автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Разработка автоматизированной системы определения прогнозной трудоемкости изделий с различной степенью детализации сведений об оцениваемом объекте

На правах рукописи

РАСКИН ПАВЕЛ НИКОЛАЕВИЧ

РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ОПРЕДЕЛЕНИЯ ПРОГНОЗНОЙ ТРУДОЕМКОСТИ ИЗДЕЛИЙ С РАЗЛИЧНОЙ СТЕПЕНЬЮ ДЕТАЛИЗАЦИИ СВЕДЕНИЙ ОБ ОЦЕНИВАЕМОМ ОБЪЕКТЕ

05.13.06 — «Автоматизация и управление технологическими процессами и производствами (в машиностроении)»

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Ижевск - 2006

Работа выполнена в ГОУ ВПО "Ижевский государственный технический университет"

Научный руководитель:доктор технических наук, профессор Якимович Борис Анатольевич

Официальные оппоненты:

доктор физико-математических наук, професс ор Тененев Валентин Алексеевич, ГОУ ВПО "ИжГТУ", г. Ижевск

кандидат технических наук

Галимов Максим Раифович, НПО "Компьютер",

г. Ижевск

Ведущее предприятие - ФГУП «Воткинский завод», г. Воткинск

Защита диссертации состоится 5 июля 2006 г. в / часов на заседании диссертационного совета К212.065.01 Ижевского государственного технического университета по адресу:

426069, г. Ижевск, ул. Студенческая, 7.

Отзыв на автореферат, заверенный гербовой печатью, просим выслать по указанному адресу.

Автореферат разослан 2 июня 2006 г.

Ученый секретарь диссертационного совета, к.т.н, доцент В.Н. Сяктерев

/ЦСУОН

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. На начальных этапах жизненного цикла изделия не требуется высокая точность определения затрат, напротив, существует потребность в методиках прогнозирования экономических показателей, таких как трудоемкость и затраты на изготовление, с привлечением минимума ресурсов и с ограниченными требованиями к точности результатов прогноза. Любое современное предприятие стремится обеспечить высокую эффективность своего функционирования. Одной из основных составляющих соответствующих мероприятий является минимизация затрат на подготовку производства, в которые входят затраты, связанные с разработкой технологической документации, затраты на проектирование и нормирование технологических процессов и т.д. Причем оценка большинства составляющих общей суммы затрат выполняется в соотношении к затратам на материалы и на заработную плату, основывающиеся, как правило, на значении трудоемкости изготовления, особенно в мелкосерийном и единичном производстве при позаказной системе работы предприятия.

В работе решается задача прогнозирования затрат на изготовление изделий машиностроения с использованием автоматизированной системы определения прогнозной трудоемкости с различной степенью детализации сведений об оцениваемом объекте. Разработанная система основана на методике оценки показателя конструктивно-технологической сложности с применением аппарата искусственных нейронных сетей для сокращения общего объема оцениваемых параметров и характеристик изделия, что позволило в зависимости от уровня детализации сведений об изделии провести оценку затрат на его изготовление с заданной степенью точности.

Цель работы. Формализовать и повысить эффективность метода оценки конструктивно-технологической сложности и трудоемкости изготовления изделий машиностроения на ранних этапах подготовки производства

Основные задачи:

1. Разработка формального представления машиностроительного изделия в виде иерархической модели с использованием теории множеств.

2. Разработка методики выявления и численного оценивания значимых факторов, влияющих на конструктивно-технологическую сложность и трудоемкость машиностроительного изделия.

3. Разработка принципов классификации номенклатуры машиностроительных изделий с учетом степени детализации сведения

РОС. НАЦИОНАЛЬНАЯ БИБЛИОТЕКА С. 1к|е;т5>рг

03 200

об оцениваемом объекте на основе выявленных факторов, значимо влияющих. на конструктивно-технологическую сложность и трудоемкость.

4. Разработка методики и алгоритма оценки показателя конструктивно-технологической сложности и трудоемкости машиностроительного изделия на основе выявленных факторов с использованием математического аппарата искусственных нейронных сетей.

5. Оценка точности определения конструктивно-технологической сложности и трудоемкости изготовления машиностроительного изделия в соответствии с уровнем детализации сведений об оцениваемом объекте.

6. Разработка концепции автоматизированной системы определения прогнозной трудоемкости машиностроительного изделия на ранних этапах подготовки производства.

7. Разработка и реализация автоматизированной системы определения прогнозной трудоемкости машиностроительного изделия на ранних этапах подготовки производства.

8. Апробация оценки показателя конструктивно-технологической сложности и трудоемкости машиностроительного изделия на ранних этапах подготовки производства и внедрение автоматизированной системы определения прогнозной трудоемкости на машиностроительных предприятиях.

Методы исследований. При решении поставленных задач использовались методы оценки конструктивно-технологической сложности, статистического анализа, экспертного оценивания и теории множеств.

Научная новизна.

- для наиболее часто встречающихся переделов машиностроения выявлены множества параметров, значимо влияющих на сложность и трудоемкость изготовления изделий;

- разработана методика поэтапной классификации номенклатуры машиностроительных изделий с учетом степени детализации сведений об оцениваемом объекте на основе выявленных параметров, значимо влияющих на конструктивно-технологическую сложность и трудоемкость;

- в соответствии с теорией сложности предложены методика и алгоритм оценки показателя конструктивно-

технологической сложности и трудоемкости машиностроительного изделия с использованием математического аппарата искусственных нейронных сетей.

Практическая ценность.

Разработанные принципы поэтапной классификации и методика определения конструктивно-технологической сложности изделий машиностроения позволяют с достаточной степенью точности оценивать прогнозную трудоемкость изготовления, используя различные уровни детализации сведений об оцениваемом объекте. На их основе разработана автоматизированная система определения прогнозной трудоемкости изделий. Результаты работы внедрены на ДОАО "Ижевский инструментальный завод".

Апробация работы. Основные положения диссертации докладывались на следующих конференциях и семинарах: III международная конференция «Информационные технологии в инновационных проектах» (Ижевск, 2001 г.); Международная научно-техническая конференция, посвященная 50-летию ИжГТУ (Ижевск, 2002 г.); Научно-методическая конференция «Научные и методические проблемы подготовки конкурентоспособных специалистов», Воткинск, 12-13 марта 2002г; научные семинары ИжГТУ.

Публикации. Основное содержание работы опубликовано в 10 печатных работах.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, приложения. Работа изложена на 112 страницах машинописного текста, содержит 9 таблиц, 20 рисунков. Список литературы из 79 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении показана актуальность работы.

В первой главе выполнен анализ научных исследований и практических разработок в области оценки и прогнозирования производственных затрат, трудоемкости изготовления изделий машиностроения, обосновывается целесообразность применения прогнозных методов укрупненного нормирования при оценке параметров изделий, рассматриваются характеристики перспективной автоматизированной системы комплексного нормирования.

При всем многообразии задач современного нормирования на машиностроительных предприятиях отдельной проблемой является прогнозирование экономических характеристик изделий, без которых

решение целого ряда задач планирования производства либо вообще невозможно, либо некорректно.

В работах отечественных авторов, таких как А. Д. Гальцов, Б. М. Генкин, Г. К. Горанский, Н. А. Кольцов, С. П. Митрофанов, И. М. Разумов, Е. Л. Смирнов и др., рассмотрен ряд методов нормирования труда, которые можно свести к трем основным: расчетный метод, метод непосредственного наблюдения, метод аналогий. При последующем анализе методов нормирования обнаруживается, что в каждом методе имеются недостатки. Это приводит к субъективности оценок измерения объема продукции и, как следствие, норм трудоемкости, неопределенности производственных ситуаций, что не позволяет наладить оперативное управление производственным процессом во всем объеме.

В силу несостоятельности оценок объема работ встает вопрос о нахождении такой оценки, которая была бы свободна от субъективных факторов. Определение трудоемкости осуществляется с использованием показателя сложности, представленной как совокупность конструктивных и технологических параметров детали, инструментов и приспособления, где под сложностью понимается структурная сложность, определяющая время обработки детали. Данный метод разработан в УГТУ-УПИ под руководством профессора Ю. С. Шарина и назван методом оценки конструктивно-технологической сложности.

Дальнейшее развитие метод получил в работах под руководством профессора ИжГТУ Б. А. Якимовича. На основе метода оценки сложности разработана математическая модель, использующая принцип многоуровневой иерархической декомпозиции с разной степенью детализации информации о детали. Метод характеризуется единым подходом к формированию конструктивно-технологической сложности конструктивно-технологических элементов различных типов, что, во-первых, повышает универсальность вычислительного алгоритма, во-вторых, значительно упрощает процесс автоматизации данного метода и снижает общие затраты на проведение расчетов.

Эффективное применение метода оценки сложности в прогнозировании может быть доступно при реализации комплексной автоматизированной системы, которая должна по возможности предоставлять полную информацию о текущем состоянии изделия в производственной системе, что соответствует концепции информационной поддержки жизненного цикла изделий (ИПИ).

Во второй главе изложены основные этапы построения модели конструктивно-технологической сложности с учетом различной

степени детализации сведений об объекте, базирующейся на концепции многоуровневой детализации сведений об оцениваемом объекте. Дается формальное представление изделия машиностроительного предприятия, используемое в дальнейшем.

Рассмотрим концепцию метода прогнозирования, представленного на рисунке 1, позволяющую оценить прогнозную трудоемкость изделия на различных этапах подготовки производства с заданной степенью точности, получив достоверные и актуальные результаты с минимально возможными затратами.

В зависимости от ожидаемых результатов исследуемое изделие может рассматриваться с различной степенью детализации сведений. Это может быть изделие в целом для ориентировочного расчета трудоемкости или декомпозированные узлы или детали при определении трудоемкости на этапе подготовки производства.

_о

I о

со ь<: О 2 X ш

¡5§ о. >г с о.

МИНИМАЛЬНАЯ ДЕТАЛИЗАЦИЯ (ИЗДЕЛИЕ КАК ЦЕЛОЕ)

~л

1С

ОЦЕНКА С УЧЕТОМ ДЕКОМПОЗИЦИИ ИЗДЕЛИЯ НА УЗЛЫ И ДСЕ

метод аналогии, эксперные оценки

метод аналогий, эксперные оценки, метод оценки КТС

, -о

, (—

О:

ш ; ¡>

5 а: < ^

еР-

ОЦЕНКА ОТДЕЛЬНЫХ ПЕРЕДЕЛОВ, ДЕКОМПОЗИЦИЯ НА КТЭ

5

ПООПЕРАЦИОННОЕ НОРМИРОВАНИЕ, НОРМИРОВАНИЕ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ

экспертные оценки, метод оценки КТС, отраслевые нормативы

отраслевые нормативы, типовые тех процессы, хронометраж и т п

Рисунок 1 - Общая концепция методов оценки КТС и трудоемкости изготовления изделий

Изделия нижнего уровня - несложные узлы и отдельные детали - успешно анализируются с помощью метода оценки конструктивно технологической сложности. Вариант расчета с учетом всей иерархии узлов и деталей, входящих в изделие, включая декомпозицию деталей на составляющие конструктивно-технологические элементы, может быть использован при отсутствии лимита времени. Этот вариант

прогнозного нормирования предоставляет максимальную точность полученных результатов, но, соответственно, является наиболее трудоемким.

Использование метода аналогий или других подобных методов на начальном этапе подготовки производства дает возможность в самые короткие сроки оценить затраты, избегая полной декомпозиции изделия, что позволит выбрать направление для дальнейшего анализа или отбросить заведомо нерентабельные предложения. Несмотря на ряд положительных моментов, подобный подход, являясь наиболее часто используемым в такой ситуации, имеет и значительные недостатки. Самый важный из них - применение субъективных, часто необоснованных оценок, что характерно для метода аналогий.

С целью формализации метода возможно использование современных достижений методов классификации, применение которых позволяет оценить прогнозную трудоемкость изделия на различных этапах подготовки производства с заданной степенью точности, получив достоверные и актуальные результаты с минимально возможными затратами.

Для алгоритмизации и автоматизации метода аналогий необходимо построить классификационные системы, отображающие множество описаний изделий с заданными иерархиями в классах или группах. Субъективные оценки, из-за применения которых метод аналогий отвергается при необходимости повысить точность получаемых результатов, заменяются статистической информацией, собранной на конкретном предприятии и отражающей объективное состояние производственной системы. Разбиение производственной номенклатуры на классы реализовано методом, использующим алгоритмы нейронных сетей.

С целью формирования классификатора рассмотрим технологическую сторону производства изделия. На предприятии могут выполняться работы по нескольким технологическим переделам:

где: ПД - множество переделов, доступных на предприятии или в производственной системе; ПдI - отдельный передел. Каждый передел включает допустимые операции:

(О

где: Оп, - отдельная операция, используемая в переделе.

Каждая операция характеризуется множеством параметров (атрибутов):

АОП -\Аопх, Аоп2,...,Аоп„}, (3)

где: АОП - множество параметров, характеризующих операцию;

Aon, - отдельный параметр. Параметры операции делятся на конструктивные и технологические.

АОП = АОПК kj АОПТ. (4)

В свою очередь

АОПК = {Аопк1,АОПК2,...,АОЖп} (5)

где: АОПК - множество конструктивных параметров операции;

Аопк, - конструктивный параметр операции, АОПТ = {Aonm], Aonm2Aonmn}

где: АОПТ - множество технологических параметров операции;

Aonm, - технологический параметр операции.

Аналогично технологии можно рассмотреть изделие, к которому она применяется.

И = {ДСЕХ, ДСЕ2ДСЕП }, (6)

где: И - множество детале-сборочных единиц, входящих в изделие;

ДСЕ, - отдельная детале-сборочная единица изделия, которая, в свою очередь, так же может быть представлена как изделие, описываемое множеством других ДСЕ более низкого уровня.

С другой стороны, изделие можно описать конструктивными параметрами:

АИК = {AuKt,AuK2,...,AuKn}, (7)

где: АИК- множество конструктивных параметров изделия;

АиК) - конструктивный параметр изделия, это же, в соответствии с (6), можно представить как

ЛИК = АИК, и АИК, и АИК, и... и АИК„,

о

2

и '

где: АИКо - множество конструктивных параметров изделия, определенных только при рассмотрении изделия непосредственно;

АИК, - множество конструктивных параметров деталесборочной единицы изделия ДСЕ,.

Как представлено выше, изделие может быть описано значительным количеством разнообразных параметров и характеристик, определяемых при рассмотрении конструктивных и технологических аспектов. Ввиду сложности отбора наиболее значимых параметров и специфики предметной области, было принято решение применить экспертный метод, который позволяет с достаточно высокой эффективностью решать подобные задачи. Из доступных методик оценки результатов экспертных опросов выбран метод одномерного шкалирования.

Первоначально на основе анализа номенклатуры изготавливаемых изделий было сформировано множество переделов:

где: Пд/ - штамповка;

Пд2 - раскрой;

Пдз - сварка;

Пд4 - механическая обработка;

Пд5 - слесарно-сборочные работы;

Пд(, - электрофизикохимическая обработка.

Для каждого из выделенных переделов сформированы начальные базовые множества конструктивных и технологических параметров, описывающих как само изделие, так и процесс его производства. В соответствии с (3) и (7) будет справедливо:

ПД = {Пдх, Пд2, Пд,, Пд4, Пд, ,Пд6},

(9)

А е (АОП и АИК),

(10)

АПе А,

(И)

где: А — базовое множество параметров, влияющих на сложность и трудоемкость изделия;

АП - множество параметров, значимо влияющих на сложность и трудоемкость обработки изделия по определенному переделу.

Первоначально для изделия в целом было определено множество параметров А, состоящее из 57 элементов, в которые вошли параметры, полученные на основе исследований типовых представителей номенклатур машиностроительных производств, параметры, рассмотренные и применяемые в работах, посвященных техническому нормированию и организации труда. Для оценки параметров была проведена экспертиза, позволившая выделить множества значимых параметров для каждого из переделов множества ПД

Результаты проведенного опроса были обработаны с применением методов одномерного шкалирования. С учетом нормированной относительной важности экспертов и нормированной относительной важности показателей в соответствии со шкалой интенсивности критериальных свойств Харрингтона, пороговое значение по которой выбрано равным 0.8, было выявлено 25 основных параметров машиностроительного изделия, которые оказывают наибольшее влияние на трудоемкость изделия и величину затрат на его изготовление. В итоге для каждого элемента множества ПД выделено множество конструкторско-технологических параметров АП, определяющих трудоемкость и затраты на изготовление изделия в соответствии с применяемым технологическим переделом (таблица 1).

Рассмотрим изделие как систему, а описывающие его атрибуты как свойства этой системы. Дальнейший анализ ее поведения будет возможен после построения информационной модели, для обоснования которой с использованием большинства методов требуется наличие большого набора экспериментальных данных и относительно равномерное их распределение в пространстве параметров. Однако высокая стоимость сбора экспериментальных данных и, в некоторых случаях, невозможность получения достаточного их количества делает нерациональным использование типовых статистических методов. В такой ситуации альтернативой могут служить нейросетевые модели, которые являются избирательно чувствительными в областях скопления данных, и дают гладкую интерполяцию в остальных случаях.

Таблица 1 - Итоговые множества параметров изделия по переделам

Передел Параметр

Пд1 - штамповка Апц- Габариты заготовки

Ап,2- Масса заготовки

Апц- Площадь детали

Апы- Размер партии

Пд2 - раскрой Ап2, - Площадь листа

Ап22- - Толщина листа

Ап23- - Материал изделия

Ап24- - Размер партии

Пдз - сварка Ап3,- - Длина свариваемого шва

Ап32- - Габариты изделия

Апзз - Масса изделия

АП34 - Размер партии

Пд, - механическая Ап4! - Точность

обработка Ап42- - Шероховатость

Ап43 - Количество поверхностей

Ап44 - Габариты изделия

Пд5 - слесарно- Ап5, - Масса изделия

сборочные работы Ап52 - Число деталей и крепежных

элементов

Ап53 - Точность

Ап54 - Шероховатость

Пдб - Электрофизико- Ащ1 - Габариты изделия

химическая обработка Ап62 - Материал изделия

Ап63 - Масса изделия

Ап64 - Габариты поверхности

Ап65 - Точность

На основе выявленных параметров и статистики по изделиям -типовым представителям производства разработаны методика классификации номенклатуры машиностроительных изделий с учетом степени детализации сведений об оцениваемом объекте и методика оценки показателя конструктивно-технологической сложности и трудоемкости машиностроительного изделия с использованием математического аппарата искусственных нейронных сетей.

Методика классификации объектов исследования - изделий ' машиностроения состоит из следующих этапов. Предварительная

классификация - первый этап, предусматривающий разбиение номенклатуры на классы по первичным неконструктивным признакам: подразделение, тип производства, годовая программа выпуска и т.п. Второй этап основан на группировке номенклатуры с использованием типовых (базовых) классификаторов, принятых в производственной системе. В завершении применяется автоматическая классификация на основе самоорганизующихся карт Кохонена с использованием конструктивных параметров изделия.

Далее, для каждого построенного класса изделий в соответствии с полученными значащими параметрами на основе статистических данных были построены нейронные сети, использованные в автоматизированной системе. Конфигурации сетей выполнены по принципу многослойного персептрона с обучением по алгоритму ЯРгор. За активационную функцию принята сигмоидальная логистическая зависимость.

Результаты обработки контрольных выборок типовой номенклатуры по переделам машиностроительных предприятий приведены на рисунке 5. Распределения относительных отклонений при 1 определении показателя конструктивно-технологической сложности,

приведенные на рисунке 6, на основании критерия согласия Пирсона %2 при уровне значимости а=0,05 соответствуют нормальному распределению, что дает возможность рассматривать отклонение как случайную величину, не превышающую 25% .

Представленные конфигурации сетей не являются уникальными. Для каждого из переделов может быть разработано практически неограниченное количество альтернативных вариантов нейронных сетей, но настоящие экземпляры выполняют свое назначение и могут быть использованы для дальнейших исследований и разработок.

SO too t50 200 250 300 350 С р*сч («д-сл)

50 100 150 200 2S0 300 350 Срасч (»дел)

пд,

пд2

100 150 200 250 300 С ркч (СД.СЛ )

ПДз

ПД4

100 200 300

С расч (вдеп)

SO 100 150 200 250 300 С расч (едхл.)

пд5

ПДб

Рисунок 5 - Диаграммы соответствия значений прогнозных (net) и фактических (расч.) значений сложности для контрольных выборок

02 016 0)6 014 012 01 0 08 006 004 002

г/

/

/

\

\

0 25 0 20 0 15 0 10 0 05 0 0 05 0 10 0 15 0 20 0 25

ПД,

0 25 0 20 0 15 0 10 -0 05 О 0 05 0 10 0 15 0 20 0 25

ПДя

/

Й

К

0 25 0 20 015 010 0 05 О 0 05 0 10 0 15 0 20 0 25

ПД5

016 016 014 012 01 ооа 006 004 002

г-

\

\

025-020 015 010 005 0 005 010 015 020 025

ПД2

Г~1

' \

-0 25 0 20 0 15 0 10-0 05 0 0 05 0 10 0.15 0 20 0 25

ПД»

О 16 016 О 14 0 12 01 006 0 06 0 04 0 02

N

0 25 0 20 015-010 0 05 0 0 05 010 015 020 025

ПДб

Рисунок 6 - Диаграммы распределения относительных отклонений прогнозных значений сложности от фактических

В третьей главе представлены результаты применения разработанной методики оценки конструктивно-технологической сложности машиностроительных изделий на примере номенклатуры

инструментального производства. Собрана статистика по типовой номенклатуре производственных систем, с использованием которой были построены автоматические классификаторы (рисунок 7) и обучены аппроксимирующие искусственные нейронные сети. Проведена классификация и расчеты сложности нескольких изделий, таких как штампы и приспособления.

70 225 380

Макс габаритный размер

16 13 3

Шероховатость

25

—I—

95

12

Точность

ИИК

4 42

Мин габаритный размер

80

4 33.5

Количество поверхностей

63

0 01875 018245 0 34615 Показатель пропорциональности

Рисунок 7 - Результат отображения параметров исследуемых изделий на самоорганизующихся картах Кохонена

Диапазон сложности для исследуемых изделий лежит в пределах от 37,9 до 1112,11 ед.сл., количество ДСЕ от 2 до 15.

Пример результатов прогноза изделия "Штамп ШГБ-2673" приведен в таблице 2. Суммарная сложность составила 818,5 ед., что на 0,9% превысило контрольный результат, полученный методом оценки конструктивно-технологической сложности на основе декомпозиции изделий до уровня конструктивно-технологических элементов.

Таблица 2 - Результат прогноза сложности контрольного изделия

Шифр Наименование Сложность факт., ед. сл. Сложность прогн., ед. сл. Относительная ошибка

ШГБ-2673/1 Матрица 51,38 52,16 1,5%

ШГБ-2673/1-01 Секция 56,38 56,80 0,7%

ШГБ-2673/1-02 Сухарь 7,2 8,63 16,6%

ШГБ-2673/2 Выталкиватель 58,3 58,55 0,4%

ШГБ-2673/3 Фиксатор 7,22 6,29 14,8%

ШГБ-2673/4 Карта 9,83 9,88 0,5%

ШГБ-2673/5 Плита верхняя 102,17 103,7 1,5%

ШГБ-2673/6 Шайба 2,56 3,13 18,2%

ШГБ-2673/7 Срыватель 27,14 28,80 5,8%

ШГБ-2673/8 Плитка 38,48 38,85 1,0%

ШГБ-2673/9 Держатель 84,42 84,93 0,6%

ШГБ-2673/10 Пуансон 139,07 138,7 0,3%

ШГБ-2673/11 Ловитель 2,78 3,32 16,3%

ШГБ-2673/12 Плита нижняя 143,17 142,3 0,6%

ШГБ-2673/13 Плитка 68,4 69,88 2,1%

ШГБ-2673/14 Хвостовик 12,37 12,58 1,7%

В четвертой главе рассматривается реализация автоматизированной системы определения прогнозной трудоемкости изделий с различной степенью детализации сведений об оцениваемом объекте, которая построена на основе разработанного комплекса моделей. Система входит в состав пакета автоматизированных систем, построенного по модульному принципу из связанных друг с другом компонентов, использующих совместно общие базы данных.

Решение задач нормирования и оценки трудоемкости изготовления машиностроительного изделия в современных условиях *

требует разработки автоматизированных систем, которые могли бы функционировать в условиях единого информационного пространства предприятия и использовать перспективные комплексные методы оценки трудоемкости изготовления машиностроительного изделия. На этом основании была разработана и частично реализована концепция пакета автоматизированных систем поддержки производства.

Пакет систем логически построен на четырех структурных элементах:

- база данных информационной поддержки жизненного цикла изделия;

- модули планирования и мониторинга проектов;

- модули анализа производственных систем и прогнозирования экономических показателей производства;

- модули технологической поддержки производства и технического нормирования.

Взаимодействие между структурными элементами пакета построено на единой базе данных предприятия (база данных информационной поддержки изделия) и на показателе конструктивно- *

технологической сложности, как универсальном показателе, оценивающем технико-экономические параметры изделия. База данных информационной поддержки использует как собственные структуры, так и представления из баз данных систем сторонних разработчиков, применяемых на предприятии. Кроме того, каждый отдельный модуль пакета имеет собственные структуры данных, решающие локальные задачи по хранению и обработке информации.

Автоматизированная система определения прогнозной трудоемкости представлена на структуре пакета автоматизированных системы как модуль NET. Структура модуля NET показана на рисунке 8.

Основу системы составляет модуль ПРОГНОЗ, обеспечивающий многоуровневую классификацию поступающего на

вход системы изделия или элементов обучающей выборочной совокупности, обучение и конфигурирование искусственных нейронных сетей, и аппроксимирующий блок на основе математического аппарата искусственных нейронных сетей.

Модуль ЭКСПЕРТИЗА обеспечивает формирование выборочных совокупностей и параметров их описывающих, которые далее используются при обучении и настройке нейросетевых моделей.

БДИПИ

Номенклатура

Оборудование

Материал

Технология

Экспертиза

И

V

НС

I/

ЭКСПЕРТИЗА

начальное множество атрибутов

^ Экспертная \ группа I

множество значимых атрибутов

И V

N 1/

ПРОГНОЗ

Обучение

выбор конф сети коррекция

Классификатор

предварительный

базовый

автоматический

Апроксимация

Рисунок 8 - Структура автоматизированной системы определения прогнозной трудоемкости

На основе формального представления машиностроительного изделия разработана универсальная структура базы данных без жесткого определения свойств и параметров как изделия так и элементов производственной системы, позволяющая организовать иерархию изделий, элементов производственной системы без ограничения уровня вложенности структуры. На рисунке 9 приведен пример интерфейса пользователя разработанной автоматизированной системы

я

а

^олшгь ноимй пар-ммигр (¿блицу

воммогтпим« аявий

Единим измереии^^^ ^

_____- -

НвИмембМЖеТв^дЙ^Ы '

всоом время»» И сиял»*«»»»

Зяйениерв^Лй*«»

_1

0

г

ОыАерит« значение параметре

1 Способ установки и креплен« детали ^вб патроне с пневматическими зажимом

^ В приспособлении с креплением двумя в»*<гоеыми зажимали +• ® Простой установ - Сложный установ

^ Диаметр детали 20-35 мм ^ Диаметр детали 35 60 к

^ Диаметр детали 80-100 мм ^ Диаметр детали до 20 ^ + ® В приспособлении с креплением вдним винтовым зажимом СВ в самоцектрирующем патроне с ручным зажимом ключом

Закрыть {

~ • •" -11..........----Знамение по 'ММ"

Ш

"О"

Рисунок 9 - Пример пользовательского интерфейса автоматизированной системы определения прогнозной трудоемкости

В автоматизированной системе были использованы математические модели сложности, математический аппарат искусственных нейронных сетей и разработанные на его основе нейросетевые модели сложности по переделам машиностроения.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В диссертационной работе решена задача определения показателя конструктивно-технологической сложности на начальных этапах жизненного цикла изделия для различных технологических переделов машиностроения. Разработанные модели сложности предоставляют эффективный метод прогнозного нормирования на этапе принятия решения о внедрении в производство нового изделия, позволяя в минимальные сроки'оценить экономическую эффективность и целесообразность реализации проекта. Применение показателя сложности позволяет минимизировать затраты на подготовку производства и обеспечивает получение прогнозных значений экономических показателей изделия на ранних этапах проектирования без предварительной разработки технологической документации и до принятия решения о начале производства.

Как итог проведенных исследований были получены следующие практические и теоретические результаты:

1. Предложено формальное иерархическое представление машиностроительного изделия на основе конструктивных и технологических параметров. В дальнейшем данное представление может быть использовано для разработки информационных, структурных и других моделей, применяемых в автоматизированных системах промышленного назначения.

2. Выделены значащие параметры машиностроительного изделия наиболее применяемых переделов машиностроительных производственных систем, благодаря чему сокращен более чем на 50% перечень параметров изделия, применяемых для определения трудоемкости, сложности и других экономических показателей.

3. На основе отобранных параметров и статистики по изделиям - типовым представителям производства разработаны методика классификации номенклатуры машиностроительных изделий с учетом степени детализации сведений об оцениваемом объекте и методика оценки показателя конструктивно-технологической сложности и трудоемкости машиностроительного изделия с использованием математического аппарата искусственных нейронных сетей, позволяющие получить прогнозные значения с уровнем относительной ошибки До 25%.

4. Разработана универсальная структура базы данных без жесткого определения свойств и параметров, как изделия,

так и элементов производственной системы, позволяющая организовать иерархию изделий, элементов производственной системы без ограничения уровня вложенности структуры.

5. На основе математических моделей сложности и аппарата искусственных нейронных сетей разработана автоматизированная система определения прогнозной трудоемкости изделий.

6. Апробация в производственных условиях созданного программного обеспечения и разработанной методики, показала их эффективность при определении сложности и трудоемкости изделий на ранних этапах жизненного цикла.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИОННОЙ РАБОТЫ ИЗЛОЖЕНО В СЛЕДУЮЩИХ ПУБЛИКАЦИЯХ

1. Раскин П.Н., Коршунов А.И. Оценка прогнозной трудоемкости изготовления изделий машиностроения с учетом различной степени детализации сведений об оцениваемом объекте. // Молодые ученые — первые шаги третьего тысячелетия: Труды электронной заочной конференции. - Ижевск: Изд-во Удмуртского государственного университета, 2000. - С. 26-27.

2. Домбрачев А.Н., Раскин П.Н. Автоматизированная система определения трудоемкости изготовления изделий в инструментальном производстве. // Социально экономические проблемы развития региона: Сборник трудов региональной научно-практической конференции -Ижевск: Изд-во ИжГТУ, 2001 - С. 8

3. Раскин П.Н., Домбрачев А.Н., Якимович Б.А., Коршунов А.И. Автоматизированная система технического нормирования // Информационные технологии в инновационных проектах: Тр. Ill междунар. науч.-техн. конф. (Ижевск, 23-24 мая 2001 г.). - Ижевск: 2001 -С. 151.

4. Якимович Б.А., Раскин П.Н., Коршунов А.И. Оценка конструктивно-технологической сложности и трудоемкости изготовления производственной номенклатуры. // Моделирование технических систем. Инновационные технологии в машиностроении и приборостроении. Материалы международной научно-технической конференции, посвященной 50-летию ИжГТУ. Часть 5. - Ижевск: Изд-во ИжГТУ, 2002 - С. 102-105.

5. Раскин П.Н., Якимович Б.А., Коршунов А.И. Укрупненная

оценка сложности и трудоемкости изделий машиностроения с использованием метода аналогий. // Высокие технологии в механике. Материалы научно-практической конференции. - Ижевск: Изд-во ИжГТУ, 2002 - С. 48-49.

6. Раскин П.Н., Якимович Б.А., Коршунов А.И. Применение нейросетевых алгоритмов в прогнозном нормировании изделий машиностроения. // Информационные технологии в инновационных проектах. Труды IV Международной научно-практической конференции. Часть 1. - Ижевск: Изд-во ИжГТУ, 2003 - С. 84.

7. Раскин П.Н., Якимович Б.А., Коршунов А.И. Оценка трудоемкости изготовления машиностроительного изделия на этапе принятия решения о постановке в производство. // Информационные технологии в управлении жизненным циклом изделий. Материалы международной конференции. - С.-П.: Центр печати «СеверРосс», 2003 - С. 97-99.

8. Раскин П.Н. Анализ параметров, влияющих на прогнозную трудоемкость и затраты машиностроительного изделия. // Теория. Эксперимент. Практика. Сборник трудов научно-методической конференции Воткинского филиала ИжГТУ. В 2 частях. Часть 1 -Ижевск: Издательство ИжГТУ, 2004 - С. 16-18.

9. Раскин П.Н., Коршунов А.И., Якимович А.И. Оценка трудоемкости изготовления в перспективных автоматизированных системах. // Известия ТулГУ. Серия. Экономика. Управление. Стандартизация. Качество. Вып. 1. Избранные труды участников Первой Международной электронной научно-технической конференции. - Тула: Издательство ТулГУ, 2004 - С. 176-178.

10. Раскин П.Н., Якимович Б.А. Оценка трудоемкости изготовления изделий машиностроения с использованием искусственных нейронных сетей. // Проблемы информатики в

•» образовании, управлении, экономике и технике: сборник статей V

Всероссийской научно-технической конференции. - Пенза, 2005 - С. 62-65.

Подписано в печать 31.05.06. Формат 60x84/16. Усл. печ. л. 1,0 Тираж 80 экз. Заказ № 170. Отпечатано в типографии Издательства ИжГТУ 426069. Ижевск, Студенческая, 7

лообк //533

р 14533

г

ВВЕДЕНИЕ.

1 АНАЛИЗ МЕТОДОВ ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ МАШИНОСТРОЕНИИ.

1.1 Методы нормирования в машиностроении.

1.2 Автоматизированные системы поддержки производства.

1.3 Математическое обеспечение автоматизированных систем.

1.4 Цели и задачи исследования.

2 МОДЕЛЬ КОНСТРУКТИВНО-ТЕХНОЛОГИЧЕСКОЙ СЛОЖНОСТИ С УЧЕТОМ РАЗЛИЧНОЙ СТЕПЕНИ 'ДЕТАЛИЗАЦИИ СВЕДЕНИЙ ОБ ОБЪЕКТЕ.

2.1 Формальное представление изделия машиностроительного предприятия.

2.2 Нейросетевая модель конструктивно-технологической сложности.

2.3 Выводы.

3 РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЙ В МАШИНОСТРОИТЕЛЬНОМ ПРОИЗВОДСТВЕ.

3.1 Построение классификатора изделий инструментального производства.'.

3.2 Определение показателя сложности изделий инструментального производства.

3.3 Выводы.

4 АВТОМАТИЗИРОВАННАЯ СИСТЕМА ОПРЕДЕЛЕНИЯ ПРОГНОЗНОЙ ТРУДОЕМКОСТИ.

4.1 Место автоматизированной системы определения прогнозной трудоемкости в информационной поддержке жизненного цикла изделия

4.2 Структура автоматизированной системы определения прогнозной трудоемкости.'.

4.3 Информационное обеспечение системы определения прогнозной трудоемкости.

4.4 Объектно-ориентированная модель искусственных нейронных сетей

4.5 Выводы.

Прогноз временных затрат на производство номенклатуры изделий предприятия в условиях быстрой сменяемости продукции машиностроения необходим и позволяет ему эффективно и обоснованно перераспределять свои ресурсы. Особенно значимой становится роль прогнозирования в ситуации внедрения новой производственной номенклатуры. На этом этапе для различных служб предприятия возникает существенное множество задач, которые необходимо выполнить с минимальными потерями времени. В связи с этим, развитие методов обоснованного прогнозирования временных затрат на изготовление новой производственной номенклатуры изделий, является весьма актуальным, как с практической, так и научной точек зрения. Все это напрямую влияет на эффективность функционирования производственных систем машиностроения и затрагивает не только вопросы нормирования, но и дает возможность повысить эффективность решения задач управления производственными ресурсами. В условиях рыночной конкуренции обоснованное прогнозное знание своих затрат дает предприятию возможность определять спектр своей номенклатуры и не пытаться осваивать заведомо убыточные изделия.

Как показали исследования известных отечественных и зарубежных ученых и производственников весьма востребованным является прогнозирование затрат времени, которое было бы основано на методах, позволяющих уже на этапе разработки конструкторской документации или сс импортирования от заказчика получать' с достаточной точностью величины таких затрат. Обзор исследований в данной области показал, что данный вопрос решался в направлении развития методов аналогий, которые не дают достаточной точности. Предприятия машиностроительного комплекса интересует прогноз затрат на этапе принятия решения об освоении определенной номенклатуры изделий в производстве с ошибкой не более 20 процентов. Наиболее адаптированной к решению данных задач является теория конструктивно-технологической сложности, которая позволяет на основе оценки свойств изделий рассчитать трудоемкость их изготовления. Для этого не требуется технологическая подготовка производства по изделию или его опытное изготовление.

Научной школой под руководством профессоров 10. С. Шарина (УГТУ) и Б.А. Якимовича (ИжГТУ) разработана и развивается теория сложности. В соответствии с теорией сложности любое изделие наряду с классическими конструктивными и технологическими параметрами может быть представлено через универсальный количественный показатель конструктивно-технологической сложности. Данный метод может быть положен в основу нормативного обеспечения технического и прогнозного нормирования, в том числе и в составе автоматизированных систем.

В работе решается задача прогнозирования затрат на изготовление изделий машиностроения с использованием автоматизированной системы определения прогнозной трудоемкости с различной степенью детализации сведений об оцениваемом объекте. Разработанная система основана на методике оценки показателя конструктивно-технологической сложности с применением аппарата искусственных нейронных сетей для сокращения общего объема оцениваемых параметров и характеристик изделия, что позволило в зависимости от уровня детализации сведений об изделии провести оценку затрат на его изготовление с заданной степенью точности.

Цель работы: Формализовать и повысить эффективность метода оценки конструктивно-технологической сложности и трудоемкости изготовления изделий машиностроения на ранних этапах подготовки производства

Основные задачи:

1. Разработка формального представления машиностроительного изделия в виде иерархической модели с использованием теории множеств.

2. Разработка методики выявления и численного оценивания значимых факторов, влияющих на конструктивно-технологическую сложность и трудоемкость машиностроительного изделия.

3. Разработка принципов классификации номенклатуры машиностроительных изделий с учетом степени детализации сведения об оцениваемом объекте на основе выявленных факторов, значимо влияющих на конструктивно-технологическую сложность и трудоемкость.

4. Разработка методики и алгоритма оценки показателя конструктивно-технологической сложности и трудоемкости машиностроительного изделия на основе выявленных факторов с использованием математического аппарата искусственных нейронных сетей.

5. Оценка точности определения конструктивно-технологической сложности и трудоемкости изготовления машиностроительного изделия в соответствии с уровнем детализации сведений об оцениваемом объекте.

6. Разработка концепции автоматизированной системы определения прогнозной трудоемкости машиностроительного изделия на ранних этапах подготовки производства.

7. Разработка и реализация автоматизированной системы определения прогнозной трудоемкости машиностроительного изделия на ранних этапах подготовки производства.

8. Апробация оценки показателя конструктивно-технологической сложности и трудоемкости машиностроительного изделия на ранних этапах подготовки производства и внедрение автоматизированной системы определения прогнозной трудоемкости на машиностроительных предприятиях.

При решении поставленных задач использовались методы оценки конструктивно-технологической сложности, статистического анализа, экспертного оценивания и теории множеств.

В качестве научной новизны выступает следующее:

- для наиболее часто встречающихся переделов машиностроения выявлены множества параметров, значимо влияющих на сложность и трудоемкость изготовления изделий;

- разработана методика поэтапной классификации номенклатуры машиностроительных изделий с учетом степени детализации сведений об оцениваемом объекте на основе выявленных параметров, значимо влияющих на конструктивно-технологическую сложность и трудоемкость;

- в соответствии с теорией сложности предложены методика и алгоритм оценки показателя конструктивно-технологической сложности и трудоемкости машиностроительного изделия с использованием математического аппарата искусственных нейронных сетей.

Разработанные принципы поэтапной классификации и методика определения конструктивно-технологической сложности изделий машиностроения позволяют с достаточной степенью точности оценивать прогнозную трудоемкость изготовления, используя различные уровни детализации сведений об оцениваемом объекте. На их основе разработана автоматизированная система определения прогнозной трудоемкости изделий. Результаты работы внедрены на ДОАО "Ижевский инструментальный завод".

ЗАКЛЮЧЕНИЕ

В диссертационной работе решена задача определения показателя конструктивно-технологической сложности на начальных этапах жизненного цикла изделия для различных переделов машиностроения. Разработанные модели сложности предоставляют эффективный метод прогнозного нормирования на этапе принятия решения о внедрении в производство нового изделия, позволяя в минимальные сроки оценить экономическую эффективность и целесообразность ' проекта. Применение показателя сложности позволяет минимизировать затраты на подготовку производства и обеспечивают прогнозные значения экономических показателей изделия на ранних этапах проектирования без предварительной разработки технологической документации и до принятия решения о начале производства.

Как итог проведенных исследований были получены следующие практические и теоретические результаты:

1. Сформулировано формальное представление машиностроительного изделия. В дальнейшем предложенное представление может быть использовано для разработки информационных, структурных и других моделей, применяемых в автоматизированных системах промышленного назначения.

2. Выделены значащие параметры машиностроительного изделия наиболее применяемых переделов машиностроительных производственных систем, благодаря чему сокращен перечень параметров изделия, применяемых для определения трудоемкости, сложности и других экономических показателей.

3. В соответствии с полученными значащими параметрами на основе применяемых на предприятиях норм времени на операции и переходы основных машиностроительных переделов были построены тестовые нейронные сети для различных переделов машиностроения.

4. На основе проведенных исследований более чем на 50% сокращен список используемых параметров изделия путем выявления параметров, наиболее значимо влияющих на трудоемкость, сложность и другие экономические показатели изделия. Из исходного множества параметров для переделов штамповка, раскрой, сварка, механическая обработка, слесарно-сборочные работы, электрофизикохимическая обработка выделено 25 значащих параметров, определяющих сложность и трудоемкость изделия.

5. На основе отобранных параметров и статистики по изделиям, типовым представителям инструментального машиностроительного производства, создан автоматический классификатор изделий, состоящий из четырех классов: Класс 1 - малогабаритные ДСЕ; Класс 2 - непропорциональные ДСЕ с малым количеством обрабатываемых, поверхностей; Класс 3 -типовые ДСЕ с усредненными значениями показателей; Класс 4 -высокоточные ДСЕ с большим количеством обрабатываемых поверхностей. Для каждого класса построены и обучены нейросетевые модели расчета показателя конструктивно-технологической сложности. При использовании которых, относительное отклонение прогнозных значений сложности при обработке деталей машиностроительных изделий инструментального производства не превысило 25%. Уровень отклонения сопоставим с отклонением, получаемым при использовании аналитических и статистических методик оценки показателя конструктивно-технологической сложности.

6. С применением формального представления машиностроительного изделия разработана универсальная структура базы данных без жесткого определения свойств и параметров как изделия так и элементов производственной системы, позволяющая организовать иерархию изделий, элементов производственной системы без ограничения уровня вложенности структуры.

7. На основе математических моделей сложности и аппарата искусственных нейронных сетей разработана автоматизированная система определения прогнозной трудоемкости изделий.

8. Полученные практические и теоретические результаты внедрены в производство на ДОАО "Ижевский инструментальный завод" и приняты к использованию при укрупненном автоматизированном расчете трудоемкости изготовления изделий.

1. Митрофанов С.П. Научная организация серийного производства. J1.: Машиностроение, 1970. - 768 с.

2. Шарин Ю.С., Поморцева Т.Ю. Теория сложности и ее использование в машиностроении. Екатеринбург, ЦНТИ, 1996. 237 с.

3. Коршунов А.И. Создание автоматизированной системы определения прогнозной трудоемкости изготовления деталей корпусного типа. / Диссертация на соискание ученой степени кандидата технических наук. Ижевск, 1998.- 180с.

4. Укрупненное нормирование. Под редакцией А.Д. Гальцова. М.: Государственное научно-техническое издательство машиностроительной литературы, 1961. - 246 с.

5. Справочник нормировщика / поД общ. ред. А.В. Ахумова. Л: Машиностроение, 1986, - 458 с.

6. Гальцов А. Д. Нормирование и основы научной организации труда в машиностроении. Машиностроение, М.: 1967

7. Шарин Ю.С., Якимович Б.А., Толмачев В.Г., Коршунов А.И. Теория сложности. Ижевск: Издательство ИжГТУ, 1999 - 132 с.

8. Болотов Ф. В. Метод определения трудоемкости механической обработки деталей машин на стадии конструкторской подготовки производства. Диссертация на соискание ученой степени кандидата технических наук. -Курган, 2000.

9. Холодная Г.Н. Нормирование труда в промышленности. Учеб. пособие для вузов. М.: Экономика, 1969. - 271 с.

10. Теория сложности / 10. С. Шарин, Б. А. Якимович, В. Г. Толмачев, А. И. Коршунов. Ижевск: Издательство ИжГТУ, 1999. - 132 с.

11. Якимович Б.А. Анализ эффективности и совершенствование переналаживаемых производственных систем машиностроения. Диссертацияна соискание ученой степени доктора Технических наук. Ижевск, 1994. 333 с.

12. Норенков И.П., Кузьмик П.К. Информационная поддержка наукоемких изделий. CALS-технологии. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. -320 с.

13. Судов Е.В. Интегрированная информационная поддержка жизненного цикла машиностроительной продукции. Принципы. Технологии. Методы. Модели. М.: ООО Издательский дом «МВМ», 2003. - 264 с.

14. Терехина А.Ю. Анализ данных методами многомерного шкалирования. -М.: Наука.-1986

15. Гайдышев И. Анализ и обработка данных: специальный справочник. -СПб: Питер, 2001.-752 с.

16. Боровиков В. STATISTICA: искусство анализа данных на компьютере. Для профессионалов. СПб: Питер, 2001. - 656 с.

17. Гмурман В.Е. Теория вероятностей и математическая статистика. Изд. 4-е, доп. М.: Высш. школа, 1972. - 368 с,

18. Вентцель Е.С., Овчаров JI.A. Теория вероятностей и ее инженерные приложения. М.: Наука, 1988. - 480 с.

19. Львовский Е.Н. Статистические методы построения эмпирических формул: Учебное пособие для втузов. 2-е изд., переработанное и дополненное - М.: Высшая школа, 1988. -239 с.

20. Лавров В.Д. Планирование и учет опытных и исследовательских работ в машиностроении. М.: Машгиз, 1961.

21. Спиридонов А.А. Планирование эксперимента при исследовании технологических процессов. -М.: Машиностроение, 1981. 184 е., ил.

22. Асатурян В.И. Теория планирования эксперимента: Учебное пособие для вузов. М.: Радио и связь, 1983. - 248 с.

23. Паклин Н.Б., Адаптивные модели нечеткого вывода для идентификации нелинейных зависимостей в сложных системах. Диссертация на соискание ученой степени кандидата технических наук. Ижевск, 2004

24. Нейроинформатика / А.Н.Горбань, В.Л.Дунин-Барковский, А.Н.Кирдин к< др. Новосибирск: Наука. Сибирское предприятие РАН, 1998. - 296с.

25. Ю.Г. Кабалдин, С.В. Билеико. Интеллектуальное проектирование станочных систем. Вестник машиностроения 03-2004, с. 43-46

26. Нейронные сети / Электронный учебник по статистике / StatSoft http://www.statsoft.ru/home/textbook/modules/stneunet.html

27. Алгоритм обучения RProp математический аппарат / Нейронные сети / BaseGroup Labs http://www.basegroup.ru/neural/rprop.htm

28. Самоорганизующиеся карты математический аппарат / Нейронные сети / BaseGroup Labs http://www.basegroup.ni/neural/som.htm

29. SOM implementation in SOM Toolbox / Laboratory of Computer and Information Science / Helsinki University of Technology http://www.cis.hut.fi/projects/somtoolbox/documentation/somalg.shtml

30. Уоссермен Ф. Нейрокомпьтерная техника: Теория и практика. М.: Мир, 1992- 184 с.

31. Якимович Б.А., Кузнецов А.П., Решетников Е.В., Модель расчета проектных затрат на изготовление изделий машиностроения / Автоматизация и современные технологии 2003 №5. М: Машиностроение, 2003. - с.20-24.

32. Маталин А.А., Технология машиностроения, JT: Машиностроение, 1985.

33. Баканов М., Смирнов А. Экономический анализ и коммерческий расчет. Коммерческий вестник , 1991. 86 с.

34. Баканов М.И., Шеремет А.Д. Теория экономического анализа.: Учебник. -3-е изд., перераб. М.: Финансы и статистика, 1993. - 288 с.

35. Нормирование труда в промышленности/ Учебно-метод. пособие для системы повышения квалификации руководящих работников и спец-стов промышленности/ Редкол.: Новожилов С.С. и др. М.: Экономика, 1982. -296 с.

36. Воротникова В.В., Павленко А.П., .Слезингер Г.Э. Нормирование труда инженерно-технических работников и служащих. М.: Экономика, 1970. -255 с.

37. Организация и планирование машиностроительного производства: Учеб. для машиностр. спец. вузов/ М.И. Ипатов, М.К. Захарова, К.А. Грачева и др.; Под ред. М.И. Ипатова, В.И. Постникова, М.К. Захаровой.- М.: Высш.шк., 1988.- 367с.

38. Омаров A.M. Экономика производственного объединения (предприятия): Учебн. для ст-тов высш. учебн. заведений по спец. «Планирование промышленности». -М.: Экономика, 1985. 384 с.

39. Якимович Б.А., Коршунов А.И. Методы укрупненного нормирования в машиностроении и перспективы получения прогнозной трудоемкости // Информатика машиностроение. - 1996. - №3. - 34-37 с.

40. Якимович Б.А., Коршунов А.И. Автоматизированная система прогнозирования трудоемкости обработки деталей в машиностроении // Информатика машиностроение. - 1996. - №2. - 55-58 с.

41. Ижевск: Изд-во Удмуртского государственного университета, 2000. С. 2627.

42. Политехнический словарь / гл. ред. АЛО. Ишлинский. М.: «Большая Российская энциклопедия», 1998. -656 с.

43. Проектирование технологических процессов механической обработки в машиностроении / под ред. В.В. Бабука. Мн.: Выш. шк., 1987. - 255 с.

44. Цветков В.Д. Система автоматизации технологических процессов. М.:

45. Машиностроение», 1972. 240 с.

46. Шарин Ю.С. Технологическое обеспечение станков с ЧПУ. М.: Машиностроение, 1986. - 176 с.

47. Евгенев Г.Б. Основы программирования обработки на станках с ЧПУ. -М.: Машиностроение, 1983. 304 с.

48. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. М.: Экономика, 1978. - 133 с.

49. Евланов Л.Г. Теория и практика принятия решений. М.: Экономика, 1984.- 176 с.

50. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. М.: Экономика, 1978. 133 с.

51. Теория выбора и принятия решений / И.М. Макаров и др. М.: Наука, 1982.-328 с.

52. Гмурман В.Е. Теория вероятностей и математическая статистика. Изд. 4-е, доп.: Учеб. пособие для вузов. М.: Высшая школа, 1972. - 368 с.

53. Таблицы по математической статистике / Мюллер П., Нойман П., Шторм Р.: Пер. с нем. и предисловие Ивановой В.М. М.: Финансы и статистика, 1982.- 287 с.

54. Вентцель Е.С., Овчаров Л. А. Теория вероятностей и ее инженерные приложения. М.: Наука, 1988 - 480 с.

55. Герасимович А.И. Математическая статистика./ Учеб. пособие для вузов. 2-е изд., перераб. и доп. - Мн.: Выш. школа, 1983. - 279 с.

56. Решетников Е.В., Разработка инструментальных средств автоматизированного расчета проектных затрат на изготовление деталей машиностроения. Диссертация на соискание ученой степени кандидата технических наук. Ижевск, 2003

57. Д. Кинг Создание эффективного программного обеспечения. М.: Мир, 1991.-288 с.

58. Дж. Мартин. Организация баз данных в вычислительных системах. М.: Мир, 1980.

59. Джексон Г. Проектирование реляционных баз данных для использования с микроЭВМ: Пер. с англ. -М.: Мир, 1991.-252 с.

60. Мамаев Е., Вишневский A. Microsoft SQL Server для профессионалов. -СПб.: Питер, 2001.-894 с.

61. Маклаков С.В. Bpwin и Erwin. CASE-средства разработки информационных систем. М.: ДИАЛОГ-МИФИ, 2000 - 256 с.

62. Карпова Т.С. Базы данных: модели, разработка, реализация. СПб.: Питер, 2001.-304 с.

63. Библиотека информационной технологии. Выпуск 5./под ред. Г.Р. Громова/, М.: ИнфоАрт, 1992. - 192 е.

64. Иванова Г.С. Технология программирования: Учебник для вызов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. - 320 с.

65. Бобровский С. Delphi 5: учебный курс СПб: Издательство «Питер», 2000.-640 е.: ил.

66. Кандзюба С.П., Громов В.Н. DELPHI 6. Базы данных и приложения: лекции и упражнения. Киев: Диасофт,2001. - 569 с.

67. Delphi 5: для пользователя: пер. с нем. К.: Издательская группа BHV, 2000.-496 е.: ил.