автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Разработка и применение численных методов для комплексных программ актуальных задач пищевой промышленности

На правах рукописи

ЗЕЛЕНИНА ЛАРИСА ИВАНОВНА

РАЗРАБОТКА И ПРИМЕНЕНИЕ ЧИСЛЕННЫХ МЕТОДОВ ДЛЯ КОМПЛЕКСНЫХ ПРОГРАММ АКТУАЛЬНЫХ ЗАДАЧ ПИЩЕВОЙ ПРОМЫШЛЕННОСТИ

Специальность 05. 13.18- Математическое моделирование,

численные методы и комплексы программ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва 2006

Работа выполнена на кафедре «Информационные технологии» Московского государственного университета технологий и управления (МГУТУ).

Научный руководитель - кандидат технических наук,

доцент Николаева C.B.

Официальные оппоненты - доктор технических наук,

профессор Бородин A.B.

- доктор технических наук, профессор Юдаев В.Ф.

Ведущая организация - Московский государственный

университет пищевых производств (МГУ 1111)

Защита диссертации состоится 15 мая 2006 г. в 13 ч. на заседании Диссертационного Совета Д 212.122.05 в Московском государственном университете технологий и управления по адресу: 109316, г. Москва, ул. Талалихина, д. 31, ауд. 41.

С диссертацией можно ознакомиться в библиотеке МГУТУ.

Автореферат разослан__2006 г.

Ученый секретарь Диссертационного Совета д.т.н., проф.

О.С.Восканян

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Основное направление и актуальность исследований. Современные биохимики и технологи должны свободно владеть современными научными направлениями в области прикладной биотехнологии, теории анализа и синтеза технологических систем в объективных условиях производства Но, к сожалению, системные знания в области пищевых технологий, основанные на информационных технологиях управления, в целом слабы, а иногда, и полностью отсутствуют. Это является объективной причиной того, что технологи не могут выступать в качестве аналитиков; квалифицированно владеть методами, используемыми, например, для сравнения и описания пищевых смесей; методами, связанными с биофизикой пищевых сред. Вместе с тем, современные пищевые биотехнологии - это достаточно сложные объекты исследований, и без системного анализа нельзя интегрировать знания пищевой технологии, как в процессе микробиологических и биохимических превращений, так и в процессах моделирования, прогнозирования и управления производством в целом.

Инструментом исследования пищевых биотехнологий должны выступать математические методы, применяемые в теории управления, принятии решений, а также современных теориях информации и информационных технологиях.

В ряде случаев бывает необходимо быстро представить результаты теоретических исследований и предварительные оценки некоторых методик и инженерных расчётов, проведя имитационное моделирование на компьютере. При этом достаточно пользоваться штатными средствами современных, самых распространенных и легкодоступных пакетов обработки информации Microsoft Excel и Microsoft Access.

Для оптимизации, как отдельных технологических операций, так и технологий в целом, в настоящее время широко используется методология мо-

делирования как инструмент изучения нов

^тгт^етпгпдтгрщью его ма-

БИБЛИОТЕКА С Петарду

99

шг,

тематического описания. Основные успехи в этом направлении получены при моделировании детерминированных и стохастических технологических операций прикладных биотехнологий (Мизерецкий H.II, Ивашкин Ю.А , Косой В Д, Красуля О Н., Митин В В., Николаев Н.С., Kormendy G., Barker R. и ДР)

Результаты нечёткого моделирования в условиях неопределённости описаны в работах Серебрякова А.В и Трефилова В. А. (масложировое производство), Митина В.В., Протопопова И.И., Рогова И.А., Липатова Н.Н., Красули О Н. и Краснова А.Е. (переработка мяса), Тужилкина В.И. и Голь-денберга С П. (производство сахара), Zhang Q. (производство кондитерских изделий).

Для прогнозирования конкретных биотехнологий используется технология экспертного оценивания. Причем, в основном, прогнозы носят описательный характер, в них редко используются результаты моделирования динамики технологических процессов (Комаров В.И., Небурчилова Н.Ф., Масленникова О.А. и др.).

Несомненно, деятельность в любой отрасли, в том числе и управлении технологическими процессами, требует от специалиста применения современных методов работы, знания достижений мировой математической мысли. Большинство же новых методов основано на эконометрияеских моделях, приемах и концепциях. Без глубоких знаний регрессионно-факторного анализа научиться их использовать невозможно.

Таким образом, возможность имитационного моделирования технологических и экономических процессов пищевых производств с использованием возможностей пакета регрессионно-факторного анализа является актуальной задачей, требующей изменения, как методологических подходов, так и инструментов (методов, алгоритмов, программ) при разработке новых и совершенствовании существующих технологий.

Цель и задачи исследования. Целью настоящей диссертации является разработка комплексных компьютерных моделей актуальных задач пищевой

технологии, основанных на использовании структурной идентификации, регрессионно-факторного анализа и компьютерной квалиметрии, способствующих формированию у специалистов системных знаний в области пищевых технологий, базирующихся на передовых информационных технологиях управления.

В соответствии с поставленной целью основными задачами исследования являются:

- анализ и классификация актуальных моделей пищевой промышленности, основанных на применении численных методов;

- разработка комплексной имитационной модели деятельности предприятия пищевой промышленности, охватывающей основные аспекггы производственной и экономической деятельности;

- создание моделей с применением численных методов регрессионно-факторного анализа прогнозирования ФТС пищевых продуктов;

- создание имитационных моделей с применением спектральных методов оценки нечетких потребительских свойств технологических объектов;

- разработка модели экспертного ситуационного управления производством в среде системы управления базами данных (СУБД) М. Access.

Няучняя новизна. В диссертации впервые получены следующие научные результаты: Осуществлен новый подход в рассмотрении создания имитационной компьютерной модели деятельности пищевого производства не только как предприятия технологического профиля, но и как экономического объекта управления в аспекте применения регрессионно-факторного анализа, а именно:

• определена совокупность критериев, необходимых и достаточных, для построения и анализа эмпирических зависимостей моделирования технологических процессов;

• разработаны имитационные компьютерные модели технологических смесей на основе статистического анализа, позволяющие определять силу влияния массовых долей ингредиентов рецептурной смеси на функционалъ-

но-тсхнологические свойства смеси;

• на примере эмпирической зависимости функционально-технологических свойств (активной кислотности) водно-спиртовых смесей от вариации объемных долей спирта проведен компьютерный анализ точности, статистической значимости и адекватности построенной модели;

• на основе нечеткого регрессионно-факторного анализа построена эмпирическая модель временного ряда, позволяющая на основе имеющихся данных прогнозировать динамику рентабельности технологической продукции.

Практическая ценность работы. На основе проведенного обзора имеющихся технологических моделей, основанных на применении численных методов, разработана целостная имитационная компьютерная модель технологического процесса с применением пакета регрессионного анализа, структурной идентификации и компьютерной квалиметрии.

В диссертационной работе получены следующие практические результаты, актуальные в исследовании технологических процессов:

- на примере эмпирической зависимости функционально-технологических свойств (активной кислотности) водно-спиртовых смесей от вариации объемных долей спирта проведен компьютерный анализ точности, статистической значимости и адекватности построенной модели;

- на основе нечеткого регрессионно-факторного анализа построена эмпирическая модель временного ряда, позволяющая на основе имеющихся данных прогнозировать динамику рентабельности технологической продукции.

Данная диссертация способствует формированию комплексного представления специалиста по автоматизированному способу решения производственных задач Основная направленность проведенной работы ориентирована на обучение, подготовку и переподготовку специалистов технологического профиля Разработанные компьютерные модели прошли апробацию в учебном процессе Московского Государственного университета технологий

и управления по специальностям 260501 «Технология продуктов общественного питания», 080401 «Товароведение и экспертиза товаров», 260202 «Технология хлеба, кондитерских и макаронных изделий», 080501 «Экономика и управление на предприятии».

Апробация работы и личный вклад автора. Основные результаты исследований докладывались па следующих научных форумах: VIII Международной научно-методической конференции «Проблемы повышения качества подготовки специалистов», Москва, MITA, 2002; IX Международной научно-практической конференции «Стратегия развития пищевой промышленности», Москва, МГТА, 2003; IX Международной научно-методической конференции «Проблемы управления качеством подготовки специалистов в системе непрерывного профессионального образования», Москва, МГТА, 2003; X Международной научно-практической конференции «Стратегия развитая пищевой промышленности», Москва, МГТА, 2004; XI Международной научно-практической конференции «Стратегия развития пищевой промышленности» (международный форум «Ярмарка банков и инвестиционных проектов в АПК), Москва, МГУТУ, 2005; II научно-практической конференции «Проблемы качества безопасности и диагностики в условиях информационного общества», Сочи, 2005.

Исследования по теме диссертации выполнялись автором с 2002 года и по настоящее время в Московском государственном университете технологий и управления (МГУТУ) Федерального агентства по образованию на кафедре «Информационные технологии». В диссертации использованы данные, полученные в результате экспериментальных исследований, проводимых сотрудниками кафедр «Технология продуктов пигашм экспертизы товаров» и «Технология хлебопекарного, макаронного и кондитерского производства», лаборатории оптоэлектронной квалиметрии МГУТУ и ФИАН.

Все результаты, отраженные в разделах «Научная новизна» и «Практическая значимость» получены автором лично.

Построенные имитационные модели использованы в книге «Основы ма-

тематического моделирования рецептур продуктов пищевой биотехнологии» (планируемый выпуск 2006г.), а также в учебном процессе кафедры «Информационные технологии» МГУТУ при составлении лекций и лабораторных работ по дисциплинам «Моделирование процессов повышения эффективности использования сырьевых ресурсов», «Компьютерная квалиметрия», «Информационные технологии», «Информационное обеспечение товароведения и экспертизы товаров».

Публикации. Результаты по теме диссертации опубликованы в 14 научных работах, которые включают в себя 5 статей в журналах, 9 - в сборниках трудов научно-методических и научно-практических конференций.

Структура диссертации. Диссертация состоит из введения, 4-х глав, заключения, 2 приложений, списка литературы. Работа изложена на 167 страницах машинописного текста, содержит 84 таблицы, 20 рисунков и 189 наименований литературных источников, го которых 179 отечественных и 10 зарубежных авторов.

СОДЕРЖАНИЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Во введении обоснована необходимость разработки комплексных компьютерных моделей актуальных задач пищевой технологии, основанных на применении численных методов; определены цели и задачи, требуемые для получения теоретических и практических результатов; сформулирована научная новизна и отражена практическая значимость работы.

В первой главе проведён аналитический обзор современного состояния моделирования пищевых технологий; проведена классификация наиболее актуальных моделей и методов решения задач пищевой промышленности. Показано, что применяемые модели базируются на фундаментальных понятиях численных методов и лежат в основе управления и прогнозирования деятельности технологических объектов.

На основании результатов аналитического обзора сформулированы цель и задачи исследования.

Во второй главе рассматриваются численные методы, применяемые для построения технологических моделей. Описана разработанная методология регрессионно-факторного анализа технологических моделей, а также методологический подход спектральных методов оценки нечетких потребительских свойств технологических объектов и диагностика качества технологий на основе критерия Пирсона-Фишера.

При рассмотрении методологии регрессионно-факторного анализа большое внимание уделяется идентификации параметров эмпирических зависимостей технологических моделей, а именно применению метода наименьших квадратов (МНК).

Применение данного метода подробно анализируется на примере идентификации параметров модели трехкомопонентной смеси с равноправными компонентами

МНК строит оценки регрессии на основе минимюации СКО Поэтому очень важно исследовагь поведение остаточных величин рецессии Н,.

Исследование остатков Н, предполагает проверку 5 предпосылок МНК. 1) случайный характер остатков (критерий поворотных точек)

М>

2(п-2) Цбп- 29

(1)

3 V 90 где М- число поворотных точек;

2) нулевая средняя величина остатков, независящих отх,;

3) гомоскедастичность - дисперсия каждого отклонения Я, одинакова для всех значений х;

4) отсутствие автокорреляции остатков Значения остатков Н, распределены независимо друг от друга (критерий Дарбина-Уотсона)

--

2

Не, (=1

(2)

5) остатки подчиняются нормальному распределению (независимость распределения остаточной компоненты по ЙАУ-критерию):

£тах £тт

й-

"Не, - Не>

м

(3)

ф-1)

Оценка статистической значимости регрессионных моделей технологических объектов. Построенную эмпирическую зависимость следует оценить на значимость уравнения, как в целом, так и отдельных его параметров

I. Коэффициент детерминации как характеристика силы связи между показателями исследуемого технологического объекта.

Теоретический и выборочный коэффициент корреляции случайных величин Л!-и Г задаются выражениями

Рхг - <?хг I (сг2х&2т )Ш, Ра = со^ХУ) / Ь>аг{Х) гаг(У) ]ш (4)

Коэффициент корреляции в некоторой степени описывает меру связи между случайными величинами X и У. «Силу» связи описывает модифицированный коэффициент корреляции.

р„ = 2сУ) /|уаг(А>уаг(Г)] = (21\ Л^Л/К^ЛЛКЕ*,,К2„)]. (5) Н Оценка качества уравнения регрессии /--критерием Фишера Для парной регрессии и корреляции у-а + Ьх + е

__ г„_(д 2)> (6)

где т - число параметров при переменных х.

Для модели множественной регрессии и корреляции^ t,x2,.. , хя)

О)

1 -я2 да

Частный F-критерий оценивает статистическую значимость присутствия каждого из факторов в уравнении

г 1 *>*» n-m-l

Гч<М|„ . 2 , V '

1 Ли, j,,

Ш. Оценка статистической значимости коэффициентов регрессии и корреляции /-критерием Стьюденга.

Для парной регрессии и корреляция у = а+Ьх+е

bar Jtn

—>ta= — >ir =—; (9)

ГПь ma Шг

ГПь =

2) '

факт У pacJ ^__' _ j Span _ Spcm

(10)

- Ур«^ Ex2 Lz ZjC2 = О >52

1- 2

V n-2

Для модели множественной регрессии и корреляции у =j{x\, хг,..., *„).

ь,

ть,

°У у К ___1

_ . Ь_ #2 4п-т-1

сг1( у д,, х,г, ^

где г„ - коэффициент детерминации для уравнения множественной регрессии; х„ - коэффициент детерминации для зависимости фактора х, со всеми другими факторами уравнения множественной регрессии; п - т - 1 -число степеней свободы для остаточной суммы квадратов отклонений.

По данным критериям проведено исследование зависимости ФТС У( и У2 (рН и щелочность) водно-спирювых смесей от вариации объемных долей спирта Х1 и воды Х2. Регрессионные модели строились по эмпирическим данным, полученным в результате эксперимекга, проведенного на базе лаборатории оптоэлектронной квапиметрии МГУТУ и ФИАН.

Таблица 1

Хх 20 25 30 35 40 45 50 55 60 65 70 75 80

80 75 70 65 60 55 50 45 40 35 30 25 20

т, 7,35 7,53 7,52 7,77 7,84 7,86 7,92 7,98 8,03 8,25 8,29 8,4 8,59

Уг 3 2,7 2,6 2,4 2,1 1,9 1,8 1,6 1 1,3 1,2 1 0,9

Рис. 1. Линейный тренд Рис. 2. Логарифмический тренд

Змшишосгь тшчшш от нош спирта (спмию!

я-»и«

• 1в20Я40ЯЯ»ЮМ

Рис 3 Степенной тренд Рис 4. Экспоненциальный тренд

Из построенных моделей наиболее значимой (/г2 = 0,9705) определена

линейная модель, по которой с помощью встроенного пакета в Microsoft Excel проведен анализ на адекватность и статистическую значимость.

Таблица 2

Регрессионная статистика

Множественный R

R-квадрат

0,98515

_22

0,97052 49

Дисперсионный анализ

Ж_ SS MS F Значимость F

Регрессия 1 1,5526159 1,552616 362,196 8 9,09651Е-10

Остаток И 0,0471533 0,004287

Итого 12 1,5997692

Коэффициенты Стандартная ошибка статистика Р-Значение Нижние 95%

Y- пересечение 7,024835 0,0518175 135,5688 4,41 Е-19 6,910786

Объемная доля спирта XI 0,018472 0,0009706 19,03147 9,1Е-Ю 0,016336

В целом по исследуемым критериям линейную модель у = 0,0185* + 7,0248 можно считать адекватной и статистически значимой, но Л/5-кригерий говорит о том, что имеет смысл «улучшить» построенную эмпирическую зависимость.

Полиномиальная зависимость: у * 7ЕИ Ох4 - 2Е-07Х5 ♦ ЗЕ-05х4 - 0,001 вх2 0,0в21х* ■ 1.028Х * 13,вбв

Рис. 5. Полиномиальная зависимость В построенной модели доля вариации величины рН уже на 98,62% будет объясняться вариацией объемной долей спирта в водно-спиртовой смеси.

Спектральные методы оценки нечетких потребительских свойств технологических объектов.

Имеется два трехкомпонентных спектральных распределения, описывающих инфракрасные спектры поглощения /отражения одной и той же пищевой смеси при различных сроках хранения' 51 и

Для определения меры сходства между данными спектральными распределениями и между их матрицами связности требуется вычислить

1) матрицы связности СОН1 и СОН2

СОНфО = / (14)

(внешнее произведение вектора спектрального описания 5] и его дисперсионного спектра 7);

2) корреляционные меры между векторами и 52 и их матрицами связности ц{СОНьСОН2) = 2(СОН£ОН2)/((СОН1СОН1)+{СОН2СОН2)), /1(С0Н1,С0Н1) = 2(С0Н1С0Н2)/({С0Н1С0Н1)+{С0Н2С0Н2)), (15)

(сон^он^} = Ъ^сокы^сокы^^ (16)

где <8]82> - скалярное произведение векторов;

3) степень различия спектральных распределений

СР=/<5ь 52) - ДСОЯь СОН2). (17)

Диагностика качества технологий на основе критерия Пирсона-Фишера Довольно часто качество технологических объектов оценивается на основе анализа частот распределения некоторых физико-химических показателей, например, оптических, аминокислотных, органолептических и других спектральных распределений. Мера различия между распределениями определяется величиной (критерий «хи-квадрат» Пирсона-Фишера).

Х*Ь>к.<3)*)=Ц(в)ГО)*) (18>

а>«)> %\п ' сРав,|Иваемь1е распределения зависимы, (о*)- х\ $ - распределения независимы.

При вычислении х2 используются величины разрядных частот он, число которых равно А" и которые связаны следующими тремя условиями'

Ит^ьЪУьЮк1 = {У)> о)к'(соъ-^сг)- (19)

к* I к=I

В третьей главе разработана имитационная компьютерная модель деятельности пищевого производства в аспекте применения регрессионно-факторного анализа, а именно: созданы компьютерные модели технологических смесей на основе статистического анализа, позволяющие определять силу влияния массовых долей ингредиентов рецептурной смеси на функционально-технологические свойства смеси. Помимо этого, построены компьютерные модели оптимизации производственного плана выпускаемой продукции в условиях ограниченности сырьевых ресурсов, оптимизации технологий рецептурных смесей (в т.ч. оптимизации технологии многокомпонентных рецептурных смесей и моделирование взаимодействий компонентов двух- и трехкомпонентной рецептурной смеси), осуществлен сравнительный анализ технологий на примере моделирования связи показателей технологий.

Сравнительный анализ технологий: моделирование связи показателей технологий.

В серии опытов исследовались 100 образцов свинины одного и того же сорта на наличие зависимости цветового окраса (показатель В) от уровня кислотности рН (показатель А).

У выбранных образцов показатели А и В разбивались на 3 уровня (показатель А варьировался у выбранных образцов от 4,0 до 9,0).

Таблица 3

А\ рН < 5,5 В\ бледно-розовый окрас

Аг 5,5 < рН < 6,4 в2 ярко-розовый окрас

Аз рН > 6,4 Вг Тёмно-красный окрас

Расчеты показали, что имеется ярко выраженная статистическая зависимость между кислотностью (показатель А) и окрасом свинины (показатель В), т.к. х2 » х1л ■

В качестве коэффициента, описывающего силу связи между показателями А и В, называемого мерой связи, использована оптимальная по разрешающей способности мера сходства (критерий разрешения)

к м

Щт.а>хт )

М1

кт >

О

XX

114

К М

II

к=\т=\

(20)

ЮюРЬп

О)

XX /

Анализируя, изменится ли данная зависимость, если увеличить уровень

(М

помех (меняя абсолютное значение относительной величины помехи

А

задавая его равным 0,3; 0,4; 0,5), автоматически пересчитывались значения «хи-квадрат» и

По имеющимся минимальным значениям полученных критериев строился график зависимости значения оптимального критерия разрешения от уровня помех, который показал, что с повышением уровня помех выраженность зависимости кислотности от цветового окраса снижается.

0,3 0,4

уровень помех

Рис. 6.

Моделирование на основе нечеткого регрессионно-факторного анализа.

Проведен анализ влияния функционально-технологических свойств рецептурных смесей на основе регрессионно-факторного анализа.

В лабораторных условиях было исследовано влияние ферментного препарата глюкозооксидазы (фактор X?) в сочетании с аскорбиновой кислотой (фактор на качество хлеба. Получены следующие данные.

Таблица 4

Хг, % Пористость Y, %

0,00292893 0,0146447 87

0,00292893 0,0853553 85

0,01707110 0,0146447 87

0,01707110 0,0853553 85

0,00000000 0,0500000 85

0,02000000 0,0500000 87

0,01000000 0,0000000 87

0,01000000 0,1000000 84

0,01000000 0,0500000 86

С помощью коэффициента регрессии определено, что на пористость хлеба большее влияние оказывает фактор, описывающий количество глюко-зооксидазы: Гл>=-0,883140088; =0,303045496 .

По построенной средствами Microsoft Excel модели Y = 87,3 - 29, \Хг оп- _ ределен R2^y = 0,78, по которому доля вариации Y объяснена лишь на 78% вариацией Х2, то есть имеет смысл «улучшить» модель для вычисления прогнозного значения.

В четвертой главе создана компьютерная модель деятельности пищевого производства как экономического объекта управления: выполнен анализ инвестиционных потоков; произведен отбор проектов инвестирования; рассмотрен механизм оценки и прогнозирования хозяйственной деятельности предприятия (определены операционный (производственный) рычаг, порог рентабельности (точка безубыточности, запас финансовой прочности)).

Анализ инвестиционных потоков.

Ожидается, что будущая стоимость инвестиции технологии размером 2000 тыс. руб к концу 4-го года составит 3900 тыс. руб. при этом за первый год доходность составит 17%, за второй - 20%, за четвертый - 26%. Опреде-

лить доходность инвестиции за третий год

С помощью встроенных экономических функций Microsoft Excel определена будущая стоимость инвестиции (3538,08 тыс. руб) при условии доходности за 3-й год 0%. Далее оптимизировано полученное значение будущей стоимости инвестиции с помощью аппарата Подбор Параметра. Определено, что доходность инвестиций за 3-й год составит 10%, будущую стоимость инвестиции возможно увеличить до 3900 тыс. руб

Отбор проектов инвестирования.

Инвестиционная деятельность предприятия связана с формированием совокупности инвестиционных проектов, определяющих возможные направления инвестирования. Совокупность инвестиционных проектов определяет инвестиционный портфель предприятия, основной целью формирования которого является обеспечение реализации инвестиционной стратегии предприятия путем отбора наиболее эффективных и безопасных реальных инвестиционных проектов и финансовых инструментов.

1. Имеется пять проектов инвестирования (А, В, С, D, Е), планируемые чистые современные стоимости которых составляют 18000, 20000, 17000,25000,18000 руб. На каждый проект инвестор предполагает выделить 50000, 55000, 62000 , 78000, 63000 руб. Определим портфель (набор) проектов, при котором суммарные инвестиции не превышают ограниченного бюджета инвестора в 300000 руб.

Анализ результатов- с помощью пакета Поиск решения в Microsoft Excel установлено, что оптимальным портфелем проектов является совокупность инвестиций в предприятия А, В, D, Е Суммарный объем вложенных средств должен составить 246000 р., тогда максимальное значение суммарной величины чистых современных стоимостей будет равно 81000 р.

2. Руководством предприятия принято решение об инвестировании средств в новую технологию, начальная стоимость которой равна 120000 р. Чистые доходы от внедрения новой технологии ежегодно (на 1 января текущего года) предположительно равны 30000, 32000, 35000, 41000, 5000 р.;

норма дисконтирования при этом составляет 12% При этом имеется возможность реинвестирования в технологию получаемых доходов по ставке 9%. Определить экономическую эффективность и срок окупаемости проекта.

Анализ результатов, построенных с помощью пакета Поиск решения показывает, что данный проект инвестирования имеет малый запас прочности и будет безубыточным, если среднее значение относительных ошибок составит всего 7,32%.

3. Предприятие занимается выпуском 5 видов продукции (А, В, C,D,E)b объеме 18145,6; 25149,6; 19458,7; 21478,9 и 36781,5 ед соответственно. Условно-постоянные затраты на производство составляют 258349,15 ден. ед.

Цена единицы продукции и соответствующие переменные затраты на единицу продукции приведены в таблице

Таблица 5

Цена единицы продукции, ден. ед. Переменные затраты на ед продукции Ден. ед.

А 15,06 10,84

В 14,97 8,17

С 17,18 8,38

D 20,12 10,19

Е 34,38 20,17

Требуется определить объем производства продукции предприятия в стоимостном выражении, обеспечивающий его безубыточную работу. Каков

запас финансовой прочности?

Анализ результатов:

Вид продукции Точка безубыточности Запас финансовой прочности

А 4059,565413 93940,77

В 5626,51256

С 4353,334445

D 4805,297127

Е 8228,821601

Т е. предприятие не должно снижать объемы производства более чем на

93940 ед., иначе понесет убытки

Прогнозирование прибыли технологического предприятия Определение размера прибыли имеет в целом большое значение для предприятия, поскольку позволяет адекватно оценить финансовые ресурсы, объем платежей в бюджет, проанализировать возможности расширенного воспроизводства и материального стимулирования работников.

Наиболее гибким по отношению к динамике рынка является метод прогнозирования прибыли, основанный на анализе одиночных временных рядов, так как он позволяет учитывать изменение факторов, образующих прибыль.

Имеются данные о динамике рентабельности технологической продукции за последние пять лег.

Таблица 6

Год 1999 2000 2001 2002 2003

Рентабельность продукции, % 19,7 20,1 19,4 20,3 21,0

Необходимо спрогнозировать уровень рентабельности продукции на

2004 г.

Накладывая на экспериментальный график различные линии тренда, получены следующие их уравнения и коэффициенты аппроксимации.

Таблица 7

Линия тренда Уравнение линии тренда Коэффициент аппроксимации/?2

Линейная у 0,28*+ 19,26 0,5227

Логарифмическая у = 0,59221п*+ 19,5330 0,3777

Полиномиальная у = 0,1571 х* - 0,6629 л + 20,3600 0,7531

Степенная у = 19,54 х"'агч> 0,3727

Экспоненциальная у = 19,279 еи'им8л 0,5158

Наиболее значимой определена полиномиальная линия тренда (Я2=0,75). Построенная модель оптимизирована путем наложения на эксперименталь-

18

ную кривую кубической линии тренда у = 0,0750 х} -0,5179 дг2 + 1,1071 д: + 19,1000: Л2 = 0.8071 < 0.9, но рассмотрение полиномиальных зависимостей выше третье! о порядка не имеет смысла, потому что жспериментальный график построен по пяти точкам, и любая линия тренда выше третьего порядка будет иметь коэффициент аппроксимации, равный 1.

По кубической линии тренда вычислено прогнозное значение рентабельности продукции на 2004 год (х = 6)..

у = 0,0750-63-0,5179-62+ 1,1071-6+ 19,1000 = 23,2982.

- 0.07S0 * * - О, "Ч7Q у ' * I.107J х ♦ 19,1 ООО

M 1 — 0,в07Г~ ,

Рис. 7.

Практически совпавшие линии свидетельствуют о правильности расчетов.

В заключении рассмотрены основные результаты и выводы диссертации и рекомендации по их использованию.

В приложении 1 средствами Microsoft Access разработана имитационная модель АСУ торгового предприятия, позволяющая автоматизировать процесс товародвижения.

В приложении 2 дан список основных сокращений.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Разработаны имитационные компьютерные модели технологических смесей на основе статистического анализа, позволяющие определять силу влияния массовых долей ингредиентов рецептурной смеси на функциональ-

19

но-технологические свойства смеси.

2 Разработана эконометрическая модель прогнозирования прибыли технологическою предприятия.

3 На примере эмпирической зависимости функционально-технологических свойств (активной кислотности) водно-спиртовых смесей от вариации объемных долей спирта проведен компьютерной анализ точности, статистической значимости и адекватности построенной модели.

4. На основе нечеткого регрессионно-факторного анализа построена эмпирическая модель временного ряда, позволяющая на основе имеющихся данных прогнозировать динамику рентабельности технологической продукции.

По теме диссертации опубликованы следующие работы:

1. Зеленина Л И. Информационные технологии управления. В сб. «Проблемы повышения качества подготовки специалистов». Выпуск 6. - Материалы VIII Международной научно-методической конференции (Москва, 27 марта 2002г.). - М, МГТА, 2002.

2. Зеленина Л.И. Некоторые методические особенности изложения дисциплины «Эконометрика». В сб. «Проблемы повышения качества подготовки специалистов». Выпуск 6 - Материалы УШ Международной научно-методической конференции (Москва, 27 марта 2002г.). - М., МГТА, 2002.

3. Зеленина Л И Роль информационных технологий в образовательном процессе. В сб. «Проблемы управления качеством подготовки специалистов в системе непрерывного профессионального образования». Выпуск 7. - Материалы IX Международной научно-методической конференции (Москва, 2003г.). -М., МГТА, 2003, с. 29-39.

4 Зеленина Л И Математические методы компьютерного моделирования технологических процессов В сб «Стратегия развития пищевой промышленности (иностранные инвестиции)». ISBN 5 - 89933-072-4. Выпуск 9 том 2 -Материалы X Международной научно-практической конференции

(Москва, 27-28 мая 2004 г.) - М., МГУТУ, 2004, с 448-151.

5 Зеленина Л И. Информационные модели технологических задач В сб. «Стратегия развития пищевой промышленности (иностранные инвестиции) Международный форум «Ярмарка банков и инвестиционных проектов в АПК» ISBN 5 - 89933-091-0. Выпуск 10, томЗ - Материалы XI Международной научно-практической конференции (Москва, 2-3 ноября 2005 г.). -М., МГУТУ, 2005.

6 Зеленина Л И Математические методы компьютерного моделирования технологических задач. В сб. «Стратегия развития пищевой промышленности (иностранные инвестиции) Международный форум «Ярмарка банков и инвестиционных проектов в АПК». ISBN 5 - 89933-091-0. Выпуск 10, томЗ. -Материалы XI Международной научно-практической конференции (Москва, 2-3 ноября 2005 г.). -М., МГУТУ, 2005, с. 39-41.

7. Зеленина Л.И., Краснов А.Е., Николаева C.B., Головин И.М. Создание модели многокомпонентной рецептурной смеси с учётом физики взаимодействия её компонентов. // Естественные и технические науки, ISSN 1684-2626 № 3. 2005, с. 179-185.

8. Зеленина Л.И., Краснов А.Е., Николаева C.B., Красников С. А., Кузнецова ЮГ., Головин И М., Бобренёва И В., Шайлиева М.М. Методололаче-ские аспекты математического моделирования оптимизации многокомпонентных смесей. И Актуальные проблемы современной науки, ISSN 16802721 № 4. 2005.

9. Зеленина Л И, Краснов А Е., Николаева С.В , Красников С А., Дмитриев И.Н. Аналитический и экспертный подходы в проблеме конструирования моделей рецептурных смесей // Техника и технология , ISSN 1811-3532. № 4, 2005

10 Зеленина Л.И., Краснов А Е, Николаева С В., Головин И.М., Дмитриев И H , Румянцев Ю Г. Классификация моделей и методов решения актуальных задач пищевой промышленности. Сборник «Проблемы качества, безопасности и диагностики в условиях информационного общества». - Ма-

териалы второй научно-практической конференции (Сочи, 1-10 октября 2005 г.). - М.: МИЭМ, 2005

11 Зеленина Л.И., Краснов А Е, Николаева С В , Красников С А., Дмитриев И H Конструирование моделей характеристик смеси без учёта взаимодействия её компонентов. // Техника и технология, ISSN 1811-3532, №5. 2005.

12. Зеленина Л.И., Краснов А.Е., Николаева C.B., Кузнецова Ю.Г., Ко-зюкинаО.Ю. Моделирование процессов приготовления хлебобулочных изделий с удлиненными сроками хранения. // Техника и технология, ISSN 18113532, № 6. 2005.

13. Краснов А.Е., Николаева C.B., Зеленина Л И., Головин И.М., Дмитриев И Н. Системный анализ, моделирование и прогнозирование как фундамент развития прикладных биотехнологий. - Материалы XII Международной научно-методической конференции (Москва, 21-22 марта 2006 г.). - М.: МГУТУ, 2006.

14. Краснов А.Е., Николаева C.B., Зеленина Л.И., Головин И.М., Дмитриев И. H. Прогнозирование прибыли предприятия - Материалы XII Международной научно-методической конференции (Москва, 21-22 марта 2006г.). -М, МГУТУ, 2006.

Построенные имитационные модели использованы в книге «Основы математического моделирования рецептур продуктов пищевой биотехнологии» (шинируемый выпуск 2006 г.).

(

i !

*

АОШ

»-8971

Подписано в печать 30.03.06 г. Формат 60 ж 901/16. Усл. печл. 3,125. Бумага офсетная. Печать цифровая. Тираж 100 экз. Заказ Jft 455. Отпечатано в ООО «Гефест», г. Архангельск, ул. Урицкого, 52.

Введение.

Ф Глава I. Обзор и выбор актуальных моделей пищевой промышленности.

1.1. Информационное обеспечение современных пищевых технологий. 13 ^ 1.2. Модели рецептур продуктов пищевой биотехнологии.

1.2.1. Аналитический подход в построении моделей технологических смесей.

1.2.2. Экспертный подход в построении моделей технологических рецептурных смесей.

1.3. Модели функционально-технологических свойств рецептур продуктов пищевой биотехнологии на примере гомогенных рецептурных смесей.

1.4. Компьютерная квалиметрия: экспертные системы контроля качества продуктов пищевых биотехнологий.

1.5. Моделирование связи экономических показателей технологий. Прогнозирование прибыли предприятия.

1.6. Цель и задачи диссертации.

Глава II. Использование численных методов.

Ф 2.1. Идентификация параметров эмпирических зависимостей г технологических моделей.

2.2. Регрессионно-факторный анализ в исследовании адекватности эмпирических зависимостей.

2.3. Оценка статистической значимости регрессионных моделей технологических объектов.

2.4. Диагностика качества технологий на основе критерия Пирсона-Фишера.

Глава Ш. Компьютерное моделирование технологических процессов на основе выбранных актуальных моделей пищевой промышленности.

3.1. Оптимизация производственных затрат.

3.2. Оптимизация технологий рецептурных смесей.

3.2.1. Оптимизация технологий составления многокомпонентных рецептурных смесей.

3.2.2. Моделирование двух- и трёхкомпонентной рецептурной смеси.

3.2.3. Спектральные методы оценки нечётких потребительских свойств пищевого сырья и готовых продуктов.

3.3. Сравнительный анализ технологий. Моделирование связи показателей технологий.

3.4. Моделирование на основе нечёткого регрессионно-факторного анализа.

Глава IV. Экономические модели технологических объектов.

4.1. Анализ инвестиционных потоков.

4.2. Отбор проектов инвестирования.

4.3. Механизм оценки и прогнозирования хозяйственной деятельности предприятия.

4.4. Прогнозирование прибыли технологического предприятия.

Основное направление и актуальность исследований.

Успешное производственное предприятие любого профиля, в том числе и технологического, держится на трех основополагающих началах: качественном сырье и материалах; современном оборудовании; передовых технологиях, среди которых большую роль играют информационные технологии управления, позволяющие оперативно и эффективно решать задачи по планированию, учёту и анализу деятельности предприятия [8].

Биохимики и технологи должны свободно владеть современными научными направлениями в области прикладной биотехнологии, теории анализа и синтеза технологических систем в объективных условиях производства. Но, к сожалению, системные знания в области пищевых технологий, основанные на информационных технологиях управления, в целом слабы, а иногда, к сожалению, и полностью отсутствуют. Это является объективной причиной того, что технологи не могут выступать в качестве аналитиков; квалифицированно владеть методами, используемыми, например, для сравнения и описания пищевых смесей; методами, связанными с биофизикой пищевых сред. Вместе с тем, современные пищевые биотехнологии - это достаточно сложные объекты исследований, и без системного анализа нельзя интегрировать знания пищевой технологии, как в процессе микробиологических и биохимических превращений, так и в процессах моделирования, прогнозирования и управления производством в целом.

Естественно, что инструментом исследования пищевых биотехнологий будут являться математические методы исследования операций и сложных систем, разработанные в теории управления, принятии решений, а также современных теориях информации и информационных технологий. При этом использоваться данные методы могут и в условиях неопределенности, например, таких как отсутствие адекватных знаний о физических процессах в пищевых средах, неопределенность характеристик пищевого сырья, используемых средств контроля и воздействия, целевых критериев управления. Таким образом, решение проблем, возникающих перед перерабатывающими отраслями аграрно-промышленного комплекса, невозможно без использования основ научно-технического развития пищевой промышленности и методологических принципов анализа прикладных биотехнологий, фундаментом которых является системный анализ, моделирование и прогнозирование.

В ряде случаев бывает необходимо быстро представить результаты теоретических исследований и предварительные оценки некоторых методик и инженерных расчётов, проведя имитационное моделирование на компьютере. При этом совсем не обязательно изучать языки программирования: достаточно пользоваться штатными средствами современных, самых распространенных и легкодоступных пакетов обработки информации Microsoft Excel и Microsoft Access [38].

Для оптимизации, как отдельных технологических операций, так и технологий в целом, в настоящее время широко используется методология моделирования как инструмент изучения поведения объекта с помощью его математического описания. Основные успехи в этом направлении получены при моделировании детерминированных и стохастических технологических операций прикладных биотехнологий (Мизерецкий Н.Н., Ивашкин Ю.А., Косой В.Д., Красуля О.Н., Митин В.В., Николаев Н.С., Kormendy G., Barker R. и др.) [115*127].

Однако для моделирования технологий в реально существующих условиях производства необходимо учитывать объективную информационную неопределённость, обусловленную нечёткостью характеристик сырьевых компонентов, отсутствием надёжных и недорогих экспресс-анализаторов для определения качественных показателей в цикле «сырьё - полуфабрикат - готовый продукт», большой размерностью технологических задач. Результаты нечёткого моделирования в условиях неопределённости описаны в работах Серебрякова А.В. и Трефилова В.А. (масложировое производство), Митина В.В., Протопопова И.И., Рогова И. А., Липатова Н.Н., КрасулиО.Н. и Краснова А.Е. (переработка мяса), Тужилкина В.И. и Гольденберга С.П. (производство сахара), Zhang Q. (производство кондитерских изделий) [39 -т- 45].

Для прогнозирования конкретных биотехнологий используется технология экспертного оценивания. Причем, в основном, прогнозы носят описательный характер, в них редко используются результаты моделирования динамики технологических процессов (Комаров В.И., Небурчилова Н.Ф., Масленникова О.А. и др.) [118 -s-134].

Несомненно, деятельность в любой отрасли, в том числе и управлении технологическими процессами, требует от специалиста применения современных методов работы, знания достижений мировой математической мысли. Большинство же новых методов основано на эконометрических моделях, приемах и концепциях. Без глубоких знаний регрессионно-факторного анализа научиться их использовать невозможно.

Специфической особенностью деятельности любого специалиста, в том числе и технологического профиля, является работа в условиях недостатка информации и неполноты исходных данных. Анализ такой информации (как технологического, так и экономического направлений) требует специальных методов, которые составляют один из аспектов эконометрики, главной проблемой которой является построение эконометрической модели и определение возможности её использования для описания, анализа и прогнозирования реальных технологических процессов [52 63].

Действительно, не владея инструментарием регрессионно-статистического анализа, невозможно ни проверить уже имеющиеся эмпирические зависимости (например, уровня величины рН и щелочности от объемной доли спирта в водно-спиртовой смеси), ни получить новые зависимости, а, значит, и выдвинуть новые теории. Без статистического анализа нельзя построить сколько-нибудь надежного прогноза, а значит под вопросом и успех любого предприятия, в том числе и технологического профиля. Поэтому, несомненно, статистические методы, методы имитационного моделирования, фрактального и эвристического моделирования, тензорные методы моделирования должны быть использованы при построении и анализе моделей технологических объектов, и модели эти должны всеобъемлемо включать в себя не только аспекты технологического профиля, но и экономической деятельности технологических производств.

Таким образом, возможность имитационного моделирования технологических и экономических процессов пищевых производств с использованием возможностей пакета регрессионно-факторного анализа является актуальной задачей, требующей изменения, как методологических подходов, так и инструментов (методов, алгоритмов, программ) при разработке новых и совершенствовании существующих технологий.

Научная база и начальное состояние проблемы.

По окончании МГУТУ студентам факультета «Технологический менеджмент» присваивается звание «Инженер». Таким образом, подразумевается, что они должны владеть современными научными направлениями в области прикладной биотехнологии. Но, к сожалению, наши выпускники - это, в первую очередь, биохимики и технологи, а знания в области пищевых технологий, основанные на информационных технологиях управления, слабы. Поэтому основная направленность проведенной работы ориентирована на обучение, подготовку и переподготовку специалистов технологического профиля.

Цель и задачи исследования. Целью настоящей диссертации является разработка комплексных компьютерных моделей актуальных задач пищевой технологии, основанных на использовании структурной идентификации, регрессионно-факторного анализа и компьютерной квалиметрии, способствующих формированию у специалистов системных знаний в области пищевых технологий, базирующихся на передовых информационных технологиях управления.

В соответствии с поставленной целью основными задачами исследования являются:

- анализ и классификация актуальных моделей пищевой промышленности, основанных на применении численных методов;

- разработка комплексной имитационной модели деятельности предприятия пищевой промышленности, охватывающей основные аспекты производственной и экономической деятельности;

- создание моделей с применением численных методов регрессионно-факторного анализа прогнозирования ФТС пищевых продуктов;

- создание имитационных моделей с применением спектральных методов оценки нечетких потребительских свойств технологических объектов;

- разработка модели экспертного ситуационного управления производством в среде системы управления базами данных (СУБД) M.Access.

Научная новизна. В диссертации впервые получены следующие научные результаты: осуществлён новый подход в рассмотрении создания имитационной компьютерной модели деятельности пищевого производства не только как предприятия технологического профиля, но и как экономического объекта управления в аспекте применения регрессионно-факторного анализа, а именно:

• определена совокупность критериев, необходимых и достаточных, для построения и анализа эмпирических зависимостей моделирования технологических процессов;

• разработаны имитационные компьютерные модели технологических смесей на основе статистического анализа, позволяющие определять силу влияния массовых долей ингредиентов рецептурной смеси на функционально-технологические свойства смеси;

• на примере эмпирической зависимости функционально-технологических свойств (активной кислотности) водно-спиртовых смесей от вариации объемных долей спирта проведен компьютерный анализ точности, статистической значимости и адекватности построенной модели;

• на основе нечеткого регрессионно-факторного анализа построена эмпирическая модель временного ряда, позволяющая на основе имеющихся данных прогнозировать динамику рентабельности технологической продукции.

Практическая ценность работы.

На основе проведенного обзора имеющихся технологических моделей, основанных на применении численных методов, разработана целостная имитационная компьютерная модель технологического процесса с применением пакета регрессионного анализа, структурной идентификации и компьютерной квалиметрии.

В диссертационной работе получены следующие практические результаты, актуальные в исследовании технологических процессов:

- на примере эмпирической зависимости функционально-технологических свойств (активной кислотности) водно-спиртовых смесей от вариации объемных долей спирта проведен компьютерный анализ точности, статистической значимости и адекватности построенной модели;

- на основе нечеткого регрессионно-факторного анализа построена эмпирическая модель временного ряда, позволяющая на основе имеющихся данных прогнозировать динамику рентабельности технологической продукции.

Данная диссертация способствует формированию комплексного представления специалиста по автоматизированному способу решения производственных задач. Основная направленность проведенной работы ориентирована на обучение, подготовку и переподготовку специалистов технологического профиля. Разработанные компьютерные модели прошли апробацию в учебном процессе Московского Государственного университета технологий и управления по специальностям 260501 «Технология продуктов общественного питания», 080401 «Товароведение и экспертиза товаров», 260202 «Технология хлеба, кондитерских и макаронных изделий», 080501 «Экономика и управление на предприятии».

На защиту выносятся:

• определенная совокупность критериев, необходимых и достаточных, для построения и анализа эмпирических зависимостей моделирования технологических процессов;

• разработанные имитационные компьютерные модели технологических смесей на основе статистического анализа, позволяющие определять силу влияния массовых долей ингредиентов рецептурной смеси на функционально-технологические свойства смеси;

• разработанный на примере эмпирической зависимости функционально-технологических свойств (активной кислотности) водно-спиртовых смесей от вариации объемных долей спирта компьютерный анализ точности, статистической значимости и адекватности построенной модели;

• построенная на основе нечеткого регрессионно-факторного анализа эмпирическая модель временного ряда, позволяющая на основе имеющихся данных прогнозировать динамику рентабельности технологической продукции.

Реализация работы и личный вклад автора.

Исследования по теме диссертации выполнялись автором с 2002 года и по настоящее время в Московском государственном университете технологий и управления (МГУТУ) Федерального агентства по образованию на кафедре «Информационные технологии». В диссертации использованы данные, полученные в результате экспериментальных исследований, проводимых сотрудниками кафедр «Технология продуктов общественного питания» и «Технология хлебопекарного, макаронного и кондитерского производств», лаборатории оптоэлектронной квалиметрии МГУТУ и ФИАН.

Все результаты, отраженные в разделах «Научная новизна» и «Практическая значимость», получены автором лично.

Автором лично получены следующие результаты:

- создана комплексная имитационная модель деятельности предприятия пищевой промышленности, охватывающей основные аспекты производственной и экономической деятельности;

- разработаны модели с применением численных методов регрессионно-факторного анализа прогнозирования ФТС пищевых продуктов;

- созданы имитационные модели с применением спектральных методов оценки нечетких потребительских свойств технологических объектов.

Апробация работы. Основные результаты исследований докладывались на следующих научных форумах: VIII Международной научно-методической конференции «Проблемы повышения качества подготовки специалистов», Москва, МГТА, 2002; IX Международной научно-практической конференции «Стратегия развития пищевой промышленности», Москва, МГТА, 2003; IX Международной научно-методической конференции «Проблемы управления качеством подготовки специалистов в системе непрерывного профессионального образования», Москва, МГТА, 2003; X Международной научно-практической конференции «Стратегия развития пищевой промышленности», Москва, МГТА, 2004; XI Международной научно-практической конференции «Стратегия развития пищевой промышленности» (международный форум «Ярмарка банков и инвестиционных проектов в АПК), Москва, МГУТУ, 2005; II научно-практической конференции «Проблемы качества безопасности и диагностики в условиях информационного общества», Сочи, 2005.

Построенные имитационные модели использованы в книге «Основы математического моделирования рецептур продуктов пищевой биотехнологии» (планируемый выпуск 2006 г.), а также в учебном процессе кафедры «Информационные технологии» МГУТУ при составлении лекций и лабораторных работ по дисциплинам «Моделирование процессов повышения эффективности использования сырьевых ресурсов», «Компьютерная квалиметрия», «Информационные технологии», «Информационное обеспечение товароведения и экспертизы товаров».

Публикации. Результаты по теме диссертации опубликованы в 14 научных работах, которые включают в себя 5 статей в журналах, 9 — в сборниках трудов научно-методических и научно-практических конференций.

Структура диссертации. Диссертация состоит из введения, 4-х глав, заключения, 2 приложений, списка литературы. Работа изложена на 167 страницах машинописного текста, содержит 189 наименований литературных источников, из которых 179 отечественных и 10 зарубежных авторов.

Выход.

Получение фокуса.

Потеря фокуса. .

Нажатие кнопки.

Двойное нажатие кнопки.,,, Кнппкл пни*. . .

Все лЫ

- Закройте форму и присвойте ей имя «Главная»

- Проверьте как работает форма. Для этого откройте ее кнопкой [Открыть]

Задание для самостоятельной работы: Добавьте в кнопочную форму несколько кнопок для ввода исходных данных. Каждая кнопка связана с одним из макросов, входящих в групповой макрос «Главный»

Кнопка Макрос

Продавцы Главный. Продавцы

Товары Главный. Товар

Продажи Главный. Продажи

Для редактирования формы «Главная» откройте ее в режиме

Конфигуратор»

После создания кнопок, закройте форму, а затем откройте ее в обычном режиме. Проверьте как работают кнопки на ввод новых строк:

- вставьте в список продавцов новую фамилию : Абрамова Н. С.

- вставьте в таблице «Товары» товары : Картофель

Свекла Морковь добавьте в таблицу «Продажи» несколько строк Абрамову Н.С. по продаже овощей

Задание5 :

Задание; Добавьте в макрос «Главный» новый макрос «Выборка». Макрос «Выборка» должен открывать сложную форму «Продажи».

Заданиеб

Создайте простой макрос для открытия формы «Главная». Этот макрос должен иметь имя «Autoexec».^

Макрос «Autoexec» запускается сразу же после открытия базы. Закройте базу и откройте ее снова.

ЗАКЛЮЧЕНИЕ.

1. Азгальдов Г.Г. Теория и практика оценки качества товаров: основы квалиметрии. М.: Экономика, 1982. - 256 с.

2. Айвазян С.А. Прикладная статистика. Основы эконометрики: Учебник для вузов: в 2 т. М.: ЮНИТИ-ДАНА, 2001. - 432 с.

3. Алексеев E.JI., ПахомовВ.Ф. Моделирование и оптимизация технологического процесса в пищевой промышленности. М.: Агропромиздат, 1987. - 272 с.

4. Амосов С.А. Дискретные модели кинетических уравнений для смесей. Автореф. дисс. канд. техн. наук. М.: Институт прикладной математики им М. В. Келдыша РАН, 2002. - 36 с.

5. Аметистов Е.В., Блаженков В.В., Городов А.К. и др. Монодиспергирование вещества: принципы и применение. -М. :Энергопромиздат, 1991.

6. Аметистов Е.В., Дмитриев А.С. Монодисперсные системы и технологии. М.: Издательство МЭИ, 2002. - 375 с.

7. Аназурьян Е.М. Разработка рецептурных составов и усовершенствованной технологии получения физиологически полноценных майонезов. Автореф. дисс. канд. техн. наук. М.: МГУПП, 2001.

8. Андреев В.Н. Повышение эффективности процесса приготовления маргариновой эмульсии и совершенствование аппаратурного оформления. Автореф. дисс. канд. техн. наук. -М.: МГТА, 1999.

9. Андренков В.А. Научно-практические основы комплексной оценки качества мяса и мясных продуктов. Автореферат. Дисс. Д-ра техн. Н.,-М., 1996.-42 с.

10. Ю.Антипова JI.B., Глотов И. А., Рогов И.А. Методы исследования мяса и мясных продуктов. М.: Колосс, 2001. - 376 с.

11. Ануфриев В.В. Принципы построения математических моделей и гибкого автоматизированного управления биохимическими процессами. Автореф. дисс. д-ра техн. н., -М., 1992. 36 с.

12. Асмаев М.П. Корнилов Ю.Г. Моделирование процессов пищевой промышленности. М.: // Легкая и пищевая промышленность, 1982. -177 с.

13. Афанасов Э.Э., Николаев Н.С., Рогов И.А, Рыжов С.А.Аналитические методы описания технологических процессов мясной промышленности. -М.: Мир, 2003. 184 с.

14. БазараМ., ШеттиК. Нелинейное программирование. Теория и алгоритмы. -М.: Мир, 1982.-583 с.

15. Бедоченков С.И. Методология и методика проектирования научно — практического исследования с целью получения продукции с заранее заданными параметрами. Автореф. дисс. канд. техн. наук. М.: НТЦ Развитие, 2004.-101 с.

16. Белитов В. В. Совершенствование технологии вареных колбас с белково жировыми композициями. Автореф. дисс. канд. техн. наук. -М.: МГУПБ, 2003.

17. Бирман З.Г. Сравнительный анализ методов прогнозирования научно-техническая информация. -М.: ВИНИТИ, 1986, сер. 2, № 1, с. 11-15

18. Бирюков С. И. Оптимизация. Элементы теории. Численные методы. Учебное пособие. М.: МЗ - Пресс, 2003.

19. Блаженков В.В., Гиневский А.Ф., Григорьев В.А., Дмитриев А.С. О генерации упорядоченных потоков монодисперсных капель методомвынужденного капиллярного распада струй// Докл. АН СССР, 1990, т.313, № 6, с. 1412-1417.

20. Боборовникова Г.Н., Клебанов А.И. Прогнозирование в управлении техническим уровнем и качеством продукции. М.: Издательство стандартов, 1984

21. БобренёваИ.В., Токаев Э.С., Николаева С.В. Создание экструзионных лечебно-профилактических продуктов // Мясная индустрия. 2002, № 2, с. 49 51.

22. Большаков О.В. и др. О введении операторных моделей в практику описания технологий в нормативно-технической документации // Мясная промышленность, 1994, № 5, с. 10-12

23. Большая Советская Энциклопедия. М.: Издательство «Советская Энциклопедия», 1976.

24. Боровиков В.П. Statictica. Искусство анализа данных на компьютере. Спб.: Питер, 2003. - 688 с.

25. Бочарников В.П., Свешников С.В. Fazzy Technology: основы моделирования и решения эксперто-аналитических задач. — К.: Эльга, Ника-Центр, 2003. 296 с.

26. Бражников A.M. Элементы научно-технического прогнозирования -М.: МТИММП, 1992

27. Бурьян В.И., Глаголев В.И., Матвеев В.В. Оптимальные методы обработки информации и многокомпонентной радиометрии. М.: Энергоатомиздат, 1985. 96 с.

28. Бусленко Н.П. Моделирование сложных систем. М.: Наука 1989. -300 с.

29. Васильев В.И., Ильясов Б.Д. Интеллектуальные системы управления с использованием нечёткой логики. Учебное пособие. Уфа, 1995. -100 с.

30. Веников В.А. Теория подобия и моделирования. М.: Высшая школа, 1996.-422 с.

31. Вестерхофф X., ван Дам К. Термодинамика и регуляция превращений свободной энергии в биосистемах. М.: Мир, 1992. — 688 с.

32. Витюк J1.A., Карпов В.Г. Влияние состава сырья на физико-химические свойства экструзированных продуктов // Хранение и переработка сельскохозяйственного сырья, 1997. Выпуск № 4.

33. Волков И.К., Загоруйко Е.А. Исследование операций: Учеб. для вузов. 2-е издание. - М.: Изд-во МГТУ им. Баумана, 2002. - 436 с.

34. Воробьёва А.В., Ефимова Т.В., Камакин В.В., Красников С.А., Краснов А.Е., Маклаков В.В. Автоматизированная оптоэлектронная система с когерентным коррелятором для контроля наноструктур жидких сред // Автоматизация, № 10, 2004, с. 3 5.

35. Воронин В.Г. Экономико-математические методы и модели планирования и управления в пищевой промышленности. М.: Агропромиздат, 1986. - 303 с.

36. Восканян О.С., Паронян В. X., Круглов С. В., Козярина Г. И. Научные основы производства эмульсионных продуктов. М.: Пшцепромиздат, 2003. - 48 с.

37. Выгодин В.А., Скрипкин А. М., Сурнин В. А., Чижикова Т. В., Хатюшин А. И., Хатюшин П.А. Спектроанализатор для определения токсичных элементов в продуктах питания. Мясная индустрия, № 4, 2001, с. 22-23.

38. Гайдышев И.П. Решение научных и инженерных задач средствами EXCEL, VBA, C/C++. Петербург: СПб, 2004.

39. Галкин В.А. Уравнение Смолуховского. -М.: ФИЗМАТЛИТ, 2001.

40. Гиббс Д.В. Термодинамика. Статистическая механика. М.: Наука, 1982.

41. Гноевой А.В., Чесноков В.М., Степаненко А.И. К проблеме математического моделирования технологических процессов. Мясная индустрия, 1998, № 5, с. 16 20.

42. Горбатов В.М. Перспективы развития фундаментальных исследований мяса. // Мясная и молочная промышленность. 1990. №6. С. 8-10.

43. Горчаков JI.M. Основы теории технологических процессов. Учеб. Пособие. Владикавказ, СОГУ, 1992. - 72с.

44. ГОСТ 27004 -85 «СИСТЕМЫ ТЕХНОЛОГИЧЕСКИЕ»

45. Гришин В.Г.Образный анализ экспериментальных данных. М.: Наука, 1982.-237с.

46. Гуляев В.П. Новые информационные технологии на современном производственном предприятии // Пищевая промышленность № 7, 2003. с.38

47. Гуськов К.П. Расчет шнеков нагнетающих прессов. Основы расчета и конструирования машин и аппаратов пищевых производств / Под ред. проф. Соколова А .Я. М., 1987, с. 34 - 37.

48. Денискин В.В.Основы экономического прогнозирования пищевой промышленности. ~М.: Колос, 1993. -238с.

49. Дворцин М.Д. Основы теорий научно-технического развития производства. Учебное пособие-М.: МИНХ им. Плеханова, 1988

50. Донскова С.В., Куломзина Е.Ю., Мячин М.В. Механизм оценки и прогнозирования хозяйственной деятельности предприятия // Пищевая промышленность № 1 2003, с. 10

51. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы: Учебник. М.: Финансы и статистика, 2003. -352 с.

52. Дюк В. Обработка данных на ПК в примерах. Петербург: СПб, 1997.

53. Евтеев А.В., Косилов А.Т., Кузьмищев В.А. Компьютерное моделирование аморфных металлов и сплавов металл-металлоид. -Воронеж, Невинномыск: НИЭПУ, 2004. 108 с.

54. Евтихиев Н.Н., Евтихиева О.А., Компанец И.Н., Краснов А.Е., КульчинЮ.Н., Одиноков С.Б., Ринкевичус Б.С. Информационная оптика: Учебное пособие. М.: Издательство МЭИ, 2000. - 612с.

55. Ермольев Ю.М. Методы стохастического программирования. М.: Наука, 1976.-240 с.

56. Жиров М.В., Макаров В.В. Адаптивная идентификация нестационарных технологических процессов с марковскими параметрами в задачах стохастического управления // АиТ. 2002. №2. С. 56-70.

57. Жушман А.И., Карпов В.Г., Коптепова Е.К. Новое в технике и технологии производства пищевых продуктов экструзионным методом // Обзорная информация.-М.: ЦНИИТЭИПищепром, 1991.-40 с.

58. Жушман А.И., Карпов В.Г., Койенко В.Г. Опыт промышленного освоения технологии экструзированных крахмалопродуктов // Обзорная информация. Крахмалопаточная промышленность.-М.: ЦНИИТЭИПищепром, 1982.

59. Ивашкин Ю.А. Моделирование производственных процессов мясной и молочной промышленности. -М.: Агропромиздат, 1987. 256 с.

60. Кавецкий Г.Д., Васильев Б.В. Процессы и аппараты пищевой технологии. -М.: Колос, 1999. 551 с.

61. Калошин Ю.А., Андреев В.Н., Восканян О.С. Стабильность работы поточных линий и ранжирование факторов при производстве фасованного маргарина. Пищевая промышленность, 1992, № 5.

62. Калошин Ю.А., Андреев В.Н Оптимизация процесса смешивания водно-жировых эмульсий. Международный журнал «Биотехнология и управление», 1993, № 3.

63. Камминс Г.З. Применение спектроскопии оптического смешения в биологии. Спектроскопия оптического смешения и корреляция фотонов: перевод с англ. / Под ред. Г. Камминса и Э. Пайка. М.: Мир, с. 287 - 331, 1978. - 584 с.

64. Карпов В.Г. «Получение набухающих крахмалов экструзионным методом». Автореф. дисс. канд. техн. наук.-М.: МТИПП, 1991. С. 63-68.

65. Кафаров В.В., Глебов М.Б. Математическое моделирование процессов химических производств. М.: Высшая школа, 1991. -400 с.

66. Келих С. Молекулярная нелинейная оптика. М.:Наука, 1981. - 672 с.

67. Климонтович IO.JI. Статистическая теория открытых систем. М.: ТОО «Янус», 1995. 624 с.

68. Колмогоров А.Н. Основные понятия теории вероятностей. М. — Л., ОНТИ, 1936.

69. Комаров А.В. Комплексные исследования рафинации жиров и разработка эффективных методов переработки. Автореф. дисс. канд. техн. наук. -М.: МГТА, 2003.

70. Комарова Н.В., Рубчинский А.А. Моделирование и оптимизация технологических систем. Учебное пособие -М.: ВЗПИ, 1990. 175 с.

71. Королюк B.C. и др. Справочник по теории вероятности и математической статистике. -М.: Наука, ГРФЛ-MJl, 1985. -640 с.

72. Косой В. Д., Егоров А. В. Прогнозирование качества смеси мороженного по физико-химическим характеристикам. Молочная промышленность, № 12, 2001.

73. Косой В.Д. Совершенствование процесса производства вареных колбас. -М.: Легкая и пищевая промышленность, 1983. -272с.

74. Кочетов B.C. Основные положения структурной перестройки научного обеспечения агропромышленного комплекса России // АПК: экономика, управление, 1997, №4. с 22-23

75. Коул Дж. Методы прикладной математики. М.: Мир, 1972. - 323 с.

76. Красников С.А. Разработка моделей различения спектральных данных для идентификации качества пищевых сред. Автореф. дисс. канд. техн. наук. —М.: МГТА, 2003. — 24 с.

77. Краснов А.Е. Метод фазового портрета в экспериментальном оценивании матриц плотности состояний электромагнитных полейдля их инвариантного детектирования и распознавания. Автореф. Дисс. Д-ра ф.-м. наук. М., 1997. - 50с.

78. Краснов А.Е., Красников С.А. Синтез нечетких мер оптимального различения зашумленных данных // Параллельные вычисления и задачи управления. М.: Институт проблем управления, 2001. С. 33 -57.

79. Краснов А.Е., Красников С.А., Компанец И.Н. Статистический синтез оптимальных по селективности мер сходства для различения нестационарных зашумленных сигналов // Радиотехника. 2002. № 1. С. 13-24.

80. Краснов А.Е., Красников С.А., Николаева С.В., Зеленина Л.И., Головин И.М., Кузнецова Ю.Г., Бобренева И.В., Шайлиева М.М. Математическое моделирование, численные методы и комплексыпрограмм // Актуальные проблемы современной науки, 2005, № 4, с. 147-155.

81. Краснов А.Е., Красников С.А., Николаева С.В., Зеленина Л.И., Головин И.М. Конструирование моделей характеристик смеси без учета взаимодействия ее компонентов // Техника и технология ISSN 1811-3532 -М., № 5(H) 2005, с. 93-98.

82. Краснов А.Е., Красуля О.Н., Большаков О.В., Шлёнская Т.В. Информационные технологии пищевых производств в условиях неопределённости. -М.: ВНИИМП, 2001.-496 с.

83. Краснов А.Е., Николаева С.В., Зеленина Л.И., Кузнецова Ю.Г., Козюкина О.Ю. Моделирование процессов приготовления хлебобулочных изделий с удлиненными сроками хранения // Техника и технология ISSN 1811-3532 М., № 6(12) 2005, с. 127-131.

84. Краснов А.Е., Николаева С.В., Красников С.А., Кузнецова Ю.Г., Дроханов А.Н. Использование цветомикроструктурного анализа для контроля качества пищевых продуктов // Мясная индустрия, 2004, № 11, с. 60-62.

85. Краснов А.Е., Николаева С.В., Зеленина Л.И., Головин И.М. Создание модели многокомпонентной рецептурной смеси с учетом физики взаимодействия ее компонентов. // Естественные и технические науки. 2005, № 3, с. 179-185

86. Краснов А.Е., Николаева С.В., Зеленина Л.И., Дмитриев И.Н. Аналитический и экспертный подходы в проблеме конструирования моделей рецептурных смесей

87. Красуля О.Н. Методологические основы анализа и определения перспектив развития технологий мяса и мясных продуктов в условиях информационной неопределенности. Автореф. дисс. д. техн. наук. М.: МГУПБ, 1999. - 46 с.

88. Красуля О.Н., Краснов А.Е., Николаева С.В., Большаков О.В. Разработка методологии моделирования рецептур мясных продуктов в условиях информационной неопределённости // Мясная индустрия. 2004. №2. С. 66-68.

89. Краус С.Д.Оптимизация параметров экструзирования продуктов из крупяного сырья. Автореф. дисс. канд. техн. наук. М.: МТИНН, 1988.

90. Крусь Г.Н., Шалыгина A.M., Волокитина З.В. Методы исследования молока и молочных продуктов. / Под общ. редакцией A.M. Шалыгиной. М.: Колос, 2000. - 368 с.

91. Кудрявцев Л.Д. Нраткий курс математического анализа: Учеб. Для вузов. М.:Наука. Гл.ред.физ.-мат. Лит., 1989. -736с.

92. Купце У, Шведт Г. Основы качественного и количественного анализа: Пер. с нем. М.: Мир, 1997. - 424 с.

93. Курицкий Б. Поиск оптимальных решений средствами Excel 7.0. Спб.: BHV, 1997.

94. Кюрегян Г. П. Исследование и разработка пленкообразующиго состава на основе поверхностно-активных веществ для пищевой продукции. Автореф. дисс. канд. техн. наук. -М.: МГТА, 2003.

95. Ландау Л.Д., ЛифшицЕ.М. Теоретическая физика: Учебное пособие. В Ют. Т. V. Статистическая физика. 4.1. М.: Наука, Физматлит, 1995. - 608 с.

96. Липатов Н.Н. Предпосылки компьютерного проектирования продуктов и рационов питания с заданной пищевой ценностью. // Хранение и переработка сельхозсырья, 1995, с. 4 9.

97. Липатов Н.Н. Принципы проектирования состава и совершенствования технологии многокомпонентных мясных и молочных продуктов. Дисс. д. техн. наук. М.: - МТИММП, 1988. -670 с.

98. Липатов Н.Н. Предпосылки компьютерного проектирования продуктов и рационов питания с заданной пищевой ценностью. // Хранение и переработка сельхозсырья. 1995. С. 4 9.

99. Липатов Н.Н., Лисицын А.Б., Юдина с.Б. Совершенствование методики проектирования биологической ценности пищевых продуктов. // Мясная индустрия, 1997, № 9, с. 14-15.

100. Ломакин А.Л., Нейман В.Г. Решение экономико-статистических задач с помощью программы STATGRAPHICS Plus. М.: Моск. экон.-лингвист, ин-т, 2004.

101. МажидовК.Х., КадировЮ.К. и др. Применение методов математического моделирования с целью выбора стационарных катализаторов для гидрирования жиров. Хранение и переработка сельхозсырья, 1997, № 1, с. 19.

102. Меркулов М. Ю. Совершенствование и использование методов инженерной реологии для прогнозирования и контроля физико-химических характеристик молочных продуктов в процессе ихразработки и производства. Автореф. дисс. канд. техн. наук. М.: МГУПБ, 2003.

103. Миронова Н.Г., КовбасаВ.Н. Разработка оптимальных рецептур сухих завтраков повышенной биологической ценности с использованием математического моделирования. // Хранение и переработка сельхозсырья. 1998. № 1. С. 51 52.

104. Михайлов Н.А. Проектирование комбинированных продуктов питания на основе моделирования биологической ценности белка. Дисс. канд. техн. наук. М.: МТИММП, 1986. - 157 с.

105. Моисеев Н.Н. Математические задачи системного анализа. -М.: Наука, 1981.-487 с.

106. Мункуева С.Д., Жимбуева J1. Д., Базарова М. В., Жимбуев Э. Ж. Использование компьютерных технологий при определении влагосвязующей способности мяса. Мясная индустрия, № 5, 2004.

107. Налимов В.В. Применение математической статистики при анализе вещества. -М.: Физматгиз, 1960.

108. Некрасов В.И. Многофакторный эксперимент: Планирование и обработка результатов: Учеб. пособие. Курган: КГУ, 1998.

109. Нечаев А.П., Траубенберг С.Е., Кочеткова А.А. и др. Пищевая химия. Под ред. Нечаева А.П. СПб.: ГИОРД, 2001. - 592 с.

110. Нигматулин Р.И. Механика гетерогенных сред. Новосибирск: ИТФ, 1990.-231 с.

111. Николаев Н.С. Моделирование процесса термообработки мясного сырья как сложной системы. Автореф. дисс. д. техн. н. М.: 1996.-55 с.

112. Николаева С.В. Разработка моделей рецептурных смесей пищевых продуктов в условиях информационной неопределенности. Автореф. дисс. канд. техн. наук. -М.: МГТА, 2003.

113. Николаева С.В. Методологические аспекты термодинамического подхода к синтезу моделей смесей // Информационные технологии, 2003, № 4, с. 45 52.

114. Общая химия: Учебник / Под ред. Е.М. Соколовской и JI.C. Гузея. — 3-е изд., перераб. и доп. М.: Изд-во МГУ, 1989. -640с.

115. Оленев Ю.А. Расчет рецептур смесей мороженого. // Молочная промышленность, № 12, 2002. С. 29 -21.

116. Орвис В. Excel для учёных, инженеров и студентов: Пер. с англ. К.: Юниор, 1999.-528 с.

117. Орлов Б.Д., Осипов В.В. Управленческий и финансовый анализ деятельности предприятия: Пособие для менеджеров. М.: Изд-во1. УРАО, 1997. 148 с.

118. Островский Г.М. Прикладная механика гетерогенных сред. -СПб.: Наука, 2000.-359 с.

119. Падохин В.А. Стохастическое моделирование диспергирования и механоактивации гетерогенных систем. Автореф. дисс. д. техн. наук. Иваново, 2000.

120. Панфилов В.А., Крикунова Л.Н., Нечаев А.П. Характеристика базового материала для выбора научно-технических приоритетов в производстве основных групп продуктов питания. // Пищевая промышленность, 1995, №4

121. Попов В.И., Карпов В.И., Ушаков И.Б. и др. Многофакторное планирование и анализ в медико-биологических исследованиях. Воронеж: Воронежский государственный университет, 2000. 68 с.

122. Практикум по эконометрике. Под ред. Елисеевой И.И. М.: Финансы и статистика, 2001. 192с.

123. Протопопов И.И. Научно практические основы оптимизации технологий производства мясных и молочных продуктов. Автореф. дисс. д. техн. наук. -М.: МГАПБ, 1993. 42 с.

124. Псарев В.И. Интегрированные территориальные информационные технологии. Дис. Д-ра техн. Наук в форме научного доклада, Новосибирск: 1991. - 54с.

125. РайбманН.С. Основы управления технологическими процессами. -М.: Наука, 1988.-440 с.

126. Ребиндер А.П. Избранные труды. Поверхностные явления в дисперсных системах. Физико химическая механика. - М.: Наука, 1979.

127. Рогов И.А., Горбатов А.В., Свинцов В.Я. Дисперсные системы мясных и молочных продуктов. -М.: Агропромиздат, 1990. 320 с.

128. Рудась П.Г. Разработка экструзионной технологии получения новых видов и специальных форм пищевых продуктов на основе зернового сырья: Автореф. дисс. канд. техн. наук.-М.: МГУПП, 1998. 34 с.

129. Салаватулина P.M. Рациональное использование сырья в колбасном производстве. -М.: Агропромиздат, 1985. 256с.

130. Серебряков А.В., Трефилов П.А. и др. Разработка нечёткой экспертной системы для процесса получения масла. Тезисы докладов

131. Всесоюзной научно-технической конференции «Пути развития науки и техники в мясной и молочной промышленности». М.: АгроНИИТЭИММП, 1987, с. 246-247.

132. Спирина Г.В. Экономико-математическое моделирование факторного анализа прибыли мясопереработки предприятия в системе автоматизированного управления производством. Автореф. дисс. к.э.н.,-М., 1971.-24 с.

133. Сысоев В.В., Матвеев М.Г., Бугаев Ю.В. Математическое моделирование детерминированных технологических систем. Учебное пособие, Воронеж: 1994. - 77 с.

134. ТаммИ.Е. Основы теории электричества. М.: Наука, 1976. 616 с.

135. Тер-Крикоров A.M., Шабунин М.И. Курс математического анализа: учебное пособие для ВУЗов. М.: МФТИ, 1997. - 720 с.

136. Технологическое оборудование пищевых производств / Под ред. проф. Азарова Б.Н. -М.: Агропромиздат, 1988. 156 с.

137. ТуДж., ГонсалесР. Принципы распознавания образов. М.: Мир, 1978.411 с.

138. Тужилкин В.И. Проблемы информатизации в агронауке и АПК. Известия вузов. Пищевая технология, 1995, № 1 2, с. 7 - 12.

139. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. / Под ред. В.Э. Фигурнова М.: ИНФРА, 1998. - 528с.

140. Уилкс С. Математическая статистика. Пер. с англ. М.: Наука, 1967

141. Управление качеством. М. - М.: Экономика, 1988

142. УрбахВ.Ю. Биометрические методы (статистическая обработка опытных данных в биологии, сельском хозяйстве и медицине). -М.: Наука, 1964. -416 с.

143. Урьев Н.Б. Физико-химическая динамика дисперсных систем. // Успехи химии, т.73, № 1, 2004, с. 41-61.

144. Ушачев И.Г. Управление агропромышленным комплексом. -М.: Агропромиздат, 1985. 335с.

145. Физика простых жидкостей. Статистическая теория. Под ред. Г.Темперли, Дж. Роулинсона, Дж. Рашбрука: Пер. с англ. . М.: Мир, 1992.-с. 686 с.

146. Филатов O.K. Информатизация технологий обучения в высшей школе-М., 2001.-284 с.

147. Филин В.М., Устименко Т.В., Бражников В.В. Оценка качества зерна крупяных культур на малых предприятиях. М.:ДеЛи принт, 2003.-168с.

148. ФинниД. Введение в теорию планирования экспериментов. -М.: Наука, 1970.

149. ХиксЧ.Р. Основные принципы планирования эксперимента. -М.: Мир, 1967.

150. Холоднов В.А. и др. Математическое моделирование и оптимизация химико-технологических процессов. Практ. руководство. Спб.: АНО НПО Профессионал, 2003. - 478 с.

151. Хэмди А.Таха. Введение в исследование операций. М.: Изд. дом «Вильяме», 2001. 600 с.

152. ЦыпкинЯ.З. Информационная теория идентификации. М.: Наука, 1995. 336 с.

153. Чемелева Т.А., Адлер Ю.П. Планирование эксперимента при построении диаграмм состав-свойство (обзор). В сб. «Применение математических методов для исследования многокомпонентных систем».-М.: «Металлургия», 1974, 11.

154. Чемелева Т.А., Маркова Е.В., Рубин B.C. Композиционное планирование для трехкомпонентных смесей с качественными факторами. В сб. «Применение математических методов для исследования многокомпонентных систем». - М.: «Металлургия», 1974.-69 с.

155. Шаматов И.К. Формирование аналитических критериев для оценки инвестиционной привлекательности // Пищевая промышленность № 6, 2003. с.41

156. Шаповалов В.И. Контроль технологических процессов в производстве интегральных схем. Учебное пособие . — JI, 1982

157. Шелобаев С.И. Математические методы и модели М., 2000

158. Шеннон Р. Информационное моделирование систем -искусство или наука. М.: Мир, 1988. - 418 с.

159. Шеридан Т.Б., Феррелл У.Р. Системы человек машина: Модели обработки информации, управления и принятия решения человеком - оператором. -М.: Машиностроение, 1980. -400 с.

160. Шеффе Г.Е. Дисперсионный анализ. М.: Физматгиз, 1963.

161. Шлеленко JI.A. Разработка комплексных улучшителей для интенсивной технологии хлебобулочных изделий из пшеничной муки. Автореф. дисс. канд. техн. наук. -М.: МГУ1111, 2001. 192 с.

162. Шленская Т.В., Аитова Н.В. Технология производства плодоовощных паст из традиционного сельскохозяйственного сырья. -М.: Пищевая промышленность, 2004. 120 с.

163. Эконометрика. Под ред. Елисеевой И.И. М.: Финансы и статитсика, 2003. - 344с.

164. Электрофизические, оптические и акустические характеристики пищевых продуктов. Справочник. Под ред. И.А. Рогова. -М.: Легкая и пищевая промышленность, 1981. -288 с.

165. Box G. Statistics for experimenters: An introduction to design, data analysis, and model building. New York: Wiley, 1978.

166. Das K., Lambev A., Manchev S. Mathematical modeling of basic processes in the extraction of corn flour. Khranitelna Promishlenost, 1989, №38, v.4, p. 26-29.

167. Dohhal M., Walthew D. The use of fuzzy expert systems to examine vague and complex problems in sugar engineering. Proceedings South African Sugar Technologists Association, 1995, v. 69, p. 186 190.

168. Fisher R.A. Contributions to mathematical statistics. New York: John Wiley, 1950.

169. Kormendy L., Erdos L., Sunal E. Mathematical model for the manufacture of frankfurter tupe sausages / Acta Alimentoza, Budapest: 1985, Volume 8/14, p. 343 355.

170. Hunter, W. G., & Hunter, S. J. Statistics for experimenters. New York: Wiley, 1988.

171. ThorneS., BurfootD., CheryanM., Nichols D. Mathematical modelling of food processing operations, 1992. 353 p.

172. Winer B.J. Statistical Principles in Experimental Design. McGraw-Hill, 1962.

173. Yan X., He W., Sun K. Application of microcomputer operated fuzzy mathematics to sensory appraisal of foods. Food Science China, 1995, № 2, v. 16, p.5 -9.

174. Zhang Q., Litchfield J. Applying Fuzzy mathematics to product development and comparison. Food Technology, 1991, v. 45, №7, p. 108-115.