автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Интеллектуальная поддержка процесса объемного планирования дискретного производства при нечетких ограничениях на ресурсы предприятия и меняющейся конъюнктуре рынка

00348 Ю2Б

На правах рукописи

Жириов Вадим Игоревич

Интеллектуальная поддержка процесса объемного планирования дискретного производства при нечетких ограничениях на ресурсы предприятия и меняющейся конъюнктуре рынка

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

Автореферат

диссертации на соискание ученой степени кандидата технических наук

О р Лм- Л

¿- и

Пермь - 2009

003481026

Работа выполнена в Пермском государственном техническом университете

Научный руководитель: доктор технических наук,

профессор Столбов Валерий Юрьевич

Официальные оппоненты: доктор технических наук,

профессор Цыганов Владимир Викторович

кандидат технических наук, Березняков Сергей Вадимович

Ведущая организация: ОАО «Научно-исследовательский институт управляющих машин и систем», г. Пермь

Защита состоится 24 ноября 2009 года в 14 ч. 30 мин. на заседании Диссертационного совета ДР 212.188.04 в Пермском государственном техническом университете по адресу: 614990, г. Пермь, Комсомольский проспект 29, ауд. 212.

С диссертацией можно ознакомиться в библиотеке ПГТУ. Автореферат разослан «|Ц» октября 2009 года.

Ученый секретарь диссертационного совета, доктор технических наук

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Отход России от плановой экономики заставил российские предприятия решать новые задачи, возникающие в условиях быстро меняющейся конъюнктуры рынка. Одной из таких задач, является планирование производственной деятельности промышленного предприятия, исходя из потребностей и ограничений, диктуемых рынком сбыта продукции. Планирование производственной деятельности условно можно разделить на три основных этапа: первый - объемное календарное планирование, которое определяет, что будет производиться в плановом периоде, в каком количестве и к какому сроку; второй - производственное планирование, то есть составление детального плана-графика производства продукции, запланированной на первом этапе; третий - оперативное перепланирование. В данной работе рассматривается объемное планирование производства как неотъемлемая часть системы управления производством на предприятии.

Следует отметить, что на многих промышленных предприятиях России в настоящее время отсутствует автоматизированная система составления оптимальных планов производства. Планирование ведется либо вручную экспертами на основе накопленного опыта, либо частично автоматизируется, используя простейшие эвристические методы. Очевидно, что оптимальными эти планы не являются, не говоря уже о том, что вполне могут оказаться не выполнимыми или, наоборот, не полностыо загружающими производственные мощности. Это происходит из-за того, что при планировании необходимо учитывать множество производственных ограничений и нечетких пожеланий клиентов, что невозможно сделать, не используя современные математические методы и не применяя для расчетов эффективные вычислительные алгоритмы и информационные технологии.

Таким образом, одной из новых научных задач производственного планирования в рамках рыночной экономики является задача формирования оптимального плана производства с учетом запросов клиентов и быстроменяющейся ситуации на рынке.

Объектом исследования является система планирования на предприятии с дискретным типом производства, одной из основных задач которой является формирование оптимального объемного плана производства на определенный период времени в условиях неопределенностей как со стороны рынка сбыта продукции, так и нечетких ограничений на распределение ресурсов предприятия.

Целью данной работы является разработка средств интеллектуальной поддержки процесса формирования оптимального объемного плана дискретного производства в условиях нечеткой исходной информации для повышения эффективности управления промышленным предприятием.

В соответствии с поставленной целью в работе формулируются и решаются следующие основные задачи:

• Построение структурной схемы интеллектуальной подсистемы объемного планирования в рамках АСУП предприятия.

• Разработка модели формирования оптимального портфеля заказов на предприятии с учетом нечетких ограничений на производственные ресурсы.

• Разработка модели составления оптимального плана производства под спрос на предприятии.

• Построение модели интеллектуального элемента АСУП для оптимального перераспределения ресурсов предприятия.

• Реализация моделей в виде программных модулей, объединенных в единый программный комплекс, позволяющий формировать оптимальный объемный план на предприятии с дискретным типом производства.

• Практическая апробация данной методики на предприятии в рамках единой интегрированной информационной системы управления производством.

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:

• Предложена структурная модель подсистемы автоматизированного планирования на промышленном предприятии, отличающаяся использованием интеллектуального элемента, позволяющего имитировать состояние рынка и поддерживать принятие решений на стратегическом уровне управления производством.

• Разработана модель составления оптимального объемного плана дискретного производства, отличающаяся возможностью учета конъюнктуры рынка сбыта продукции.

• Построена модель формирования оптимального портфеля заказов, отличающаяся возможностью учета нескольких критериев оптимальности и нечетких ограничений на ресурсы предприятия.

• Разработан алгоритм интеллектуальной поддержки управленческих решений на стратегическом уровне планирования, позволяющий формировать оптимальный объемный план производства в условиях неопределенности.

Практическое значение работы. Разработанные модели реализованы в виде комплекса программных средств, обеспечивающих интеллектуальную поддержку процесса формирования оптимального объемного плана производства в рамках единой информационной системы управления предприятием.

Предложенные в диссертационной работе модели формирования оптимального портфеля заказов и оптимального плана производства под

спрос продукции были интегрированы в информационную систему управления предприятием «Капитал CSE» компании «Геликон Про» (г. Пермь) и внедрены в 2006 и 2009 годах на предприятии ОАО «Рыбинсккабель» (г. Рыбинск).

На защиту автором выносятся следующие основные положения диссертации:

• Структурная модель системы планирования производства на предприятии в условиях меняющейся конъюнктуры рынка.

• Модель составления оптимального объемного плана производства при заданном спросе на рынке сбыта продукции.

• Модель формирования оптимального портфеля заказов на предприятии при нечеткой исходной информации на производственные ресурсы.

• Модель интеллектуального элемента поддержки управленческих решений при формировании объемного плана производства.

Апробация работы. Основные положения и результаты диссертационной работы докладывались на научных семинарах, международных и всероссийских конференциях, в том числе: на 13-й Всероссийской конференции молодых ученых «Математическое моделирование в естественных науках» (г. Пермь, 2004), Всероссийской научной конференции молодых ученых «Наука. Технологии. Инновации.» (г. Новосибирск, 2005 и 2007гг.), международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT + S&E'05» (Украина, г. Гурзуф, 2005 и 2008 гг.), международной школе-конференции по приоритетным направлениям развития науки и техники с участием молодых ученых, аспирантов и студентов (Россия, г. Москва, 2006 г.), XIV международной студенческой школе-семинаре «Новые информационные технологии» (Украина, г. Судак, 2006г.), 2-ой международной научно-технической конференции «Инфокоммуникационные технологии в науке и технике» (Россия, г. Ставрополь, 2006г.), 6-й Всероссийской школе-конференции молодых ученых «Управление большими системами» (г. Ижевск, 2009).

Публикации. По теме диссертационной работы опубликовано 10 научных работ, в том числе статья в журнале, указанном в перечне ВАК РФ, рекомендуемом для кандидатских и докторских диссертаций.

Структура и объем диссертации. Диссертация состоит из введения, 5 глав, заключения, приложения и списка литерагуры из 115 наименований.

Краткое содержание работы

Во введении обосновывается актуальность исследований, приводятся цель и задачи работы, описываются применяемые методы исследований, формулируются научная новизна и практическая значимость полученных результатов.

В первой главе осуществлена содержательная постановка научной задачи. Приводится обзор литературы, посвященный анализу подходов и

методов решения данной задачи. Показано, что управление предприятием является сложным процессом, протекающим во времени в условиях неопределенности по целям и недостаточной текущей информации. Поэтому необходимо еще на стадии постановки задачи управления разбить ее на отдельные подзадачи, связанные между собой, но решаемые в различные моменты времени и на разных структурных уровнях системы управления. Одной из важных задач системы управления предприятием является планирование.

В данной работе рассматривается процесс планирования производства с точки зрения топ-менеджмента, цели которого, в первую очередь, направлены на развитие предприятия, получение круга постоянных клиентов, извлечения максимальной прибыли в планируемый период. Для достижения этих целей необходимо на этапе формирования главного календарного плана производства (ГКПП) решать задачи оптимизации, которые бы учитывали и эти цели, и ограничения производства, а также текущий спрос и поступающие заказы на продукцию.

Построение ГКПП для предприятия с дискретным типом производства основано на объемном плане производства (ОПП), регламентирующим какую продукцию и в каком количестве следует производить в плановом периоде. Формирование ОПП зависит от принятого на предприятии типа работы с заказчиками: позаказное производство, производство под прогнозируемый спрос или смешанное производство. При позаказном типе производства основой для построения ОПП является множество заказов поступивших от клиентов, в том случае если заказов на плановый период больше, чем может произвести предприятие, необходимо по каким-либо параметрам выбрать наиболее оптимальные, сформировав тем самым оптимальный портфель заказов. Для производства под спрос главным является анализ рынка, прогнозирование спроса, изменения цен, возможных действий конкурентов, анализ собственных мощностей. Исходя из этих параметров, формируется оптимальный номенклатурный набор с указанием количество каждого вида изделий в плановом периоде - оптимальный план производства под спрос. Самым сложным является смешанный тип, когда часть ресурсов предприятия необходимо выделить для производства части заказов (наиболее важных и выгодных), а оставшуюся часть оптимально задействовать для производства продукции под прогнозируемый спрос. В данной работе рассматривается промышленное предприятие со смешанным типом работы с клиентами, для которого крайними случаями будут являться и вариант работы только под заказ, и вариант работы только на спрос. Для описания процесса формирования ОПП в данной работе предлагается создать три связанных модели: модель формирования оптимального портфеля заказов, модель формирования оптимального плана производства под спрос и модель распределения мощностей предприятия под «заказ» и под «спрос».

Для учета смешанного варианта работы предприятия предлагается использовать третью модель в качестве интеллектуального элемента системы планирования, который, имитируя различные ситуация на рынке продукции

и на предприятии, находит наиболее эффективный вариант перераспределения мощностей между позаказным типом производства и производством под спрос.

Во второй главе данной работы обосновывается предлагаемая структурная схема стратегического уровня планирования производства, позволяющая формировать оптимальный ОПП для каждого типа стратегии продаж в зависимости от распределения ресурсов предприятия р (рис. 1).

¡Долгосрочный план ] I производства

Спецификации изделий

Производственные ( мощности

Ресурсы предприятия

Незавершенное производство

Прогнозы рынка сбыта продукции

Модель управления

ресурсами (ИЭ) р»?

¡с"

/Модель формированиях

объемного плана производства с учетом / ч ж)н~ьюнктуры рынк^7

/Модель формирования^ ^ оптимального Чпортфеля заказов

ОБЪЕМНЫЙ ПЛАН ПРОИЗВОДСТВА

Рис. 1. Схема автоматизированной системы формирования объемного плана производства

В данной схеме представлены три взаимосвязанные математические модели, при построении которых закладывались такие современные механизмы управления сложными организационно-техническими системами, как механизм дальновидной адаптации, предложенный в работах В.В. Цыганова, В.А. Бородина и их последователей, а также механизм коллективного принятия управленческих решений, рассмотренный в работах Р.К. Саха, Дж. Стиглица, В.Н. Буркова, Д. А. Новикова и других зарубежных и отечественных исследователей.

Модель формирования ОПП по номенклатурным позициям используется на предприятиях, для которых имеет место производство продукции для продажи со склада под прогнозируемый спрос. Целью данной задачи является поиск оптимального набора номенклатурных изделий и их количества, который следует производить в следующем плановом периоде. Основными ограничениями данной задачи является производственные мощности и материальные ресурсы, которые могут составлять как весь ресурс предприятия, так и его часть. В качестве дополнительных могут выступать ограничения на рынок сбыта по некоторым изделиям или группам

изделий. В качестве критерия оптимальности плана выступает прибыль предприятия от производства и сбыта запланированной продукции.

Далее рассматривается концептуальная постановка задачи формирования оптимального портфеля заказов. Данная модель необходима для тех производственных предприятий, на которых приходится формировать «портфель заказов» из множества контрактов в условиях ограниченных производственных ресурсов. В качестве исходных данных модели должны быть заданы горизонт планирования и список всех заказов, попадающих в данный горизонт. Каждый клиентский договор характеризуется номенклатурой заказываемой продукции, ее количеством, ценой продажи, важностью производства каждой позиции в срок, а также обговариваются партии и сроки отгрузки продукции клиенту. При формировании портфеля заказов каждая позиция договора рассматривается, как часть отгружаемой партии и может быть включена либо не включена в портфель только вместе с остальными позициями данной партии. Считается, что может быть определена себестоимость каждой позиции. Полагаются известными имеющиеся оборотные средства на планируемый период и свободные мощности предприятия.

Оптимальность того или иного портфеля заказов определяется с помощью двух критериев. Первым критерием выступает прибыль предприятия от производства позиции, а вторым - важность позиции. Следует отметить, что под оптимальным портфелем заказов понимается любой набор заказов, принадлежащий найденному с помощью данной модели Парето-множеству.

В модели учитываются ограничения на мощности предприятия, которые рассматриваются в разрезе типов оборудования, либо задаются интегрально в разрезе цехов, участков производств и т.п. Также в данную модель включено ограничение на оборотные средства предприятия. Оба типа ограничений данной модели рассматриваются в качестве предпочтений (нежестких ограничений), и при определенных условиях можно выйти за их рамки. Это становится возможным после того, как введены для каждого ограничения «функции предпочтения». «Функция предпочтения» описывает связь между процентом загрузки мощности данного типа оборудования или использования оборотных средств и важностью выполнения данного ограничения.

В конце 2-й главы рассматривается концептуальная постановка связанной задачи планирования как под заказ, так и под текущий спрос. В данной работе предлагается модель задачи рационального распределения производственных ресурсов, которая выступает в роли некоторого «интеллектуального элемента» системы планирования и позволяет руководителю, принимающему решение, оценить последствия: увидеть какие заказы будут выполнены и, какая продукция будет произведена, в зависимости от того, в каком соотношении будут распределены ресурсы. В тех случаях, когда необходимо «подсказать» оптимальное распределение мощностей между двумя задачами, в данной работе предлагается

использовать приближенную модель оптимизации, включающую в себя последовательное применение первых двух моделей.

В третьей главе рассматриваются математическая модель формирования оптимального объемного плана производства под спрос рынка продукции и демонстрационный пример ее использования.

Приводится методика формирования ОПП на период планирования Г. Пусть имеется n представителей групп продукции (ПГ), м типов оборудования и К отслеживаемых материалов. Считаются известными: чистая прибыль от производства /-ого ПГ С,,/ = , рассчитываемая на основе построенных прогнозов; потребность в мощностях каждого типа оборудования на единицу готового изделия для всех ПГ Яр,] = 1,М, 1 = 1,Л', задаваемая на основе технологических маршрутов производства; потребность в ключевых материалах на единицу готового изделия для всех Ш^Д = \,К,! = Г,Л', задаваемая на основе спецификации изделий; общий ресурс в мощностях для каждого типа оборудования Р]= \,М, найденный из расчета средней производительности по всему оборудованию данного типа либо с применением различных эвристик, позволяющих более точно оценить этот показатель; объем доступных ключевых материалов Т1,к = 1,К, определенный на основе данных о состоянии склада и плана закупок; ограничение по рынку сбыта по каждому ПГ = либо по совокупности ПГ: С, д = 1,6 (условнее,' е В определяет попадание продукции типа / в совокупность <?). Данное ограничение поступает из отдела маркетинга, который его формирует на основании прошлого опыта и анализа текущего состояния рынка сбыта продукции.

Пусть х, ; = 1, n - вектор неизвестных, каждая компонента которого определяет количество выпускаемой продукции типа ¡. Тогда критерий оптимальности данной задачи, определяющий максимум прибыли предприятия за период планирования Г, запишется в следующем виде:

-> тах. (1)

I

Ограничения на производственные мощности можно представить в следующем виде:

Аналогичным образом представляется ограничение на ключевые материалы:

Ограничения по рынку продаж как по отдельным ПГ, так и по их совокупности, можно представить в следующем виде:

(2)

I

(3)

(1 -если i-ый ПГ принадлежит совокупности q ' [О-если г'-ый ПГ не принадлежит совокупности q

Таким образом, математическая постановка данной задачи оптимизации запишется в следующем виде:

Найти: такой оптимальный вектор xeR",

который доставляет максимум критерию оптимальности

2]С,л-(->тах (5)

/

при ограничениях на трудоемкость, материалы и продажу готовой продукции (2), (3), (4) и ограничениях на не отрицательность планируемых объемов продукции х, к 0, i = 1, N.

Оптимизационная задача (5) является многопараметрической, однокритериальной задачей линейного программирования.

Для ее решения был использован модифицированный симплекс-метод, на базе которого разработан вычислительный модуль автоматизированного составления оптимального объемного плана производства при заданных ограничениях на ресурсы.

Следует отметить, что для решения поставленной задачи (5), в первую очередь, необходимо сформировать исходные данные. Основной проблемой на данном этапе является дискретность производства, при котором каждое изделие получается из большого числа различных полуфабрикатов, изготавливаемых на разных типах оборудования. При этом один и тот же полуфабрикат может быть изготовлен на разном оборудовании с различной трудоемкостью обработки. Обычно на предприятии задают технологические маршруты для всех выпускаемых изделий (основной и резервные), в которых процесс изготовления каждого полуфабриката закреплен за конкретным оборудованием с заданной трудоемкостью. Чтобы найти общую трудоемкость изготовления единицы продукции на каждом типе оборудования, модель проводит «разузлование» изделия на полуфабрикаты согласно его спецификации и рассчитывает трудоемкость каждой операции заданного технологического маршрута, привязанной к определенному типу оборудования. Эту процедура проделывается для всей номенклатуры изделий. Очевидно, что без наличия современной информационной системы и специальной автоматизированной процедуры эти вычисления за ограниченное время проделать невозможно.

Также в третьей главе рассматривается демонстрационный пример работы разработанного вычислительного модуля. Тестовая задача решалась на данных ООО «Рыбинсккабель» с помощью ИС управления производством «Капитал CSE», разработанной компьютерной фирмой «Геликон Про» (г. Пермь).

Из всей номенклатуры изделий предприятия было выделено N= 380 представителей групп. Сформировано М=96 типов оборудования и К= 1 ключевой материал (медь). Для каждого ПГ из базы данных завода были взяты плановая себестоимость и прогнозная цена продаж, а также прогнозные ограничения на сбыт готовой продукции (в километрах готовой

продукции), которые считались параметрами модели и могли изменяться при расчетах. На основе спецификации изделий и заданных технологических маршрутов рассчитана потребность в каждом типе оборудования на единицу каждого представителя. Из базы данных предприятия согласно графикам загрузки рабочих центров на планируемый период найдены ресурсы каждого типа оборудования.

Для тестирования представленной модели из всего перечня представителей групп было сформировано три рыночные группы. В первую группу попали марки изделий, для которых чистая прибыль на единицу готовой продукции не превышала 25% от максимального значения. В третью группу были включены номенклатурные позиции, для которых прибыль на единицу готовой продукции варьировалась от 75% до 100%. Во вторую группу вошли ПГ, не вошедшие ни в первую, ни в третью группу.

Было рассмотрено четыре варианта состояния рынка (возможных вариантов сбыта продукции), которые определяли те или иные ограничения на сбыт введенных групп. При этом 1-й вариант предполагал неограниченность рынка сбыта всей продукции.

На рис. 2 представлена зависимость прибыли предприятия от рассматриваемого варианта состояния рынка. За единицу была принята максимальная прибыль предприятия, получаемая при первом варианте, когда ограничений на сбыт продукции нет. Добавление ограничений неминуемо ведет к снижению прибыли, причем наибольшее снижение наблюдается при ограничении на группу более прибыльной продукции.

1.2 , 1 | * 0.8 0.6 0.4 |

] 1

вариамт№1 езризнг№2 оариангМйЗ вариант №4 )

—♦—Относительная прибыль предприятия !

Рис.2. Зависимость прибыли предприятия от состояния рынка

Из полученных результатов следует, что уровень загрузки оборудования полностью не определяет прибыль предприятия. Например, получилось, что при четвертом варианте прибыль предприятия меньше, чем при втором и третьем, а загрузка оборудования выше. Поэтому необходимо четко представлять дальнейшее развитие рынка сбыта производимой

В четвертой главе приведена математическая постановка задачи формирования оптимального портфеля заказов, описана методика ее решения на основе метода стохастического поиска, а также представлены результаты решения тестовых задач и демонстрационного примера.

Пусть имеется N заказов. Введем булевый вектор неизвестных

У-(У\>Уг......-Ун). Здесь у,, 1 = 1.А', определяет включение ¿-го элемента в

портфель заказов по следующему правилу: если у, = 1, то элемент включается в портфель, у, = 0, то элемент не включается в портфель. Тогда критерии могут быть записаны следующим образом:

• критерий прибыльности производства

¿1у, <7, (с, - с,') - (1 - у, ).Р(Ц ./)]-> шах, (6)

где - объем 1-го элемента; с,- - цена /-го элемента; с* -себестоимость /-го элемента; ^ - функция штрафа; О, - отклонение от требуемой даты выпуска; у - интервал планирования;

• критерий важности заказов

тах, (7)

где У, - важность производства в срок /-го элемента; Щ - важность клиента, заказавшего г'-ый элемент. Ограничения задачи:

Н

Н

\/Рк,1,

м ) 1>,<7,с,' V

<0, к = \,М, (8)

у, Им+1

<0 (9)

у,ОТ фЛГ + у\ 1 = 1,М, (10)

где #(•,•) - интегральный индекс ранжирования, который будет введен ниже; - требуемая потребность в мощностях ¿-го типа оборудования при производстве г'-го элемента; Р^ - мощность к-го типа оборудования; 1к - нечеткая переменная, характеризующая важность ограничения для к-го типа оборудования; М - количество типов оборудования; Г - горизонт планирования; С - оборачиваемость средств за период времени Г; 0-ы" - величина временного интервала от момента начала производства рассматриваемого набора заказов до требуемой даты его выпуска.

Отметим, что первое сравниваемое число в интегральном индексе ранжирования является четким числом. Учитывая возможность определения четких чисел как подмножества нечетких чисел, можно записать его в виде

нечеткого числа с функцией принадлежности равной единице для имеющегося значения и равной нулю для любых других значений.

Для сравнения нечетких переменных в ограничениях (8) и (9) использован интегральный индекс ранжирования Я:

I

Н(А,В) = Н+(А)-Н+(В), Н+(А)= \м(Аа)с1а, (11)

о

где аа - а -уровневое подмножество нечеткого множества а, т.е.

Аа ={а:/4/1(а)>а} ; М(Аа) = [а~ + а+)/2; а~=Ыа ; а+=5\дра.

Причем, если Н(а,В) > 0, или Н+(а)2 Н+(в), то а > в.

Поставленная задача - многокритериальная, многопараметрическая задача нелинейного программирования. Для ее решения был разработан эффективный алгоритм, основанный на методе стохастического поиска и ряде специально предложенных эвристик. Данный алгоритм реализован в виде универсального решателя, позволяющего формировать оптимальные наборы элементов в зависимости от входных параметров модели. Результатом решения является Парето-множество наборов заказов. Таким образом, данная модель предлагает эксперту варианты наиболее предпочтительных портфелей заказов для окончательного выбора на последующих этапах. Это существенно расширяет возможности модели при поддержке принятия управленческих решений.

Также в четвертой главе рассматривается демонстрационный пример оптимизации портфеля заказов. Верификация модели проводилось на основе данных ОАО «Рыбинсккабель».

На первом этапе решалась задача формирования портфеля заказов для интервала планирования у =5 рабочих дней с горизонтом планирования Г =30 дней. Рассматривался набор из /V =82 заказа. В качестве ограничения на мощности выступал объем металла, который могут переработать цеха. Ранжирование по важности производилось: для заказов - в зависимости от схемы оплаты (предоплата, оплата при получении), для клиентов - в зависимости от их оборотов на данном предприятии.

Для введения нежестких ограничений было использовано нечеткое число В, формализующее термин «важное ограничение» следующим образом В = {0,9/0,6; 0,95/0.8; 0,85/1,0; 0,4/1,2; 0,2/1,4}. Элементы данного нечеткого числа показывают, во сколько раз могут быть превышены ограничения на мощности цехов и оборотные средства предприятия, в частности, максимальное превышение возможно в 1,4 раза. Значения функции принадлежности для каждого элемента нечеткого числа характеризуют степень уверенности экспертов в допустимости данного превышения, в частности, максимальное превышение допустимо в 20% случаев.

Ограничения на производственные мощности принимались «очень важными», для чего вместо В было использовано нечеткое число В2.

Ограничения на оборотные средства принимались «неважными», для чего вместо 5 было использовано нечеткое число В.

На рис 3. представлены нечеткие числа В, В2 и В, для каждого из которых был найден интеграл (11).

в

¡^а н, (В) = о,81

«¡х 1 ГН I 1 1 1 т ►

Рис.3. Вид нечетких чисел В, В2 и В

Программный модуль, построенный на основе рассматриваемой модели, позволяет решать двухкритериальную задачу оптимизации (ДЗО) с нежесткими ограничениями на мощности и оборотные средства, а также с жесткими ограничениями на сроки поставки продукции клиентам. В результате решения ДЗО модуль генерирует Парето-множество портфелей заказов.

Для проверки адекватности модели найденное множество сравнивалось с результатом решения однокритериальной задачи оптимизации (030), в которой был использован единственный критерий (6), а критерий ДЗО (7) был преобразован в интервальное ограничение вида

Остальные ограничения в 030 были такими же, как ограничения в ДЗО. 030 как задача линейного программирования решалась с помощью однофазного симплекс-метода, известного в научной литературе как М-метода.

На рис.4 представлены решения ДЗО («Модель»), 030 («ЛП»), среднее по выборке («Среднее») и решение, фактически использованное кабельным заводом («Завод»). Из рисунка видно, решение, полученное с помощью модели, обеспечивает большую прибыль и важность по сравнению с решением, полученным экспертами предприятия.

еоо 500 л чоо

У

о

^зоо

и 200 100 о

А к <

♦ лп

■ Завод А Модель х Среднее

1000 2 000 3 000 400Э Прибыль, тыс. руб.

Рис. 4 Результаты решення задачи оптимизации разными методами

На втором этапе тестирования модели проводилось решение ДЗО последовательно на весь горизонт планирования Г-30 дней с интервалом планирования /= 3 рабочих дня. Анализ полученных результатов показал, что набор заказов, полученный с помощью модели, экономит 28% мощностей и обеспечивает прибыльность на 4% больше по сравнению с набором заказов, полученным экспертами предприятия. При использовании всех мощностей прибыльность может возрасти еще на 15%

Одной из причин существенной экономии мощностей при использовании модели является их рассмотрение как «очень важных». Эта экономия играет роль страхового запаса мощностей, который необходим, так как при составлении оптимального портфеля заказов, ограничения на мощности цехов, как было сказано выше, учитываются интегрально.

Введение нежесткости ограничений посредством использования нечетких переменных, позволяет гибко подходить к заданию этих ограничений. В результате становится возможным, с одной стороны, превышение верхних границ ограничений, с другой стороны, создание запасов в интегральном смысле для устранения узких мест, которые могут возникнуть при последующей детализации производственных планов на тактическом и оперативном уровнях планирования.

В пятой главе рассматривается модель интеллектуального элемента (ИЭ) поддержки принятия управленческих решений, и приводятся результаты демонстрационного планирования при смешанном варианте работы предприятия на рынке спроса продукции. Предлагается два варианта построения модели ИЭ.

Реализация ИЭ как имитационной модели позволяет ЛПР оценить последствия управленческого решения, а именно: увидеть, какие заказы будут выполнены и, какая продукция будет произведена, в зависимости от того, в каком соотношении будут распределены ресурсы. При этом распределение ресурсов задается самим ЛПР. Второй вариант реализации модели ИЭ позволяет находить «оптимальные» варианты перераспределения мощностей предприятия. Так как решение данной оптимизационной задачи в

полном объеме является трудноразрешимой вычислительной проблемой, в данной работе предлагается приближенный поиск оптимальных решений с использованием метода стохастического поиска. Отличие использования метода стохастического поиска в данной модели от модели формирования портфеля заказов (ПЗ) заключается в том, что на каждой итерации метода не только исследуются окрестности точек Парето-фронта, но и для каждого получаемого варианта ПЗ, по аналогии с имитационной моделью, на доступных производственных ресурсах формируется ОПП под спрос, который вместе с ПЗ образуют общий ОПП. Далее, в рамках алгоритма метода стохастического поиска, каждый ОПП проверяется на Парето-оптимальность, формируя тем самым новое Парето-множество вариантов ОПП. После окончания процедуры стохастического поиска находится Парето-множество объемных планов производства и соответствующие оптимальные распределения ресурсов предприятия при его работе под спрос и под заказ на данный период планирования.

На рис. 5 приводятся результаты применения ИЭ для поддержки принимаемых управленческих решений при выборе оптимального ОПП. Из рисунка видно, что использование оптимизационной модели позволяет увеличить прибыль предприятия более чем на 20% для планов с низкой важностью и не значительно, на 5-10%, для планов с высокой совокупной важностью включенных в ОПП заказов. Необходимо также отметить, что использование имитационной модели интеллектуального элемента позволило улучшить решение полученные с помощью модели формирования оптимального портфеля заказов по прибыльности лишь на 2-5%.

100 95 90 85

С

с о

а

ВО

75 С

О 70

Ч 652

^ 60 о.

С 55 50 45 40

в

9 Ъ '"

А в <

А е

4 А ' • * * О

4 ' 1

♦а

70 75 80 85 90

Важность ОПП [%)

95

100

Рис. 5 Результаты формирования ОПП с помощью различных моделей

Основные результаты работы

1. На основе анализа существующих систем и подходов к планированию на предприятиях предложена структурная схема системы планирования производства, позволяющая формировать ОПП в условиях работы предприятий с различными стратегиями продаж. Обоснована необходимость включения в структурную модель АСУП интеллектуального элемента, позволяющего связать различные модели планирования в зависимости от политики поведения руководства предприятия на рынке спроса выпускаемой продукции.

2. Реализована модель формирования оптимального портфеля заказов (ОПЗ) с использованием метода стохастического поиска, позволяющая учитывать нечеткие ограничения и формировать Парето-множество решений по двум критериям: по совокупной важности и совокупной прибыльности заказов, включенных в ОПЗ. Показано, что применение разработанной модели оптимизации портфеля заказов на практике позволяет до 15% повысить эффективность планирования за счет повышения прибыльности плана при выполнении ограничений на ресурсы.

3. Реализована модель формирования ОПП под спрос в виде задачи линейного программирования, формирующая на основе данных о свободных производственных ресурсах оптимальный по прибыльности номенклатурный набор продукции для производства в плановом периоде. Для решения оптимизационной задачи используется модифицированный симплекс-метод. Показано, что предложенная модель поддержки принятия управленческих решений помогает топ-менеджерам предприятия в выборе стратегии планирования производства путем оценки имеющихся рисков и прогноза рынка на объем выпускаемой продукции.

4. Построена модель интеллектуального элемента АСУП, позволяющая ЛПР не только оценивать последствия того или иного варианта перераспределения ресурсов предприятия, но и получать эффективное по заданным критериям распределение ресурсов путем решения связанной задачи оптимизации. Показано, что применение данного элемента системы планирования позволяет увеличить прибыль предприятия более чем на 20% для планов с низкой важностью и не значительно, на 5-10%, для планов с высокой совокупной важностью включенных в ОПП заказов.

5. На основе разработанных оптимизационных моделей созданы программные модули, встраиваемые в интегрированную информационную систему предприятия и позволяющие автоматизировать процесс планирования дискретного производства на стратегическом уровне управления предприятием.

Список опубликованных работ по теме диссертации 1. Жирнов В.И., Шилов Р.В. Модель кластеризации множества заявок в условиях многокритериальной неопределенности // Тезисы докладов Всероссийской конференции молодых ученых «Математическое моделирование в естественных науках».- Пермь: Изд-во ПГТУ,2004-С.32-33.

2. Жирнов В.И., Столбов В.Ю. Многокритериальная модель кластеризации с нежесткими ограничениями // Труды XXXII Междунар. конф. «1Т - 8&Е'05», Украина, г. Гурзуф, 2005. - С.61-62.

3. Жирнов В.И., Савинкова С.О. Модель формирования оптимального портфеля заказов // Материалы Всероссийской научной конференции молодых ученых «Наука. Технологии. Инновации». 4.1. -Новосибирск: Изд-во НГТУ, 2006.- С.229-231.

4. Жирнов В.И., Савинкова С.О. Модель формирования оптимального портфеля заказов в информационной системе управления предприятием // Тезисы докладов Международной школы-конференции по приоритетным направлениям развития науки и техники. - М.: Изд-во МИЭМ, 2006. - С.30-31.

5. Жирнов В.И., Савинкова С.О. Модуль формирования оптимального портфеля заказов в информационной системе управления предприятием. // Тезисы докладов XIV Международной студенческой школы-семинара «Новые информационные технологии» (Украина, г.Судак, сентябрь 2006г.). -М.: МИЭМ, 2006. - С.271-272.

6. Жирнов В.И., Столбов В.Ю. Применение математического моделирования в управлении производственными заказами // Труды 2-ой Международной конференции «Инфоком-2», г. Ставрополь, 2006. -С. 151-154.

7. Жирнов В.И., Столбов В.Ю. Модель формирования оптимального плана производства как элемент системы поддержки принятия решений на стратегическом уровне управления предприятием // Теор. и прикл. аспекты информационных технологий. Сб. науч. трудов. - Пермь: Изд-во ГосНИИУМС, 2007. - Вып. 56. - С.87-96.

8. Жирнов В.И., Федосеев С.А., Агарков А.И. Модель управления заказами в рамках единой информационной системы предприятия // Проблемы управления. - 2007. - № 6. - С.57-63.

9. Иванова О.С., Жирнов В.И. Модуль составления оптимального плана производства в рамках информационной системы управления предприятием // Материалы Всероссийской научной конференции молодых ученых «Наука. Технологии. Инновации», 4.1. -Новосибирск: НГТУ, 2007. - С.42-46.

10. Жирнов В.И. Управление производственными ресурсами предприятия в условиях меняющейся конъюнктуры рынка // Сборник докладов 6-й школы-конференции молодых ученых «Управление большими системами»), 4.1. - Ижевск: УГУ, 2009. - С.171-178.

Подписано в печать 13.10.2009. Формат 60x90/16. Усл. печ. л. 1,00. Тираж 100 экз. Заказ № 1809/2009.

Издательство

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

ВВЕДЕНИЕ.

1. УПРАВЛЕНИЕ ПРОИЗВОДСТВОМ НА ПРЕДПРИЯТИИ: ПОДХОДЫ И ПРОБЛЕМЫ.

1Л. Существующие подходы к управлению промышленным предприятием.

1Л Л. Эволюция стандартов управления промышленным предприятием.

1Л.2. Производственное планирование как часть системы управления производством.

1.2. Проблемы и задачи объемного планирования производства.

2. ПОСТАНОВКА ЗАДАЧИ ОБЪЕМНОГО ПЛАНИРОВАНИЯ ПРОИЗВОДСТВА КАК ДВУХУРОВНЕВОЙ ЗАДАЧИ МНОГОКРИТЕРИАЛЬНОЙ ОПТИМИЗАЦИИ.

2.1. Структурная схема двухуровневой модели планирования.

2.2. Постановка задачи планирования производства продукции под прогнозируемый спрос.

2.3. Постановка задачи формирования оптимального портфеля заказов.

2.4. Постановка связанной задачи.

Выводы.

3. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ФОРМИРОВАНИЯ ОПТИМАЛЬНОГО ПЛАНА ПРОИЗВОДСТВА ПОД СПРОС.

3.1. Математическая постановка.

3.2. Алгоритм решения задачи.

3.3. Решение тестовой задачи.

Выводы.

4. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ФОРМИРОВАНИЯ ОПТИМАЛЬНОГО ПОРТФЕЛЯ ЗАКАЗОВ С УЧЕТОМ НЕЧЕТКИХ ПРЕДПОЧТЕНИЙ.

4.1. Математическая постановка задачи.

4.2. Алгоритм решения задачи.

4.2.1. Обоснование выбора метода решения задачи.

4.2.2. Описание метода стохастического поиска.

4.3. Демонстрационный пример.

4.4. Тестирование модели и анализ результатов.

Выводы.

5. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СВЯЗАННОЙ ЗАДАЧИ.

5.1. Имитационная модель интеллектуального элемента.

5.2. Оптимизационная модель интеллектуального элемента.

5.3. Описание программного комплекса интеллектуальной поддержки объемного планирования дискретного производства.

5.3.1. Требования к функциональному обеспечению.

5.3.2. Требования к информационному обеспечению.

5.3.3. Этапы работы программного комплекса.

5.3.4. Выбор платформы разработки.

5.3.5. Графический интерфейс.

5.4. Решение демонстрационного примера и анализ результатов.

Выводы.

Отход России от плановой экономики заставил российские предприятия решать новые задачи, возникающие в условиях быстро меняющейся конъюнктуры рынка. Одной из таких задач, является планирование производственной деятельности промышленного предприятия, исходя из потребностей и ограничений, диктуемых рынком сбыта продукции. Планирование производственной деятельности условно можно разделить на три основных этапа: первый — объемное календарное планирование, которое определяет, что будет производиться в плановом периоде, в каком количестве и к какому сроку; второй — производственное планирование, то есть составление детального плана-графика производства продукции, запланированной на первом этапе; третий — оперативное перепланирование. В данной работе рассматривается объемное планирование производства как неотъемлемая часть системы управления производством на предприятии.

Следует отметить, что на многих промышленных предприятиях России в настоящее время отсутствует автоматизированная система составления оптимальных планов производства. Планирование ведется либо вручную экспертами на основе накопленного опыта, либо частично автоматизируется, используя простейшие эвристические методы. Очевидно, что оптимальными эти планы не являются, не говоря уже о том, что вполне могут оказаться не выполнимыми или, наоборот, не полностью загружающими производственные мощности. Это происходит из-за того, что при планировании необходимо учитывать множество производственных ограничений и нечетких пожеланий клиентов, что невозможно сделать, не используя современные математические методы и не применяя для расчетов эффективные вычислительные алгоритмы и информационные технологии.

Таким образом, одной из новых задач производственного планирования в рамках рыночной экономики является задача формирования оптимального плана производства с учетом запросов клиентов и быстроменяющейся ситуации на рынке.

Объектом исследования является система планирования на предприятии с дискретным типом производства, одной из основных задач которой является формирование оптимального объемного плана на определенный период времени в условиях неопределенностей как со стороны рынка сбыта продукции, так и нечетких ограничений на распределение ресурсов предприятия.

Целью данной работы является разработка средств интеллектуальной поддержки процесса формирования оптимального объемного плана дискретного производства в условиях нечеткой исходной информации для повышения эффективности управления промышленным предприятием.

В соответствии с поставленной целью в работе формируются и решаются следующие основные задачи:

• Построение структурной схемы интеллектуальной подсистемы объемного планирования в рамках АСУП предприятия.

• Разработка модели формирования оптимального портфеля заказов на предприятии с учетом нечетких ограничений на производственные ресурсы.

• Разработка модели составления оптимального плана производства под спрос на предприятии.

• Построение модели интеллектуального элемента АСУП для оптимального перераспределения ресурсов предприятия.

• Реализация моделей в виде программных модулей, объединенных в единый программный комплекс, позволяющий формировать оптимальный объемный план па предприятии с дискретным типом производства.

• Практическая апробация данной методики на предприятии в рамках единой интегрированной информационной системы управления производством.

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:

• Предложена структурная модель автоматизированного планирования на промышленном предприятии, отличающаяся использованием интеллектуального элемента, позволяющего имитировать состояние рынка и поддерживать принятие решений на стратегическом уровне управления производством.

• Разработана модель составления оптимального объемного плана дискретного производства, отличающаяся возможностью учета конъюнктуры рынка сбыта продукции.

• Построена модель формирования оптимального портфеля заказов, отличающаяся возможностью учета нескольких критериев оптимальности и нечетких ограничений на распределение ресурсов предприятия.

• Разработан алгоритм интеллектуальной поддержки управленческих решений на стратегическом уровне планирования, позволяющий формировать оптимальный объемный план производства в условиях неопределенности.

Практическое значение работы. Разработанные модели реализованы в виде комплекса программных средств, обеспечивающих автоматизацию формирования оптимального объемного плана производства в рамках единой информационной системы управления предприятием.

На защиту автором выносятся следующие основные положения диссертации:

• Структурная модель системы планирования производства на предприятии в условиях меняющейся конъюнктуры рынка.

• Модель составления оптимального объемного плана производства при заданном спросе на рынке сбыта продукции.

• Модель формирования оптимального портфеля заказов на предприятии при нечеткой исходной информации.

• Модель интеллектуального элемента поддержки управленческих решений при формировании объемного плана производства.

Внедрение результатов работы. Предложенные в диссертационной работе модели формирования оптимального портфеля заказов и оптимального плана производства под спрос продукции были интегрированы в информационную систему управления предприятием «Капитал CSE» компании «Геликон Про» (г. Пермь) и внедрены в 2006 и 2009 годах на предприятии ОАО «Рыбинсккабель» (г. Рыбинск).

Апробация работы. Основные положения и результаты диссертационной работы докладывались на научных семинарах, международных и всероссийских конференциях, в том числе: на 13-й Всероссийской конференции молодых ученых «Математическое моделирование в естественных науках» (г. Пермь, 2004), Всероссийской научной конференции молодых ученых «Наука. Технологии. Инновации.» (г. Новосибирск, 2005 и 2007гг.), международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT + S&E'05>> (Украина, г. Гурзуф, 2005 и 2008 гг.), международной школе-конференции по приоритетным направлениям развития науки и техники с участием молодых ученых, аспирантов и студентов (Россия, г. Москва, 2006 г.), XIV международной студенческой школе-семинаре «Новые информационные технологии» (Украина, г. Судак, 2006г.), 2-ой международной научно-технической конференции

Инфокоммуникационные технологии в науке и технике» (Россия, г.

Ставрополь, 2006г.), 6-й Всероссийской школе-конференции молодых ученых «Управление большими системами» (г. Ижевск, 2009).

Публикации. По теме диссертационной работы опубликовано 10 научных работ, в том числе статья в журнале, указанном в перечне ВАК РФ, рекомендуемом для кандидатских и докторских диссертаций.

Структура и объем диссертации. Диссертация состоит из введения, 5 глав, заключения, приложения и списка литературы из 115 наименований.

Выводы

По результатам проведенных исследований в данной главе можно сделать следующие выводы:

• Имитационный подход к созданию модели интеллектуального элемента позволяет ЛПР задавать распределение ресурсов предприятия оценивать последствия сформированного ОПП.

• Оптимизационная модель позволяет находить оптимальное по заданным критериям распределения ресурсов предприятия в виде Парето-множества решений.

• Встроенный в ERP систему вычислительный комплекс, на основе данных поступающих из различных подразделений предприятия, позволяет формировать ОПП с учетом выбранной стратегии работы предприятия с клиентами.

ЗАКЛЮЧЕНИЕ

В результате проведенных исследований можно сделать следующие выводы:

1. На основе анализа существующих систем и подходов к планированию на предприятиях предложена структурная схема планирования производства как составляющая системы управления производством, позволяющая формировать оптимальный план производства (ОПП) в условиях работы предприятий с различными стратегиями продаж. Обоснована необходимость включения в структурную модель АСУП интеллектуального элемента, позволяющего связать различные модели планирования в зависимости от политики поведения руководства предприятия на рынке спроса выпускаемой продукции.

2. Реализована модель формирования оптимального портфеля заказов (ОПЗ) с использованием метода стохастического поиска, позволяющая учитывать нечеткие ограничения и формировать Парето-множество решений по двум критериям: по совокупной важности и совокупной прибыльности заказов, включенных в ОПЗ. Показано, что применение разработанной модели оптимизации портфеля заказов на практике позволяет до 15% повысить эффективность планирования за счет повышения прибыльности плана при ограничениях на ресурсы.

3. Реализована модель формирования 01111 под спрос в виде задачи линейного программирования, формирующая на основе данных о свободных производственных ресурсах оптимальный по прибыльности номенклатурный набор продукции для производства в плановом периоде. Для решения оптимизационной задачи используется модифицированный симплекс-метод. Показано, что предложенная модель поддержки принятия управленческих решений помогает топ-менеджерам предприятия в выборе стратегии планирования производства путем оценки имеющихся рисков и прогноза рынка на объем выпускаемой продукции. На основе полученных с помощью модели данных, можно оценить, стоит ли идти на риск и производить наиболее выгодную продукцию, либо работать, не рискуя, но с меньшей прибылью.

4. Построена модель интеллектуального элемента АСУП, позволяющая ЛПР не только оценивать последствия того или иного варианта перераспределения ресурсов предприятия, но и получать эффективное по заданным критериям распределение ресурсов и решений связанной задачи оптимизации в виде Парето-оптимального набора ОПП.

5. На основе разработанных оптимизационных моделей созданы программные модули, встраиваемые в интегрированную информационную систему предприятия и позволяющие автоматизировать процесс планирования дискретного производства на стратегическом и тактическом уровнях управления предприятием.

Программные модули интегрированы в информационную систему управления предприятием «Капитал CSE» компании «Геликон Про» (г. Пермь) и внедрены в 2006 - 2009 годах на предприятии ОАО «Рыбинсккабель» (г. Рыбинск). Акты, подтверждающие внедрение разработанных программных модулей, приведены в приложении.

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

2. Шуремов E.JL, Чистов Д.В., Лямова Г.В. Информационные системы управления предприятиями. — М.: Изд-во «Бухгалтерский учет», 2006.

3. Gantt, Henry L. A graphical daily balance in manufacture, Transactions of the American Society of Mechanical Engineers, Volume XXIV, 1903 C. 1322-1336.

4. Gantt, Henry L., "Work, Wages, and Profits," second edition, Engineering Magazine Co., New York, 1916.

5. Gantt, Henry L., "Organizing for Work," Harcourt, Brace, and Howe, New York, 1919.

6. Taylor F. The Principles of Scientific Management, 1911

7. Кремера Н.Ш. Исследование операций в экономике. — М.: Банки и биржи. ЮНИТИ, -1997.

8. SAP R/3 System. Function in detail. Material Management. Production Planning, SAP. 1994.

9. Miller, Inventory Control Theory and Practice, 1962.

10. Joseph Buchan, Ernest Koenigsberg, Scientific Inventory Control, 1963

11. Первознанский A.A. Математические модели в управлении производством, М.: Мир, 1985.

12. Изойтис B.C. Экономико-математическое моделирование производственных систем, М.: Гелиос АРВ, 1993.

13. Производственный менеджмент: учебник / Под ред. В. А. Козловского. М.:ИНФРА-М, 2003. - 574 с.

14. APICS dictionary//edit. Сох J. F., etc. American Production and Inventory Control Society, 1992. P. 54.

15. Oliver W. Wight. Production and inventory management in the computer age. Macmillan of Canada, 1974

16. Plossl George. Orlicky's Material Requirements Planning 2 ed., New York: McGraw-Hill, 1997

17. Гаврилов Д.А. Управление производством на базе стандарта MRP II.-СПб.: Питер, 2003,-352с.

18. Родников А. Н. Логистика. Терминологический словарь. М.: Экономика. 1995. С. 251.

19. Ильин А.И. Планирование на предприятии: Учебник. — Мн.: Новое знание, 2003 4-е изд. - 635с.

20. Горемыкин В.А., Бугулов Э.Р. Планирование на предприятии. М.: Информационно-издательский дом «Филинъ», 1999. - 328с.

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

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

23. Питеркин C.B., Оладов И.А., Исаев Д.В. Точно вовремя для России." Практика применения Е11Р-систем.-М.:Альпина Паблишер, 2006.-368с.

24. Элия М. Голдратт, Джефф Кокс. Цель: процесс непрерывного -улучшения. Цель-2: Дело не в везенье. М.: Логос, 2000 - 778с .

25. Компьютерно-интегрированные производства и CALS технологии в машиностроении. М.: Федеральный информационно-аналитический центр оборонной промышленности. 1999. С. 510.

26. Keller, Erik L. Enterprise Resource Planning. The changing application model // GartnerGroup, February 5, 1996, White paper. P. 8.

27. Колесников C.H. Стратегия бизнеса.- M.: "СТАТУС-КВО", 2000.

28. О'Лири, Дэниел ERP-системы. Современное планирование и управление ресурсами предприятия.-М.ЮОО «Вершина», 2004.-272с.

29. Бурков В.Н. Основы математической теории активных систем. — М.: Наука, 1977;

30. Новиков Д.А. Теория управления организационными системами. — М.: Изд-во физико-математической литературы, 2007. 504с.;

31. Бурков В.Н., Коргин Н.А., Новиков Д.А. Введение в теорию управления организационными системами. — М.: Книжный дом «ЛИБРОКОМ», 2009. 264с.

32. Горский Ю.М. Системно-информационный анализ процессов управления. Новосибирск.: Наука, - 1988. — 327с.

33. Sah R. К., Stiglitz J.E. The Architecture of Economic Systems: Hierarchies and Polyarchies // The American Economic Review, Vol. 76, №4 (1986), C. 716-727.

34. Sah R. K., Stiglitz J.E. Committees, Hierarchies and Polyarchies // The Economic Journal, Vol.98, №391 (1988), C. 451-470

35. Цыганов B.B., Бухарин C.H. Информационный менеджмент. М.: Академический Проект, 2009. - 506с.

36. Бобко И. М., Марусин В.В. Иерархический подход к построению автоматизированных систем управления предприятиями — М.Ж Машиностроение 1992. 389 с.

37. Зайцев Н.Л. Экономика, организация и управление предприятием: Учеб. Пособие. -М.: ИНФРА-М, 2004.-491 с.

38. Шкурба В.В., Белецкий С.А., Ефетова К.Ф., и др. Планирование и управление в автоматизированном производстве. Киев Изд-во Наукова думка. 1985г. ^224с

39. Бойцовский А.В. Моделирование и оптимизации развития производства, М.: Наука, 1990.

40. Шкурба В.В. Задачи календарного планирования и методы их решения, Киев, Наукова Думка, 1966.

41. Б.А. Райзенберг Курс управления экономикой. СПб: Питер, 2003.-528с.

42. Столбов В.Ю., Федосеев С.А. Модель интеллектуальной системы управления производством // Проблемы управления. — 2006. — №5. — С.36-39.

43. Друкер П. Эффективное управление. Экономические задачи и оптимальные решения М.:ФАИР-ПРЕСС,1998.

44. Замков О.О., Толстопятенко А.В., Черемных Ю.Н. Математические методы в экономике.-М.: МГУ, Изд-во ДИС, 1997.-368с.

45. Larry Lapide, Advanced Manufacture Research, 2005.

46. Алексеев О. Г. Комплексное применение методов дискретной оптимизации.—М.: Наука, 1981.

47. Воронин В.Г. ЭкономикоОматематические методы планирования на предприятии, 1983.

48. Катулев А.Н., Северцев Н.А. Исследование операций: принципы принятия решений и обеспечение безопасности. М.: Физико-математическая литература, 2000. - 320 с

49. Протасов И.Д. Теория игр и исследование операций. М.: Гелиос АРВ,2003

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

51. Короткин A.B., Эвристические алгоритмы оптимизации Наука 1981г.

52. Архипов А.В. Эвристические методы управления производством, М.: Наука, 1993.

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

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

55. Haddock J., Mittenthal J. Simulation optimization using simulated annealing // Computers and Industrial Engineering. 1922. - Vol. 22, N 4. - P. 387-395.

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

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

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

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

60. 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.

61. Галузин K.C., Столбов В.Ю. Методика составления оптимального расписания с учетом предпочтений // Теор. и прикл. аспекты информационных технологий. Сб. научн. тр.-ГосНИИУМС, Пермь, 2004. Вып.53, с.43-50.

62. 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.

63. 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. С. 1167-1182.

64. Glover F. A template for scatter search and path relinking // Mathematical Programming, 1998. C. 161-188.

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

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

67. Burke E.K., Petrovic S. Recent Research Directions in Automated Timetabling, EJOR, 2002.

68. Ежов A.A., Шумский C.A. Нейрокомпьютинг и его применения в экономике и бизнесе М.: МИФИ, 1998. - 216 с.

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

70. Спицын В.Г., Цой Ю.Р. Эволюционирующие искусственные нейронные сети // IV Всероссийская конференция студентов, аспирантов и молодых116ученых "Молодежь и современные информационные технологии", 2006. -С. 411-413.

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

72. Подиновский В.В., Гаврилов В.М. Оптимизация по последовательно применяемым критериям.

73. Бенайюн Р., Ларичев О.И. и др. Линейное программирование с многими критериями. Метод ограничений. Автоматика и телемеханика N8, 1971. -с. 108-115.

74. Березовский Б.А. Барышников Ю. М. Многокритериальная оптимизация М:Наука, 1981,219с.

75. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М.: Наука, 1982. - 256с.

76. Тихонов А.Н.,Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1986.-288с.

77. Евтушенко Ю.Г., Потапов М.А. Методы численного решения многокритериальных задач. //ДАН СССР. 1986. -т.291, № 1, - С.25-29.

78. Басовский Л.Е. Прогнозирование и планирование в условиях рынка. Учеб. Пособие. М.: ИНФРА-М, 2002. - 260 с.

79. Р.А. Фатхутдинов Производственный менеджмент: учебник для вузов. 4-е изд. Спб.: Питер, 2003. - 491с.

80. Управление экономикой производства: Учебник для вузов // Дудорин В.И. М.: Издательство «Экзамен», 2005. - 480с.

81. Штойер Р. Многокритериальная оптимизация. Теория, расчет и приложения. Пер. с англ. М.: Радио и связь, 1992.

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

83. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений — Москва: Мир, 1976. 168 с.

84. 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.

85. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях: Монография. Тюмень: Изд-во ТГУ, 2000. -352 с.

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

87. Егорова Н.Е., Мудунов А.С. Применение моделей и методов прогнозирования спроса на продукцию сферы услуг. — М., ЦЭМИ РАН, 2000.

88. Костевич Л.С., Лапко А.А. Теория игр. Исследование операций, -Минск: Высшая школа, 1982.

89. Губко М.В. Математические модели оптимизации иерархических структур. М.:ЛЕНАНД, 2006 - 264с.

90. Жирнов В.И., Столбов В.Ю. Применение математического моделирования в управлении производственными заказами // Труды 2-ой Междунар. конф. «Инфоком-2», г. Ставрополь, 2006.- С. 151-154.

91. Жирнов В.И., Федосеев С.А., Агарков А.И. Модель управления заказами в рамках единой информационной системы предприятия // Проблемы управления. 2007. - № 6. - С.57-63.

92. Жирнов В.И., Савинкова С.О. Модель формирования оптимального портфеля заказов // Материалы Всероссийской научной конференции молодых ученых «Наука. Технологии. Инновации». 4.1. — Новосибирск: Изд-во НГТУ, 2006.- С.229-231.

93. Harald Meyer aufm Hofe. Nurse rostering as constraint satisfaction with fazzy constraints and inferred control strategies. In DIMACS Series, 2000, pp. 257272.

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

95. Вожаков А.В., Гитман М.Б. Модель календарного планирования с нечеткими ограничениями // Труды 35-й юбилейной международной конференции 6-й международной конференции молодых ученых

96. Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT + S&E '08». Украина, Крым, Ялта-Гурзуф, 2008. С. 202204.

97. Сигал И.Х., Иванова А.П. Введение в прикладное дискретное программирование. -М.: Физ.-мат. гиз,2002.-252с.

98. Моисеев Н.Н., Иванилов Ю.П., Столярова Е.М. Методы оптимизации. — М.: Наука, 1978.-352с.

99. Колесников С.Н. Инструментарий бизнеса: современные методологии управления предприятием. — М.: Издательство «Статус-Кво 97» — 336с.

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

101. Жирнов В.И., Столбов В.Ю. Многокритериальная модель кластеризации с нежесткими ограничениями // Труды XXXII Междунар. конф. «1Т — S&E'05», Украина, г. Гурзуф, 2005. С.61-62.

102. Bartak R., Grant Т., Witteveen С. On Modelling Planning and Scheduling Problems with Time and Resources // Proceedings of the 21th workshop of UK Planning and Scheduling Special Group, 2002, pp. 87-98.

103. Burke E.K., Landa Silva J.D., Soubeiga E. Hyperheuristic Approaches for Multiobjective Optimization. Proceeding of the MIC 2003, Kyoto Japan, 2003.

104. Landa Silva J.D., Burke E.K. A tutorial on multiobjective metaheuristics for scheduling and timetabling. University of Nottingham, 2002.

105. Jaszkiewicz A. Multiple objective metaheuristic algorithms for combinatorial optimization. Habilitation Thesis,360, Posnan University of Technology, Posnan, 2001.

106. Бусленко Н.П. Моделирование сложных систем. — М.: Наука, 1978.

107. Петрович M.JL, Давидович М.И. Статистическое оценивание и проверка на ЭВМ. М.: Финансы и статистика, 1989.

108. ПЗ.Кобелев Н.Б. Основы имитационного моделирования сложных экономических систем. М.: Дело, 2003 - 336с.

109. Матвеев JI.A. Компьютерная поддержка принятия решений. Спб: «Специальная литература», 1998. - 472.

110. Жирнов В.И. Управление производственными ресурсами предприятия в условиях меняющейся конъюнктуры рынка // Сборник докладов 6-й школы-конференции молодых ученых «Управление большими системами»), 4.1. Ижевск: УГУ, 2009. - С.171-178.