии производства продукции были получены следующие данные: справочник номенклатуры состоит из 26 572 записей; справочник операций состоит из 109 521 записей; план составляется на месяц с 22 рабочими днями и режимом работы в одну смену; матрица плана производства имеет размерность 109 521 на 22, что определяет 2.409.462 независимых переменных в задаче. Основным критерием для данной задачи был критерий скорости выполнения плана производства. С помощью АСППО был найден план-график производства, позволяющий произвести необходимое количество продукции за 17 дней вместо 22, которые понадобились для того, чтобы произвести продукцию в реальных условиях производства без использования системы планирования.

В качестве примера

демонстрирующего возможности

промышленного использования системы был взят близкий к реальному производственный план предприятия ООО «Завод СДМ», г. Пермь (было взято базовое изделие СМ 15-01 без модификаций, но при этом сильно увеличен объем производства, чтобы убедиться в эффективности работы АСППО). Строительно-дорожная техника, выпускаемая на предприятии, имеет сложную технологию изготовления, длительные технологические маршруты, обширную номенклатуру. Расчет проводился на три месяца. Показательным является второй месяц, так как к началу второго месяца уже есть определенный задел деталей и к концу месяца также необходимо будет подготовить определенный набор деталей. Ввиду того, что значения критериев вычисляются для второго месяца планового периода, при исследовании не будет учитываться критерий минимизации срока производства, так как общий срок производства будет более двух месяцев, что выходит за рамки оцениваемого периода. Ограничение на досрочный выпуск деталей, агрегатов и изделий установлено в 10 рабочих дней.

Табл. 2. ГКПП

Дата выпуска Число ' изделий

22 50

44 50

66 50

С помощью АСППО был найден план-график производства, позволяющий произвести необходимое количество продукции без нарушения сроков выполнения заказов. Найденный допустимый план был оптимизирован с помощью алгоритма оптимизации плана производства в несколько этапов:

1. Критерий комфортности производства был выбран в качестве основного.

2. Задан комплексный критерий оптимизации, причем п=3 [ (комфортность, равномерность, риск). Оценки важности критериев, полученные от экспертов, следующее: = 0,7, = 1 , а = 0,3,

3. Найдены решения для всех значений функции принадлежности от 0,1 до 1 с шагом в 0,1. Из полученного множества решений были исключены заведомо не оптимальные, оставшиеся приведены в табл. 3. Затем с помощью

I индекса ранжирования (9) были получены «наилучшие» значения функций принадлежности: = 1, //2 = 0,6, /¿3 = 0,8.

Табл. 3. Множество выбираемых решений задачи

На рис. 3 представлен график № ^ /¿, ./, Зг Зъ Ранг

изменения показателя олоз о,975 о,зб5

равномерности плана производства 2 07 , 03 0 745 0 849 0 376

1 рл ДЛЯ четырех планов: допустимый 2_ ) о,8 0,4 0,827 0,75 0,4__

план ДО оптимизации (далее 4 о,4 0,7 1 0,423 0,592 0,967 _ .

допустимый), план после 5 о,5 0,4 1 0,534 0,479 1

оптимизации ПО критерию __1 ] 0,7 |0,497_ 0.897 1 0.624Х_

комфортности (далее комфортный), _—^—!--М—°'397——Р'793 -

план после оптимизации по —--!--—!—--М1!—--^Л--

комплексному Критерию С —--!--^--015__|_01935—(М37—.0,761 -1

экспертными оценками (далее ° 1 °'6 °'503 °-807 >

экспертный) и план после °'8 °'8' ' °'5'3 °'838 1

и 1 0,4 0,9 0,891 0,315 0.956 ! 4

оптимизации по комплексному -г;---!--5--!--!---

13 0,9 0,3 1 0,83 I 0,365 0,985

критерию с наилучшими оценками -^—--1-*--1-

важности критериев (далее оптимальный). Точки на графике указывают значение показателя рл между дня1у

На рис. 4, представлены значения показателя

минимальности риска срыва ' производства ф для допустимого, 1 комфортного, экспертного и | оптимального производственных планов. На рис. 5. представлены значения показателя комфортности к для допустимого, комфортного и оптимального производственных

Множество выбираемых решений задачи

№ А М2 Иъ ■Л у2 Л Ранг

1 0,4 1 0,3 0.405 0,975 0,365

2 0,7 1 0,3 0,745 0,849 0,376

3 1 0,8 0,4 0,827 0,75 0,4

4 0,4 0,7 1 0,423 0,592 0,967

5 0,5 0,4 I 0,534 0,479 1

6 0,5 1 0,7 0,497 0,897 0,624

7 0,5 1 0,8 0,397 0,854 0,793 3

8 1 0,3 1 0,871 0,275 0.972 5

9 1 0,4 0,5 0,935 0,437 0,761

10 1 0,6 0,8 0,832 0,503 0,807 1

11 0,9 0,6 0,8 0,81 0,513 0,838 2

12 1 0,4 0,9 0,891 0,315 0.956 1 4

13 0,9 0,3 1 0,83 0,365 0,985 1

ш <1 и с1+1.

Равномерность загрузки оборудования

•¿.—До оптимизации

- • ■ Комфортность

— Экспертным -Ш-Овтпаз.ъиыЦ

9 11 13 16 17 13 День

Рис. 3. Равномерность загрузки

планов.

Чиаченпя покетателя комфортности производства

I

■ Допустимый • КОМфОртКОСТЬ

Экспертный в Оптимальный

Значения показателя комфортности протводства

I

■ Допустимый в Комфортность

о Оптимальный

Рис. 4. Риск срыва производства Рис. 5. Комфортность

производства

Из приведенных графиков можно сделать следующие выводы:

1. Планы производства (комфортный, экспертный и оптимальный) позволяют получить значительно улучшенные по сравнению с допустимым планом решения.

2. Из приведенных графиков видно, что после оптимизации допустимого плана производства по комплексному критерию (оптимальный план) произошли следующие характерные изменения:

• значение параметра комфортности улучшено по сравнению с допустимым планом, и меньше оптимального значения (комфортный план) менее чем на 10%;

• параметр равномерности загрузки оборудования значительно улучшен по отношению к допустимому и комфортному плану производства, однако на 40% меньше, чем в экспертном плане производства;

• значение параметра риска срыва производства в два с половиной раза лучше, чем в допустимом плане, и менее чем на 20% меньше оптимального значения;

• за счет ограничения на досрочный выпуск деталей производственный график стал более равномерным;

• в последние дни планового периода нагрузка снижается, чтобы дать возможность оперативно решить возможные проблемы.

По результатам тестовых испытаний системы автоматического планирования производства можно сделать следующие выводы:

1. Разработанная система, способна находить календарные планы, удовлетворяющие всем ограничениям задачи.

2. Встроенные средства оптимизации позволяют находить календарные планы с учетом всех критериев оптимальности календарного плана.

3. Дополнительные функции позволяют балансировать важность критериев.

Общие выводы по работе

1. Построена модель производственного процесса предприятия с дискретным типом производства, способная описывать укрупненные характеристики рабочих центров в условиях нечеткости исходных данных.

2. Разработана оптимизационная модель процесса производственного планирования на тактическом уровне, целевая функция которой учитывает все предложенные критерии оптимальности календарного плана и нечеткое соотношение между этими критериями.

3. Разработана методика поиска оптимального детализированного календарного плана производства, включающая новый алгоритм поиска допустимых планов и эффективный алгоритм оптимизации плана производства. Оптимизация проводится на основании разработанного комплексного критерия оптимальности, построенного с применением аппарата теории нечетких множеств.

4. Разработана автоматизированная система планирования производства и оптимизации (АСППО), основанная на методике поиска оптимального календарного плана производства. АСППО реализована в виде программных модулей, объединенных в единый программный комплекс, позволяющий формировать оптимальный календарный план производства на предприятии с дискретным типом производства.

5. Проведена практическая апробация АСППО в рамках единой интегрированной информационной системы управления производством. АСППО внедрена в опытную эксплуатацию на предприятии ОАО «Мотовилихинские заводы» (г. Пермь).

Основное содержание диссертационной работы опубликовано

- в ведущих рецензируемых журналах и изданиях, определенных высшей аттестационной комиссией:

1. Федосеев С. А., Вожаков A.B., Гитман М.Б. Управление производством на тактическом уровне планирования в условиях нечеткой исходной информации. Научно-технический журнал. «Проблемы управления». 2009, №5. С. 36-43.

2. Федосеев С.А., Вожаков A.B., Гитман М.Б. Модель календарного планирования производства с нечеткими целями и ограничениями. Научно-технический журнал. «Системы управления и информационные технологии», 2009, № 3 (37). С. 21-24.

- в других изданиях:

3. Вожаков A.B., Гитман М.Б. Модель календарного планирования с нечеткими ограничениями. Научно-технический журнал. «Вестник

Магнитогорского государственного технического университета им. Г.И. Носова», 2008, № 4. С. 79-82.

4. Вожаков А.В, Гитман М.Б. Модель календарного планирования с нечеткими ограничениями. Труды 35-й юбилейной международной конференции 6-й международной конференции молодых ученых «Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT + S&E '08». - Украина, Крым, Ялта-Гурзуф, 2008. С. 202-204.

5. Вожаков А.В, Гитман М.Б. Программное обеспечение системы календарного планирования производства в условиях нечеткости исходной информации. Тезисы докладов 17-й Всероссийской конференции молодых ученых «Математическое моделирование в естественных науках».- Пермь: Изд-во ПГТУ, 2008. С. 18-19.

6. Вожаков A.B. Календарное планирование производством в условиях нечеткости информации. 5-я Всероссийская школа-семинар молодых ученых «Управление большими системами». - Липецк: Изд-во ЛГТУ, 2008. С. 300-306.

7. Вожаков A.B., Федосеев С.А., Гитман М.Б, План-график производства при нечетких целях и ограничениях. Труды 36-й юбилейной международной конференции и дискуссионного научного клуба «Информационные технологии в науке, социологии, экономике и бизнесе IT + S&E '09». - Украина, Крым, Ялта-Гурзуф, 2009. С. 288-289.

8. Федосеев С.А, Вожаков A.B., Гитман М.Б. Тактическое планирование производства при нечетких целях и ограничениях. Сборник научных трудов «Системы мониторинга и управления». - Пермь: Изд-во ПГТУ,2009. С. 237-243.

9. Вожаков A.B. Управление дискретным производством с учетом нечетких ограничений на ресурсы предприятия. 6-я Всероссийская школа-семинар молодых ученых «Управление большими системами». - Ижевск: Изд-во ООО Информационно-издательский центр «Бон Анца», 2009. С. 89-97.

10. Федосеев С.А., Вожаков A.B., Гитман М.Б. Модель оптимального планирования производства на тактическом уровне с нечеткими ограничениями и критериями. Вестник Магнитогорского государственного технического университета им. Г.И. Носова, 2009, № 4. С. 78-89.

Подписано в печать 08.10.2009. Формат 60x90/16. Усл. печ. л. 1,00. Тираж 100 экз. Заказ № 1771/2009.

Издательство

Пермского государственного технического университета 614990, г. Пермь, Комсомольский пр., 29, к. 113 тел. (342)219-80-33

Введение.

1. Анализ моделей предприятия и методов планирования производства.

1.1. Классификация производственных предприятий.

1.2. Данные, необходимые для автоматизации процесса планирования производства.

1.3. Классификация процесса планирования производства.

1.4. Существующие методы планирования производства.

1.5. Методика планирования производства MRP II.

1.6. Системы синхронного планирования производства APS.

1.7. Нечеткая информация в задачах планирования.

1.8. Цель работы и задачи исследования.

2. Постановка задачи тактического планирования производства.

2.1. Концептуальная постановка задачи.

2.2. Математическая постановка задачи.

3. Автоматизированная система планирования производства и оптимизации.

3.1. Методика поиска оптимального календарного плана.

3.2. Описание программного обеспечения системы планирования.

4. Внедрение программного комплекса и полученные результаты.

4.1. Выбор и описание объекта автоматизации.

4.2. Тестирование системы планирования.

4.3. Производство крупных партий строительных машин СМ-15.

В условиях рыночных отношений наблюдается тенденция к ужесточению внутриотраслевой конкуренции, когда каждый участник рынка стремится привлечь клиента наиболее выгодным предложением [10]. Таким предложением может быть минимальная цена и/или минимальные сроки поставки продукции. Для сокращения сроков поставки продукции планирование производства должно быть направлено на обеспечение основных принципов рациональной организации рабочих процессов [16] таких, как параллельность, пропорциональность, непрерывность и прямоточность. Соответственно снижение сроков поставок влечет за собой повышение уровня обслуживания покупателей. М. Н. Сипха в [122] привел статистику, которая говорит о важности повышения уровня обслуживания покупателей:

1. «Средний» потребитель в случае своего недовольства продукцией или услугами сообщает об этом 9 или 10 другим людям, а при должным образом удовлетворенной жалобе и разрешении фирмой, возникших у него вследствие этого проблем, информирует об этом только пятерых.

2. На каждую зафиксированную жалобу приходится 19 неудовлетворенных потребителей, предпочитающих с жалобой в компанию не обращаться.

3. Для привлечения нового потребителя требуется в 5-10 раз большее количество ресурсов, нежели для удержания имеющегося потребителя.

4. Для преодоления негативного впечатления от 1 случая потребителю требуется 12 позитивных случаев.

5. Большинство компаний тратят 95% времени обслуживания на устранение последствий возникающих проблем и только 5%— на поиск их причин.

6. Компании, предпринимая попытки рассмотрения жалоб потребителей, более чем в половине случаев только усиливают негативное впечатление о себе.

Таким образом, необходимо улучшение, как качества продукции, так и качества организации производства, что, в свою очередь, требует повышения качества планирования. В общемировой практике управления производством, основные акценты ставятся на разработку оптимальной системы планирования [29, 49]. Эффективная многоуровневая система планирования способна значительно повысить производительность предприятия, а также повысить качество обслуживания клиентов.

На сегодняшний день планирование производства на крупных промышленных предприятиях является проблемным направлением. Введем в рассмотрение трехуровневой) классификацию процесса планирования производства. Эта схема использует простые термины и определения, охватывает все возможные уровни планирования и при этом делит процесс планирования на характерные этапы с различными целями и задачами [30, 56]. Отметим, что на каждом уровне планирования есть свои трудности: па стратегическом уровне — это высокий уровень неопределенности, на оперативном уровне - это маленький горизонт планирования, и работа в текущих условиях. Проблемы, возникающие на стратегическом и оперативном уровнях, обычно решают, используя опыт экспертов предприятия.

В общемировой практике для решения задач производственного планирования активно используется подход «Планирование ресурсов предприятия» (Enterprise resource planning — ERP)[78], Эти системы сейчас внедряются па многих производственных предприятиях, в том числе и в России. Основными недостатками существующих ERP-систем являются их повышенные требования к точности входных данных и упрощенные линейные представления в используемых математических моделях. Таким образом, существующие ERP-системы не обеспечивают решение задач производственного планирования с учетом различных объективно существующих видов неопределенности (стохастичность, нечеткость).

Существуют математические модели способные корректно описывать процесс планирования производства в частных случаях. Как правило, эти модели применимы либо на небольших предприятиях, либо на предприятиях, выпускающих однотипную продукцию в условиях поточного производства. При этом на крупных промышленных предприятиях с дискретным производством разнообразие и объемы выпускаемой продукции весьма значительны, и эксперты не в состоянии проанализировать все варианты запуска в производство необходимой клиентам продукции с целью поиска оптимального плана.

Особенно остро проблема планирования производства стоит на тактическом уровне. С момента получения главного календарного плана предприятия (ГКПП) до формирования сменно-суточных заданий требуется решить задачу оптимального распределения нагрузки на рабочие центры таким образом, чтобы выполнялось условие реализуемости ГКПГ1 при соблюдении принципов параллельности, пропорциональности, непрерывности и прямоточности производства. Эксперты не в состоянии проанализировать все варианты запуска в производство необходимой клиентам продукции с целью поиска оптимального плана. В результате на предприятиях, как правило, используются не оптимальные, а лишь допустимые производственные планы, порождающие множество очевидных недостатков, результатом которых всегда становится снижение прибыли предприятия. Проблема усугубляется еще и тем, что часто невозможно четко сформулировать критерии оптимальности и соответствующие производственные ограничения.

Проблеме календарного планирования производства посвящены работы С.А. Бородича, В.А. Бородина, В.В. Цыганова, Д.А. Новикова, С.В. Питеркина, С.В. Севастьяновой, И.В. Сергеенко, Сох F., Blackstone J., Gaither N., Green J.H. Bermudez J. и других авторов.

Все вышеперечисленное свидетельствует о том, что повышение качества производственного планирования на крупных промышленных предприятиях является задачей важной и актуальной, т.к. адекватная система планирования может значительно повысить результативность (производительность, действенность) производственного процесса, особенно на крупных предприятиях.

Объектом исследования является система операционного планирования дискретного производства машиностроительного предприятия.

Целью данной работы является разработка операционной модели дискретного производственного процесса и методики оптимального календарного планирования дискретного производства на тактическом уровне. Модель должна работать в условиях нечетких ограничений и нечетких критериев оптимальности. Кроме того, модель должна быть реализована в виде программного комплекса, позволяющего экспортировать и импортировать данные из других информационных систем и изменять параметры планирования производства вручную.

Исходя из цели, определены следующие задачи исследования:

1. Построение модели . дискретного производства (производственных подразделений), способной адекватно описывать укрупненные характеристики рабочих центров в условиях нечеткости исходных данных.

2. Построение модели производственного процесса на основе методологии планирования производственных ресурсов MRP II (Manufacturing Resource Planning). Разработка и математическое описание критериев и ограничений задачи оптимизации планирования производства. Постановка задачи оптимизации.

3. Разработка методики поиска оптимального детализированного календарного плана производства.

4. Разработка автоматизированной системы операционного планирования производства в рамках АСУП предприятия, основанная на методике поиска оптимального календарного плана производства.

5. Опытное внедрение автоматизированной системы операционного планирования на машиностроительном предприятии, анализ результатов.

Методы исследования. В процессе выполнения работы были использованы методы теории управления, линейной и нелинейной оптимизации, теории нечетких множеств, методы имитационного моделирования и поддержки принятия решений в условиях неопределенности.

Научная новизна диссертационной работы заключается в следующем:

1. Разработана модель дискретного производственного процесса, отличающаяся учетом нечеткости ограничений на ресурсы предприятия.

2. Впервые разработана оптимизационная модель процесса производственного планирования на тактическом уровне с учетом нечеткости критериев оптимизации.

3. Разработана методика поиска оптимального плана производства, учитывающая особенности операционного планирования на тактическом уровне при нечеткой исходной информации.

4. Предложен новый эффективный алгоритм оптимизации допустимого плана производства на основании разработанного комплексного критерия оптимальности, построенного с применением аппарата теории нечетких множеств.

Практическое значение работы. Разработанные модели реализованы в виде комплекса программных средств, обеспечивающих автоматизацию формирования календарных планов производства в рамках единой информационной системы управления предприятием. Программный комплекс позволяет производить расчет календарного плана предприятия в автоматическом режиме. В качестве источника данных могут использоваться любые информационные системы класса MRP II [82]. Разработанная система дает возможность настраивать параметры планирования с учетом важности критериев оптимизации. Встроенная система отчетности обеспечивает получение и вывод на печать результаты расчетов в той форме, которая удобна конкретному пользователю. Автоматизированная система планирования производства внедрена в опытную эксплуатацию на предприятии холдинга ОАО «Мотовилихинские заводы» (г. Пермь).

На защиту автором выносятся следующие основные положения диссертации:

1. Модель дискретного производства на тактическом уровне планирования с учетом нечеткости ограничений на ресурсы предприятия.

2. Математическая модель многокритериальной оптимизации допустимых планов производства на основе комплексных критериев оптимальности, построенных с применением аппарата теории нечетких множеств.

3. Алгоритмы поиска допустимого и оптимального планов производства.

4. Результаты расчета и анализа оптимального планирования производства крупных партий строительно-дорожных машин.

Внедрение результатов работы. Предложенные в диссертационной работе модели формирования календарных планов производства были использованы при разработке автоматизированной системы планирования производства и внедрены в опытную эксплуатацию на предприятии ОАО «Мотовилихинские заводы».

Апробация работы. Основные положения и результаты диссертационной работы докладывались на научных семинарах, международных и всероссийских конференциях, в том числе: на 17-ой Всероссийской конференции молодых ученых «Математическое моделирование в естественных науках» (г. Пермь, 2008), на Международных конференциях «IT-S&E» (Украина, г. Гурзуф, 2008, 2009), на 5-й и 6-й Всероссийских школах-семинарах молодых ученых «Управление большими системами» (г. Липецк, 2008; г. Ижевск, 2009).

Публикации. По теме диссертационной работы опубликовано 10 печатных работ, в том числе две работы в журналах, включенных в Перечень ВАК РФ.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и списка литературы. Объем работы составляет 128 страниц текста, включая 20 рисунков, 20 таблиц. Библиографический список включает 125 источников.

Заключение

1. Построена модель производственного процесса предприятия с дискретным типом производства, способная описывать укрупненные характеристики рабочих центров в условиях нечеткости исходных данных.

2. Разработана оптимизационная модель процесса производственного планирования на тактическом уровне, целевая функция которой учитывает все предложенные критерии оптимальности календарного плана и нечеткое соотношение между этими критериями.

3. Разработана методика поиска оптимального детализированного календарного плана производства, включающая новый алгоритм поиска допустимых планов и эффективный алгоритм оптимизации плана производства. Оптимизация проводится на основании разработанного комплексного критерия оптимальности, построенного с применением аппарата теории нечетких множеств.

4. Разработана автоматизированная система планирования производства и оптимизации (АСППО), основанная на методике поиска оптимального календарного плана производства. АСППО реализована в виде программных модулей, объединенных в единый программный комплекс, позволяющий формировать оптимальный календарный план производства на предприятии с дискретным типом производства.

•5. Проведена практическая апробация АСППО в рамках единой интегрированной информационной системы управления производством. АСППО внедрена в опытную эксплуатацию на предприятии ОАО «Мотовилихинские заводы» (г. Пермь).

1. Алефельд Г., Херцбергер Ю. Введение в интервальные вычисления -Москва: Мир, 1987. -358 с.

2. Анфилатов B.C., Емельянов А.А., Кукушкин А.А. Системный анализ в управлении М.: Финансы и статистика, 2002. - 368 с.

3. Аоки М. Введение в методы оптимизации М.: Наука, 1977. - 356 с.

4. Асатурян В.И. Теория планирования эксперимента М.: Радио и связь, 1983. -243 с.

5. Ашихмии В.Н., Бояршинов М.Г., Гитман М.Б.и др. Введение в математическое моделирование: Учебное пособие М.: "Логос", 2004,2005. -440 с.

6. Бахвалов Н.С. Численные мотоды. т.1. М.: Наука, 1977. - 356 с.

7. Беркульцев М.В. Методы эвристического поиска в задачах планирования и управления Москва: МАИ, 2000. - 48 с.

8. Борисов А.Н., Алексеев А.В., Меркурьева Г.В. Обработка нечеткой информации в системах принятия решений Москва: Радио и связь, 1989. -304 с.

9. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей Рига: Знание, 1990. - 184 с.

10. Борисов Е.Ф. Экономическая теория: Учеб. пособие- 2-е изд., перераб. и доп. Москва: Юрайт, 1999. - 193 с.

11. Вожаков А.В. Календарное планирование производством в условиях нечеткости информации // 5-я Всероссийская школа-семинар молодых ученых «Управление большими системами». Липецк: Изд-во ЛГТУ, 2008. С. 300-306.

12. Вожаков А.В., Гитман М.Б. Модель календарного планирования с нечеткими ограничениями // Вестник Магнитогорского государственного технического университета им. Г.И. Носова № 4. Магнитогорск, 2008. С. 79-82.

13. Гаврилов А.Д. Управление производством на базе стандарта MRP II -Санкт Петербург: Питер, 2002. -416 с.

14. Галузин К.С., Столбов В.Ю. Учет нечетких предпочтений при составлении оптимального учебного расписания в рамках единой информационной системы образовательного учреждения. // Журнал Белорусской инж. академии, 2004. С. 32-35.

15. Гальперин В.М. Макроэкономика СПб: Экономическая школа, 1994. - 400 с.

16. Гардинер К.В. Стохастические методы в естественных науках М.: Мир, 1986. -525 с.

17. Гилязов P.JI., Гитман М.Б., Столбов В.Ю. Управление транспортными сетями электросвязи с учетом нечетких предпочтений // Проблемы управления, 2008. С. 36-39.

18. Гитман М.Б. Введение в теорию нечетких множеств и интервальную математику: 4.1: Применение лингвистической переменной в системах принятия решений Учевн. пособие. Пермь: Изд. Перм. гос. техн. унт., 1998. -45 с.

19. Глазьев С.Ю. Теория долгосрочного технико-экономического развития- М.: Экономика, 1993. 86 с.

20. Гпеденко Б.В. Курс теории вероятностей Москва: Наука, 1988. -488 с.

21. Грешилов А.А., Стакун В.А., Стакун А.А. Математические методы построения прогнозов Москва: Радио и связь, 1997. - 112 с.

22. Демидович Б.П., Марон И.А., Э.З. Ш. Численные методы анализа -М.: Наука, 1969. -368 с.

23. Дуда Р., Харт П. Распознавание образов и анализ сцен М.: Мир, 1976. - 512 с.

24. Егорова Н.Е., Мудунов А.С. Применение моделей и методов прогнозирования спроса на продукцию сферы услуг Москва: ЦЭМИ РАН, 2000. - 54 с.

25. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе М.: МИФИ, 1998. - 216 с.

26. Ермишин П.Г. Основы экономической теории Москва: Наука, 2000.- 115 с.

27. Жирнов В.И., Столбов В.Ю. Применение математического моделирования в управлении производственными заказами // Тр. междунар. конф. «Инфокоммуникационные технологии в науке и технике» (Инфоком-2), 2006. С. 146-151.

28. Заде J1.A. Понятие лингвистической переменной и его применение к принятию приближенных решений Москва: Мир, 1976. - 168 с.

29. Зайцев H.JI. Экономика, организация и управление предприятием -Москва: ИНФРА-М, 2004. -455 с.

30. Ивахненко А.Г. Системы эвристической самоорганизации в технической кибернетике Киев: Техника, 1971. -372 с.

31. Калашников А.В. Алгоритм вычисления расстояния между расписаниями // Тр. Второй Всероссийск. научн. конф. "Методы и средства обработки информации". М.: МАКС Пресс, 2005. С. 546552.

32. Кардаш В.А. Об одном подходе к постановкам стохастических задач оптимизации производства // Экономика и математические методы, 1977. С. 73-77.

33. Карпенко А.П., Селиверстов Е.Ю. Обзор методов роя частиц (PSO) для задачи глобальной оптимизации // Наука и образование: электронное научно-техническое издание, www.lechnomag.edu.ru, 2009.

34. Козловский В.А. Производственный менеджмент Москва: ИНФРА-М, 2003. -573 с.

35. Кононенко А.Ф., А.Д. X., Чумаков В.В. Принятие решений в условиях неопределенности М.: ВЦ АЕ СССР, 1991. - 211 с.

36. Корн Г., Корн Т. Справочник по математике М.: Наука, 1974. - 832 с.

37. Королюк B.C., Портенов Н.И., Скороход А.В. Справочник по теории вероятностей и математической статистике — М. : Наука, 1985. — 640 с.

38. Костенко В.А., Смелянский Р.Л., Трекин А.Г. Синтез структур вычислительных систем реального времени с использованием генетических алгоритмов // Программирование, 2000. С. 63-72.

39. Кофман А. Введение в теорию нечетких множеств Москва: Радио и звязь, 1982. -432 с.

40. Микони С.В. Теория и практика рационального выбора Москва: Маршрут, 2004. - 463 с.

41. Моисеев Н.Н. Математические задачи системного анализа М.: Наука, 1981. -488 с.

42. Моисеев Н.Н. Элементы теории оптимальных систем М.: Наука, 1975. -528 с.

43. Моисеев Н.Н., Ю.П. Ч., Е.М. С. Методы оптимизации М.: Наука, 1978. -352 с.

44. Назаров Л. Нейросетевые алгоритмы прогнозирования и оптимизации и систем М.: Наука и Техника, 2004. - 384 с.

45. Нейгел К., Ивьен Б., Глинн Д.и др. С# 2005 и платформа .NET 3.0 для профессионалов М.: «Диалектика», 2007. - 1376 с.

46. Новиков Д.А. Теория управления организационными системами -Москва: Издательство физико-математической литературы, 2007. -584 с.

47. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации -Москва: Наука, 1981. -203 с.

48. Питеркин С.В., Оладов Н.А., Исаев Д.В. Точно вовремя для России. Практика применения ERP-систем Альпина Бизнес Букс, 2006 - 368 с.

49. Попов Э.В. Общение с ЭВМ на естественном языке Москва: Наука, 1982. -360 с.

50. Редько В.Г., Цой Ю.Р. Оценка эффективности эволюционных алгоритмов // Доклады АН, 2005. С. 312-315.

51. Розанов Ю.А. Теория вероятностей, случайные процессы и математическая статистика Москва: Наука, 1989. - 320 с.

52. Спицын В.Г., Цой Ю.Р. Эволюционирующие искусственные нейронные сети // IV Всероссийская конференция студентов, аспирантов и молодых ученых "Молодежь и современные информационные технологии", 2006. С. 411-413.

53. Столбов В.Ю., Федосеев С.А. Модель интеллектуальной системы управления предприятием // Проблемы управления № 5, 2006. С. 3639.

54. Субботин С.А., Олейник А.А., Олейник А.А. PSO-метод // «Интеллектуальные мультиагентные методы (Swarm Intelligence)» -Ч.З 2006. -С. 55-70.

55. Тихонов А.Н., Д.П. К. Вводные лекции по прикладной математике -М.: Наука, 1984. 192 с.

56. Тэрано Т., Асаи К., Сугэно М. Прикладные нечеткие системы М.: Мир, 1993. -368 с.

57. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика М.: Мир, 1992. -240с с.

58. Федорищев И.Ф. Сжатие аналоговых сигналов // Межвузовский науч. сб. «ВТ и новые информационные технологии». Вып. 5. Уфа, У Г АТУ, 2003. -С. 23-35.

59. Федосеев С.А., Вожаков А.В. Управление производством на тактическом уровне планирования в условиях нечеткой исходной информации // Проблемы управления 2009. С. 36-43.

60. Федосеев С.А., Вожаков А.В., Гитман М.Б. Модель календарного планирования производства с нечеткими целями и ограничениями // Системы управления и информационные технологии №3 Воронеж, 2009. - С. 21-24.

61. Федосеев С.А., Вожаков А.В., Гитман М.Б. Тактическое планирование производства при нечетких целях и ограничениях // Сборник научных трудов «Системы мониторинга и управления». Пермь: Изд-во ПГТУ, 2009. С. 237-243.

62. Фиако А., Мак-Кормик Г. Нелинейное программирование. Методы исследования безусловной оптимизации М.: Мир, 1972. -240 с.

63. Химмельблау Д. Прикладное нелинейное программирование М.: Мир, 1976. -526 с.

64. Ху Т.Ч., Шинг М.Т. Комбинаторные алгоритмы / Пер. с англ. -Нижний Новгород: Нижегородского госуниверситета им.Н.И.Лобачевского, 2004. с.

65. Цой Ю.Р. Введение в нсйроэволюционный подход: основные концепции и приложения // Научная сессия МИФИ 2007. IX Всероссийская научно-техническая конференция "Нейроинформатика-2007": Лекции по нейроинформатикс. Часть 2. - М.:МИФИ, 2007. - С. 43-76.

66. Цой Ю.Р. Приближенное вычисление локальных среднего и дисперсии для обработки цифровых изображений // Информационные технологии, 2007. С. 28-32.

67. Цыганов В.В., Бородин В. А., Шишкин Г.Б. Интеллектуальное предприятие Москва: Университетская книга, 2004. — 768 с.

68. Юдин Д.Б. Задачи и методы стохастического программирования М.: Советское радио, 1979. -392 с.

69. Alvarez-Valdes R., Parajon A., Tamarit J.M. A tabu search algorithm for large-scale guillotine (un)constrained two-dimensional cutting problems // Computers & Operations Research, 2002. C. 925-947.

70. Alvarez-Valdes R., Parreno F., Tamarit J.M. A tabu search algorithm for two-dimensional non-guillotine cutting problems // European Journal of Operational Research, 2007. C. 1167-1182.

71. Bermudez J. Advanced Planning and Scheduling: Is It as Goods as It Sounds? AMR Research, 1998. - 24 c.

72. Browne J., Harhen J., J. S. Production management systems: an integrated perspective Addison-Wesley Publishing Company, 1996. -425 c.

73. Cox F., Blackstone J., M. S. APICS Dictionary, 8th ed. The Educational Society for Resource Management, 1987. - 148 c.

74. Czech Z.J. Parallel Simulated Annealing for the Delivery Problem // Parallel and Distributed Processing, 2001. C. 219-226.

75. Eberhart R.C., Kennedy J. A new optimizer using particle swarm theory // Proceedings of the Sixth International Symposium on Micromachine and Human Science, Nagoya, Japan, 1995. C. 39-43.

76. Fogarty D., Blackstone J., Hoffmann J. Production & inventory management South-Western Publishing Co., Cincinnati, 1993. - 880 c.

77. Gaither N. APICS Dictionary, 6th ed. American Production and Inventory Control Society, 1987. - 127 c.

78. Gaither N., Gregory V.F. Production and operations management -Southwestern College Publishing, Cincinnati, 1999. 900 c.

79. Gelfand S.B., Mitter S.K. Simulated annealing with noisy or imprecise energy measurements // Journal of Optimization Theory and Applications, 1989. -C. 49-62.

80. Gilmore P., Gomory R. A linear programming approach to the cutting stock problem // Operations Research, 1961. C. 849-859.

81. Glover F. Tabu search methods for optimization Amsterdam Elsevier, 1998. -576 c.

82. Glover F. Tabu search: part I // ORSA J. Сотр. vl, 1989. C. 190-206.

83. Glover F. Tabu search: part II // ORSA J. Сотр. v2 1990. C. 4-32.

84. Glover F. A template for scatter search and path relinking // Mathematical Programming, 1998. -C. 161-88.

85. Glover F., Kochenberger G. Critical event tabu search for multidimensional knapsack problems // Meta-Heuristics: Theory & Applic, 1996. C. 407427.

86. Glover F., Laguna M. Tabu search Boston: Kluwer Acad. Publ., 1997. -408 c.

87. Goldratt E.M., Cox J. The Goal: A Process of Ongoing Improvement -North River Press, 1992. 384 c.

88. Goodfellow R. Manufacturing Resource Planning A Pocket Guide, 1993. -52 c.

89. Greene J.H. Production and Inventory Control Handbook American Production and Inventory Control Society, 1997. - 1200 c.

90. Greening D.R. Parallel simulated annealing techniques // Emergent computation, 1991. -C. 293-306.

91. Haddock J., Mittenthal J. Simulation optimization using simulated annealing // Computers and Industrial Engineering, 1922. C. 387-395.

92. Hall R.W. Zero Inventories. Dow Jones - Irwin, 1983. - 250 c.

93. Holland J.H. Adaptation in natural and artificial systems The MIT Press, 1992. -228 c.

94. Janaki R.D., Sreenivas Т.Н., Ganapathy S.K. Parallel Simulated Annealing Algorithms // J. parallel and distributed computing, 1996. C. 207-212.

95. Kennedy J. Stereotyping: improving particle swarm performance with cluster analysis // Proceedings of the 2000 Congress on Evolutionary Computation, 2002. C. 1507—1512.

96. Kennedy J., Eberhart R. Particle swarm optimization // Proceedings of IEEE International conference on Neural Networks, 1995. C. 1942 - 1948.

97. Kirkpatrick S., Gellat C.D., Vecchi M. Optimization by Simulated Annealing//Sciece, 1983. -C. 671-680.

98. Laarhoven P., Aarts E., Lenstra J. Job Shop Scheduling by Simulated Annealing//Operations Research, 1992. -C. 113-125.

99. Landvater D. World Class Production and Inventory Management -John Wiley & Sons, 1993. 304 c.

100. Landvater D., Christopher D.G. MRP II Standard System. A handbook for Manufacturing Software Survival John Wiley & Sons, Inc., 1989. -352 c.

101. Latham D. «Are you among MRP's walking wounded?» Production and Inventory Management, 1981. -497 c.

102. Ling R., Goddard W. Orchestrating Success: Improve Control of the Business with Sales & Operations Planning John Wiley & Sons, 1995. -176 c.

103. Liu C.L., Layland J.W. Scheduling Algorithms for Multiprogramming in Hard Real-Time Environment // J. ACM V. 20. № 1, 1973. C. 46-61.

104. Makridakis S., Wheelwright S. Forecasting Methods for Management -New York: John Wiley, 1985. -480 c.

105. Marte B. Preemptive scheduling with release times, deadlines and due times // J. ACM. V. 29, № 3, 1982. C. 812-829.

106. Mitchell M. An Introduction to Genetic Algorithms (Complex Adaptive Systems) The MIT Press, 1998. -221 c.

107. Niar S., Freville A. A parallel tabu search algorithm for the 0-1 multidimensional khapsack problem // 11th Internal. Parallel Processing Symposium (IPPS' 97), 1997. C. 512-516.

108. Orlicky J. Material Requirements Planning: The New Way of Life in Production and Inventory Management -New York: McGrow-Hill, 1975. -292 c.

109. Ozcan E., Mohan C.K. Analysis of a simple particle swarm optimization system // Intelligent Engineering Systems Through Artificial Neural Networks, 1998. -C. 253-258.

110. Plossl G. Orlicky's Material Requirements Planning. 2 ed. New York: McGraw-Hill, 1997. -311 c.

111. Safizadeh M., Raafat F. Formal/informal systems and MRP implementation Production and Inventory Management, 1986. - 367 c.

112. Salerno J. Using the particle swarm optimization technique to train a recurrent neural model // IEEE International Conference on Tools with Artificial Intelligence, 1997. C. 45-49.

113. Shapiro B.P., Rangan V.K., Sviokla J.J. Staple Yourself to an Order // Harvard Business Review, 1992. -C. 113-122.

114. Shen C., Pao Y., Yip P. Scheduling multiple job problems with guided evolutionary simulated annealing approach // Proc. First IEEE Conf. on Evolutionary Computations, 1994. C. 702-706.

115. Shi Y., Eberhart R.C. A modified particle swarm optimizer // Proceedings of the IEEE Congress on Evolutionary Computation 1998. C. 69-73.

116. Shi Y., Eberhart R.C. Parameter selection in particle swarm optimization // Evolutionary Programming VII: Proceedings of the Seventh Annual Conference on Evolutionary Programming, New York, 1998. C. 591-600.

117. Sinha M.N. Winning Back Angry Customers // Quality Progress, American Society for Quality Control, 1993. C. 53-56.

118. Vollmann Т.Е., William L., Whybark D. Manufacturing Planning and Control Systems -New York: Irwin/McGraw-Hill, 1997. 896 c.

119. Wight O.W. MRP II: Unlocking America's Productivity Potential Boston: CBI Publishing Co., 1981. -238 c.

120. Zaden L.A. Fuzzy sets // Inform Contr., V. 8, 1965. C. 338-353.1. Jli

121. Утверждаю: ^ Заместитель генерального mptffxi&fiа по ОУ и ИТ ОАО «М^^^щшяиискис заводы» ^^ Евстратов С.Н.^ » 2009 г.1. Акт о внедрениипрограммного комплекса «Автоматизированная система тактическогопланирования производства»