автореферат диссертации по документальной информации, 05.25.05, диссертация на тему:Исследование и разработка информационных и процедурных моделей для систем управления материальными потоками

На правах рукописи

Гордиенко Лариса Владимировна

ИССЛЕДОВАНИЕ И РАЗРАБОТКА ИНФОРМАЦИОННЫХ И ПРОЦЕДУРНЫХ МОДЕЛЕЙ ДЛЯ СИСТЕМ УПРАВЛЕНИЯ МАТЕРИАЛЬНЫМИ ПОТОКАМИ

Специальность:,05.25.05 - Информационные системы и процессы, правовые аспекты информатики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

1 О ИЮН 2010

Таганрог - 2010

004604840

Работа выполнена на кафедре автоматизированных систем научных исследований и экспериментов Технологического института Южного Федерального университета в г. Таганроге.

доктор технических наук, профессор, Беляков Станислав Леонидович

доктор технических наук, Иванченко В.Н.

кандидат технических наук, Холодков В.В.

ОАО «Научно-исследовательский и проектно-конструкторский институт автоматизации, информатизации и связи на железнодорожном транспорте» (ОАО «НИИАС»)

Защита диссертации состоится «30» июня 2010 г. в 12 часов на заседании диссертационного совета Д 212.208.25 в Технологическом институте Южного федерального университета в г.Таганроге.

Адрес: 347900, Ростовская обл., г.Таганрог, ул. Чехова, 2, ауд. И-409.

С диссертацией можно ознакомиться в Зональной библиотеке Южного Федерального университета по адресу: 344000, Ростов-на-Дону, ул. Пушкинская, 148.

Автореферат разослан « » 2010 г.

У

Отзывы на автореферат в двух экземплярах, заверенные печатью организации, просим направлять по адресу: 347900, Ростовская обл., г.Таганрог, ул. Чехова, 2, диссертационный совет Д 212.208.25.

Научный руководитель: Официальные оппоненты:

Ведущая организация:

Ученый секретарь диссертационного совета

к.т.н., доцент Брюхомицкий Ю.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Системы для управления материальными потоками используются в настоящее время в чрезвычайно широком диапазоне производственной и управленческой деятельности. Основная задача, решаемая в процессе управления материальным потоком -это обеспечение эффективного перемещения материальных объектов при заданном наборе ограничений. Критерии эффективности, ограничения существенным образом зависят от специфики материального потока и опыта управления, который накоплен персоналом. Для повышения качества управления разрабатывают информационные системы, отличительной особенностью которых является необходимость хранения разнородных данных, описывающих материальные объекты, потоки, условия перемещения, среду перемещения и опыт управления потоком в условиях неопределенности.

Конструирование рассматриваемого класса систем требует новых подходов к виду информационных и процедурных моделей, на основе которых строится информационная база системы. Их необходимость диктуется усложнением задач управления, необходимостью оценки рисков осуществления отдельных этапов перемещения, а также конечного результата.

В данной работе проблема решается разработкой новых информационных и процедурных моделей, базирующихся на категориях неопределенности, нечеткости, многозначности данных о планировании и реализации процессов управления материальными потоками, а также использовании пространственных данных, описывающих среду, в которой реализуется материальный поток. Использование предложенных моделей позволит на качественно более высоком уровне реализовать информационную поддержку процессов управления материальными потоками.

Задачи разработки информационных и процедурных моделей для управления материальными потоками исследовались теоретически и реализованы практически в реальных системах.

В настоящее время выпускаются программные продукты для проектирования систем управления материальными потоками такие как ArcLogistics Route, 1С-Логистика:Управление перевозками. В сети Интернет существуют порталы, предоставляющие сервис для управления материальными потоками - Transmap, I2b.ru, LogLink.ru. Большой популярностью в Интернет пользуются геоинформационные сервисы порталов Яндекс, Google, Mail и др. Некоторые функции этих сервисов непосредственно относятся к сфере логистики. Усложнение современных транспортных систем, экономических отношений, совершенствование технологий маркетинга стимулируют создание новых моделей для управления материальным потоком.

Теоретической базой разработки информационных систем для управления материальными потоками являются результаты, полученные в области теории проектирования баз данных, интеллектуальных систем, систем управления материальными потоками, геоинформационных систем.

К основным работам в перечисленных областях следует отнести работы С.Д. Кузнецова, П. Селинджера, Е.Ф. Кодда в области баз данных, работы Поспелова Д.А., Осипова Г.С., Заде Л., Кофман А. и др. в области интеллектуальных систем, работы Курганова В.М., Лукинского B.C., Миротина Л.Б., Waters D., Bowersox D.J. в сфере логистики, работы Берлянт A.M., Цветкова В .Я., DeMers M.N. в области разработки и использования геоинформационной технологии. Как показывает анализ, число публикаций, посвященных данной тематике, устойчиво растет, что указывает на стабильный научный и практический интерес к рассматриваемой в диссертационной работе проблеме.

Таким образом, можно утверждать, что проблема, поставленная в диссертационной работе, является актуальной и важной для области исследования и разработки информационных и программных средств обеспечения функционирования особого класса систем - систем для управления материальными потоками.

Цель диссертационной работы заключается в разработке и исследовании информационных и процедурных моделей для проектирования систем управления материальными потоками.

Для достижения поставленной цели решаются следующие задачи:

• анализа моделей организации существующих систем для управления материальными потоками и выработка стратегий усовершенствования моделей исходя из необходимости учета неопределенностей описания исходных проектов транспортировки и пространственных данных;

• построения и исследования информационных моделей, описывающих транспортную среду и отражающих опыт реализации отдельных операций процесса транспортировки с привязкой к пространству и времени;

• разработки и исследования процедурных моделей для планирования и реализации проектов транспортировки.

Объект исследования - информационные и процедурные модели для систем управления материальными потоками.

Методы исследования. Для выполнения работы использованы: теория баз данных, методология проектирования информационных систем, теория интеллектуальных систем, теория графов и нечетких множеств, методы дискретной оптимизации, экономико-математические методы в логистике.

К числу научных результатов диссертации относятся:

1) предложена новая информационная модель данных - логистический прецедент - необходимая для накопления и использования опыта решения задач управления материальными потоками. Отличительной особенностью информационной модели данных является наличие картографических фрагментов, отображающих критическую область прецедента и область решения конфликта. Тем самым становится возможным целостное описание пространственных, временных и семантических связей, обусловивших логистический прецедент и принятие решения по выходу из критической ситуации. По сравнению с использованием известных моделей данных, модель логистического прецедента позволяет получать выводы более высокого качества;

2) предложена новая информационная модель описания транспортной сети как класса объектов, в который включены нечеткие описания пространственно-временных, топологических отношений. По сравнению с известными, предложенная модель позволяет получить маршруты, адекватные опыту наблюдения реальных ситуаций, что, в итоге, позволяет снизить риск реализации проектов управления материальными потоками;

3) предложена новая процедурная модель генерации решений на основе опыта. Суть данной модели заключается в выборе наиболее близкого по топологическим свойствам критической области логистического прецедента, схема решения которого принимается как основа для поиска близких решений для других с меньшим значением потерь. В качестве результирующего принимается вариант с минимальными потерями. Отличительной особенностью данной модели является использование топологических особенностей критических областей логистического прецедента. По сравнению с известными предложенная модель позволяет получать новые решения в заданной ситуации с минимальным прогнозируемым значением потерь;

4) предложена новая процедурная модель поиска кратчайших путей на основе экспертных данных логистических прецедентов. Ее отличительной особенностью является использование нечетких данных пространственно-временных, топологических отношений и накопленного опыта маршрутизации. По сравнению с известными, предложенная процедурная модель позволяет получать маршруты, адекватные опыту наблюдения реальных ситуаций, что, в итоге, позволяет снизить риск реализации проектов управления материальными потоками.

Практическая ценность работы заключается в том, что предложенные информационные и процедурные модели могут быть использованы в составе систем для управления материальными потоками. В работе также описана на языке иМЬ архитектура информационной системы на основе предложенных моделей, что может служить основой разработки реальных систем.

Реализация и внедрение результатов работы. Основные теоретические и практические результаты диссертационной работы использованы в госбюджетных НИР НТЦ «Интех» ЮФУ № 13056/2, учебном процессе ТТИ ЮФУ. Также результаты диссертационной работы используются в работе организаций «РОСТЭК-Таганрог» ЗАО «РОСТЭК-ДОН», ООО «Юг-Зерно-Т», что подтверждается актами о внедрении.

Апробация основных теоретических и практических результатов работы проводилась на научных семинарах НТЦ «Интех» ТТИ ЮФУ (с 2006 по 2009 гг., ТТИ ЮФУ). Результаты работы докладывались и обсуждались на научно-практических конференциях:

• VII Всероссийской научной конференции студентов, аспирантов и молодых ученых «Техническая кибернетика, радиоэлектроника и системы управления», Россия, г. Таганрог, 2006;

• VIII Всероссийский симпозиум по прикладной и промышленной математике, Россия, г. Москва, 2007;

• IX Всероссийской научной конференции студентов, аспирантов и молодых ученых «Техническая кибернетика, радиоэлектроника и системы управления», Россия, г. Таганрог, 2008;

• IX Всероссийский симпозиум по прикладной и промышленной математике, Россия, г. Москва, 2008;

• IV Международная конференция «Стратегия качества в промышленности и образовании», Болгария, г. Варна, 2008.

По итогам диссертационной работы опубликовано 10 работ.

Структура и объем диссертационной работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы. Работа содержит 143 стр., а также 49 рис., 18 таблиц, список литературы из 102 наименований.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении дано обоснование актуальности темы диссертационной работы, описаны цель работы и основные научные положения, выносимые на защиту, определены круг задач, объект исследования, указаны методы исследования, показаны научная новизна и практическая значимость, приведены сведения о внедрении результатов работы, дано общее описание выполненной работы.

В первой главе исследуются принципы, особенности применения информационных и процедурных моделей для проектирования систем управления материальными потоками, представляющих собой сложные многофакторные системы:

L = (RS,RD,N,T,Q, Х,У,ОЪ*,ОЪ°-), где X - продукт, который должен быть перемещен из одной области пространства в другую, Rs - отправная область продукта, RD - область поставок продукта, У - набор внешних воздействий, оказывающих влияние

на продукт и процесс его перемещения, Т - временная область, задающая границы перемещения, Q - набор показателей качества перемещения потока и отношение предпочтения на множестве значений показателей, N -транспортная сеть, ОЬа - статические объекты, ОЬв" - динамические объекты.

Основная проблема планирования в системах управления материальными потоками заключается в неполноте, неточности, неопределенности, неоднозначности, противоречивости данных, описывающих каждый компонент приведённой выше модели.

В этой связи одной из важнейших задач планирования систем управления материальными потоками является оценка риска реализации перемещения продукта, оценка возможного ущерба и принятие мер для его снижения.

Результатом планирования системы управления материальными потоками является оптимальная траектория системы

5* — )

в пространстве состояний, которая реализуется траекторией

Р _ / Я Р а — ^о /

в физическом пространстве. Соответствие между sп и 5Р не является взаимно однозначным. Как следствие, нельзя утверждать, что показатель качества <2" перемещения потока по планируемой траектории имеет лучшее значение, чем показатель качества 0Р перемещения потока в физическом пространстве.

Учитывая факт, что функционирование любой системы управления материальными потоками имеет пространственную привязку, конструктивной основой разработки информационных и процедурных моделей для систем управления материальными потоками является методология обработки пространственной информации в геоинформационных системах.

Геоинформационные системы обладают широким набором инструментов для анализа процессов в реальном мире, однако, как таковых средств учета опыта реализации предыдущих проектов управления материальными потоками в геоинформационных системах нет. При этом

учет опыта позволяет снизить риск реализации планируемых систем управления материальными потоками. Поэтому в работе поставлена задача построения новых моделей на основе тех, что используются в геоинформационных системах.

На основании проведенных исследований выработаны стратегии усовершенствования моделей исходя из необходимости учета неопределенностей описания исходных проектов транспортировки и пространственных данных. Для проектирования систем управления материальными потоками требуется обширная информация, описывающая физическую среду, в которой будет существовать система. Важное значение имеет опыт использования систем управления материальными потоками. В то же время существует проблема его накопления.

Вторая глава посвящена исследованию информационной модели логистического прецедента Р = где 5 - описание ситуации, Л -

описание решения, I - описание исхода. Целью исследования является определение условий эффективной реализации модели средствами геоинформационной технологии. Анализируется структура прецедента в геоинформационной системе, состоящего из картографических объектов где Кс - зона возникновения логистического прецедента (критическая область), Я^ - зона решения логистического прецедента (область решения). Данная структура включает новые элементы, позволяющие оценивать нечеткое сходство прецедентов. Для оценки обобщенного нечеткого сходства прецедентов предлагается определять нечеткое сходство прецедентов по топологии - одной из моделей данных, специфичной для геоинформационных систем.

Важным этапом в сравнении топологий является оценка расстояния и взаимного расположения их объектов в пространстве. В качестве базового отношения взаимного расположения объектов в пространстве применительно к данной задаче, выделены следующие: р, - находиться слева; <рг -находиться справа; <рг - находиться выше; <Рь - находиться ниже; <р5 -находиться на одинаковом уровне; <рй - находится между; <р7 - соприкасаться; % - быть дальше; <рч - быть перпендикулярно; (рю - быть параллельно.

В качестве базового отношения расстояния выделены следующие: г, -вплотную; гг - очень близко; г3 - близко; г, - не далеко и не близко; г5 -далеко; г6 - очень далеко; г7 - очень - очень далеко.

Результат оценки близости топологий предложено описывать лингвистической переменной Степень_близосты топологий (рисунок 1).

очень малая малая небольшая большая очень большая

0,2 0,25 0,350,4 0,5

0,7 0,8

Рис. 1. Терм-множество лингвистической переменной «Степень_близости_топологий» Процедурная модель оценки близости топологий, содержащих линейные и полигональные объекты, представлена следующим образом:

1. Определить количество примитивов Т1(рг1,рг2,...,.рг1) и Т2(рг,,ргг,...,рг^). Перейти к п.2.

2. Определить типы картографических объектов

Перейти к п.З. " ""

3. Определить характер взаимного расположения объектов ¿]<ркРОЬ\ и Ь\ъР01}у, к = 1... 14. Перейти к п.4.

4. Определить расстояние между объектами 1\гтРО£,, Ь\гКР01Л'., Р0Ь\гшР01\, 1\тя1\, Р01\гтР01}^, т = 0. Перейти к п.5

5. По следующим правилам на основе знаний экспертов оценить близость топологий:

1) ЕСЛИ (s=d) И (L\ = L\) И (РОИ, = POL\) И {l'^POL]) И (l^POL]) И (A-, =í2) И (l'^POL)) И {i\rmPOL\) И (от, =m2) ТО Степень_близости__ топологий = 1;

2) ЕСЛИ (K>í/) И (L\oL)) И (POL] о POL1,) И (¿!%/0¿¡) И [LIp^POL;) И (A-, oJCJ И (¿¡rn/J0¿;) И {¿2Лг?0Л^) И (и, о/и,) ТО Степень_близости_ топологий = 0;

3) ЕСЛИ (j<>d) И (L\ = 12р) И (POL) < И ((¿>4РОД) И (¿V/OL1,

ИЛИ ¿V/OZ.;)) И ((L]tp,POL2y) И {ücpfOü) И {l'r.POÜ ИЛИ fy,POL2y)) ТО Степень_близости_ топологий = б, 45;

Процедурная модель оценки близости прецедентов по времени:

1. Оценивается наличие изменений рабочей области Д/ = /7\{/г ],

i = 1..Л, где 1Т - функция, отражающая количество примитивов текущей рабочей области, 1В - функция, отражающая количество примитивов базовой рабочей области, и - функция, отражающая изменения рабочей области. Перейти к п.2;

2. Если изменения найдены, Д/ * 0, то необходимо проверить на каких слоях i = \...n произошли изменения. Перейти к п.З;

3. Учитывается количество изменений на каждом слое Al(St), для этого строится совокупность логических правил на основе знаний экспертов:

1) ЕСЛИ Изменения (Зеленыенасаждения) >15 И Изменения (Зеленые_насаждения) < 30 ТО Степень_близости_по_еремени-0,85;

2) ЕСЛИ Изменения (Электрокабели) <5 ТО Степень_близостипо_времеки=0,75;

ЕСЛИ Изменения (Водопроводы) > 3 И Изменения (Автомобильные магистрали) > 1 ТО Степенъ_близости_по_времени=0,3;

Для определения обобщенного нечеткого сходства двух прецедентов используем формулу

z{a,b)= min(max(l - //- (г), цъ (х,)) тах(ы- (х, )Д - цъ {х,))), где под А понимается нечеткое множество близости прецедентов по топологии, а под В - нечеткое множество близости прецедентов по времени, z - степень сходства прецедентов.

На основе этой информации принимается заключение об использовании решения. Для того предлагаются следующие правила вывода:

ЕСЛИ Степень_сходства_прецедентов=1 ТО Решение(Прежнее); ЕСЛИ Степень _сходстеа_прецедеитов=0 ИЛИ Степень сходства_ прецедентов<=0,15 ТО Решение(Новое);

ЕСЛИ Степенъ_сходства_прецедентов>0,15 И Степень_сходства_ прецедентов<1 ТО Решение(Модифицировать).

Далее в работе исследуется процедурная модель генераций решений на основе опыта, которая заключается в выборе наиболее близкого по топологическим свойствам критической области логистического прецедента. При оценке близости учитывается наличие необходимых картографических объектов У^"', их взаимное расположение <рк, попадание в указанную область V™" е вк, - область операции управления материальными потоками. Предлагается сравнивать топологические отношения исследуемой области с векторами (**' ,х'г' ) и , х*' ). Затем на основе метрики Лукасевича определяется какой из этих векторов ближе всего:

-к Д')= тш(тах(1 - (х,), цщ (х)} тах^ (*, ),1 - (х,))), 1 = 1, и,

Соответственно, критическая область выбранного логистического прецедента также является ближайшей.

Любой логистический прецедент содержит данные об имевшем место ранее ущербе На основании полученной информации делается вывод

об ожидаемом ущербе в прогнозируемой ситуации:

/5(АГ') = (1 - + От-

данная процедурная модель позволяет получать новые решения в заданной ситуации с прогнозируемым значением потерь.

Разработана объектная модель прецедента для геоинформационной системы, ориентированной на решение задач управления материальными потоками. Данная модель в качестве свойства агрегирует в себя образное представление в геоинформационной системе области решений и критической области прецедента # = {/?,,#,}. В общем случае в 1<с и входят точечные, линейные и площадные объекты. Каждый из них имеет

12

атрибутивные данные соответственно принадлежности описанному классу картографических объектов.

Класс логистических прецедентов в среде геоинформационной системы включает набор методов, которые можно классифицировать следующим образом:

• события, связанные с представлением прецедентов на карте;

• методы, позволяющие сравнивать прецеденты и относить их к определенному классу;

• методы, связанные с оценкой риска.

Таким образом, диаграмму классов прецедента можно представить следующим образом (рисунок 2):

1

♦--

1

Place

Border

ChangeBorder(Pfec, Update)

N

Precedent

DefineSimslarityO

1<

if

N

Topology

OecislonArea RiskArea

SelectChangeO DefineSimslarityO

Time

Beginlnlerval Endlnterval

DefineSimslarityO Se)ectChange()

Description

Type Causes

Decision 1 1 Issue

ValueRisk(Decis,Pres) Damage

Рисунок 2. UML - диаграмма классов, описывающая прецедент Базовый класс Time характеризуется следующим набором свойств и методов:

• начальной (Beginlnlerval) и конечной (Endlnterval) границей временного интервала;

• методом SelectChangeO, который позволяет отобрать изменения рабочей области за промежуток времени между двумя указанными прецедентами. Данный метод также определен для класса Topology;

• методом DefineSimilarityO, позволяющим определить степень сходства прецедентов на основе экземпляров класса Time. Данный метод определен также для классов Precedent и Topology.

Класс Place включает:

• свойство Border, которое определяет пространственную границу объекта на карте;

• метод ChangeBorder(Prec, Update) - формирует новый образ прецедента в зависимости от дополнительной информации, которую хранит переменная Update, и переводит его в новое состояние.

Класс объектов Topology содержит:

• множество картографических объектов RiskArea , которые составляют критическую область прецедента;

• множество картографических объектов DecisionArea, представляющее область решений прецедента;

• метод SelectChangeO.

Класс семантических характеристик Description включает в себя следующие свойства:

• Туре - описание характера прецедента;

• Causes - описание причин возникновения прецедента.

Класс Issue включает степень ущерба, который выражается нечеткой переменной.

Класс Decision характеризуется методом ValueRisk(Decis,Prec), который оценивает риск реализованного решения Decis конкретной ситуации Ргес.

В данной главе предложена информационная модель логистического прецедента, необходимая для накопления и использования опыта решения задач управления материальными потоками. По сравнению с использованием известных моделей данных, модель логистического прецедента позволяет получать выводы более высокого качества, так как карты являются более выразительным средством описания знаний экспертов, что ведет к повышению качества накапливаемых экспертных данных и логический вывод в экспертной геоинформационной системе использует пространственные, временные и семантические отношения, достоверно

отображающие анализируемые области, что ведет к получению выводов более высокого качества.

Отличительной особенностью предложенной процедурной модели генерации решений на основе опыта является использование топологических особенностей критических областей логистического прецедента. По сравнению с известными, предложенная модель позволяет получать новые решения в заданной ситуации с минимальным прогнозируемым значением потерь.

В третьей главе исследуется информационная модель транспортной сети как класса объектов, в котором есть нечетко представленные пространственно-временные, топологические отношения.

Введено множество £ = } участков дорожной сети любой конфигурации, содержащей в себе следующие подмножества участков: = - железнодорожные переезды, £,р = {f,p} - пешеходные переходы,

£,т = {¿;1} - перекрестки нескольких дорог, = } - перегоны.

Считается, что - любой участок дорожной сети реализует отношение is_a - является объектом класса. Любой объект класса «Section» имеет следующие характеристики (реализует отношение has_a)~.

• Номер number4' е jV ,N={1,2, ...,п}\

• Вид type9' еТ, Т= {«железнодорожный переезд», «пешеходный переход», «перегон», «перекресток»}',

• Координаты вершин coordinate'1 е С, С - множество матриц координат (х,,у.) вершин;

• Уровень /eve/4' s L, L={-1,...,-1,0,1,—,1} - для исключения совпадения координат участка при отображении его на карте значение уровня участка, расположенного в тоннеле кодируется отрицательным числом, число О соответствует расположению участка «на земле», значение уровня участка расположенного на многоуровневой развязке соответствует уровню транспортной развязки и кодируется числами от +1 и выше.

Каждый участок дорожной сети уникален, т.е. V£4 е £

(зnumber * е /v)& (эtype{' е т)& {з/evefi е l)& (зcoordinateе С).

Уникальность характеризуется:

• Номером V^',^* е 4 > numberf' * number1';

• Координатами (coordinate* coordinates' )v ({coordinatei! =

= coordinate(') & {level'' Ф level1'' J.

Набор параметров элементов дорожной сети образует множество С = {с ,}, >» = 1,8, где с, - пропускная способность, с2 - скорость, с3 - длина очереди, ct - доля остановившихся транспортных средств, с5 - средняя задержка, с6 - суммарная задержка, с, - размер очереди, с, - количество железнодорожных путей.

Для связи объектов класса «Section» и класса «Parameter» введено отношение «hasji»'.

• V£D е Е, Зсу е С : (£> has_a с,) & hca_a с,);

• 3сгеС : {С has_a с,) & (£ has_a с,) & (£ Ляу_а с,) & (С has a с5) <£ /гдаа с6);

. е £ Зс,еС : has_a с,) & hasji с7);

• е^ Эс, е С : Aos_a с,) & has_a cs) & /кюа с6) с& (С с,).

Для связи модели транспортной сети на основе графовой и геоинформационной моделей введены отношения нахождения «isjocated» и связанности «is_connected». Отношение нахождения определяется координатами узла и участка.

Узел vmeV связан с участком е£ дорожной сети тогда когда он расположен на этом участке: Vv„ е V, vm is connected 4! <=>

isjocated ■

Дуга всегда принадлежит только одному участку: Vd. е D, Vv,,v, eF, dj isjocated <=> У, =(v,,vt) й- (v, isjocated & (v, isjocated

при s*f.

Важным аспектом функционирования транспортной сети является наличие средств организации дорожного движения. Для этого введено

5 = - множество объектов организации дорожного движения, находящихся на дорожной сети - на дугах dt&D орграфа G, содержащее в себе подмножество дорожных знаков - S*={yj}, светофоров - S" = {$*}, линий дорожной разметки - S° - {.s°}.

Объекты организации дорожного движения располагаются на дугах d.e D графа G: Vj, eS 3d, eD: s, isjocated dj.

Наличие объекта s, на дуге d. определяет характер дуги (скоростной

режим, временной режим, направление движения и т.д.) и оказывает влияние на движение транспортных средств. Таким образом, при определении веса дуги учитывается наличие объекта организации движения.

Введены отношение «is_rule» между объектами класса «Section» и «Traffic Signs»: Vj( g S, VJ e D s, isjocated df <=> (s, isjocated

) & {dj isjocated & (s, is_rule Для того, чтобы связать в системе

информацию о возможности проезда по дуге в зависимости от установленных на ней знаков дорожного движения, в работе построены соответствующие предикаты.

В диссертационной работе предложена процедурная модель поиска кратчайшего пути, использующая экспертные данные логистических прецедентов. Данная модель представляет собой двухэтапную процедуру. Первый этап связан с использованием общеизвестного алгоритма определения кратчайшего пути с уточнением на модифицированный способ описания весов ребер транспортной сети, используемый в данной работе.

Следующий этап связан с учетом пересечения критической области логистического прецедента и ребра транспортной сети при выборе кратчайшего пути. Таким образом, в данном случае на выбранной дуге транспортной сети проверяется наличие отношения «is cross».

В качестве основы процедурной модели определения кратчайшего пути использован алгоритм Дейкстры, который модифицирован проверкой наличия отношения на дуге с минимальным весом «isyross». Если отношение определено, то вес r(i) модифицируется по следующему правилу: IF RiskAreaP' is_cross dt THEN w(i,j) = w(i,j) * к , затем пересчитываются заново веса дуг.

В данной главе предложена новая информационная модель описания транспортной сети как класса объектов, в который включены нечеткие описания пространственно-временных, топологических отношений. По сравнению с известными, предложенная модель позволяет получить маршруты, адекватные опыту наблюдения реальных ситуаций, что, в итоге, позволяет снизить риск реализации проектов управления материальными потоками.

Отличительной особенностью предложенной процедурной модели поиска кратчайших путей на основе экспертных данных логистических прецедентов является использование нечетких данных пространственно-временных, топологических отношений и накопленного опыта маршрутизации. По сравнению с известными, предложенная процедурная модель позволяет получать маршруты, адекватные опыту наблюдения реальных ситуаций, что, в итоге, позволяет снизить риск реализации проектов управления материальными потоками.

В четвертой главе анализируется практическая реализация системы решения задач управления материальными потоками с учетом опыта, которая представляется следующим семейством объектов:

G=<£,0,£>>,

где £ - множество объектов рабочей области, в - множество объектов документов, 9 - множество объектов меню.

Каждый из элементов G содержит набор свойств и методов:

В данной главе описана объектная архитектура разрабатываемой экспертной геоинформационной системы. Объектная архитектура системы представляет собой иерархическую структуру. Главными объектами данной структуры являются Workspace, Documents и Menu. Эти объекты образуют семейства однотипных объектов.

На разработанных UML-диаграммах показаны обобщённые элементы архитектуры геоинформационных систем для решения задач управления материальными потоками на основе опытных данных.

Диаграмма вариантов использования отображает концептуальную модель системы. На ней определены фрагменты поведения некоторых

сущностей. Основными пользователями системы являются логистик и эксперт. Логистик работает с сервисами «LoadProject», «BuildProject», «SaveProject», «DeleteProject». Основная функция эксперта связана с сервисом «RealizeRiskAnalysisOJProject». Однако актеры при работе с системой могут использовать все ее функции.

Сервисы «LoadProject», «BuildProject», «SaveProject», «DeleteProject», «RealizeRiskAnalysisOjProject» являются сервисами верхнего уровня и имеют расширяющие варианты использования, которые дополняют поведение базовых вариантов.

Основными элементами разрабатываемой геоинформационной системы являются классы. Диаграмма классов описывает набор всех классов системы и их связи. В описываемой системе основным является абстрактный класс -проект {Project). Конкретные проекты (TpansrortProject, RailProject, WaterProject, AirProject, PipelineTpansrort) наследуют структуру абстрактного головного класса, а именно: дата создания, исполнитель, стоимость, прецеденты и т.д.

Диаграмма компонентов описывает особенности физического представления системы. Основными узлами системы являются Workstation и Server, которые включают в себя компоненты GUI, Dialog, Graphic Database, Semantic Database.

Диаграмма действий с заказами отражает процесс и условия функционирования данной деятельности. Диаграмма действий описывает последовательность этапов работы с объектом заказ (Order). Данная диаграмма действий позволяет выбрать заказ, который удовлетворяет всем условиям. После чего начинается процесс разработки логистического проекта.

Процесс оперативного управления функционированием системы управления материальными потоками описывается диаграммой использования.

Диаграмма состояний отображает динамику поведения системы при реализации риск-анализа логистического проекта.

Предложенные обобщенные UML-диаграммы детализируют и конкретизируют модель системы для планирования систем управления материальными потоками.

В заключении подводятся итоги проведенных исследований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Основные теоретические и практические результаты диссертационной работы заключаются в следующем:

1) предложена новая информационная модель данных - логистический прецедент - необходимая для накопления и использования опыта решения задач управления материальными потоками. Отличительной особенностью информационной модели данных является наличие картографических фрагментов, отображающих критическую область прецедента и область решения конфликта. Тем самым становится возможным целостное описание пространственных, временных и семантических связей, обусловивших логистический прецедент и принятие решения по выходу из критической ситуации. По сравнению с использованием известных моделей данных, модель логистического прецедента позволяет получать выводы более высокого качества;

2) предложена новая информационная модель описания транспортной сети как класса объектов, в который включены нечеткие описания пространственно-временных, топологических отношений. По сравнению с известными, предложенная модель позволяет получить маршруты, адекватные опыту наблюдения реальных ситуаций, что, в итоге, позволяет снизить риск реализации проектов управления материальными потоками;

3) предложена новая процедурная модель генерации решений на основе опыта. Суть данной модели заключается в выборе наиболее близкого по топологическим свойствам критической области логистического прецедента, схема решения которого принимается как основа для поиска близких решений для других с меньшим значением потерь. В качестве результирующего принимается вариант с минимальными потерями. Отличительной особенностью данной модели является использование топологических особенностей критических областей логистического прецедента. По сравнению с известными предложенная модель позволяет получать новые решения в заданной ситуации с минимальным прогнозируемым значением потерь;

4) предложена новая процедурная модель поиска кратчайших путей на основе экспертных данных логистических прецедентов. Ее отличительной особенностью является использование нечетких данных пространственно-временных, топологических отношений и накопленного опыта маршрутизации. По сравнению с известными, предложенная процедурная модель позволяет получать маршруты, адекватные опыту наблюдения реальных ситуаций, что, в итоге, позволяет снизить риск реализации проектов управления материальными потоками.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

В изданиях, рекомендованных ВАК:

1. Гордиенко JI.B. Использование метода прецедентов для решения транспортных задач логистики // Сборник тезисов докладов Восьмого Всероссийского симпозиума по прикладной и промышленной математике. М.: Редакция журнала «ОПиПМ». 2007. - Т. 14. - С. 868 - 869.

2. Гордиенко JI.B. Реализация метода рассуждения на основе прецедентов в геоинформационных системах для решения задачи транспортировки II Сборник тезисов докладов Девятого Всероссийского симпозиума по прикладной и промышленной математике. М.: Редакция журнала «ОПиПМ». 2008. - Т. 15. - С. 873 - 874.

3. Гордиенко JI.B. Классификация прецедентов при планировании логистических систем в среде ГИС // Известия ЮФУ. Технические науки. Тематический выпуск «Гуманитарные и информационные технологии в управлении экономическими и социальными системами». - Таганрог: Изд-во ТТИ ЮФУ, 2008. №10 (87).С. 194 - 196.

4. Беляков С.Л., Гордиенко Л.В. Прецедентный анализ логистических операций в геоинформационных системах // Программные продукты и системы. № 4.2008.

В других изданиях:

5. Гордиенко Л.В. Применение геоинформационных систем при решении транспортных задач в логистике// IV Всероссийская научная конференция молодых ученых, аспирантов и студентов «Информационные

технологии, системный анализ и управление». Таганрог: Изд-во ТРТУ, 2006. С. 85 - 87.

6. Гордиенко Л.В. Задача нахождения оптимального пути в зависимости от пропускной способности участка дороги на основе использования меры близости нечеткой ситуации эталонной // Материалы VI всероссийской научно-практической конференции (с международным участием) «Современные информационные технологии в науке, образовании и практике». - Оренбург: ИПК ГОУ ОГУ, 2007. С. 405 - 409.

7. Беляков С.Л., Белякова М.Л., Гордиенко Л.В. Прецедентный анализ при решении логистических задач // Известия ТРТУ «Интеллектуальные САПР». - Таганрог: Изд-во ТРТУ, 2007. - №1. - С. 25-28. -

8. Гордиенко Л.В. Логистическая система как многофакторная модель // IX Всероссийская научная конференция «Техническая кибернетика, радиоэлектроника и системы управления»: Тезисы докладов. - Таганрог: Изд-во ТТИ ЮФУ, 2008. - Т. 2. - С. 200 - 201.

9. Гордиенко Л.В. Планирование маршрутов перевозок грузов // Известия ЮФУ. Технические науки. Специальный выпуск. Материалы LUI научно-технической конференции профессорско-преподавательского состава, аспирантов и сотрудников ТТИ ЮФУ. Таганрог: Изд-во ТТИ ЮФУ, 2008. №1 (78). 145 с.

10. Беляков С.Л., Гордиенко Л.В. Гибридная модель анализа прецедентов в логистических системах // IV Международная конференция «Стратегия качества в промышленности и образовании». 30 мая - 6 июня 2008г. Варна, Болгария^Материалы в 2х томах. Т. 1. «Фортуна» - ТУ-Варна, 2008. С.73 -75.

Гордиенко Лариса Владимировна

ИССЛЕДОВАНИЕ И РАЗРАБОТКА ИНФОРМАЦИОННЫХ И ПРОЦЕДУРНЫХ МОДЕЛЕЙ ДЛЯ СИСТЕМ УПРАВЛЕНИЯ МАТЕРИАЛЬНЫМИ ПОТОКАМИ

Автореферат диссертации на соискание ученой степени кандидата технических наук

Печать офсетная Подписано к печати_._. 10.

Формат 60x84/16. Бумага офсетная.

Усл. п. л.-1,25. Уч.-изд. л.-1,25

Заказ № 164 Тираж 100 экз.

Издательство Технологического института

Южного федерального университета ГСП 17А, Таганрог, 28, Некрасовский, 44 Типография Технологического института Южного федерального университета ГСП 17 А, Таганрог, 28, Энгельса, 1

ВВЕДЕНИЕ.

ГЛАВА 1. ИССЛЕДОВАНИЕ ОСОБЕННОСТЕЙ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ДЛЯ УПРАВЛЕНИЯ МАТЕРИАЛЬНЫМИ ПОТОКАМИ.

1.1. Анализ современных подходов к разработке информационных систем для управления материальными потоками.

1.2. Особенности геоинформационной технологии для управления материальными потоками.

1.3. Анализ особенностей процедурных моделей геоинформационных систем

1.4. Оценка подходов к разработке информационных и процедурных моделей.

1.4.1. Структура моделей, использующих опыт управления потоками.

1.4.2. Топологические отношения в моделях.

1.4.3. Модель прецедентного анализа в управлении материальными потоками.

1.5. Выводы по главе 1.

ГЛАВА 2. КОНСТРУИРОВАНИЕ ИНФОРМАЦИОННЫХ И ПРОЦЕДУРНЫХ МОДЕЛЕЙ

2.1 Оценка конечной реализации моделей.

2.2. Информационная модель логистического прецедента.

2.3. Разработка процедурных моделей.

2.3.1. Процедурная модель топологического сходства прецедентов.

2.3.2. Процедурная модель временного сходства прецедентов.

2.3.3. Интегральная модель сходства прецедентов.

2.4. Реализация объектной модели логистического прецедента.

2.5 Выводы по главе 2.

ГЛАВА 3. РИСК-АНАЛИЗ ПАРАМЕТРОВ МОДЕЛЕЙ УПРАВЛЕНИЯ МАТЕРИАЛЬНЫМИ ПОТОКАМИ.

3.1 Основные параметры информационной модели

3.2. Расчет параметров модели транспортной сети.

3.3. Процедурная модель анализа транспортной сети.

3.4. Выводы по главе 3.

ГЛАВА 4. АРХИТЕКТУРА ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ УПРАВЛЕНИЯ МАТЕРИАЛЬНЫМИ ПОТОКАМИ.

4.1. Объектная модель ядра системы.

4.2. Моделирование архитектуры системы.

4.3. Выводы по главе 4.

Актуальность темы. Системы для управления материальными потоками используются в настоящее время в чрезвычайно широком диапазоне производственной и управленческой деятельности. Основная задача, решаемая в процессе управления материальным потоком - это обеспечение эффективного перемещения материальных объектов при заданном наборе ограничений. Критерии эффективности, ограничения существенным образом зависят от специфики материального потока и опыта управления, который накоплен персоналом. Для повышения качества управления разрабатывают информационные системы, отличительной особенностью которых является необходимость хранения разнородных данных, описывающих материальные объекты, потоки, условия перемещения, среду перемещения; И: опыт управления потоком в условиях неопределенности.

Конструирование, рассматриваемого» класса систем требует новых подходов к виду информационных и процедурных моделей, на основе которых строится информационная база системы. Их необходимость диктуется усложнением задач управления, необходимостью оценки рисков осуществления отдельных этапов перемещения, а также конечного результата.

В данной работе проблема решается разработкой новых информационных и процедурных моделей, базирующихся на категориях неопределенности, нечеткости, многозначности данных о планировании и реализации процессов управления материальными потоками, а также использовании пространственных данных, описывающих среду, в которой реализуется материальный поток. Использование предложенных моделей позволит на качественно более высоком уровне реализовать информационную поддержку процессов управления материальными потоками.

Задачи разработки информационных и процедурных моделей для управления материальными потоками исследовались теоретически и реализованы практически в реальных системах.

В настоящее время выпускаются программные продукты для проектирования систем управления материальными потоками такие как ArcLogistics Route, 1С-Логистика:Управление перевозками. В сети Интернет существуют порталы, предоставляющие сервис для управления материальными потоками - Transmap, 12b.ru, LogLink.ru. Большой популярностью в Интернет пользуются геоинформационные сервисы порталов Яндекс, Google, Mail и др. Некоторые функции этих сервисов непосредственно относятся к сфере логистики. Усложнение современных транспортных систем, экономических отношений, совершенствование технологий маркетинга стимулируют создание новых моделей для управления материальным потоком.

Теоретической базой разработки информационных систем для управления материальными потоками являются результаты, полученные в области теории проектирования баз данных, интеллектуальных систем, систем управления материальными потоками, геоинформационных систем.

К основным работам в перечисленных областях следует отнести работы С.Д. Кузнецова, П. Селинджера, Е.Ф. Кодда в области баз данных, работы Поспелова Д.А., Осипова Г.С., Заде Л., Кофман А. и др. в области интеллектуальных систем, работы Курганов В.М., Лукинский B.C., Миротин Л.Б., Waters D., Bowersox D.J. в сфере логистики, работы Берлянт A.M., Цветков В.Я., DeMers M.N. в области разработки и использования геоинформационной технологии. Как показывает анализ, число публикаций, посвященных данной тематике, устойчиво растет, что указывает на стабильный научный и практический интерес к рассматриваемой в диссертационной работе проблеме.

Таким образом, можно утверждать, что проблема, поставленная в диссертационной работе, является актуальной и важной для области исследования и разработки информационных и программных средств обеспечения функционирования особого класса систем — систем для управления материальными потоками.

Цель работы заключается в разработке и исследовании информационных и процедурных моделей для проектирования систем управления материальными потоками.

Для достижения поставленной цели решаются следующие задачи:

• Анализа моделей организации существующих систем для управления материальными потоками и выработка стратегий усовершенствования моделей исходя из необходимости учета неопределенностей описания исходных проектов транспортировки и пространственных данных;

• Построения и исследования информационных моделей, описывающих транспортную среду и отражающих опыт реализации отдельных операций процесса транспортировки с привязкой к пространству и времени;

• Разработки и исследования процедурных моделей для планирования и реализации проектов транспортировки.

Объект исследования - информационные и процедурные модели- для систем управления материальными потоками.

Методы исследования. Для выполнения работы использованы: теория интеллектуальных систем, теория графов и нечетких множеств, методы дискретной оптимизации, экономико-математические методы в логистике. К числу научных результатов диссертации относятся: 1) Предложена новая информационная модель данных - логистический прецедент - необходимая для накопления и использования опыта решения задач управления материальными потоками. Отличительной особенностью информационной модели данных является наличие картографических фрагментов, отображающих критическую область прецедента и область решения конфликта. Тем самым становится возможным целостное описание пространственных, временных и семантических связей, обусловивших логистический прецедент и принятие решения по выходу из критической ситуации. По сравнению с использованием известных моделей данных, модель логистического прецедента позволяет получать выводы более высокого качества;

2) Предложена новая информационная модель описания транспортной сети как класса объектов, в который включены нечеткие описания пространственно-временных, топологических отношений. По сравнению с известными, предложенная модель позволяет получить маршруты, адекватные опыту наблюдения реальных ситуаций, что, в итоге, позволяет снизить риск реализации проектов управления материальными потоками;

3) Предложена новая процедурная модель генерации решений на основе опыта. Суть данной модели заключается в выборе наиболее близкого по топологическим свойствам критической области логистического прецедента, схема решения которого принимается как основа для поиска близких решений для других с меньшим значением потерь. В качестве результирующего принимается вариант с минимальными потерями. Отличительной особенностью данной модели является использование топологических особенностей критических областей логистического прецедента. По сравнению с известными предложенная модель позволяет получать новые решения в заданной ситуации с минимальным прогнозируемым значением потерь;

4) Предложена новая процедурная модель поиска кратчайших путей на основе экспертных данных логистических прецедентов. Ее отличительной особенностью является использование нечетких данных пространственно-временных, топологических отношений и накопленного опыта маршрутизации. По сравнению с известными, предложенная процедурная модель позволяет получать маршруты, адекватные опыту наблюдения реальных ситуаций, что, в итоге, позволяет снизить риск реализации проектов управления материальными потоками.

Практическая ценность работы заключается в том, что предложенные информационные и процедурные модели могут быть использованы для управления материальными потоками. В работе также описана на языке UML архитектура информационной системы на основе предложенных моделей, что может служить основой построения реальных систем.

Реализация и внедрение результатов работы. Основные теоретические и практические результаты диссертационной работы использованы в госбюджетных НИР НТЦ «Интех» ЮФУ № 13056/2, учебном процессе ТТИ ЮФУ. Также результаты диссертационной работы используются в работе организации «РОСТЭК-Таганрог» ЗАО «РОСТЭК-ДОН», что подтверждается актом о внедрении.

Апробация основных теоретических и практических результатов работы проводилась на научных семинарах НТЦ «Интех» ТТИ ЮФУ (с 2006 по 2009 гг., ТТИ ЮФУ). Результаты работы докладывались и обсуждались на научно-практических конференциях:

• VII Всероссийской научной конференции студентов, аспирантов и молодых ученых «Техническая кибернетика, радиоэлектроника и системы управления», Россия, г. Таганрог, 2006;

• VIII Всероссийский симпозиум по прикладной и промышленной математике, Россия, г. Москва, 2007;

• IX Всероссийской научной конференции студентов, аспирантов и молодых ученых «Техническая кибернетика, радиоэлектроника и системы управления», Россия, г. Таганрог, 2008;

• IX Всероссийский симпозиум по прикладной и промышленной математике, Россия, г. Москва, 2008;

• IV Международная конференция «Стратегия качества в промышленности и образовании», Болгария, г. Варна, 2008.

По итогам диссертационной работы опубликовано 10 работ.

Структура и объем диссертационной работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы. Работа содержит 143 стр., а также 49 рис., 18 таблиц, список литературы из 102 наименований.

4.3. Выводы по главе 4

1) исследована архитектура системы для управления материальными потоками с учетом опыта;

2) предложены обобщенные ЦМЬ-диаграммы, которые детализируют и конкретизируют модель системы для планирования систем управления материальными потоками.

Заключение

В данной работе получены следующие научные результаты:

1) предложена новая информационная модель данных - логистический прецедент — необходимая для накопления и использования опыта решения задач управления материальными потоками. Отличительной особенностью информационной модели данных является наличие картографических фрагментов, отображающих критическую область прецедента и область решения конфликта. Тем самым становится возможным целостное описание пространственных, временных и семантических связей, обусловивших логистический прецедент и принятие решения по выходу из критической ситуации. По сравнению с использованием известных моделей данных, модель логистического прецедента позволяет получать выводы более высокого качества;

2) предложена новая информационная модель описания транспортной сети как класса объектов, в который включены нечеткие описания пространственно-временных, топологических отношений. По сравнению с известными, предложенная модель позволяет получить маршруты, адекватные опыту наблюдения реальных ситуаций, что, в итоге, позволяет снизить риск реализации проектов управления материальными потоками;

3) предложена новая процедурная модель генерации решений на основе опыта. Суть данной модели заключается в выборе наиболее близкого по топологическим свойствам критической области логистического прецедента, схема решения которого принимается как основа для поиска близких решений для других с меньшим значением потерь. В качестве результирующего принимается вариант с минимальными потерями. Отличительной особенностью данной модели является использование топологических особенностей критических областей логистического прецедента. По сравнению с известными предложенная модель позволяет получать новые решения в заданной ситуации с минимальным прогнозируемым значением потерь;

4) предложена новая процедурная модель поиска кратчайших путей на основе экспертных данных логистических прецедентов. Ее отличительной особенностью является использование нечетких данных пространственно-временных, топологических отношений и накопленного опыта маршрутизации. По сравнению с известными, предложенная процедурная модель позволяет получать маршруты, адекватные опыту наблюдения реальных ситуаций, что, в итоге, позволяет снизить риск реализации проектов управления материальными потоками.

1. Сергеев В.И., Григорьев М.Н., Уваров С.А. Логистика: информационные системы и технологии: Учебно — практическое пособие. -М.: Издательство «Альфа-пресс», 2008.

2. Логистика: учеб. пособие / Б.А. Аникин и др.; под ред. Б.А. Аникина, Т.А. Родкиной. М.: ТК Велби, Изд-во Проспект, 2006.

3. Гаджинский А. М. Логистика: Учебник для высших и средних специальных учебных заведений.— 2-е изд.— М.: Информационно-внедренческий центр "Маркетинг", 1999.

4. Родников А. Н. Логистика: Терминолог. словарь. М.: Экономика, 1995.

5. Сток. Джеймс Р., Ламберт Дуглас М. Стратегическое управление логистикой. -М.:ИНФРА-М, 2005.

6. Сербии В. Д. Основы логистики: учеб. пособие. ТРТУ, Каф. Менеджмента. - Таганрог : Изд-во ТРТУ, 2004.

7. Транспортная логистика: Учебник для транспортных вузов. / Под общей редакцией Л.Б. Миротина. — М.: Издательство «Экзамен», 2002.

8. Николайчук В.Е. Транспортно-складская логистика: Учебное пособие. 2-е изд. - М.: Издательско-торговая корпорация «Дашков и Ко», 2007.

9. Шехтер Д. Логистика: искусство управления цепочками поставок / Д. Шехтер, Г. Сандер ; авт. предисл. В. И. Сергеев. М.: Претекст, 2008.

10. Саркисов С. В. Управление логистикой: учеб. пособие для студ. вузов / С. В. Саркисов ; Ин-т бизнеса и делового администрирования. М. : Дело, 2004.

11. Неруш Ю.М. Логистика: Учебник для вузов. 3-е изд., перераб. и доп. - М.: ЮНИТИ-ДАНА, 2003.

12. Гордиенко Л.В. Логистическая система как многофакторная модель // IX Всероссийская научная конференция «Техническая кибернетика,радиоэлектроника и системы управления»: Тезисы докладов. — Таганрог: Изд-во ТТИ ЮФУ, 2008. Т. 2. - С. 200 - 201.

13. Основы логистики: Учеб. пособие / Под ред. Л.Б. Миротина и В.И. Сергеева. -М.: ИНФРА-М, 1999.

14. Алесинская Т. В. Основы логистики: общие вопросы логистического управления : учеб. пособие. ТРТУ, Каф. Менеджмента. -Таганрог: Изд-во ТРТУ, 2005.

15. Сток Джеймс Р., Ламберт Дуглас М. Стратегическое управление логистикой. -М.:ИНФРА-М, 2005.

16. Уотерс Д. Логистика. Управление цепью поставок: Пер. с англ. -М.: ЮНИТИ-ДАНА, 2003.

17. Баурсокс Д.Дж., Клосс Д.Дж. Логистика. Интегрированная цепь поставок. -М.: Олимп-бизнес, 2001.

18. Миротин Л.Б., Ташбаев Ы.Э. Системный анализ в логистике: учебник для вузов. — М.: Экзамен, 2002.

19. Порохня Т. А. К вопросу о методологии проектирования логистических систем // Сборник научных трудов СевКавГТУ. Серия «Экономика», 2006, №4.

20. Просветов Г.И. Математические методы в логистике: Учебно-методическое пособие. — М.: Издательство РДЛ, 2006.

21. Логистика автомобильного транспорта: Учеб. пособие/ B.C. Лукинский, В.И. Бережной, Е.В. Бережная и др. М.: Финансы и статистика, 2004.

22. Курганов В.М. Логистика. Транспорт и склад в цепи поставок товаров. Учебно-практическое пособие // М.: Книжный мир, 2006.

23. Геоинформатика: Учеб. для студ. вузов / Е.Г. Капралов, A.B. Кошкарев, B.C. Тикунов и др.; Под ред. B.C. Тикунова.- М.: Издательский центр «Академия», 2005.

24. Баранов Ю.Б., Берлянт A.M., Кошкарев A.B., Серапинас Б.Б., Филиппов Ю.А. Толковый словарь по геоинформатике / Под ред. A.M. Берлянта и A.B. Кошкарева. Издание на CD-ROM. ГИС-обозрение, 1998.

25. Кольцов A.C. Геоинформационные системы: учеб. пособие /A.C. Кольцов, Е.Д. Федорков. Воронеж: ГОУВПО «Воронежский государственный технический университет», 2006.

26. Тикунов B.C. Моделирование в картографии: Учебник. М.: Изд-во МГУ, 1997.

27. ДеМерс Майкл Н. Географические информационные системы. Основы.: Пер. с англ. М.: Дата +, 1999.

28. Геоинформатика / А.Д. Иванников, В.П. Кулагин, А.Н. Тихонов, В .Я. Цветков. -М.: МАКС Пресс, 2001.

29. Розенберг И.Н., Старостина Т.А. Решение задач с нечеткими данными с использованием геоинформационных систем. М.: Научный мир, 2006.

30. Беляков C.JI. Интеллектуальные оболочки геоинформационных систем. Таганрог: Изд-во ТТИ ЮФУ, 2008.

31. Цветков, В.Я. Геоинформационные системы и технологии. — М.: Финансы и статистика, 1998.

32. Ткачев Д. AutoCAD 2004: самоучитель. М.: Питер, 2003.

33. Использование геоинформационных систем в работе предприятия: учеб. пособие / JI. К. Самойлов, С. Л. Беляков, А. А. Палазиенко; ТРТУ, Каф. АСНИ и Э. Таганрог: Изд-во ТРТУ, 2004.

34. Берштейн Л.С., Беляков С.Л. Геоинформационные справочные системы. Таганрог: Изд-во ТРТУ, 2001.

35. Гордиенко Л.В. Использование метода прецедентов для решения транспортных задач логистики // Сборник тезисов докладов Восьмого Всероссийского симпозиума по прикладной и промышленной математике. М.: Редакция журнала «ОПиПМ». 2007. Т. 14. - С. 868 - 869.

36. Вагин В.Н., Головина Е.Ю., Загорянская A.A., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах / Под ред. В.Н. Вагина, Д.А. Поспелова. М.: ФИЗМАТЛИТ, 2004.

37. Самардак A.C. Геоинформационные системы. Владивосток. Изд-во ДВГУ, 2005.

38. Замай С.С., Якубайлик О.Э. Программное обеспечение и технологии геоинформационных систем: Учеб. пособие / Краснояр. гос. ун-т. Красноярск. 1998.

39. Полещук Н. Н. AutoCAD 2004: разработка приложений и адаптация. СПб.: БХВ-Петербург, 2004.

40. Черняховская Л.Р., Никулина Н.О., Халиков Т.А., Федорова Н.И., Водопьянов Р.В. Разработка динамической модели процесса управления в проблемных ситуациях на основе базы знаний прецедентов // Управление в сложных системах. Уфа, 1999.

41. Трофимов И.В. Значимый контекст рассуждений в задаче планирования // Труды первой международной конференции «Системный анализ и информационные технологии» САИТ-2005: В 2-х томах. М.: КомКнига, 2005, Т.1, С. 227-229.

42. Корухова Л.С., Любимский Э.З., Малышко В.В. Программные средства реализации ассоциативного планирования. М.: Препринт Института прикладной математики им. М.В. Келдыша РАН, 2002.

43. Вагин В.Н., Еремеев А.П. Некоторые базовые принципы построения интеллектуальных систем поддержки принятия решений реального времени // Изв. РАН. ТиСУ. 2001.№ 6.

44. Девятков В. В. Системы искусственного интеллекта: учеб. пособие для студ. вузов. М.: Изд-во МГТУ им. Н. Э. Баумана, 2001.

45. Основы искусственного интеллекта: учеб. пособие / Б. В. Костров, В. Н. Ручкин, В. А. Фулин. М.: ДЕСС, 2007.

46. Ясницкий Л. Н. Введение в искусственный интеллект: учеб. пособие для студ. вузов. М.: Academia, 2005.

47. Гаскаров Д. В. Интеллектуальные информационные системы: учебник для студ. вузов. М.: Высшая школа, 2003.

48. Беляков С.Л., Белякова М.Л., Гордиенко Л.В. Прецедентный анализ при решении логистических задач // Известия ТРТУ «Интеллектуальные САПР». Таганрог: Изд-во ТРТУ, 2007. - №1. - С. 25-28.

49. Лепский А.Е., Броневич А.Г. Математические методы распознавания образов: Курс лекций. Таганрог: Изд-во ТТИ ЮФУ, 2009.

50. Булаев А.В., Андрианов Д.Е. Модели и алгоритмы вычисления топологических отношений в геоинформационных системах // Программные продукты и системы. 2006, №3.

51. Джексон П. Введение в экспертные системы. 3-е изд. - М.: Вильяме, 2001.

52. Экспертные системы: принципы работы и примеры / А. Брукинг и др.; под ред. Р. Форсайта; пер. с англ. С. И: Рудаковой под ред. В. Л. Стефанюка. М.: Радио и связь, 1987.

53. Экспертные системы: принципы разработки и программирование / Д. Джарратано, Г. Райли. 4-е изд. - М. : Вильяме, 2007.

54. Экспертные системы: концепции и примеры / Элти Дж., М. Кумбс ; пер. с англ. Б. И. Шитикова. М.: Финансы и статистика, 1987.

55. Извлечение и структурирование знаний для экспертных систем / Т. А. Гаврилова, К. Р. Червинская. М.: Радио и связь, 1992.

56. Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание.: Пер. с англ. М.: Издательский дом «Вильяме», 2005.

57. Aamodt A., Plaza Е. Case-based reasoning: foundational issues, methodological variations, and system approaches // AI Communications. 10S Press. Vol. 7: 1. 1994. P. 39-59.

58. Беляков C.JL, Гордиенко JI.B. Прецедентный анализ логистических операций в геоинформационных системах // Программные продукты и системы. № 4. 2008.

59. Машков С. В. Программа Autodesk AutoCAD 2004: учеб. пособие студентам вузов. М.: Альянс-пресс, 2003.

60. Фелистов Э. С. Программа Autodesk AutoCAD 2004: учеб. пособие по автоматизированному проектированию. М.: Новый издательский дом, 2004.

61. Бугрименко Г. А. АВТО ЛИСП язык графического программирования в системе AutoCAD. - М.: Машиностроение, 1992.

62. Кудрявцев Е. М. AutoLISP: программирование в AutoCAD 14. -М.: ДМК, 1999.

63. Полещук Н. Н. AutoLISP и Visual LISP в среде AutoCAD. СПб.: БХВ-Петербург, 2006.

64. Разработка приложений AutoLISP в среде AutoCAD 2000: учеб. пособие / С. Л. Беляков, М. П. Сидоренко; ТРТУ, Каф. ЭИ и К. Таганрог: Изд-во ТРТУ, 2002.

65. Вагин В.Н. Знание в интеллектуальных системах // Новости искусственного интеллекта. №6. 2002.

66. Кофман А. Введение в теорию нечетких множеств: Пер. с франц. — М.: Радио и связь, 1982.

67. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей: Примеры использования. — Рига: Зинатне, 1990.

68. Берштейн Л.С., Целых А.Н., Тимошенко Р.П. Методы принятия решений на основе мер сходства нечетких множеств, использующих интервальные оценки // Перспективные информационные технологии и интеллектуальные оценки. С. 9 14.

69. Поспелов Д.А. Представление знаний о пространстве и времени в интеллектуальных системах.

70. Представление и использование знаний / под ред. X. Уэно, М. Исидзука; пер. с яп. И. А. Иванова под ред. Н. Г. Волкова. М.: Мир, 1989.

71. Нечеткие множества в моделях управления и искусственного интеллекта / Д. А. Поспелов и др.; под ред. Д. А. Поспелова. М.: Наука, 1986.

72. Берштейн JI.C., Боженюк A.B. Введение в теорию нечетких графов: учеб. пособие. Таганрог : Изд-во ТРТУ, 1999.

73. Заде JL Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.

74. Шаши Шекхар, Санжей Чаула. Основы пространственных баз данных / Пер. с англ. М.: КУДИЦ-ОБРАЗ, 2004.

75. Соколова Т. Ю. AutoCAD 2004: англоязычная и русская версии. -М.: ДМК Пресс, 2004.

76. Нагао М., Катаяма Т., Уэмура С. Структуры и базы данных: Пер. с япон. М.: Мир, 1986.

77. Цикритзис Д. Модели данных: пер. с англ. О.М. Вейнерова. М.: Финансы и статистика, 1985.

78. Буч Г. Объектно-ориентированное проектирование с примерами применения. — Киев: Диалектика, 1992.

79. Элиенс А. Принципы объектно-ориентированной разработки программ. 2-е изд. - М. : Вильяме, 2002.

80. Моделирование систем: объектно-ориентированный подход: учеб. пособие для студ. вузов / Ю. Б. Колесов, Ю. Б. Сениченков. СПб.: БХВ-Петербург, 2006.

81. Золотовицкий A.B., Михеева Т.И. Применение теории графов в задачах управления дорожным движением // Вестник Самарского государственного аэрокосмического университета. Серия «Актуальные проблемы радиоэлектроники» Самара: СГАУ, - 2003. С. 20 - 24.

82. Михеева Т.И., Рудакова И.А., Чугунов И.А. Система моделирования «Транспортная инфраструктура города» // Вестник Самарского государственного технического университета, Серия: Технические науки, 2008, №1, С.28-38.

83. Михеева Т.И. Инструментальная среда для проектирования объектов интеллектуальной транспортной системы // Вестник Самарского государственного технического университета, Серия: Технические науки, 2006, №40, С.95-103.

84. Харари Ф. Теория графов. Пер. с англ. В. П. Козырева под ред. Г. П. Гаврилова. М.: Мир, 1973.

85. Ope О. Графы и их применение. Пер. с англ. JI. И. Головиной; под ред. И. М. Яглома. М.: Мир, 1965.

86. Скворцов A.B. Геоинформационная система ГрафИн 4.0 и ее применения // Наст. журн.

87. Бадашкин В. А., Косяков С.В Опыт создания системы планирования грузоперевозок по городу с использованием ГИС/ В журнале «Информационный бюллетень. ГИС-Ассоциация» №3,2000.

88. Свами М., Тхуласираман К. Графы, сети и алгоритмы. Пер. с англ. -М.: Мир, 1984.

89. Берштейн Л.С., Боженюк A.B. Нечеткие модели принятия решений: дедукция, индукция, аналогия. Монография. Таганрог. Изд-во ТРТУ, 2001.

90. Хаптахаева Н.Б., Дамбаева C.B., Аюшева H.H. Введение в теорию нечетких множеств: Учебное пособие. Часть I. - Улан-Удэ: Изд-во ВСГТУ, 2004.

91. Кристофидес Н. Теория графов: алгоритмический подход. М.: Мир, 1978 г.

92. Леоненков A.B. Самоучитель UML: БХВ, Петербург, 2004.

93. Фаулер М., Скотт К. UML. Основы. Пер. с англ. - СПб: Символ-Плюс, 2002.

94. Ларман К. Применение UML и шаблонов проектирования: введение в объектно-ориентированный анализ и проектирование. М.: Вильяме, 2001.

95. Применение объектного моделирования с использованием UML и анализ прецедентов / Д. Розенберг, К. Скотт. М. : ДМК Пресс, 2002.

96. UML. / Г. Буч, А. Якобсон, Д. Рамбо. 2-е изд. - СПб.: Питер, 2006.

97. Кознов Д. В. Языки визуального моделирования: проектирование и визуализация программного обеспечения : учеб. пособие. Санкт-Петербург. гос. ун-т. - СПб. : Изд-во СПбГУ, 2004. - 170 с.

98. Леоненков А. В. Объектно-ориентированный анализ и проектирование с использованием UML и IBM RATIONAL ROSE: учеб. пособие. М.: Интернет-Университет Информационных Технологий: БИНОМ. Лаборатория знаний, 2006.

99. UML 2.0: объектно-ориентированное моделирование и разработка / Рамбо Дж., М. Блаха. 2-е изд. - СПб.: Питер, 2007.

100. UML 2 и Унифицированный процесс: практический объектно-ориентированный анализ и проектирование / Д. Арлоу, А. Нейштадт. 2-е изд. - СПб.: Символ, 2008.

101. Гома X. UML: проектирование систем реального времени, параллельных и распределенных приложений / X. Гома. М.: ДМК Пресс, 2002.