автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Методы размытой классификации в задачах контроля многономенклатурных поставок

АКАДЕМИЯ НАУК СССР ОРДЕНА ЛЕНИНА ИНСТИТУТ ПРОБЛЕМ УПРАВЛЕНИЯ (автоматики и телемеханики)

На правах рукописи

КУЗИН Михаил Григорьевич'

УДК 519.1:519.874:658.566

МЕТОДЫ РАЗМЫТОЙ КЛАССИФИКАЦИИ В ЗАДАЧАХ КОНТРОЛЯ МНОГОНОМЕНКЛАТУРНЫХ ПОСТАВОК

Специальность: 05.13.10 - управление в социальных и экономических системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва - 1991

Работа выполнена в Ордена Ленина Институте проблем управления (автоматики и телемеханики).

Научный руководитель

Официальные оппоненты

Ведущая организация

Защита состоится 2.8*

- д.т.н., проф.

A.А.ДОРОФЕЮК

- д.т.н.,в,н.с. Р.Л.ШЕЙНИН

к.т.н.,доцент

B.Б.МОТТЛЬ

- Центральный экономике-математикеа институт АН СССР (ЦЭМЙ).

1991 Г. в

часов

на заседании Специализированного совета К 002.68.02 при

Институте проблем управления (автоматики и телемеханики) по адресу: 117342, Москва, Профсоюзная ул.,65-

С диссертацией можно ознакомиться в библиотеке Институ проблем управления (автоматики и телемеханики).

Автореферат разослан ■«

1991 г.

Ученый секретарь Специализированного совета к.т.н.,с.н.с.

С.А.ВЛА

• ■ .--i ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ t

'"—•' Актуальность пробшш. Перевод предприятий народно-!' хозяйства на реальную самостоятельность, переход в их взаимоотношениях с распределительных на рыночные (договорные) отношения привел к резкому обострению проблемы материально-технического обеспечения производства сырьем, комплектующими и т.д. Все большая часть такого обеспечения приходится на прямые договора поставки между предприятиями. Более того, в условиях тотального дефицита такие поставки все больше имеют бартерный характер (договора не "товар - деньги", а "товар-товар"). В этих условиях чрезвычайно актуальным является создание эффективных компьютерны! систем информационной: поддержки процедур планирования, принятия решений и контроля за такими поставками. Существовавшие до сих пор технологии такой информационной поддержки ( в основном ручные) практически невозможно использовать в новых условиях. Следует подчеркнуть, что проблема контроля шогономенклатурных поставок представляет и существенный научный интерес. Здесь требуется разработка новях постановок задач и алгоритмов классификации поставщиков, учнтывзвдих "размятый" характер информации о характере поставок, состоянии транспортной сети и пр.

Указанное обстоятельства определили выбор теш диссертации, круг исследуемых проблем и методы' их решения.

Цель работы состоит в разработке методов и алгоритмов размытой классификации многомерных объектов в задаче контроля ¡шогономенклатурных поставок и создания на их базе компьютерной шформацконной системы контроля поставок крупного производственного объединения.

Методы исследования. В работе использовались метода Teopim автоматической классификации, теории вероятностей и математической

статистики, ьзтоды разработки компьютерны! информационных систем.

Связь с планом. Работа ко теме диссертации проводилась на основании целевой КНГП КСНТ СССР 0.Ц.027, плана работ АН СССР (пушиц 1.2.5.1,1.12.9.1с1) в рамка! теш Института проблем управления "Разработка «с то до в я алгоритмов анализа данных н их использование для совервйнстышашш систем управления" (* гоо.регистрации 01.86.0040301).

Научная новизна работы. В работе впервые поставлена задача классификации поставщиков по набору параметров, харжгеризуюцих регулярность и надежность плановых договорных поставок. Такая классификация позволяет разделить всех поставщиков на небольшео число классов (групп), каждой из которых характеризует в определенной смысле степень надежности поставщиков, попавших в этот класс. Впервые было показало, что подобное разбиение поставщиков должно рассматриваться в рамках постановки задачи размытой классификации.

Для решения етой задачи впервые предложена постановка задачи размитой. классификации с фоновым классом, которая позволяет учесть ту неопределенность в исходных данных и влияние неучтенная параметров, которое как правило имеет место в реальных задачах управления многономеркдатурннми поставками. Б диссертации разработан соответствующий алгоритм размытой классификации с роковый классом. Проведен всесторонний теоретический анализ этого алгоритма. Показано, что оптимальные классификации мо:шо искать в достаточно узком классе эталонных классификаций, причем сама эта классификация определяется градиентом исходного функционала ( критерия качества классификации)» Доказана теорема о сходимости (в Достаточно общих предположениях) алгоритма, обеспечивающая стационарность предельного значения функционала. В диссертации показано, что методы размытой классификации с фэноьш классом можно использовать при решении широкого круга

задач анализа даьшх: классификации объектов в евклщовом пространстве, вкстремалыюй группировки (классификации) параметров, при выборе информативных признаков, кусочной аппроксимации с *<новым классом при идентификации сложных зависимостей.

Предложенная новая модель анализа и классификации поставщиков реализована в виде специального блока в составе компьютерной ив|ор-мационно-упрзвдякадей систем« контроля многономенклэтурнмх поставок.

Практическая ценность работа состоит в возможности широкого использования разработанных методов и алгоритмов в прикладных областях, в частности для построения ин$ормационно-упраьлянцих систем многономенклатурними поставками практически во всех отраслях народного хозяйства.

Реализация результатов работа. Метода и алгоритмы, разработанное в диссертации били яслольэоваяи при создании шформационно-управ-лягацей системы "Куратор". Б этой системе хгредуемотрен специальный блок, позволяющий в адаптивном режиме проводить классификацию поставщиков по уровню нэдеяности поставок. На базе такой классификации действует специальный набор различим управляющих воздействий,позволяющий дифференцированно подходить к контроля за поставками. Все его п./уволяет существенно повысить оперативность и эффективность работа соответствующего направления коммерческой службы предприятия. Система "Куратор" сдана в опитнуи эксплуатацию на Кемеровское НПО "Карболит".

Апробация работы. Основные результаты диссертационной работы били представлены а обсуждались на Ш Всесоюзной школе-семинаре по . комбинаторно-статистическим методам анализа и обработки информации •(Одесса,1990), Всесоюзном симпозиуме по теории и практике классификации. (Пущино,1990);' ХХХ1У конференций далодах.ученнх и специадис-

тов Мнетт/та проблем управления (Москва, 1938), на семинарах. ШУ, ВНШСИ.ЦЭШ.

Публикации. Основнне результата диссертационной работа отражены в 3 печатных работах.

Структура и объем работа. Диссертация состоит из введеннл, Tpgx. глав, списка литературы и прилокенад, содержит JJQ страшц машинописного текста, включая iO рисунков и таблиц и 62 наименований использованной литературы.

СОДЕШМЕ РАБОТЫ

Во введении обоснована актуальность теин, указана цель работы, отмечена научная новизна и практическая ценность диссертации, кратко изложено основное содержат» работы.

В первой главе дается обзор методов и алгоритмов построения размани классификаций. Прежде Есего, дается обоснование с точки зрения запросов практики необходамоста гост&ноеки задачи разштой классификации, Подробно анализируются показатели размытости, введенные различннш авторами, рассматривается аксиоматический и метрический подхода к определению показателя размытости.

В этой же главе рассматриваются различные возможности формальной постановки задачи разштой классификации. Основное внимание уделяется вариационному подходу к построению алгоритмов разштой классификации, дается срашительный анализ результатов различии авторов б ¡(той области.

Бо второй главе предлагается общая постановка задачи размытой классификации с фэновнм классом. Исследуется вид оптимальной, классификации ,разрабатывается. алгоритм реакция общей задач»! и

доказывается его сходаиость; исследуются различные варианты использования фонового класса.

Пусть задано некоторое множество X с вероятностной ¡.¡эрой Р(А)

Размытой классификацией множества X на г классов называется такая г-мерная вектор-функция KfeMh, (x),...,hr(x)) (ti1(x) -функция принадлежности I к 1-му классу ), что hi(í)eL2(X,P) и для любого I значение Н(Х) принадлежит некоторому ограниченному замкнутому множеству 7 пространства значений вектор-функции Н, т.е. Н(Х)( 7с Кг. Таким образом множество 7 определяет тип размытости .желательный для данной конкретной задачи.

Рассматриваются размытые классификация множества X на (г+1) класс (Г - число обычных нефошвых классов, а (г+1 )-Л - фоновый). Бри этом фоновому классу присвоим нулевой номер. Таким образом классификация Н задается (г+1)-иерной вектор-функцией Н(Х)=

(hjjW.h, (х).....hr(x)), Н(х)с7 ек^К

Класс допустимых клаееирикгцкй обозначается через 3(7).

■ Критерий качества классификации в сотеетстыш с методом обобщенного среднего строится следующим образом. Считается, что точки одного и того же класса искомой классификации должна хорошо описываться некоторым »талоном этого класса, а точки, плохо описываемые всеми эталонами должны попасть в фоновый класс. Поэтому критерий качества должен отражать, во-первых, близость точек внутри нефоювнх классов и, во-вторых, близость к фоновому классу точек, удаленных от остальных классов. Б соответствии с этим вводится в рассмотрение множество возможных моделей классов Д. ' Между элементами множества объектов X и элементами мнсжества моделей Л вводится некоторая мерз близости í(x,a) (XfХ.а^А.). Тогда величина

E(b(x),a)) = JK(s,a)h(i)dP(x) X

отражает меру того, насколько хорошо модель а описывает точки множества, заданного через сбою функцию принадлекности h(X).

Обобщенном средним или зталоном шюкеетва, заданного функцией принадлежности h(X), называется модель

а = argsiax К(Ь(х),а)) (*)

^ ае\

Рассматривается следу адий критерий качества клаеафшации г

Ф£Н)= ilt + в

здесь а^ - эталон 1-го класса (в дальнейшем вместо а^ йудем

писатьо^), а В - некоторая константа задающая уровень отнесения к фановому классу.

Вид оптимальной классификации

Для выявления конкретного вида {слассификации, максимизирущей функционал Ф , необходимо исследовать вид его субдаф{еренцнала в данной точке(классификации) Н. Справедлива следующая лемма

Леша 2.1. Для дайной классификации Н*вектор~фушсция Р(Х)= (^(ЖМ^Х),.;.,!^)), у которой i0U)=B, (x)=K(i,a*), где aj - ьт&пон 1-го класса, является субградиентом функционала Ф в точке Н .

Центральным понятием в данной задаче является понятие еталоншй. классификации.

Рассмотрим какой-нибудь .вектор моделей a--(a1.....

Назовем классификацию fh0(X).hj (х), . ..,Ьг(Х)) - егалоялой с вектором эталонов ä, если

г

Н- = а г g m а х f \ K<x,a. )Ь + В hJ

а (b^b,.....h.)i.vk£i 11 °J

Доказывается следующая теорема о виде оптимальной классификации с фоноьнм классом.

Теорема 1. Если классификация Я* доставляет максимум функцио-

налу Ф , то этот же максимум достигается на некоторой эталонной классификации Нг~ о вектором эталонов сМо^,....а^),компонента которого в сшю очередь являются обобщенными средними классов классификации Н-.

Алгоритм накопления оптимальной классификации.

Выбирается некоторая начальная ыассифш'.йция Н0, затем применяется итерационная процедура; Для классификации Н пв каждом недроновом классе находится его в талон а" (соотношение (*) ; по вектору эталонов Оп=(Я^,...,с£) строится (1Н1)-е приближение оптимальной класмфшации Нд^Н

Справедлива следумцая теорема о сходимости

А

Теорема 2. Если Ф -в^луший ограниченный на 2(7) фупхщонал,

то в силу алгоритма последовательность значений функционала Ф(Н^), 1=1,... ,п,... сходится к стационарному значению. Все предельные

т./пся последовательности Н^, 1=1.......... {. в смысле слабой

сходимости) являются стационарными точками функционала.

Использование такого подхода к построению разштнх классификаций с фоновым классом иллюстрируется в следующих параграфах второй главы.

Размытая классификация с фоновим классом точек евклидова пространства..

Рассматривается простейший пример функционала Ф (Н), а

именно, функционал средне-взвешенной дасшрсш классов г

- I [£1-^)2Ь1(з)4Р(х)-В Ь0(х), 1=1Х .и

Здесь В 1'0(1) - штраф за отнесение объекта фоновому массу. Знак "-" поставлен в связи с тем, что средневзвешенную дисперсию необходимо мшшмизировавтъ, а б предыдущем изложении функционал максимизировался) .Эталоном с^ 1-го класса здесь будет центр класса, определяемый по формуле

/Л (1)®<Х)

а4—1—-

X

В атом случае вталонная классификация имеет вид

% - » ** • "И ^Л1" в ьо]

Показано,как за счет выбора ограшгишащего множества У можно получить различные варианты введения, фанового класса,

1). Четкая классификация

г

0Фо(гК1, 0Ф1(1К1, Ъ0(г)

1=1

В датой случае отнесение объекта к классу (фоновому или обичноиу) однозначно, причем если квадрат расстояния от объекта до ближайшего центра меньше порога В, то он относится к соответствундему классу, если нет, то он относится к фоновому классу.

2). Размытая классификация

г

ОФ0(х), 0<Лд(х), (И0(х))Х + I (^(х))К=1. (о<А<1)

1=1

Здесь казсдай обхект в оптимальной классификации принадлежит с ненулевым весом всей классам, в том тесле л фоновому. Причем принадлежность к фоновому классу Ь0(х) тем боааьае, чем даль&е обьект от центров классов. Это один из наиболее стандартных

способов введешь фонового класса.

3). Классификация с разш/той границей

г

73: 0Фо(1), (КЬ^х), (а-Ь0(х))2 + £ (в-Ь^х))2» г аг+(а-1)2 .

1=1

Этот случай является промежуточную меаду случаями 1) я 2): оптимальная классификация • выделяет в пространстве X области однозначного отнесения к одному из классов (кт к обнчному, так и к фоновому), а мезду ними оказываются зоны неоднозначного отнесения, т.е. ра-,ш(Бавтся гршиод/ классов,

В перечислении* случаях характер размытости между обычными к -эссами я меаду $шое»м и одаш из обычных классов одинаков. В то же время бывают случаи, когда фоновый класс дол-жен бить четким, т.е. объект либо принадлежи фону, либо нет, а обичние класса долгий бить ро51.штцми или с размытыми границами (Например, такая ситуация гозгакаег при решении задачи построения развдтой ГУЖафЩ-ыЩИ С фмЛЫ'рЕгИеЯ Груб ИХ ОШНбОК НЪбШАЫШЙ. В этом случае необходимо лапность» удалить из рассмотрения типичные с точки -.рения данной класафгсации объекты). С другой сгорош госможна ситуация, когда размытость надо искать лишь между каждым классом а фоном. В таком случае объекты однозначно относятся к одаому из обичних классов, но при этом каждому объекту дается характеристика (функция принадлежности), . насколько он отражает класс, е который он входит.

4). Размытая классификация с четким Фоноеым классом.

г 1=1

5). Классификация с раз шиш границами и с четким фзяовш классом.

г

I (а-Ь^х))2

51 1 1 (г-1 )а*>(а~1)

6). Клаосм{лкацил с четоиш {слассаш и размытым фэяом.

г

У6: 0«Ьо(х), 04^(1), СЬоСх)+ [ X

4=1

Б втом случае размытость возможна лшь между фоновым классом и каждом из обычных классов.

7). Аналогичным образом рассматривается случай когда между

обычными классами четкие границы, а между обычным классом и

фоновым - размытие. Это обесточивает ограничение вида

г

Ут: (X), 0^(2), (а-И0(х))г+{а-^^(зс))2-&£+(а-1)2 .

1=1

Экстремальна.-? группировка параметров с Коноши классом.

Другим примером иепольгов&кия общего подхода, предложенного в диссертации является задача построения экстремгдльиой ¡группировки параметров о фэиоьш классом.Суть метода экстремальной группировки зостоит в том, что необходимо сгруппировать набор» признаков, описывающих. систему, на груши схожих, и заменить каждую грушу на некоторый о'юошенный параметр (фактор группы). Обычно среда параметров наблюдается вушше параметры, которые не определяют поведение система, но при &том сильно искажают результаты группировки. По этой причгае в задаче экстремальной группировки параметров актуально введение фэиовой группы, в которую попадает, параметры плохо связанные со всеми факторами груш. Покажем, как задача екстреиз-.

льной группировки параметров о фоновой группой укладывается в рамки рассматриваемого в диссертации метода.

Рассмотрим в качестве ъ-лассифщируемого множестегз набор параметров Х=(х'1 \ .. .,1<т'} и будем считать, что в пространстве параметров X задана некоторая выборка объектов Б ,... ,Х ). В

А-

бтом случае каждый параметр из X представляет собой Еектор в п-мерном пространстве Хт, здесь х' а х^ -

значение ,|-го параметра на 2-ом обгекте. Без ограничения обиргости можно считать, что рассматриваемые параметры имеют среднее значение, раЕяое нуля, я выборочную дисперсию, равную единице ( в противном случаи дашше можно нормировать).

Эталоян ic.racc.-OB (групп паршетров) р=(р1,... которые в

данной задаче обычно называются факторами, также как и исходные параметры задаются через своп значения на данном множестве объектов (р - значение фактора на 1-ом обгекте). При втом считается что факторы нормирована, т.е. их средине значения равны нулю, а выборочное дисперсии равна единице. Таким образом в качестве множества эталонов рассматривается множество Факторов

1=1 . 1=1

В качестве меры близости параметра с фактором обычно выбирается квадрат ко^чцента корреляции

= рг(х(;П,р).

Задача экстремальной группировки параметров с фоновой группой ставится следуиэдии образом.'

Найтл такую кдассифшсацим (группировку) множества X на (Г+-1)

группу и такой набор факторов (М .....рг,) чтобы максимкзировал-

ся критерий качества группировки

rm

1ЭГ= I 1 pV^f»1) h^x^') + В h0(x),

¡м

здесь h^x'"") - функция принадлежности параметра х'^' 1-Й группе параметров.

Фактор 1-ой группц параметров (i1 в данном сдучае является, -собственным вектором матрицы корреляции ( здесь

R[J)u,=p(Xü,,ß) ЬА(хи>)), соответствую^ ее

наибольшему собственному значению.

Значение вектор-функции принадлежности Н определяется до формуле

г

На» а г g га а х [ S psfrlJ},pl) Ь + В hl

Далее в диссертации по аналогии с классификацией точек евклидова пространства рассматриваются различные варианта экстремальной группировки параметров с фоновым классом, получьемие за счет варьирования множества V.

Задача кусочной аппроксимации с фоновым классом.

Одной- из наиболее бежим; задач, в которых ,ш существу необходимо применение разштых решающих ¡травил, являетса задача кусочной аппроксимация. '

Пусть требуется найти аппроксимацию неизвестной зависимости У=Р(х) , где у - выходной параметр, а t(lill,..Ml"i!) - набор входных параметров. Предполагается, что сложная во всем К-мерном пространстве X входных параметров 'функция Р(х). имеет достаточно простой еид в пределах.отдельных- классов некоторой классификации Н. Для простоты будем считать, что .в пределах, каждого класса выходной параметр у атщоксишгруе тел линейной Функцией от вектора входам парше тров. Такш образом в .данной задаче классяфицируемим

множеством является пространство входьш параметров," вошоадш еталоном а класса является лгагеЛяая функция еходшх параметров (с,х)+й (о - к-мерный вектор, а й - .константа). М^ра близости между сбт.ектои и ьтаяодаи равна негязке меаду значениями в точке х зависимости У=У(х) и функции (с,Х)-к!

К(х,а)=-{у-[(о,х)+й))г Критерий качества оказиваегся равным остаточной дисперсии аппроксимации

г

V - I / Су-1(о1,1)+«111)2 )11(х)11Р(х) + В Й0(з) и\ X

Обобщенным средаш класса является линейная регрессия параметра у от входах параметров внутри этого класса.

Б диссертации показано, как за счет выбора ограничивающего множества V нежно получить различные варианта задачи кусочной аппроксимации,

В главе 3 разработанные ео второй главе диссертации метода и алгоритмы используется для анализа информации о, поставках сырья для для крупного промышленного предприятия ( на. примере. Кемеровского научно-производственного объединения "Карболит"). При большом.коли-чэстве поставщиков и видов сырья, частых нарушениях планових сроков и объемов поставок контроль за его своевременным поступлением требует больного капржкня и не всегда, приводит к ¡келаемым результатам. Задача заключается в том, чтобы на основе анализа данных о поставках сырья за проилцй период определить те вида сырья и тех поставщиков, из-за когорнх наиболее вероятно ».кжет наступить остановка производства в связи с отсутствием исходного сырья.

В § 1 главы 3 показано, что эта задача м<жт решаться методом автоматической клаесифпкацш! ъ ¡¡,. " етранстье параметров, характери-

зуицих надежность поставщиков. Пусть ... - обгемн фактических квартальных поставок к-го вида снрья от 1-го поставщика, в

¿-ом году, а У;],...,Г;] - соответствуйте плановые объемы поставок. 13 "V

Тогда набор параметров И _ -V:!

и 1;)

х!:1. = —;--. 100 , 1=174 , к=ТГь, 1=171. ,.1=Т7с

характеризует степень ытэлвдииа квартальных, планов поставки к-го вида сырья от 1-го поставщика в ¿-ом году ( б : от годового плана). Аналогично вводятся параметры, характеризуйте степень выполнения планов "нарасташим итогом" (за первые 2 и 3 квартала и за год в целом) :

п

у у^1 -¿х

= _ —--- . 100 , П= 2,3,4.

(миолитйль - вводится для приведения переменных и к

П Э О ( ^

одному масштабу с п<ремент/т х^, 1=173 ).

Экспериментальная проверка метода проводилась на данных о поставках вида сырья от ь5 заьодов-пост.зыциков за '(986-1988 гг. Количество пар "пост&ещик-сиръе" равнялось 86. Задача анализа надежности поставщиков расеиатркьалась•как задача автоматической классификации 86x3= 258 объектов в "-мерном пространстве. Ниже приводятся скжсв-нне результата эксперимента.

1. Варьирование свободных параметров алгоритмов классификации' (степень размытости, выбор нач&лышх условий) незначительно влияет на результата классиг}икздш.

_ 2..Наилучшие результаты (как с точки зрения содержательной интерпретации, так и с точки зрения удобства восприятия) дает алгоритм

с разшлой границей и четким фаговым классом.

3. Наиболее информативной ( в точки эреншг анализа надегкмоспг поставщиков) оказывается кллсафпсацил в пространстве параметров

Клаемфшация в пространстве параметров ¿j^, х^ ,

характеризующих степень выполнения планов поставки нар&станцим итогом, чрезмерно усредняет поведение поставщиков. Классификация в 7-мерном пространстве всех паранетров окаливаетсл более "зьшумлен-ной" и трудно интерпретируемой.

4. Результата классн^икацип позволяют выявить основнне иш (классы) постаьашков и оценить их с точки зрения надежности.

Первый класс ( в него попалгьг более половины псех. объектов) -это надежные поставщики с незиа'штельняш отклонениями в вшолнетш кг;зртальшх планов. Выполнение годового плана - в пределах от 100 до 125: (за искличешкм двух объектив, имегадк. показатели, соответственно, 95: и 165:).

Второй класс (7: объектов! - ненадежные поставщики, поставки от которнх резко уменьшаются ьо btojjom полугодам, а выполнение годового плана находится ь пределах 45-80:.

Третий класс (24: объектов) - прсиежутотанй; в него попали поставщики, декаде, как правило, "сбой" в одном из кварталов и обеспечивающие выполнение годового шгена на уровне 75-90:.

Фоновый класс {20: обгектсв) - поставщики с "нетипичным" поведением, т.е. с резким превышением или невыполнением квартальных и годовых планов. Три поставщика из этого класса, с годовю.т показателям! 15,60 и 65: можно отнести к числу ненадежных.

5. Отметим еще два результата, которые моано рассматривать как косвенное подтверждение статистической достоверности шлучевинх результатов несмотря на относительно' малый размер выборки. Бо-первих,

при увеличении числа классов наблюдается "устойчивость" классификации: состав 1-го, 2-го и фонового класса изменяется в среднем не • более чем на 10:, а 3-й класс дробится на подклассы поставщиков, допусками« сраьи в 1-й.2-м и т.д. кварталах, что дает дополнительную шф>р).'лц»!в об iu надежности. Во-вторых, устойчивость классификации имеет место также н во времени: 75: пар "поставщик-сырье" попадают в один и тот же класс на протяжении ьсех трех лет.

Таким образом, результаты ькшеримента подтверждают целесообразность использовашья методов аьтсмат!''ескоЛ классификации, а также эффективность разработанных в диссертации алгоритмов для реие-1шя задачи автоиагизироьадаюго анализа поставок сырья.

Однако для практической реализации этих методов необходима соответсткущая шфдоаююнхая система, шьволяпцзд• работникам отдела снабжения в автоматизированном р*асш- 4оршфовать и корректировать массив данных о поставках, а такл.е модифицировать классификацию постаЕЩкоЕгпри поступлении новой информация, При разработке этой ■ системы ставилась таю» цель пошвени» 'Цфгктивностк выполнения текущих операций'tío оформлений и ведение учетных документов, подготовке справок и отчетов, текстов.договоров и накладных, выполнению необходимых расчетов и т.п., за счет полней iuui частичной автоматизации в тих операций. Соотьетстьуицая' автоматизированная система кШ "Куратор" била разработана под руководствам,п. при непосредственном участии автора и описана ъ главе,'i.

АШ "Куратор" представляет, собой постоянно, развиваемый и расширяемый программный •'щодукт,.-.р^^лиа>ьй№шй на персональных ЭВМ типа IBM PC XI\¿T'b среде программирования,- разработки, и поддержи баз данных Fox Ваян-. ^ '..•.-.'•'. ■ ' *

АРЫ "Куратор" ьключает следущие.база данных:

--

база данных характеристик предприя'пгй-пяртаеров (поставщиков и потребителей), в той числе адрес, иридичеекие, ведомственные, финансовые, транспортные и отгрузочные реквизита, телефоны и фамилии должностных лиц и руководителей;

база даннш характеристик видов сырья, в тон числе фмзикотех-нические и химические параметры, торговые параметры, в частности, единицы измерения, цены по сортам, количественные критерии отличия каздого сорта, перечень предприятий-производителей;

база дагших характеристик видов собственной продукции, (аналогичная информация);

база данных "договоры", вклвчащая все их реквизиты, в том числе, сроки действия, объемы и условия поставок;

база данных планов-графиков поставок, по месяцам, кварталам или декадам;

база данных фактически полученных поставок (аналог имеющегося журнала регистрации поставок в отделе материально-технического снабжения, так называемой "Книги фондов и реализации")» вклкяаю-щая, ъ частности, все реквизиты накладной, приходного ордера и финансового счета, такие как номера атах документов, дата отгрузки и даты поступления, дата; Еыгшекн финансового счета и даты его оплаты, заявленное и фактическое (по акту) количество, номера вагонов или цистерн и количество иес? н пр.;

база данных фактически отправлешшх поставок по сбыту, (аналогичная информация);

база данных Фактического наличия сырья на складах и б цехах; база данных фактического наличия лродукюш на складах готовой продукции и в цехах;

база данных складского голяйстьз, ышпицья характеристики

хранилищ, такие как максимальные объемы (массы) то каждому продукту, свободные и охраняемое площади, трубопроводная сеть (т.е.' возможности перекачки продуктов в цеха), мощности перекачки и площадки (места) для погрузочто-разгрузочных работ и т.д.

Система ведения каждой базы данных обеспечивает ввод, хранение, просмотр в табличном и форматированном виде, исправление, защиту, копирование данных, внесение в архив на внешнем носителе, распечатку содержания бази данных в .удобном формате.

Диалог работника отдела снабжения с ЭЕТ.1 осуществляется с помощью разветвленного меню. На каждом ¡¡.чге на вкрзне высвечивается текущее меню (перечень возможных действий пользователя), в котором пользователь шкет выбрать ну.'юшй пункт курсором. После этого текущее менб закрывается и отерквается новое, соответствуйте выбранному варианту дальнейшей работы. Прямоугольник нового меню изображается на экране со сдвигом, так что виден заголовок предыдущего меню -"предка", текущей вершины дерева диалога, и пользователь в любой момент знает, в каком месте дерева он-находится. На каждом щаге. диалога имеется возможность вернуться на предвдущий таг или получить "подсказку" - краткое описание предлагаемых вариантов действий пользователя. Таким образом, система не требует не только знакомства пользователя с вычислительной техникой,.программированием и т.п., но и изучения какой-либо документации: всю необходимую ытфорцащш пользователь может получить б процессе работа'с системой.

.В системе предусмотрен автоматический контроль правильности ввода дашжх: проверяется принадлежность' значения' вьодшэго параметра диапазону допустима* значений; при вводе документов проверяется наличие в базе данных документа с тем же номером; наличие соответствующего поставщика в списке поставщиков; факт заключения соответст-

вумцего договора и г.и.

Базы данных автоматизированной система контроля многоноиенклэ-туршх поставок могут достигать значителвннх размеров. Например, база даганх о фактически полученных, поставках'к концу года может включать до двух тысяч записей только по одному виду сырья, а по всем видам - десятки тысяч затеей. Поэтому возникает проблема отбора части записей для просмотра. В системе предусмотрен? возможность отбирать группн записей, относящихся к одному или нескольким (близким) видам сырья, к одному или нескольким поставщикам, к заданной паре "поставщик-сырье", а таю® группы записей, содержащих необходимые значения v&ctu реквизитов, как "дата отгрузки", "дата приход/а", "номер квитанции", "номер платежного требования" (для этого ну то указать диапазон значений соответствущегэ параметра) и т.д. Для удобства просмотра отобранного иоданохестза записей предусмотрена возможность различным образом упорядочивать их, например, по возрастании или убыванию значений того или иного параметра, возможность перехода к е.ледуицей, предыдущей, первой, последней или указываемой записи, возможность "постраничного листания" множества отобранных записей и т.п.

В режиме просмотра записей обеспечивается защита содержимого баз данных от случайного изменения, а намеренное исправление значений параметров осуществляется в специальном режиме редактирования записей.

Как уне говорилось, система "Куратор" вкльчает в себя специальный блок оценки надежности поставщиков и выдачи соответствующей информации пользовагелю как в резаше запроса ( по классам надекно-сти), так и в автоматизированном режиме слежения за поставщиками, гшавлши во второй (ненздеазше) и фзновнй класса. Преда смотрено

обновление информации о клйсси4«кации поставщиков (адаптивный ре «им) по мере накопления данных о поставках. '

Система "Куратор" внедрена в опытную ексилуатацию на Кемеровском НПО "Карболит", в результате внедрения получен существенный экономический &йект.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Проведен сравнительный анализ подходов к задаче размытой . классификации.

2. Поставлена задача размытой классификации с фоновым классом.

3. Разработан рекуррентный алгоритм разштой классификации с фоновым классом.

4- Проведен теоретический анализ разработанного алгоритма,доказана его сходимость в достаточно общи предположениях. . :

5. Рассмотрены возможности использования алгоритма размытой классификации с фоновым классом в задачах классификации объектов, вкстремалыюй группировки параметров, кусочной аппроксимации сложных зависимостей.

6. Проведено машинное моделирование разработанного алгоритма, показавшее его высокую Е^фективность.

7. Разработана шфрмацтнвд-управлящая система "Куратор", предназначенная для контроля многономекклатурннх поставок на крупном предприятии.

В. Систем.? реализована на ПЭВМ совместимой с 1ВМ-Р0 и внедрена в опытную ьксллуатацию на Кемеровском НПО "Карболит".

ОПУБЛИКОВАННЫЕ РАБОТЫ ПО 'Л® ДИССЕРТАЦИИ

1. Бауман Е.В. ,Кузин М.Г. Метода размытой классификации с фоношм классом в задачах контроля многономенклатурныз поставок.-В кн.: Тезисы докладов Ш Всесоюзной школи-семинара "Комбинаторно-статистические метода анализа и обработки информации". - Одесса.: 01111,1990,0.132.

2. Бауман Е.В.,Кузин М.Г. Метод построения рзямитой классификации с фог.оыш классом.-Б кн.: Метода сбора и анализа сложнооргзнизован-ных данных.- М.: Институт проблем управления, 1990,с.87-90.

3. Кузин Ы.Г. Классификация поставщиков по уровню надежности с испо-льзовадаем алгоритмов размытого кластер-анализа.- В кн.: Теьпсы докладов Всесоюзного симпозиума по теории и практике классификации.- М.: ВИНИТИ,1990,с.68,

В работе [11 автору принадлежит постановка задачи контроля мно-гономешлатурннз поставок, разработка алгоритма, в [2] - постановка задачи размитой классификации с фоновым классом, разработка алгоритма, его моделирование.

КомПК. 1991г. Зек. 74