автореферат диссертации по строительству, 05.23.08, диссертация на тему:Моделирование планов производства строительно-монтажных работ на основе обобщенных матрично-сетевых моделей с использованием генетических алгоритмов оптимизации

На правах рукописи

Тнхоненко Александр Александрович

МОДЕЛИРОВАНИЕ ПЛАНОВ ПРОИЗВОДСТВА СТРОИТЕЛЬНО-МОНТАЖНЫХ РАБОТ НА ОСНОВЕ ОБОБЩЕННЫХ МАТРИЧНО-СЕТЕВЫХ МОДЕЛЕЙ С ИСПОЛЬЗОВАНИЕМ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ ОПТИМИЗАЦИИ

05.23.08 - Технология и организация строительства

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Ростов-на-Дону 2013

005544691

005544691

Работа выполнена на кафедре «Организации строительства, экспертизы и управления недвижимостью» Федерального государственного бюджетного

образовательного учреждения высшего профессионального образования «Воронежский государственный архитектурно-строительный университет»

Научный руководитель: доктор технических наук, профессор

Мищенко Валерий Яковлевич

Официальные оппоненты: Зеленцов Леонид Борисович - доктор

технических наук, профессор, заведующий кафедрой «Экономики и управления строительством» Ростовского государственного строительного университета

Челнокова Вера Михайловна - кандидат технических наук, и.о. заведующего кафедрой «Организации строительства» Санкт-Петербургского государственного архитектурно-строительного университета

Ведущая организация: ФГБОУ ВПО «Пензенский государственный

университет архитектуры и строительства»

Защита диссертации состоится «7» декабря 2013 г. в 10.00 часов на заседании диссертационного совета Д 212.207.02 при Ростовском государственном строительном университете по адресу: 344022, Ростов-на-Дону, ул. Социалистическая, 162, РГСУ, главный корпус, ауд. 111, тел/факс 8(863)20-19-003; E-mail dis_sovet_rgsu@mail.ru

С диссертацией можно ознакомиться в библиотеке Ростовского государственного строительного университета

Автореферат разослан «5» ноября 2013 г.

Ученый секретарь

диссертационного совета_____

канд. техн. наук, доцент ^ A.B. Налимова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность диссертационной работы обусловлена ростом объемов строительно-монтажных работ в рамках реализации целевых программ разного уровня и инфраструктурных проектов, требующих новых подходов к планированию и управлению строительным производством. Следовательно, возникает необходимость координации взаимодействия большого количества предприятий, производящих строительные материалы и конструкции, проектно-конструкторских, подрядных, транспортных организаций. Для решения этой задачи требуется применение современных, научно обоснованных методов организации работ, использование которых связано с обработкой большого количества информации и невозможно без применения средств вычислительной техники.

Для успешного применения информационных технологий в управлении строительством, а именно при планировании строительно-монтажных работ, необходимо наличие адекватного математического аппарата моделирования и расчета параметров календарных планов. Решению задач моделирования планов производства работ посвящено множество трудов отечественных и зарубежных авторов, таких как Гусаков A.A., Воропаев В.И., Голенко Д.И., Мищенко В.Я., Емельянов Д.И., Мут Дж.Ф., Томпсон Дж.Л., Миллер Р. и другие. Анализируя результаты этих работ, можно сделать вывод, что многие теоретические и практические аспекты проблемы решены. Однако научно-технический прогресс (развитие средств вычислительной техники, появление новых научных и практических методов) ставит задачи по разработке новых и совершенствованию существующих методов решения управленческих задач.

Следует также обратить внимание, что, несмотря на значительный опыт решения задач в области календарного планирования и управления проектами, накопленный в нашей стране и за рубежом, в программных комплексах для разработки планов производства работ практически не встречаются эффективные методы оптимизации распределения ресурсов.

Поэтому разработка современных методик моделирования планов производства строительно-монтажных работ, методов и алгоритмов, позволяющих эффективно производить оптимизацию распределения ресурсов, а также создание на их основе программного обеспечения, ориентированного на пользователя средней квалификации, является важной и актуальной задачей.

Цель работы - разработка методики моделирования и оптимизации планов производства строительно-монтажных работ, с учетом ресурсных ограничений. В рамках этой цели были поставлены и решены следующие задачи:

- анализ существующих моделей, применяемых в планировании СМР;

- анализ критериев оценки и требований, предъявляемых к планам производства СМР;

- разработка методов моделирования планов производства СМР на основе обобщенных матрично-сетевых моделей;

- адаптация современных методов оптимизации для использования в сфере организационно-технологического проектирования;

- разработка новых методик оптимизации планов производства работ с учетом ограничения по ресурсам;

- разработка и внедрение методик построения и оптимизации планов производства СМР с использованием программного обеспечения, на основе предложенных обобщенных матрично-сетевых моделей и генетических алгоритмов оптимизации.

Методы исследования основаны на концепции сетевых моделей и математического аппарата поиска экстремума функции нескольких переменных, базирующегося на генетических алгоритмах.

Научная новизна диссертационной работы заключается в разработке основных принципов и методики моделирования планов производства СМР с использованием обобщенных матрично-сетевых моделей, которые обеспечивают формирование эффективного механизма планирования и управления строительным производством.

В ходе проведенных автором исследований получены следующие научные результаты:

• обоснован методический подход к моделированию планов производства СМР на основе обобщенных матрично-сетевых моделей;

• сформулирована концепция целевых функций планов производства СМР в рамках обобщенных матрично-сетевых моделей;

• разработана на базе проведенных исследований методика оптимизации планов производства СМР, основанная на генетических алгоритмах;

• предложенные методики реализованы в виде программного обеспечения по расчету и оптимизации планов производства СМР.

Практическая значимость работы заключается в создании на основе разработанной методики моделирования и оптимизации пакета прикладных программ по расчету и оптимизации планов производства работ. Практические рекомендации автора могут быть использованы на различных предприятиях строительного комплекса и в учебном процессе.

Достоверность результатов исследования подтверждается применением современных, научно обоснованных методов исследований; адекватностью разработанных математических моделей реальным условиям строительства; сходимостью результатов теоретических исследований и экспериментальных данных; проверкой разработанной методики моделирования и оптимизации планов производства СМР в решении

4

управленческих задач на предприятиях строительного комплекса и в учебном процессе в г. Воронеже.

На защиту выносятся:

1) методика моделирования планов производства СМР на основе обобщенных матрично-сетевых моделей;

2) методика и алгоритм оптимизации распределения ресурсов при планировании СМР, основанные на генетических алгоритмах

3) практические рекомендации, направленные на решение задач организационно-технологической подготовки и управления строительным производством, на основе разработанных методик моделирования и оптимизации планов производства СМР.

Апробация и внедрение результатов исследования. Основные теоретические и практические положения диссертационной работы докладывались и обсуждались на: 66, 67, 68-й научно-практических конференциях в ВГАСУ (г. Воронеж, 2011, 2012, 2013); 15-ой межрегиональной научно-практической конференции «Высокие технологии. Экология» (г. Воронеж, 2012). Теоретические положения и практические рекомендации прошли апробацию и внедрены на предприятии ООО «Воронежгражданпромстрой» города Воронежа, что подтверждено соответствующим актом внедрения.

Публикации. Основные положения и результаты исследований

опубликованы в 9 печатных работах, из них 3 статьи в научных журналах и изданиях, которые включены в перечень российских рецензируемых научных журналов и 6 в других изданиях.

Структура и объем работы. Диссертационная работа состоит из введения, 3 глав, основных выводов, списка использованных источников и приложений. Объем диссертационной работы составляет 140 страниц, в том числе 8 таблиц, 23 рисунков, 2 приложения и библиографический список из 120 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность, описываются цели и задачи исследования, научная новизна и практическая значимость.

В первой главе диссертационной работы произведен анализ задач, решаемых при планировании строительно-монтажных работ, и методик их решения. С этой целью проанализированы применяемые в календарном планировании строительного производства методики моделирования и критерии оценки качества и эффективности планов работ, а также рассмотрены проблемы их практического применения.

Анализируя значительный опыт, накопленный в нашей стране и за рубежом в автоматизации решения задач календарного планирования, можно сделать вывод о том, что многие задачи уже решены, но много и не решенных, многие же найденные решения не отвечают современному уровню развития вычислительной техники и экономико-математических методов. Большая часть имеющихся теоретических разработок так и не нашла практического применения, основными причинами чего являются:

• неадекватность моделей реальным условиям строительного производства;

• высокая трудоемкость и, как следствие, стоимость численной реализации (формализации) разработанных моделей и создания на их основе автоматизированных систем;

• высокая трудоемкость использования;

• требование высокой квалификации пользователя;

• несоответствие методов и алгоритмов современному развитию науки и техники.

Вышесказанное подчеркивает актуальность разработки методик моделирования и оптимизации планов производства строительно-монтажных работ, отвечающих современным требованиям.

Во второй главе представлены исследования по разработке методики моделирования и оптимизации планов СМР.

На основе анализа, представленного в первой главе, можно сделать вывод о сложности применения в реальных условиях каждой из проанализированных моделей. Это связано в первую очередь со сложностью разработки и адаптации самой модели, а также с требуемой достаточно высокой квалификацией работников, занятых в процессе планирования работ. С учетом современных реалий структуры строительных организаций (более 80 % - это мелкие организации) требуется разработка простой, легко адаптирующейся под реальную строительную организацию и объект и не требующую большого объема специальных знаний для использования методики моделирования планов производства строительно-монтажных работ.

Одной из попыток решения данной задачи с помощью формализации процедуры совмещения СМР было предложение метода, который оперирует коэффициентами совмещения работ.

На рис. 1 представлены разные варианты проведения работ А и В, такие как последовательное выполнение работ (рис. 1, а), параллельное выполнение работ (рис. 1, Ь) и выполнение работ с частичным совмещением (рис. 1, с), где ai,a2,Bi,B2 - участки работ.

А

А

А

а,

в

в

в

в,

В:

а)

Ь)

Рис. 1. Варианты выполнения работ

с)

Для описания представленных вариантов удобно использовать коэффициенты совмещения. Таких коэффициентов известно два вида:

1) коэффициент совмещения по началу;

2) коэффициент совмещения по окончанию.

Первый определяет, какая часть предыдущей работы должна быть выполнена к моменту начала последующей, второй определяет, какая часть последующей работы должна оставаться невыполненной к моменту окончания предыдущей. Математически это можно записать так: К„= а!/(а,+а2),

Ко= в2/(в!+в2). Значения коэффициентов совмещения могут изменяться от О до 1.

Данная методика получила свое развитие в работах В.Я. Мищенко и Д.И. Емельянова. Предложенные этими авторами подходы позволили сделать модель чувствительной к ограничениям по ресурсам, что дало возможность использования данной методики для планирования работ, выполняемых не только специализированными, но и комплексными бригадами, а также обусловило возможность оптимизации распределения ресурсов по работам.

Взяв за основу данную разработку и проанализировав опыт ее применения, были выявлены следующие недостатки:

1) в модели в качестве входного параметра используется трудоемкость работ, что затрудняет ее использование при планировании работ, на которые отсутствуют нормы времени (появление новых технологий и материалов) или нормы времени невозможно использовать из-за специфики объекта или бригады;

2) в том случае, если после выполнения какой-то работы требуется технологический или организационный перерыв, в рассматриваемой методике необходимо вводить дополнительные работы, имеющие продолжительности, равные величинам перерыва. Это создает определенные трудности в построении модели и затрудняет оценку полученного плана работ.

Для устранения вышеперечисленных недостатков мы предлагаем внести в модель ряд дополнений, которые опишем ниже.

Основным отличием методик планирования работ в России от западных стран является ориентация на физические объемы выполняемых строительно-монтажных работ, в то время как западные методики ориентированы на

продолжительность. Предусмотрев в рассматриваемой методике возможность варьирования входных параметров, можно сделать модель более универсальной и способной использовать как нормативный подход (использовать трудоемкость), так и отталкиваться от физических объемов выполняемых работ.

Для этого мы предлагаем ввести в модель возможность выбора типа входных параметров и дополнить сочетание «трудоемкость - количество рабочих» сочетанием «объем работ - выработка бригады» (с указанием численности бригады). Это позволит уйти при необходимости от обязательного использования норм времени и более точно учитывать возможности разных бригад, что в свою очередь скажется на надежности и качестве планирования работ.

Для повышения удобства использования методики моделирования мы также предлагаем ввести возможность задания взаимосвязей между работами в виде «начало-начало», «окончание-начало», «окончание-окончание» с указанием (если это требуется) задержки по времени, аналогично тому, как это реализовано в Microsoft Project.

Предлагаемые дополнения не влекут за собой необходимости вносить серьезные изменения в математический аппарат модели в связи с тем, что технологические и организационные перерывы с фиксированной продолжительностью моделируются как работы, но не отображаются и виртуально занятые на них ресурсы не принимают участия в оптимизации. Полученная в результате модель сочетает в себе следующие положительные качества:

1) позволяет задать любой тип взаимосвязей между работами и делает возможным учет производства работ с разной интенсивностью, что характерно для обобщенных сетевых моделей (ОСМ);

2) позволяет формировать и использовать типовые шаблоны и делает возможным формировать планы производства работ при реализации крупных проектов в виде иерархической структуры планов разной степени детализации, что характерно для типовых избыточных сетевых моделей (ТИСМ);

3) позволяет задать топологию сети при помощи матрицы коэффициентов совмещения работ, не требует больших трудозатрат по подготовке исходных данных, что характерно для агрегированных матрично-сетевых моделей;

4) позволяет использовать как нормативный подход к определению продолжительности работ, так определение продолжительности на основе реальной выработки, что особенно актуально в случае отсутствия норм времени на виды работ с использованием новых технологий и материалов и при привлечении подрядных организаций, использующих «внутренние корпоративные стандарты».

Далее разработанную модель будем называть обобщенной матрично-сетевой моделью (ОМСМ).

При разработке методики оптимизации распределения ресурсов формализация задачи осуществляется аналогично методам, предложенным в работах В.Я. Мищенко и Д.И. Емельянова. Построив абстрактный график производства работ, при любом начальном распределении ресурсов, и сформировав по нему график движения ресурсов (в данном случае рабочих), предположим, что производство работ планируется осуществлять силами одной комплексной бригады. Проанализируем график движения рабочих оптимизируемого плана производства работ, построенный при некотором распределении числа занятых рабочих во времени (рис. 2). Проведем на нем горизонтальную линию, соответствующую численности бригады (пВ), силами которой предполагается осуществлять производство строительно-монтажных работ. На графике имеются участки, где линия занятого числа рабочих проходит ниже уровня численности бригады (аЬ и сс1), а также участки, на которых эта линия проходит выше (Ьс и <1е).

Рис. 2. График движения ресурсов

На таких участках области, ограниченные линией графика ресурсов и линией численности бригады, показывают: в первом случае, объем работы, который мог бы быть выполнен бригадой, но не выполняется по причине плохого качества плана работ, во втором - объем работы, который должен быть выполнен сверх имеющихся возможностей бригады. Назовем эти объемы объемами мнимых работ. Таким образом, план работ будет идеального качества, если объемы мнимых работ будут равны 0. Чем больше сумма объемов мнимых работ, тем хуже качество календарного плана. Формализуем это качество (<3) следующим образом:

Л

(1)

м+л '

где М - общий объем планируемых строительных работ; Л - суммарный объем мнимых работ, который может быть определен по формуле

Л= ]\пв-п(1)\Л

где ttot - общая продолжительность строительства, пв - численность бригады, n(t) - функция зависимости общего числа занятых рабочих от времени (графиком этой функции является линия ресурсного графика).

Как следует из (1) (2), в определении качества календарного плана эта функция является единственным неконстантным элементом, все остальные полностью определяются коэффициентами совмещения сетевой модели, которые в контексте рассматриваемой задачи считаются постоянными. Распределение ресурсов (рабочих) по работам n(t) полностью определяется двумя векторами:

N, - вектором размерности р равной числу участков работ, каждый компонент которого равен числу рабочих, занятых на соответствующем участке работы;

R, - вектором, размерность которого (q, q < р) равна количеству участков работ, имеющих резервы по времени, каждый компонент которого определяет величину сдвига по резерву для соответствующего участка работы.

Отметим, что размерность q вектора R и диапазон возможных значений для его компонент при постоянных коэффициентах совмещения сетевой модели, являются функцией от вектора N, т.к. величины резервов по времени зависят от продолжительностей выполнения соответствующих участков работ, которые, в свою очередь, зависят от числа занятых на них рабочих.

Таким образом, из (1) и (2) следует, что Л и Q также являются функциями от N и R:

Л = A(N, R), Q = Q(N, R); (3)

при этом специфика планирования и выполнения строительных работ определяет, что компонентами обоих векторов являются целочисленные величины (число работников для N и сдвиг по времени в днях для Q).

Размерность вектора N будет равна числу интервалов работ (участков работ, оговоренных сетевой моделью с постоянной численностью используемых ресурсов). Такой подход с математической точки зрения существенно расширяет возможности по оптимизации календарного плана по данной сетевой модели. В общем случае, чем на более мелкие интервалы разбивается выполнение работ, тем лучшая оптимизация может быть достигнута. С другой стороны, вычислительная стоимость оптимизации существенно возрастает при увеличении размерности вектора входных параметров. Отметим также, что в реальном строительном процессе количество ресурсов, занятых на выполнении данного интервала работы, остается постоянным, по крайней мере в течение рабочего дня. С учетом этих обстоятельств наиболее оптимальным представляется производить разбиение отдельных участков работ на интервалы с условием, что длительность

интервала при максимальном возможном числе занятых ресурсов не будет меньше 1 дня.

В соответствии с общим подходом к решению оптимизационных задач формализацию задачи расчета оптимального календарного плана по заданной сетевой модели начнем с определения целевой функции. На роль этой целевой функции естественным образом подходит функция качества, определенная (1). Она, как было указано выше, является функцией векторов распределения рабочих по интервалам и сдвига участков работ по резервам: (} = (2(М, И). Эта целевая функция может принимать значения в диапазоне [0,1], оптимальному расписанию работ будет соответствовать максимум этой функции. В свою очередь, как следует из (1), максимум функции <} = (К^ Я) достигается при минимуме функции Л = Л(1М, к). Для нахождения минимума этой функции в работах В.Я. Мищенко и Д.И. Емельянова, с некоторыми допущениями, был применен аппарат математического анализа непрерывных дифференцируемых функций. Однако такой подход не является оптимальным, потому что Л не является ни непрерывной, ни дифференцируемой. Это, в первую очередь, обусловлено тем, что компоненты векторов N и И являются дискретными целочисленными величинами, диапазон возможных значений которых ограничен.

В то же время именно для решения оптимизационных задач с целевыми функциями от вектора дискретных аргументов с начала 70-х годов прошлого века начали разрабатываться генетические алгоритмы, основанные на компьютерной имитации процесса эволюции в природе. Было создано множество вариантов таких алгоритмов, однако они применялись в основном для нахождения глобальных экстремумов функций с относительно небольшой размерностью вектора параметров в связи с тем, что вычислительная сложность таких алгоритмов возрастает как О" с ростом этой размерности. В частности, даже в относительно недавнем прошлом возможности имеющейся вычислительной техники позволяли осуществлять с помощью генетических алгоритмов оптимизацию функций с размерностью вектора аргументов, ограниченной двумя — тремя десятками. Вместе с тем даже календарный план среднего по масштабу строительства может состоять из ста и более участков работ, а суммарное число интервалов может доходить до 1000. В силу этого для оптимизации плана строительных работ генетические алгоритмы ранее, как правило, не применялись. Однако исключительно быстрый прогресс в области аппаратного обеспечения ЭВМ, с одной стороны, и хорошие параллелизационные способности генетических алгоритмов, с другой, делают в настоящее время реализацию такого подхода потенциально возможной даже на персональных компьютерах игрового уровня.

В настоящей работе, при оптимизации календарного плана с помощью генетических алгоритмов, мы придерживаемся стратегии раздельной

11

последовательной оптимизации по аргументам N и Я, несколько усовершенствованной благодаря естественным особенностям, присущим генетическим алгоритмам. Другими словами, сначала ищется оптимальное распределение рабочих по участкам при условии отсутствия у участков работ сдвигов по резервам (алгоритм оптимизации назван Ы-алгоритмом), а затем ищутся оптимальные величины этих сдвигов при найденном распределении числа рабочих (с помощью алгоритма, названого Я-алгоритмом).

Основная идея генетических алгоритмов, как указывалось выше, взята у живой природы. Как известно, в природе носителями наследственной информации являются элементарные структуры - гены, объединенные в хромосомы. При скрещивании двух организмов дочерний получает набор генов, составленный по некоторому вероятностному правилу из наборов генов родителей. При этом точно предсказать, какие именно гены в его наборе будут от одного родителя, а какие - от другого, невозможно. Таким образом, новый организм обладает новым уникальным набором свойств, который может быть более выгодным с точки зрения обеспечения выживаемости или менее. В условиях действующей в природе конкуренции преимущественные возможности для скрещивания и производства потомства получают наиболее приспособленные организмы, имеющие с точки зрения выживаемости некоторые преимущества над остальными. Этим достигается постепенное совершенствование от поколения к поколению организмов в плане их лучшего приспособления к условиям окружающей среды.

Общая логика работы генетического алгоритма представлена на рис. 3. В качестве условия остановки алгоритма может выступать как появление организма, являющегося приемлемым решением оптимизационной задачи, так и окончание периода времени, отпущенного на ее решение.

Схема последовательности действий для решения оптимизационной задачи с помощью генетического алгоритма представлена на рис. 4.

Вход

алгоритма

Решение задачи расчета оптимального календарного плана по заданной сетевой модели в описываемой работе осуществляется с помощью последовательного применения двух генетических алгоритмов, являющихся, по введенной терминологии, N и Л алгоритмами.

При том, что N и Я алгоритмы по-разному осуществляют оптимизацию календарного плана, их реализация имеет следующие общие черты:

1) каждый организм представляет собой одно из возможных решений оптимизационной задачи;

2) в качестве меры приспособленности организма принимается соответствующее его набору хромосом значение целевой функции (1);

3) каждый организм содержит число хромосом, равное числу неконстантных целочисленных аргументов соответствующей целевой функции (компонент векторов N или Я соответственно);

4) каждый ген, как это постулируется в существующей на настоящее время теории генетических алгоритмов, является бинарной величиной, которая может принимать значения или "О", или "1";

5) каждая хромосома состоит из 16 генов, что позволяет закодировать в ней целое число в диапазоне [0, 65535].

Как указывалось выше, оптимизация календарного плана осуществляется в два этапа, с помощью последовательного применения N и Я - алгоритмов. Эта стратегия была успешно опробована в работах В .Я. Мищенко и Д.И. Емельянова (рис. 5, а) и также используется и в описываемой работе, однако, она претерпела следующее изменение: первоначально с помощью Ы-алгоритма определяется популяция из Ь (параметр, задаваемый пользователем из соображений требований к качеству результата, доступных вычислительных ресурсов и времени для оптимизации; на практике Ь находится в диапазоне [10, 50]) организмов с наиболее высоким показателем приспособленности (рис. 5, Ь). После этого к каждому календарному плану, представленному соответствующим организмом, применяется оптимизация с помощью Я -алгоритма. Из всех полученных результатов выбирается лучший. Таким образом, в описываемой работе Я-алгоритм применяется не к одному лучшему результату, полученному с помощью Ы-алгоритма, а к целой группе из Ь таких результатов, являющихся наиболее успешными.

Таким образом, в стратегии, описываемой в настоящей работе, при оптимизации календарных планов число применений Л-алгоритма в Ь раз превышает число применений Ы-алгоритма. Однако, как будет показано ниже, в большинстве случаев работа Я - алгоритма в вычислительном плане оказывается существенно менее ресурсоемкой, нежели работа Ы-алгоритма.

а Ь

Рис. 5. Последовательное применение N и Я алгоритмов.

Таким образом, применение оптимизационной стратегии с множественным вызовом Л-алгоритма в большинстве случаев обеспечивает существенное улучшение получаемых результатов без значимого увеличения времени оптимизации.

Положим, что заданная сетевая модель строительного процесса определяет разбиение производимых работ на п взаимосвязанных участков (рис. 6).

—О—О

-6—6—о

Рис. 6. Сетевая модель

Положим также, что с соблюдением условия, сформулированного выше, эти п участков работ могут быть дополнительно разбиты на р ( ) интервалов. Тогда в качестве организма из р хромосом принимается вектор N размерности , т.е. каждая хромосома организма представляет собой двухбайтовую величину со значением, равным числу занятых рабочих на

соответствующем интервале работ. Диапазон допустимых значений для каждой хромосомы определяется в явном виде сетевой моделью — это диапазон изменения числа рабочих на участке, которому принадлежит данный интервал.

В алгоритме используются два показателя приспособленности организма: абсолютный показатель приспособленности и показатель приспособленности в популяции.

В качестве абсолютного показателя приспособленности (в) организма принимается значение функции при соответствующем его хромосомам векторе N и нулевом векторе временных сдвигов И:

0 = (}(ЛГ,К = 0). (4)

Для того, чтобы определить показатель приспособленности организма в популяции {в), вначале для данной популяции определяется минимальное и максимальное значения абсолютного показателя приспособленности среди составляющих ее организмов: втЫ и втах. Тогда для организма (А) из этой популяции значение показателя приспособленности в ней определится выражением

#А = двтах~вА • (5)

Правила выбора организмов для скрещивания основываются на принципе естественного отбора, согласно которому наибольшие шансы для скрещивания имеют организмы с наивысшими значениями показателя приспособленности в данной популяции. В описываемом алгоритме применяется наиболее популярный в настоящее время "метод рулетки".

Угловой размер (а) каждого сектора пропорционален показателю приспособленности в популяции соответствующего организма. Таким образом, для ¡-го организма в популяции он определится формулой

щ = 360°=^- , (6)

где в знаменателе находится суммарное значение показателей приспособленности всех организмов в популяции.

После этого случайным образом выбирается значение угловой координаты шарика рулетки после остановки в диапазоне [0 ,360 ], а затем -организм (А), в секторе которого оказался шарик. Далее рассматриваем популяцию из к-1 организмов, из которой исключен организм А. Аналогичным способом в этой популяции выбирается организм В, который вместе с А образует пару для скрещивания.

Для того чтобы получить т пар скрещивающихся организмов, данный алгоритм повторяется ш раз. Каждый раз первый организм в паре выбирается из популяции размером к, а второй - из популяции размером к-1, из которой исключен первый организм. Таким образом, наибольшие шансы для образования популяции следующего поколения имеют организмы с

наивысшими значениями показателя приспособленности в данной популяции. При этом один и тот же организм с высоким показателем приспособленности может быть участником нескольких скрещивающихся пар и, в принципе, не исключается вариант, когда все ш пар будут составлены из одних и тех же двух организмов, имеющих в популяции наивысшие показатели приспособленности. При этом, однако, исключается возможность, при которой организм скрещивается сам с собой.

При скрещивании двух организмов (А и В) с образованием организма следующего поколения (С) каждая ¡-я хромосома (се) получается из пары соответствующих родительских хромосом (аги Ь,) по следующей формуле:

С, = И'лвО; + (1 - Н-дв) Ьь (7)

где у?ав - фактор скрещивания для пары организмов Л и В, определяемый соотношением

--Уав£А--(8)

АВ ГАввл + а-ГАВ^В где Улв ~ случайная величина из диапазона [0,1].

Таким образом, значение хромосомы организма-потомка с большей степенью вероятности окажется ближе к значению соответствующей хромосомы организма-родителя с большим показателем приспособленности 19, однако окончательный результат остается непредсказуем. Как следствие, при скрещивании организмов Л и В несколько раз подряд результат в общем случае, каждый раз будет различный, хотя все потомки данной пары организмов будут иметь некоторое сходство между собой. Отметим также, что при данном механизме наследования исключается появление организмов-потомков с недопустимыми значениями хромосом, если его родители имели набор хромосом со значениями в допустимых пределах.

В описываемом алгоритме число организмов в популяциях разных поколений остается постоянным (как и в предыдущих секциях, обозначим его к). Это число определяется по формуле

к = тУа, (9)

где т , а - коэффициенты, т > 0, 0 < а < 1;

V- произведение ширин интервалов возможных значений для всех хромосом организма.

Отметим, что к организмов первой популяции генерируются случайным образом, когда значение каждой хромосомы случайно выбирается на интервале возможных для нее значений в предположении, что плотность вероятности выбора на всем интервале одинакова.

Популяция организмов следующего поколения получается из данной исходной по следующему алгоритму:

1) - организмов исходной популяции с наивысшим показателем приспособленности непосредственно переходит в следующую популяцию;

2) в исходной популяции определяется - пар для скрещивания, которые

к

дают в результате еще - организмов популяции следующего поколения;

-ч к

3) оставшиеся - организмов новой популяции генерируются случайным образом, таким же, как это делалось для начальной популяции. Положим, что заданная сетевая модель определяет разбиение

запланированных работ на участки общим числом п. Положим также, что задано некоторое распределение численности рабочих на этих участках, считающееся в контексте работы описываемого алгоритма константным. Отметим, что, так как Я-алгоритм предназначен для дальнейшей оптимизации результата, полученного с помощью М-алгоритма, в качестве этого распределения рабочих в дальнейшем будет приниматься соответствующий вектор !^тах- Пусть при этом распределении я участков работ (ц < п) имеют ненулевые резервы для сдвига сроков их выполнения.

Тогда в качестве организма из ц хромосом принимается вектор Я размерности я, т.е. каждая хромосома организма представляет собой двухбайтовую величину со значением, равным величине сдвига по резерву для соответствующего участка работы в днях. Допустимые значения для каждой хромосомы организма ограничены снизу 0 и сверху - величиной соответствующего резерва по времени.

В качестве показателя приспособленности (в) организма принимается значение функции (} при соответствующем хромосомам организма векторе II и полученном с помощью М-алгоритма векторе распределения рабочих по интервалам участков работ !^тах, который считается при работе Л-алгоритма константой:

e = (l<iN = Nrnax,R). (10)

Как было указано выше (подсекция 6.1), в Я-алгоритме организм является вектором размерности я. Таким образом, каждый организм может быть представлен точкой в ч-мерном метрическом пространстве с евклидовой метрикой и может быть определен термин "расстояние" между двумя организмами как расстояние между соответствующими точками в этом пространстве (рис. 7). На базе определенного расстояния между организмами формализуем правило, по которому для данного организма (А) на данном множестве организмов (X) определяются три пары организмов для скрещивания:

1) из множества X выбирается организм, находящийся на наибольшем расстоянии от А (В);

2) после этого из множества X выбирается организм (С), имеющий наибольшую сумму расстояний от А и В;

3) из определенной таким образом тройки организмов составляются три пары для скрещивания: АВ, ВС, и СА.

Рис. 7. Выбор организмов В и С для скрещивания с организмом А

Перед скрещиванием организмам из пары случайным образом присваиваются литеры А и В.

От организма А в дочерний организм переходят четные хромосомы, а от организма В - нечетные.

Так же, как и в М-алгоритме, в данном алгоритме численность организмов ( ) в популяциях разных поколений остается постоянной и определяется формулой (9). Отметим, что в большинстве случаев для данного алгоритма к является значительно меньшим, чем для К-алгоритма, так как размерность вектора Я меньше, и иногда существенно, размерности вектора N.

Как и в Ы-алгоритме, организмы первой популяции генерируются случайным образом с равномерной плотностью вероятности во всей области определения вектора Я.

Популяция организмов следующего поколения получается из данной исходной по следующему алгоритму:

Вначале из всей популяции в к организмов выбирается множество

(X) размерности - из организмов с наивысшим показателем приспособленности; затем из X выбирается подмножество (У) размерности - также из организмов с наивысшим показателем

приспособленности.

Затем, для каждого организма из У на множестве X определяются три пары организмов по алгоритму, описанному выше. Таким образом, после рассмотрения всех организмов подмножества У получаем - пар организмов, которые дают соответствующее число организмов следующей популяции. Оставшиеся - организмов генерируются

случайным образом.

Новая методика по оптимизации календарных планов, основанная на изложенных выше методах, была применена для расчета планов работ по 5

• а

С

различным сетевым моделям, содержащим от 30 до 200 отдельных участков работ (см. табл. 1.). Для сравнения, по тем же сетевым моделям календарные планы рассчитывались также с помощью предыдущей версии, основанной дифференциальном алгоритме.

Таблица 1.

Результаты сравнительных тестов дифференциального и генетического алгоритмов

№ Кол-во Результат работы Результат (% мнимых работ) генетического

модели участков дифференциального алгоритма алгоритма при выполнении на соответствующем

работ числе процессоров

время, с % мнимых работ I 2 4 8 12

1 30 5 пя 39 37 32 24 21

2 50 6 25 32 31 24 15 17

3 100 8 20 24 23 17 14 12

4 150 15 17 21 19 14 10 7

5 200 19 15 20 19 12 10 6

Как показали тесты, при реализации вычислений в один поток, если на расчет календарного плана с помощью генетического алгоритма отводить столько же времени, сколько требует расчет плана по такой же сетевой модели с помощью дифференциального алгоритма, во всех случаях результаты последнего оказывались лучше. Это связано с тем, что за отведенное время генетический алгоритм был не в состоянии просчитать достаточное число поколений популяций организмов. Однако, как было указано выше, генетический алгоритм обладает очень хорошими способностями к параллелизации. Для количественной оценки этих способностей введен так называемый показатель параллелизуемости (Р), определяемый выражением

Р = —, (11)

где N - число процессоров в системе; - время выполнения одних и

тех же расчетов на одном и N процессорах соответственно. Значение Р монотонно снижается с увеличением Ы, так как не существует идеально параллелизуемых алгоритмов. Для представляемого генетического алгоритма поведение этого показателя в зависимости от числа процессоров в

Рис. 8. Поведение показателя параллелизуемости генетического алгоритма в зависимости от числа процессоров

"Провал" графика зависимости в начале обусловлен наличием в алгоритме плохо параллелизуемых участков, относительная вычислительная стоимость которых, тем не менее, не велика. Основное число операций выполняется хорошо параллелизуемыми частями алгоритма, поэтому в дальнейшем ход зависимости становится достаточно пологим, даже для достаточно большого числа процессоров (12) и не опускается ниже 0,78, что является очень хорошим показателем. В то же время, дифференциальный алгоритм практически не параллелизуется. Поэтому при выполнении расчетов на платформах с числом процессорных ядер больше одного ситуация начинает меняться. Из табл. 1 видно, что уже при работе на системе с 4-мя задействованными процессорными модулями генетический алгоритм стабильно обеспечивает расчет более качественного календарного плана по сравнению с дифференциальным за одинаковое с ним время работы. При работе на компьютерах с 8-ю и 12-ю эффективными процессорными ядрами (4- и 6-ядерные процессоры Intel ¡7 соответственно с технологией Hyper Threading) преимущество генетического алгоритма становится значительным. При этом результаты генетического алгоритма, полученные при расчете на большем числе процессорных ядер, в общем случае оказываются лучше результатов, полученных при работе за такое же время, но на меньшем числе ядер. Тем не менее в отдельных случаях эта закономерность может нарушаться, так как в работе генетических алгоритмов наличествует значимая стохастическая составляющая.

Следовательно, разработанный алгоритм можно оптимально использовать на многопроцессорных платформах, что соответствует генеральной линии развития современной компьютерной техники.

В заключение отметим, что достигнутые результаты позволяют говорить о том, что у этого подхода имеются большие резервы как в алгоритмическом плане, так и в направлении обеспечения работы алгоритма на системах с большим числом процессорных ядер. Последнее является особенно актуальным в связи с появлением технологий, позволяющих выполнять задачи общего назначения на вычислительных модулях графических процессоров (например, CUDA от компании NVIDIA). Таким образом, адаптация представляемого алгоритма для выполнения расчета календарных планов методом массированного параллелизма на графических процессорах способствует существенному улучшению временных показателей работы и повышению качества оптимизации.

В третьей главе приведены методики практического использования разработанных моделей и алгоритмов и описана работа с пакетом прикладных программ, реализованном на их основе.

Для снижения трудоемкости построения планов производства работ разработана методика, позволяющая (аналогично типовым избыточным сетевым моделям) использовать готовые шаблоны (рис. 9).

База данных типовых матриц коэффициентов совмещения

Кирпичные здания

Панельные здания

Монолитные здания

Редактирование матриц коэффициентов

совмещения

Наименования работ 1 2 3

1 Земляные работы XX 100

2 Фундаменты 100 XX 70

3 Надземная часть 50 XX

Расчет н оптимизация расписаний работ

(ККЮ

бобчз I

5

Рис. 9. Формирование расписаний работ на основе типовых матриц коэффициентов совмещения

Для разработки плана производства работ по возведению комплекса объектов предлагается следующая методика (рис. 10.):

• на первом этапе формируются отдельные модели для каждого объекта, входящего в комплекс, с указанием работ, ограничений на ресурсы, а также задаются общие ограничения по каждому виду ресурсов на весь проект;

• на втором этапе формируется общая модель комплекса объектов с учетом возможности совмещения работ, использующих одноименные ресурсы, исходя из заданных ограничений;

Рис. 10. Формирование плана работ для комплекса объектов

Расчетный экономический эффект от внедрения методических рекомендаций по расчету и оптимизации планов производства СМР на предприятии ООО «Воронежгражданпромстрой» составил 4,5 % от годовой программы, при сокращении сроков строительства на 8-10 %. Внедрение разработанных методик позволило повысить оперативность принятия управленческих решений и сократить административные расходы на 10-15 %.

ОБЩИЕ ВЫВОДЫ И ПРЕДЛОЖЕНИЯ

1. Диссертационная работа представляет собой законченное комплексное исследование, включающее все этапы решения поставленных задач - от анализа и разработки методики до практических рекомендаций.

2. При анализе уровня автоматизации организационно-технологического проектирования в строительстве было выявлено, что задача совершенствования методик моделирования и алгоритмов оптимизации остается актуальной.

3. Разработаны методические положения по моделированию планов производства строительно-монтажных работ, на основе обобщенной матрично-сетевой модели.

4. Разработана методика оптимизации планов производства строительно-монтажных работ, основанная на генетических алгоритмах. Реализованный на основе этой методики алгоритм позволил улучшить результаты по сравнению с ранее используемыми алгоритмами.

5. Методика построения планов производства строительно-монтажных работ на основе обобщенной матрично-сетевой модели позволяет снизить трудоемкость формирования и расчета планов работ, что способствует повышению уровня организационной подготовки и управления строительством.

6. Осуществлена практическая реализация методических рекомендаций по расчету и оптимизации планов производства СМР в виде программного обеспечения.

7. Подтверждена практическая целесообразность разработанной методики результатами внедрения в практику деятельности предприятий строительного комплекса г. Воронежа.

Основные результаты диссертации опубликованы в 9 работах: - в 3 изданиях, рекомендованных ВАК: 1. Мищенко В. Я., Емельянов Д. И., Тихоненко A.A. Стохастические алгоритмы в решении многокритериальных задач оптимизации распределения ресурсов при планировании строительно-монтажных работ// Научный вестник Воронежского Государственного Архитектурно-

Строительного Университета «Строительство и архитектура». Воронеж, 2012. №1, с. 92-98.

2. Мищенко В.Я., Емельянов Д.И., Тихонснко A.A. Обоснование целесообразности использования генетических алгоритмов при оптимизации распределения ресурсов в календарном планировании строительства// Промышленное и гражданское строительство. - 2013. -№10, с. 71-73.'

3. Мищенко В .Я., Емельянов Д.И., Тихоненко A.A. Разработка методики оптимизации распределения ресурсов в календарном планировании строительства на основе генетических алгоритмов// Промышленное и гражданское строительство. - 2013. - №11, с. 68-70.

-в 6 других изданиях:

4. Емельянов Д. И., Овчинникова М.С., Тихоненко A.A. Использование автоматизированных систем управления строительным процессом и моделирование проектов строительства// Вестник строительства и архитектуры, 2011, №2.-Орел: ОрелГАУ, 2011. -316 е., с. 271-275.

5. Д.И. Емелънов, H.H. Образцов, A.A. Тихоненко, В.А. Осьмухина. Система управления рисками на предприятиях, как одна из форм внутреннего контроля// Научный вестник ВГАСУ. Материалы 15-ой межрегиональной научно-практической конференции «Высокие технологии. Экология» - Воронеж, 2012, с. 328 - 332.

6. Д.И. Емельянов, A.A. Тихоненко, М.С. Овчинникова. Моделирование в решении задач управления проектами// Научный вестник ВГАСУ. Материалы 15-ой межрегиональной научно-практической конференции «Высокие технологии. Экология». Воронеж, 2012, с. 333 - 340.

7. В.Я. Мищенко, НА. Понявина, Р.В. Старцев, A.A. Тихоненко. Планирование проведения ремонтных и реконструкционных работ при эксплуатации жилищного фонда;'/ Научный вестник ВГАСУ. Материалы 15-ой межрегиональной научно-практической конференции «Высокие технологии. Экология» - Воронеж, 2012, с. 345 - 352.

8. В.Я. Мищенко, Д.И. Емельянов, A.A. Тихоненко. Совершенствование методики моделирования планов производства строительно-монтажных работ на основе обобщенных матрично-сетевых моделей // Строительство и недвижимость: экспертиза и оценка. Материалы 9-й международной конференции, Прага-Москва, М. 2012, с. 76 — 79.

9. В.Я. Мищенко, Д.И. Емельянов, A.A. Тихоненко. Постановка задач организационно-технологического проектирования в современных условиях развития строительной отрасли России // Строительство и недвижимость: экспертиза и оценка. Материалы 9-й международной конференции, Прага-Москва, М. 2012, с. 80-85.

Подписано в печать 31.10.2013. Формат 60x84/16. Бумага писчая. Усл.-печ. л. 1,0. Тираж 100 экз. Заказ № 474

Отпечатано: отдел оперативной полиграфии издательства учебной литературы и учебно-методических пособий Воронежского ГАСУ 394006 г. Воронеж, ул. 20-летия Октября, 84

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ АРХИТЕКТУРНО-СТРОИТЕЛЬНЫЙ УНИВЕРСИТЕТ»

На правах рукописи

04201364816

ТИХОНЕНКО АЛЕКСАНДР АЛЕКСАНДРОВИЧ

Моделирование планов производства строительно-монтажных работ на основе обобщенных матрично-сетевых моделей с использованием генетических алгоритмов оптимизации

Специальность: 05.23.08 -« Технология и организация

строительства»

Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель:

доктор технических наук, профессор Мищенко В.Я.

Воронеж - 2013

СОДЕРЖАНИЕ

ВВЕДЕНИЕ 4

ГЛАВА 1. АНАЛИЗ МОДЕЛЕЙ И МЕТОДОВ РАЗРАБОТКИ ПЛАНОВ ПРОИЗВОДСТВА СТРОИТЕЛЬНО-МОНТАЖНЫХ РАБОТ 12

1.1. АНАЛИЗ ЗАДАЧ ПЛАНИРОВАНИЯ СТРОИТЕЛЬНО-МОНТАЖНЫХ РАБОТ И МОДЕЛЕЙ ПРИМЕНЯЕМЫХ ДЛЯ

ИХ РЕШЕНИЯ 12

1.2.АНАЛИЗ КРИТЕРИЕВ ОЦЕНКИ КАЧЕСТВА И ЭФФЕКТИВНОСТИ ПЛАНИРОВАНИЯ СТРОИТЕЛЬНО- МОНТАЖНЫХ РАБОТ 38

1.3. АНАЛИЗ ПРОБЛЕМ АДАПТАЦИИ И ВНЕДРЕНИЯ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ И ПЛАНИРОВАНИЯ СТРОИТЕЛЬНОГО ПРОИЗВОДСТВА 53

1.4. Выводы из первой главы. 69 ГЛАВА 2. РАЗРАБОТКА МЕТОДИКИ МОДЕЛИРОВАНИЯ И ОПТИМИЗАЦИИ ПЛАНОВ ПРОИЗВОДСТВА СТРОИТЕЛЬНО-МОНТАЖНЫХ РАБОТ 71

2.1. Принципы формирования модели плана производства СМР 71

2.2. Формирование целевой функции плана производства СМР 76

2.2.1. Математический подход к проблеме оптимизации планов производства СМР 76

2.2.2. Формализация задачи 77

2.2.3. Выбор метода оптимизации 80

2.2.4. Общие сведения о генетических алгоритмах 82

2.2.5. Стратегия оптимизации с помощью генетических алгоритмов 86

2.2.6. Описание N-алгоритма 89

2.2.6.1. Формализация организма и его хромосом 89

2.2.6.2. Оценка приспособленности организма 90

2.2.6.3. Правила выбора организмов для скрещивания 90

2.2.6.4. Правила наследования при скрещивании 92

2.2.6.5. Правила создания популяции следующего поколения 93 2.2.7. Описание R-алгоритма 94

2.2.7.1. Формализация организмов и его хромосом 94

2.2.7.2. Оценка приспособленности организма 95

2.2.7.3. Правила выбора организмов для скрещивания 95

2.2.7.4. Правила наследования при скрещивании 96

2.2.7.5. Правила создания популяции следующего поколения 96

2.3. Тесты 97

2.4. Выводы по второй главе. 101 ГЛАВА 3. ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ИСПОЛЬЗОВАНИЮ РАЗРАБОТАННОЙ МЕТОДИКИ МОДЕЛИРОВАНИЯ И ОПТИМИЗАЦИИ ПЛАНОВ ПРОИЗВОДСТВА СТРОИТЕЛЬНО-МОНТАЖНЫХ РАБОТ 103

3.1. Общие принципы построения планов производства СМР на основе обобщенных матрично-сетевых моделей 103

3.2. Методика расчета планов производства СМР на основе типовых матриц коэффициентов совмещения 107

3.3. Методика расчета планов производства СМР для комплекса объектов 108

3.4. Рекомендации по работе с программным комплексом 110

3.5. Оценка предполагаемого экономического эффекта от внедрения методики моделирования и оптимизации планов производства строительно-монтажных работ 119

3.6. Выводы по четвертой главе 123 ОБЩИЕ ВЫВОДЫ И ПРЕДЛОЖЕНИЯ 123 ЛИТЕРАТУРА 125 ПРИЛОЖЕНИЯ 135

Введение

Строительство - одна из важнейших отраслей экономики России, так как своим функционированием она обеспечивает создание основных фондов для всех отраслей национального хозяйства.

Современное строительство является весьма сложной динамической вероятностной системой. Сложность этой системы определяется взаимодействием большого количества строительно-монтажных, проектно-конструкторских, научно-исследовательских и снабженческих организаций, а также производственных предприятий, на которых работают тысячи людей и сотни машин и механизмов. Вероятностный характер строительной системы обусловлен тем, что она функционирует в постоянно изменяющихся условиях. Кроме того, на процесс функционирования системы управления строительным производством оказывают влияние не только факторы, которые возможно учесть заранее, но и ряд таких, воздействие которых можно предусмотреть лишь с некоторой степенью вероятности.

На современном этапе перед строителями стоит множество сложных задач, реализация которых требует поиска и принятия научно обоснованных, организационно-технологических, управленческих и технических решений, комплексно увязывающих между собой подготовку, организацию и планирование строительного производства и обеспечивающих в результате повышение производительности труда и эффективности строительной системы.

Характеризуя понятие "строительная система" можно утверждать, что она так же, как и любая техническая система, содержит в себе два основных элемента - управляющий и управляемый, связанные между собой прямой и обратной зависимостью. Надежность в данном случае можно еще характеризовать через вероятность безотказности и качества этих зависимостей.

Процесс возведения зданий и сооружений подразделяется на

определенные циклы, выполняемые в планово-отчетные периоды календарного

плана строительства объекта. Непосредственно сам процесс строительного

производства представляется материальной системой, которая свойственна как

4

детерминированной, так и вероятностной характеристике использования средств производства и рабочей силы. Технико-экономические особенности строительной системы определяются спецификой строительной продукции, то есть ее индивидуальностью, высокой капиталоемкостью. Следовательно, строительное производство обладает высокой степенью неопределенности в использовании различных видов ресурсов.

Сравнивая строительные и технические системы, можно выделить следующие существенные различия:

1) организационные строительные системы намного сложнее технических и их следует рассматривать как эквивалент суммы технических;

Состав и связь элементов строительных систем регламентируется организационными документами: проект организации строительства (ПОС), проект производства работ (ППР) и проект организации работ (ПОР).

2) сложность строительных систем обусловлена наличием в системе "человеческого фактора", который создает особые проблемы физиологического и психологического характера и их приходится решать на фоне социологических и политических составляющих мотивационной обстановки (не стационарные условия производства, отсутствие источников финансирования, капвложений и т.п.);

3) различия в системах оказывает влияние на сущность трактовки АСУ, которую в технике следует понимать дословно, в то время как строительные системы АСУ призваны не заменять человека в процессе управления, а помогать ему, делая труд более продуктивным, свободным от рутины, а, следовательно, более творческим;

4) функции строительных систем включают в себя не только управленческие, но и плановые, организационные, функции по учету и контролю и др.

Данное обстоятельство накладывает влияние на терминологию, так как рассматривая управленческую систему строительства невозможно не затронуть организационные проблемы строительства, и наоборот.

Индивидуальность строительной продукции оказывает влияние на организацию производственного процесса. Интенсивность производства в начальный период (так называемый период освоения) несколько замедляется и зависит от степени новизны проектных решений для исполнителя. Множество исследований посвящено проблемам выяснения влияния серийности промышленного производства на затраты труда (И.Венецкий, А.Гальцов, Де.Ионг, Г.Мейнард, Дж.Ранци, Е.Четыркин и другие). Но в промышленном производстве продукция по своим характеристикам повторяется, а в строительстве, даже выполняемая по типовым проектам, имеет свои особенности по привязке к месту, по отделке поверхностей и т.п. Поэтому вероятностный подход к оценке надежности функционирования строительной системы связывается с формированием методических приемов, учитывающих вышеизложенные особенности строительства и переход от детерминированных к индетерминированным характеристикам календарного плана.

В настоящее время накоплен большой объем информации о ходе развития управления строительным производством, поэтому задача сводится к использованию ее в теоретических обобщениях с целью увеличения эффективности строительства и усиления его восприимчивости к нововведениям в условиях развития в нашей стране разнообразных форм и моделей хозяйствования.

Перед строительством на данном этапе стоит задача более эффективного использования ресурсов за счет интенсификации производства. Успех в этом деле возможен только за счет лучшей организации строительного производства исходя из точного знания экономических и социальных закономерностей развития общества. Для этого управление строительным производством должно быть направлено на приведение деятельности работников в соответствие с тенденциями развития научно-технического прогресса. Именно поэтому совершенствование управления является объективной необходимостью.

Главными предпосылками научного управления являются использование методологии и приемов научного анализа, широкое применение новых показавших себя принципов, методов и стиля руководства, прогрессивной технологии разработки и принятия решений с использованием современных технологий. С этой целью в управлении строительным производством необходимо использовать объективные тенденции и закономерности его совершенствования.

Обычно технология управления включает в себя изучение закономерностей процесса управления производственной деятельностью строительно-монтажных организаций и их подразделений. Поэтому она охватывает методы изучения организационных зависимостей и информационных связей с целью обеспечения надлежащего уровня эффективности и качества управленческих работ. В рамках функций управления понятие технологии управления соответствует процессу моделирования и алгоритмизации операций и процедур, совершаемых при разработке и принятии решений по реализации этих функций.

Актуальность диссертационной работы обусловлена ростом объемов строительно-монтажных работ в рамках реализации целевых программ разного уровня и инфраструктурных проектов, требующих новых подходов к планированию и управлению строительным производством. Следовательно, возникает необходимость координации действий большого числа предприятий и организаций строительной отрасли. Для решения этой задачи требуется применение современных, научно обоснованных методов организации работ, использование которых связанно с обработкой большого количества информации.

Для реализации этих методов требуется высокий уровень

использования современных технологий, применения автоматизированных

систем планирования и управления строительным комплексом. Чтобы

выжить в условиях конкуренции на рынке организации строительного

комплекса должны максимально использовать резервы производства в целях

7

повышения эффективности своей деятельности. Это может достигаться путем внедрения новых прогрессивных технологий, применения современных строительных материалов, снижающих трудоемкость строительства и повышающих качество. Но многие предприятия не учитывают первостепенность рациональной организации работ и эффективного управления строительным процессом, которые открывают скрытые резервы самого предприятия. Оперативное принятие управленческих решений и оптимальное распределение ресурсов способствуют повышению экономической эффективности строительного производства без привлечения дополнительных ресурсов.

Для эффективного управления строительным производством, в первую очередь необходим план работ, для формирования которого обязательно наличие адекватного математического аппарата моделирования и расчета параметров. Закономерностям формирования расписаний работ посвящено множество трудов отечественных и зарубежных авторов, таких как Гусаков A.A., Воропаев В.И., Голенко Д.И., Мищенко В .Я., Емельянов Д.И., Мут Дж.Ф., Томпсон Дж.Л, Миллер Р. и другие. Анализируя результаты этих работ, можно сделать вывод, что многие теоретические и практические аспекты проблемы решены, однако на некоторые вопросы, связанные с совершенствованием методики формирования расписаний .и расчетов параметров работ с учетом ограничения по ресурсам, ответ еще окончательно не найден. Поэтому они являются актуальными на данный момент.

Следует так же обратить внимание, что, несмотря на значительный опыт решения задач в области календарного планирования, накопленный в нашей стране, практическая реализация разработанных методик в виде программных комплексов по расчету и оптимизации расписаний работ широкого распространения до сих пор не получила. На современном этапе экономического развития в нашей стране можно отметить, что эффективно функционирующий рынок труда окончательно не сформировался. Поэтому

задача оптимизации использования трудовых ресурсов является одной из первоочередных.

На рынке информационных технологий появилось огромное количество зарубежных программных продуктов в области организационно-технологического проектирования и оперативного управления, но они не учитывают специфики и традиций планирования работ, сложившихся в нашей стране. Поэтому создание программного обеспечения, ориентированного на отечественного пользователя, облегчающего и упрощающего сложный и трудоемкий процесс календарного планирования, повышающего оперативность принятия управленческих решений и осуществление контроля за выполнением строительных работ, является важной задачей.

Цель работы - разработка методики моделирования и оптимизации планов производства строительно-монтажных работ, с учетом ресурсных ограничений. В рамках этой цели были поставлены и решены следующие задачи:

- анализ существующих моделей, применяемых в планировании СМР;

- изучение методов и способов численной реализации этих моделей;

- проведение исследований и обоснование выбора критериев оценки планов производства СМР;

- разработка методов моделирования планов производства СМР на основе обобщенных матрично-сетевых моделей;

- усовершенствование применяемых методов оптимизации и обоснование их переноса в сферу организационно-технологического проектирования;

- разработка новых методик оптимизации планов производства работ с учетом ограничения по ресурсам;

- создание и внедрение программного обеспечения для расчета и оптимизации планов производства работ на основе разработанных обобщенных матрично-сетевых моделей.

Методы исследования основаны на концепции сетевых моделей и математического аппарата поиска глобального экстремума функции нескольких переменных, основанного на генетических алгоритмах.

Научная новизна диссертационной работы заключается в разработке основных принципов и методики моделирования планов производства СМР с использованием обобщенных матрично-сетевых моделей, которые обеспечивают формирование эффективного механизма планирования и управления строительным производством.

В ходе проведенных автором исследований получены следующие научные результаты:

• обоснован методический подход к моделированию планов производства СМР на основе обобщенных матрично-сетевых моделей;

• сформулирована концепция целевых функций планов производства СМР в рамках обобщенных матрично-сетевых моделей;

• разработана на базе проведенных исследований методика оптимизации планов производства СМР, основанная на генетических алгоритмах;

• предложенные методики реализованы в виде программного комплекса по расчету и оптимизации планов производства СМР. Практическая значимость работы заключается в создании на основе

разработанной методики моделирования и оптимизации, пакета прикладных программ по расчету и оптимизации планов производства работ. Практические рекомендации автора могут быть использованы на различных предприятиях строительно^ комплекса и в учебном процессе.

Достоверность результатов исследования подтверждается применением современных методов исследований; адекватностью принятых математических моделей; сходимостью теоретических результатов и экспериментальных данных; проверкой разработанной методики в условиях организационной подготовки и оперативного управления производственным

процессом на предприятиях строительного комплекса и учебном процессе в г. Воронеже.

На защиту выносятся:

1. методика моделирования планов производства СМР на основе обобщенных матрично-сетевых моделей и алгоритм оптимизации планов работ, основанный на генетических алгоритмах;

2. практические рекомендации, направленные на решение задач организационно-технологической подготовки строительного производства и управления строительным процессом, на основе программного комплекса для расчета и оптимизации планов производства СМР.

Апробация