автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка моделей и алгоритмов многомерного анализа процессов в управлении качеством на предприятии

На правах рукописи

«Г

Голованов Виктор Владимирович

РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ МНОГОМЕРНОГО АНАЛИЗА ПРОЦЕССОВ В УПРАВЛЕНИИ КАЧЕСТВОМ НА ПРЕДПРИЯТИИ

Специальность 05.13.01 - Системный анализ, управление и обработка

информации (по техническим наукам)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Брянск 2006

Работа выполнена на кафедре «Управление качеством производственных и технических систем» Брянского государственного технического университета

Научный руководитель: кандидат технических наук, профессор

Мирошников Вячеслав Васильевич

Официальные оппоненты: доктор технических наук, профессор,

Андрейчиков Александр Валентинович

кандидат технических наук, доцент, Копелиович Дмитрий Игоревич

Ведущая организация: ЗАО УК «Брянский машиностроительный

завод», г. Брянск

Защита состоится "28" марта 2006 года в 14 часов на заседании диссертационного совета К212.021.01 при Брянском государственном техническом университете по адресу: 241035, Брянск, бульвар 50-летия Октября, д. 7

С диссертацией можно ознакомиться в библиотеке Брянского государственного технического университета.

Автореферат разослан "27" февраля 2006 года.

Ученый секретарь

диссертационного совета К212.021.01 кандидат технических наук, доцент

В. А. Шкаберин

100G A

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы диссертации. В настоящее время управление качеством в экономически развитых странах мира считается важнейшей частью менеджмента предприятия, обеспечивающей долгосрочный успех в бизнесе. Результативность системы управления качеством предприятия зависит от степени ее соответствия международным стандартам ИСО 9000 версии 2000 года, важнейшим требованием которых является обязательное проведение многостороннего анализа различных аспектов менеджмента качества.

Однако на практике при проведении такого анализа предприятия сталкиваются с большими трудностями, вызванными сложностью объектов анализа и неоднозначностью используемых методик анализа, отсутствием достоверной информации по качеству и эффективных инструментов для комплексного анализа данных, а также недостаточной квалификацией менеджеров предприятия в области системного анализа.

Дня предприятий приоритетной задачей является оптимизация процессов с целью снижения дефектности и затрат на их выполнение. Оптимизация процессов позволяет решить предприятию такие задачи, как улучшение качества изготавливаемой продукции и, как следствие, повышение её конкурентоспособности, удовлетворённости потребителей, а также снижение затрат предприятия.

В результате развития информационных технологий появились новые инструменты типа OLAP и Data Mining, основанные на многомерных хранилищах данных и интеллектуальном анализе информации. Они позволяют подготавливать и эффективно анализировать на ЭВМ большие объемы разнообразных данных. Однако в связи с тем, что методы многомерного анализа данных появились недавно, вопросы их использования на практике проработаны слабо. Обзор публикаций и программных пакетов показал, что для многомерного анализа данных существуют инструменты, но отсутствуют методики их применения. Иными словами, не описано, как для определенной предметной области создать многомерную модель, заполнить ее данными и найти зависимости.

Разработка метода многомерного анализа процессов в этой связи является, несомненно, актуальной, т.к. позволит повысить эффективность принятия решений в управлении качеством.

Цель работы: Создание в соответствии с требованиями международных стандартов ИСО 9000:2000 моделей, методов, алгоритмов и программного обеспечения (ПО) для проведения многомерного анализа процессов на предприятии, позволяющего повысить обоснованность управленческих решений, направленных на их улучшение.

Для достижения этой цели в диссертационной работе нужно решить следующие задачи:

и__£Исхемного_ многомерного

РОС. НАЦИОНАЛЬНАЯ j БИБЛИОТЕКА '

1. Формализация и постановка задаг

РОС. НА1 БНБ.

'ШФ,

С.Петер^

О»

анализа данных при принятии решений в системе управления качеством предприятия. Для этого проанализировать требования стандартов ИСО 9000:2000, разработать модели процессов анализа в системе менеджмента качества (СМК).

2. Разработка моделей многомерного анализа данных и поиска зависимостей. Для этого систематизировать основные понятия и термины, используемые при многомерном анализе, сформировать тезаурус для их описания. Разработать модель многомерного куба данных и фактов, а также модель многомерного анализа данных, содержащихся в кубе данных.

3. Разработка многомерной модели для описания процессов. Необходимо определить структуру измерений хранилища данных; математическую модель содержащейся в хранилище данных информации, описывающей процессы и называемой фактами; набор и структуру кубов данных для анализа.

4. Автоматизация системного многомерного анализа процессов на предприятии. Необходимо создать многомерную базу данных и многомерные кубы данных для анализа процессов, разработать ПО для сбора и занесения информации в хранилище данных, алгоритм и интерфейс представления многомерной иерархической структуры данных в понятном конечному пользователю виде, алгоритм для формирования выборок из хранилищ данных и проведения автоматизированного системного многомерного анализа процессов.

5. Опытная проверка созданных моделей и алгоритмов анализа процессов и внедрение разработанного ПО на промышленном предприятии.

Методические основы исследования. Основу проведения теоретических и экспериментальных исследований составляют элементы теории систем и системного анализа, требования стандартов ИСО 9000:2000 к анализу, языковое и символическое моделирование, 8АОТ-моделирование, элементы теории множеств, реляционные базы данных, многомерные базы данных, объектно-ориентированный подход к разработке ПО, статистические методы, в частности метод многомерного регрессионного анализа.

Научная новизна работы состоит в следующем:

1. Предложены модель для описания многомерных кубов данных и фактов, модель многомерного анализа данных, тезаурус, описывающий понятия, используемые при многомерном анализе.

2. Разработаны алгоритмы обработки информации, представления ее в многомерном виде и последующего анализа для принятия оптимальных управленческих решений, в частности алгоритм заполнения хранилища данных и алгоритм анализа содержащейся в хранилище данных информации.

3. Построены в соответствии с требованиями стандартов ИСО 9000:2000 функциональные модели процессов анализа системы менеджмента качества предприятия.

4. Предложены многомерные модели для описания процессов, в

частности структуры измерений хранилища данных, математические модели содержащихся в хранилище данных фактов, структуры кубов данных для анализа.

Практическая ценность работы заключается:

1. В разработке программного комплекса ОиАп для анализа и обработки информации при принятии оптимальных решений в управлении процессами на предприятии. Комплекс состоит из хранилища данных, структура которого ориентирована на полное и непротиворечивое описание процессов, загрузчика, предназначенного для заполнения хранилища данных, и клиентской части, позволяющей пользователям формировать выборки из хранилища данных.

2. Сборе информации о процессах на двух промышленных предприятиях, ее представлении в многомерном виде и анализе для принятия обоснованных управленческих решений, направленных на улучшение процессов.

Реализация результатов работы. Созданный программный комплекс ОиАп используется для анализа процессов на ЗАО Управляющая компания «Брянский машиностроительный завод» и предприятии, выпускающем продовольственную технику.

На ЗАО УК БМЗ был проведен матричный анализ несоответствий, выявленных во время внутреннего аудита процессов менеджмента качества. При этом использовался гибкий механизм формирования выборок и их представления в виде диаграмм и гистограмм. Процессы были проранжированы с точки зрения соответствия требованиям стандартов, что послужило основой для принятия управленческих решений по коррекции ряда процессов в подразделениях предприятия.

Для машиностроительного предприятия, выпускающего продовольственную технику, анализировались зависимости суммарных затрат подразделений от дефектности процессов данных подразделений, дефектности производственных процессов на участках цехов от дефектности остальных процессов в цехе, дефектности производственных процессов на участках цехов от дефектности процессов в отделах. В результате были даны рекомендации по улучшению процессов в подразделениях.

На защиту выносятся следующие положения:

1. Модели для описания многомерного куба данных и фактов и модель многомерного анализа данных, а также тезаурус понятий, используемых при многомерном анализе.

2. Многомерная модель, описывающая процессы, состоящая из осей: процессы предприятия, бизнес-процессы, подразделения, время и фактов: затраты и дефектность, для которых определены математические модели.

3. Алгоритм и структура вычислительного комплекса, позволяющие проводить многомерный анализ процессов.

4. Программное обеспечение, разработанное для многомерного анализа

процессов, включающее хранилище данных, и модули загрузчик и клиентская часть.

5. Результаты многомерного анализа качества процессов на машиностроительных предприятиях.

Апробация работы. Основные положения диссертации были опубликованы в 9 печатных работах. Результаты проведенных исследований докладывались на следующих международных, всероссийских и региональных научно-практических конференциях: Международной научно-технической конференции "Молодежная научно-техническая конференция вузов приграничных регионов славянских государств" (г. Брянск, 2001 г.), 2-й международной конференции "Сертификация и управление качеством продукции" (г. Брянск, 2002 г.), 56-й научной конференции профессорско-преподавательского состава (г. Брянск, 2002 г.), 1-й научной конференции "Качество и ИПИ (САЬ8)-технологии" (Украина, 2004 г.), конференции "Менеджмент качества продукции и услуг" (г. Брянск, 2004 г.), 13-й международной конференции "Современные методы и средства неразрушающего контроля и технической диагностики" (Ялта - Киев, 2005 г.).

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, выводов, списка литературы (107 наименований источников) и 4 приложений, содержит 194 страницы печатного текста, а также 78 рисунков и 24 таблицы. Общий объем работы 219 страниц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, изложены научная новизна, практическая ценность работы и сформулированы основные положения, выносимые на защиту.

В первой главе проведен обзор литературы по анализу данных в управлении качеством на основе работ Ю.П. Адлера, Б.В. Бойцова, O.A. Горленко, В.А. Лапидуса, В.В. Окрепилова и др. Вопросы системного анализа данных исследовались в работах В.И. Аверченкова, A.B. Андрейчикова, И.Ф. Кодда, A.A. Сахарова.

Анализ литературных источников позволяет сделать вывод о том, что существует ряд различных методик моделирования и анализа СМК и программных средств, предназначенных для автоматизации сбора, хранения и анализа информации по качеству. Однако в большинстве своем эти методики используются для решения конкретных узкоспециализированных задач и не дают возможности проводить комплексный анализ всех аспектов СМК. Существует также ряд программных пакетов, предназначенных для поиска зависимостей в данных, таких, как Statistica и Deductor. Однако эти пакеты представляют собой набор методов для поиска зависимостей и не содержат готовых моделей данных, в частности моделей для анализа данных в области управления качеством. В этой связи сформулированы цель и задачи

исследования.

Во второй главе сформулированы объект и предмет исследования. Объектом исследования являются модели и алгоритмы многомерного анализа, предметом является многомерный анализ процессов в управлении качеством на предприятии. Приведены также методические основы исследований и определена последовательность проведения исследований.

В третьей главе изложены результаты теоретических исследований, достигнутые при разработке методики многомерного анализа процессов предприятия. На рис. 1 приведена функциональная модель процесса анализа СМК. Для каждого его подпроцесса также создана функциональная модель.

Для формализации процесса многомерного анализа процессов на предприятии были систематизированы в форме тезауруса понятия многомерного анализа. Приведем основные из них:

• хранилище данных (ХД) - совокупность средств, позволяющих представить данные в целостном, предметно-ориентированном виде для системного анализа и принятия управленческих решений;

• многомерный куб данных - представление данных в виде куба, на котором выполняется многомерный анализ;

• оси - ребра куба данных;

• узел - если провести сечение куба данных столькими плоскостями, сколько у него осей, то получим пересечение. Место пересечения этих плоскостей и есть узел;

• узлы-родители - узлы верхних уровней иерархического измерения, у которых есть узлы более низкого уровня;

Рис. 1. Функциональная модель процесса анализа СМК

• узлы-потомки - узлы более низкого уровня иерархии в связке с узлами-родителями;

• факты - численные данные, хранящиеся в узлах куба данных. Автором разработана многомерная модель представления данных,

которая описана в виде кортежа:

К=<0,Ф,С>, (1)

где К- многомерный куб данных; О-набор его осей {Ох ,02,.,...,0П} ;

Ф - набор фактов {Ф, ,Ф2 ,...,Ф, ,...,Ф„ };

С - структура куба, представляющая собой набор узлов-пересечений

осей{77, ,П2,...,П1 ,...,Пп}, для которых существуют факты. Такие узлы

называются действующими.

Каждый из фактов описывается моделью вида

Ф, =< ОФ;,ЗФ;,АФ; >, (2)

где ОФ1 - обозначение /-го факта;

Зф. — описание /-го факта на естественном языке;

АФ1 - алгоритм расчета /-го факта для узла-родителя на основе узлов-потомков;

Каждый действующий узел может быть описан вектором

= (3)

где J - номер оси;

у - номер узла]-й оси, для которого существует пересечение.

Предложенные модели определяют набор объектов, которые нужно описать при создании многомерной модели данных заданной предметной области. Так, чтобы включить описание процесса предприятия в многомерную модель данных, т.е. описать его характеристики фактами по соответствующим осям, модель такого процесса должна быть приведена к виду:

7> = {С(,,...,С,,...,0,}, (4)

где Р1 - /-Й процесс предприятия;

Су - у'-я характеристика /-го процесса предприятия, которая должна основываться на входах, выходах, ресурсах и управляющем воздействии

процесса и иметь шкалу изменения; п - число характеристик /'-го процесса предприятия.

Системная связь между процессами характеризуется связью между

определенной характеристикой одного процесса Су и некоторой

характеристикой другого процесса Су .

Для описания процессов предприятия автором определены компоненты многомерной модели данных, которые принимают следующие значения.

1. Набор осей куба данных:

О = {подразделения, процессы предприятия, бизнес-процессы, время} (5)

Ось подразделения описывает структуру подразделений предприятия: производств, цехов, отделов. Эта ось всегда иерархическая, содержит уровни {компания/предприятие/производство/цех (отдел)/участок (бюро)/рабочее место}, которые могут по-разному группироваться.

Ось процессы предприятия описывает все процессы предприятия: маркетинг, закупки, проектирование, производство, контроль, испытания и т.д. Ось иерархическая и содержит два уровня иерархии: {процессы/подпроцессы}.

Ось бизнес-процессы описывает бизнес-процессы предприятия. Под бизнес-процессом здесь понимается межфункциональный процесс, состоящий из множества внутренних шагов деятельности, начинающихся с одного или более входов и заканчивающихся созданием продукции или оказанием услуги, удовлетворяющей потребителя по качеству, цене, срокам выполнения и т.д. Ось может быть как иерархической, так и одноуровневой.

Ось время описывает структуру временных интервалов, за которые проводится многомерный анализ данных. Ось время иерархическая, содержит уровни {год/квартал/месяц/неделя/день}, которые тоже могут по-разному группироваться. Все анализируемые данные имеют признак времени (дату или временной период).

При необходимости набор осей О может быть уменьшен или расширен. Так, могут быть добавлены оси персонал, виды затрат и категории затрат, что позволяет получать аналитические отчеты по затратам, детализированные по категориям затрат, группам персонала и т.д.

2. Набор фактов:

Ф = {затраты, дефектность}. (6)

Обозначив факт затраты через 2, опишем его как "общие затраты на процесс, включающие затраты на соответствие и несоответствие процесса". Математическая модель расчета факта в узлах-родителях на основе узлов-потомков примет вид

1 = ¿2,., (7)

(=1

где п - число узлов-потомков;

21 - затраты I -го узла-потомка.

Факт дефектность обозначен как £> и определен как "невыполнение установленных требований к процессу". Математическая модель расчета этого факта в узлах-родителях следующая:

£> = 2>,. Д/¿а,., (8)

¿=1 /=1

где П - число узлов-потомков;

Г)1 - дефектность I -го узла-потомка;

<Х1 - весовой коэффициент, определяющий, какое влияние оказывает

дефектность 1-го узла-потомка на вычисляемую дефектность, значение коэффициента равно значению факта затраты в узле.

В работе предложен способ оптимизации расчета фактов в кубе данных с целью реализации основного принципа многомерного анализа данных -обеспечение высокой производительности. Для оптимизации процесса расчета дефектности введен факт взвешенная дефектность, рассчитываемый по формуле:

Ук = акВк, (9)

где к - уровень иерархии оси, на котором находится узел;

£)* - дефектность для заданного узла к -го уровня;

к 1 а - затраты для заданного узла к -го уровня.

Важнейшее свойство факта взвешенная дефектность заключается в

том, что его значение для узла-родителя можно получить простым

суммированием значений узлов-потомков:

, (Ю)

где к — 1 - уровень иерархии оси, соответствующий узлам-потомкам заданного узла; I - номер узла-потомка;

п - общее число узлов-потомков заданного узла, попавших в выборку. Таким образом, можно рассчитать факт дефектность по формуле

Dk =Vk !ак

(il)

i=i

где ОС ' - затраты для узлов-потомков заданного узла.

В результате отпадает необходимость использовать сложный алгоритм обработки дефектностей узлов-потомков, выделять узлы, попавшие в выборку, что приводит к существенному повышению быстродействия системы в целом.

Графическая иллюстрация разработанной многомерной модели данных, описывающей процессы предприятия, приведена на рис. 2.

Результатом многомерного анализа данных является матрица фактов:

f\\ ••■ fin

F =

(12)

_fml "' fm,

Значения фактов /у и число строк т и столбцов п матрицы определяются набором условий

У =<УА\УА2,УО>, (13)

где УА1, У А2 - условия агрегации по строкам и столбцам соответственно; У О - условия отбора.

Условия агрегации У А1 и УА2 определяют, во-первых, какие оси будут выбраны для отображения по строкам и столбцам, и, во-вторых, уровень детализации данных по каждой из этих двух осей.

Условия отбора УО определяют, какие фильтры наложены при отборе фактов в результирующую матрицу, и описываются в виде кортежа:

Затраты, дефектность

Затраты, дефектность

Время

Рис. 2. Многомерные модели данных

УО=<УОО\...,УООк >,

(14)

где УО(У - условие отбора по /-й оси, которое определяет, для каких узлов (У1 факты будут включаться в результирующую матрицу, общее число таких условий равно к.

Полученные матрицы являются основой для принятия решений руководством предприятия об изменении характеристик процессов с целью их улучшения. Для обеспечения эффективности таких решений автором предложено выявлять системные связи между процессами автоматически, на основе методов интеллектуального анализа данных. В этом случае процесс поиска зависимостей можно представить в виде модели

ПЗ=<ПП,МП,ВЗ>, (15)

где ПЗ - процесс поиска зависимостей; ПП- подход к поиску;

МП - определенный математический, эвристический или иной метод поиска зависимостей, применяемый при анализе; ВЗ - выявленные при анализе зависимости.

Подход к поиску ПП характеризует последовательность действий при выявлении зависимостей в ХД и представляет собой набор

ПП = {ОзА, АзО, ОиА}. (16)

ОзА означает, что сначала с помощью инструментов оперативной аналитической обработки отбираются данные из ХД, а затем полученные выборки анализируются;

АзО означает, что в ХД сначала выявляются зависимости по заданным алгоритмам, а потом данные для выявленных зависимостей отбираются из ХД;

ОиА означает, что процесс отбора и анализа данных итерационный, результаты каждой итерации анализа могут автоматически влиять на отбираемые данные.

В диссертационной работе автором предложен метод, при котором пользователь, проводящий анализ данных ХД, сначала отбирает интересующие его данные, а затем анализирует полученные выборки, т.е. использует подход к поиску ОзА. При отборе формируются анализируемые данные - матрица фактов-характеристик процессов ^ - которая затем анализируется методом множественного регрессионного анализа. Результат анализа представляет собой зависимости вида

где /3 - зависимая переменная, ей соответствует характеристика процесса, которую нужно улучшить;

/ - факторы, которым соответствуют характеристики других процессов,

влияющие на зависимую переменную; П - число значимых факторов; у - номер фактора;

А - коэффициент, количественно характеризующий влияние ) -го фактора

на зависимую переменную.

На основе описанных выше моделей автором разработан алгоритм многомерного анализа процессов при управлении качеством на предприятии, который приведен на рис. 3. Автором также разработана структура компьютерной системы многомерного анализа процессов предприятия, которая представлена на рис. 4.

Система состоит из трех модулей: загрузчик, хранилище данных и клиентская часть. Ядром системы является многомерное корпоративное ХД, которое содержит данные, извлеченные из оперативных баз предприятия. Предварительно эти данные очищены, преобразованы, агрегированы и организованы так, чтобы обеспечить максимально быстрый и удобный доступ к ним конечных пользователей без помощи программистов.

В четвертой главе описывается программный комплекс (ПК) С?иАп, обеспечивающий проведение многомерного анализа процессов. В соответствии со структурной схемой (рис. 4), ПК С>иАп включает многомерное ХД, кубы данных и модули загрузчик и клиентская часть.

При разработке программного комплекса реализован ряд функциональных возможностей. В модуле загрузчик реализована функциональность для описания структуры ХД - осей и фактов. Для оптимизации ручного ввода данных разработана функциональность для задания действующих и недействующих узлов. Реализован механизм работы с осью время, позволяющий проводить анализ как помесячно, так и понедельно. Разработана функциональность для заполнения фактами только действующих узлов, интерфейс которой приведен на рис. 5, также реализована возможность генерации фактов на основе экспертных оценок.

В модуле клиентская часть предусмотрено гибкое формирование выборок из ХД, есть возможность представления выборок в виде графиков, различных диаграмм и гистограмм. Реализована функциональность для импорта данных в М8-Ехсе1 и сохранения шаблонов выборок. Модуль клиентская часть универсальный, может быть использован при работе с любыми ХД и кубами данных.

Разработана версия системы ОиАп «ОЬАР-Затраты», предназначенная для детализированного анализа данных по затратам.

Данные по качеству с бумажных носителей

I

/Данные по 7 качеству / из АСУ /

(/Заполнение ХД. началу Пока существует организация

Очистка данных, импорт фактов в ХД, ежедневно

I

Заполнение ХД конец ^

Описание и создание кубов данных

(/Заполнение началд^ Пока существует организация

I

Заполнение кубов данных, ежедневно

^ Зеполиениекубое, конец"^

/- ¿т-—

/ регламентирующие у ' анализ данных по / _качеству /

^ Выборки начало Пока существует организация

Формирование выборок для анализа по мере

необходимости

I Выборки,

конец

/ наборы начало \ Пока существует организация

Формирование именованных наборов для анализа по мере необходимости

Шаборылон^

^Коэффициенты, начало"4-.

Пока есть незначимые коэффициенты регрессии

Исключение незначимого коэффициента

интерпретация уравнения терминах предметной области

конец ^

Рис. 3 Алгоритм многомерного анализа процессов

с:

t ~J L J [

Витрины данных 1

Выборки -диаграммы

Внешние средства анализа, например, Statistica

База очистки Загрузчик

Таблицы,текст файлы

Рис. 4. Структура системы многомерного анализа процессов

Определение действующих узлов {задание ограничений и fMopenrirw)

Постоябми^Тодраз, По строкам ^роцессьГредприят! «ядом?)

Рис. 5. Задание действующих узлов в системе QuAn

В качестве инструментального средства обработки данных в ПК QuAn выбрана известная СУБД Microsoft SQL Server 2000, а пользовательский интерфейс всех модулей реализован в виде приложений MS Access 2000. Выбор этих систем обусловлен их относительной открытостью и широкой распространенностью.

В пятой главе приведены результаты применения разработанных в ходе диссертационного исследования метода многомерного анализа данных и ПК QuAn для решения практических задач.

Был проведен матричный анализ несоответствий, выявленных во время внутреннего аудита СМК на БМЗ. Для этого набор фактов, содержащихся в ХД, был дополнен. Были добавлены факты общее количество несоответствий и количество значительных несоответствий. Была заполнена структура осей, и в хранилище данных занесены факты - данные несоответствиях по процессам.

Сначала был проведен анализ несоответствий в целом, для этого получен интегрированный отчет о несоответствиях по производствам и стандартам предприятия. Затем был проведен детальный анализ несоответствий по подразделениям, что позволило выявить наиболее значимые причины несоответствий. При проведении матричного анализа использовался гибкий механизм формирования выборок и их представления в виде диаграмм и гистограмм. Результаты матричного анализа подтвердили широкие возможности применения OLAP-анализа данных в области управления качеством.

Был также проведен анализ зависимостей для предприятия, выпускающего продовольственную технику. Анализировались зависимости затрат в подразделениях от дефектности их процессов и зависимости между дефектностью процессов в подразделениях. В результате был выявлен ряд зависимостей между процессами.

Применение метода многомерного анализа и ПК QuAn позволяет перераспределить нагрузку сотрудников, занимающихся сбором и анализом данных о качестве процессов. При снижении времени на сбор и подготовку информации больше внимания уделяется обработке и анализу информации, что позволяет принимать решения более обоснованно, повышает их эффективность и в конечном счете позволяет повысить обоснованность принятия решений для улучшения процессов.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

На основании проведенных исследований решена сложная и практически важная задача по созданию моделей, алгоритмов и программного обеспечения для проведения на предприятии многомерного анализа процессов, позволяющего принимать оптимальные решения для их улучшения на основе технологий типа OLAP и Data Mining, а также предложенных автором многомерных моделей и алгоритмов. При этом были получены следующие результаты:

1. Разработаны в соответствии с требованиями стандартов ИСО 9000:2000 модели процессов анализа СМК, позволившие определить область применения многомерного анализа для поддержки принятия решений в управлении качеством на предприятии.

2. Разработаны модели многомерного куба данных, фактов, а также модель многомерного анализа данных. Систематизирован и описан в форме тезауруса набор понятий, используемых при многомерном анализе процессов.

3. Разработана многомерная модель данных для описания процессов. Определены основные оси и их структура - процессы предприятия, бизнес-процессы, подразделения и время, основные факты - затраты и дефектность, и их математические модели, определена структура кубов данных.

4. Разработана структура вычислительного комплекса для многомерного анализа процессов подразделений предприятия, который включает хранилище данных, содержащее кубы данных, загрузчик и клиентскую часть. Для многомерного анализа процессов менеджмента качества разработан общий алгоритм, начиная с определения структуры хранилища данных и его заполнения и заканчивая регрессионным анализом выборок и интерпретацией его результатов.

5. Для автоматизации многомерного анализа процессов созданы хранилище данных, а также кубы данных и разработаны модули загрузчик и клиентская часть. Для оптимизации ручного ввода данных в хранилище в модуле загрузчик разработана функциональность для задания действующих и недействующих узлов и заполнения фактами только действующих узлов. Для удобства использования в модуле клиентская часть предусмотрено гибкое формирование выборок из хранилища данных, позволяющее представлять выборки в виде графиков, диаграмм и гистограмм. Кроме того, модуль может быть использован при работе с любыми хранилищами данных. Разработанное программное обеспечение позволило провести автоматизированный сбор и анализ данных, описывающих процессы структурных подразделений предприятия.

6. Для детализированного анализа данных по затратам разработана версия системы (}иАп «ОЬ АР-Затраты». В модуле загрузчик системы «ОЬАР-Затраты» реализована автоматическая загрузка данных в ХД из файлов формата М8-Ехсе1, это позволило оптимизировать трудозатраты на заполнение хранилища данных.

7. Разработанные методика и программное обеспечение внедрены на Брянском машиностроительном заводе. Их применение позволило определить основные причины несоответствий процессов менеджмента качества требованиям стандартов. Использование предложенной методики и программного обеспечения на машиностроительном предприятии, выпускающем продовольственную технику, позволило выявить зависимости между процессами в подразделениях.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Голованов В.В. Приведение нечеткой многокритериальной задачи к однокритериальной детерминированной задаче с помощью методов интеллектуального анализа данных /В.В. Голованов // Молодежная научно-

техническая конференция вузов приграничных регионов славянских государств: материалы междунар. науч.-техн. конф. - Брянск, 2001. - С. 4647.

2. Мирошников В.В. Компьютерная поддержка интеллектуального анализа данных по качеству / В.В. Мирошников, В.В. Голованов // Сертификация и управление качеством продукции: материалы 2-й междунар. конф. - Брянск, 2002. - С. 203-205.

3. Мирошников В.В. Применение компьютерных инструментальных средств для анализа данных по качеству / В.В. Мирошников, В.В. Голованов, И.В. Дербышев // Тез. докл. 56-й науч. конф. проф.-преп. состава. - Брянск, 2002.-С. 237-239.

4. Мирошников В.В. Многомерный анализ качества процессов машиностроительного предприятия на основе применения аналитических информационных технологий / В.В. Мирошников, В.В. Голованов // Качество и ИЛИ (CALS)-TexmwionHi: материалы первой науч. конф. - Украина, 2004. -С. 57-59.

5. Голованов В.В. Многомерный анализ данных по качеству / В.В. Голованов // Менеджмент качества продукции и услуг: сб. материалов конф. - Брянск, 2004. - С. 98-103

6. Мирошников В.В. Многомерный анализ данных по качеству на основе новых информационных технологий / В.В. Мирошников, В.В. Голованов // Автоматизация и современные технологии. — 2005. - №2. - С. 27-32.

7. Мирошников В.В. Многомерный анализ в системах управления качеством на основе применения аналитических информационных технологий / В.В. Мирошников, В.В. Голованов // Информационные технологии. - 2005. - №2. - С. 28-33.

8. Голованов В.В. Проведение многомерного анализа затрат на качество на основе технологий хранилищ данных и OLAP / В.В. Голованов // Современные методы и средства неразрушающего контроля и технической диагностики: материалы 13-й ежегод. междунар. конф. - Ялта - Киев: УИЦ Наука. Техника. Технология, 2005. - С. 154-157.

9. Голованов В.В. Проведение анализа качества в организации на основе методов OLAP и Data Mining / В.В. Голованов // Современные методы и средства неразрушающего контроля и технической диагностики: материалы 13-й ежегод. междунар. конф. - Ялта - Киев: УИЦ Наука. Техника. Технология, 2005. - С. 157-160.

Автореферат

Голованов Виктор Владимирович

Разработка моделей и алгоритмов многомерного анализа процессов в управлении качеством на предприятии

Подписано в печать 16.02.2006. Формат 60x84 1/16. Бумага офсетная. Офсетная печать. Печ. л. 1 Уч.-изд. л. 1. Т. 100 экз.

Брянский государственный технический университет, 241035, г. Брянск, б-р. 50-летия Октября, д. 7

Центр оперативной полиграфии, г. Москва, Новоданиловская наб., дом 2, стр. 1

Я00 s А

ВВЕДЕНИЕ

ГЛАВА 1. ЗАДАЧИ АНАЛИЗА ДАННЫХ В УПРАВЛЕНИИ КАЧЕСТВОМ

1.1. Методы анализа данных, применяемые в менеджменте качества

1.2. Автоматизация анализа в менеджменте качества

1.3. Теория многомерных баз данных - современный метод анализа сложных систем

1.3.1. Концепция хранилищ данных

1.3.2. Концепция оперативной аналитической обработки данных (OLAP)

1.3.3. Интеллектуальный анализ данных (ИАД)

1.4. Выводы к главе 1. Постановка цели и задач исследования

ГЛАВА 2. МЕТОДИКА ПРОВЕДЕНИЯ ИССЛЕДОВАНИЙ

2.1. Методологические основы проведения исследований

2.1.1. Методологическая основа разработки тезауруса терминов, применяемых при многомерном анализе

2.1.2. Методологическая основа разработки многомерной структуры данных для описания процессов предприятия

2.1.3. Методологическая основа создания хранилища данных для описания процессов предприятия

2.1.4. Методологическая основа многомерного анализа процессов предприятия

2.2. Этапы проведения теоретических и экспериментальных исследований

2.3. Выводы к главе

ГЛАВА 3. РАЗРАБОТКА МЕТОДОЛОГИИ МНОГОМЕРНОГО АНАЛИЗА

ПРОЦЕССОВ НА ПРЕДПРИЯТИИ

3.1. Функциональная модель процесса анализа системы менеджмента качества

3.2. Разработка многомерных моделей для описания процессов предприятия

3.3. Структура системы многомерного анализа процессов и алгоритм ее работы

3.4. Выводы к главе

ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ МНОГОМЕРНОГО

АНАЛИЗА ПРОЦЕССОВ

4.1. Загрузчик и хранилище данных

4.2. Клиентская часть

4.3. Особенности программной реализации системы QuAn

4.4. Адаптация системы QuAn для многомерного анализа данных по затратам

4.5. Выводы к главе

ГЛАВА 5. ПРИМЕНЕНИЕ РАЗРАБОТАННОЙ МЕТОДОЛОГИИ

МНОГОМЕРНОГО АНАЛИЗА ПРОЦЕССОВ И ПК QUAN

5.1. Анализ результатов внутреннего аудита системы менеджмента качества на машиностроительном предприятии

5.2. Исследование зависимостей дефектности процессов и затрат на их качество на предприятии, выпускающем продовольственную технику

5.3. Оценка экономической эффективности

5.4. Выводы к главе

Актуальность темы диссертации. В настоящее время управление качеством в экономически развитых странах мира считается важнейшей частью менеджмента предприятия, обеспечивающей долгосрочный успех в бизнесе. Результативность системы управления качеством предприятия зависит от степени ее соответствия международным стандартам ИСО 9000 версии 2000 года, важнейшим требованием которых является обязательное проведение многостороннего анализа различных аспектов менеджмента качества.

Однако на практике при проведении такого анализа предприятия сталкиваются с большими трудностями, вызванными сложностью объектов анализа и неоднозначностью используемых методик анализа, отсутствием достоверной информации по качеству и эффективных инструментов для комплексного анализа данных, а также недостаточной квалификацией менеджеров предприятия в области системного анализа.

Для предприятий приоритетной задачей является оптимизация процессов с целью снижения дефектности и затрат на их выполнение. Оптимизация процессов позволяет решить предприятию такие задачи, как улучшение качества изготавливаемой продукции и, как следствие, повышение её конкурентоспособности, удовлетворённости потребителей, а также снижение затрат предприятия.

В результате развития информационных технологий появились новые инструменты типа OLAP и Data Mining, основанные на многомерных хранилищах данных и интеллектуальном анализе информации. Они позволяют подготавливать и эффективно анализировать на ЭВМ большие объемы разнообразных данных. Однако в связи с тем, что методы многомерного анализа данных появились недавно, вопросы их использования на практике проработаны слабо. Обзор публикаций и программных пакетов показал, что для многомерного анализа данных существуют инструменты, но отсутствуют методики их применения. Иными словами, не описано, как для определенной предметной области создать многомерную модель, заполнить ее данными и найти зависимости.

Разработка метода многомерного анализа процессов в этой связи является, несомненно, актуальной, т.к. позволит повысить эффективность принятия решений в управлении качеством.

Цель работы: Создание в соответствии с требованиями международных стандартов ИСО 9000:2000 моделей, методов, алгоритмов и программного обеспечения (ПО) для проведения многомерного анализа процессов на предприятии, позволяющего повысить обоснованность управленческих решений, направленных на их улучшение.

Для достижения этой цели в диссертационной работе нужно решить следующие задачи:

1. Формализация и постановка задачи системного многомерного анализа данных при принятии решений в системе управления качеством предприятия. Для этого проанализировать требования стандартов ИСО 9000:2000, разработать модели процессов анализа в системе менеджмента качества (СМК). ,

2. Разработка моделей многомерного анализа данных и поиска зависимостей. Для этого систематизировать основные понятия и термины, используемые при многомерном анализе, сформировать тезаурус для их описания. Разработать модель многомерного куба данных и фактов, а также модель многомерного анализа данных, содержащихся в кубе данных.

3. Разработка многомерной модели для описания процессов. Необходимо определить структуру измерений хранилища данных; математическую модель содержащейся в хранилище данных информации, описывающей процессы и называемой фактами; набор и структуру кубов данных для анализа.

4. Автоматизация системного многомерного анализа процессов на предприятии.

Необходимо создать многомерную базу данных и многомерные кубы данных для анализа процессов, разработать ПО для сбора и занесения информации в хранилище данных, алгоритм и интерфейс представления многомерной иерархической структуры данных в понятном конечному пользователю виде, алгоритм для формирования выборок из хранилищ данных и проведения автоматизированного системного многомерного анализа процессов.

5. Опытная проверка созданных моделей и алгоритмов анализа процессов и внедрение разработанного ПО на промышленном предприятии.

Методические основы исследования. Основу проведения теоретических и экспериментальных исследований составляют элементы теории систем ц системного анализа, требования стандартов ИСО 9000:2000 к анализу, языковое и символическое моделирование, БАОТ-моделирование, элементы теории множеств, реляционные базы данных, многомерные базы данных, объектно-ориентированный подход к разработке ПО, статистические методы, в частности метод многомерного регрессионного анализа.

Научная новизна работы состоит в следующем:

1. Предложены модель для описания многомерных кубов данных и фактов, модель многомерного анализа данных, тезаурус, описывающий понятия, используемые при многомерном анализе.

2. Разработаны алгоритмы обработки информации, представления ее в многомерном виде и последующего анализа для принятия оптимальных управленческих решений, в частности алгоритм заполнения хранилища данных и алгоритм анализа содержащейся в хранилище данных информации.

3. Построены в соответствии с требованиями стандартов ИСО 9000:2000 функциональные модели процессов анализа системы менеджмента качества предприятия.

4. Предложены многомерные модели для описания процессов, в частности структуры измерений хранилища данных, математические модели содержащихся в хранилище данных фактов, структуры кубов данных для анализа.

Практическая ценность работы заключается в:

1. В разработке программного комплекса (}иАп для анализа и обработки информации при принятии оптимальных решений в управлении процессами на предприятии. Комплекс состоит из хранилища данных, структура которого ориентирована на полное и непротиворечивое описание процессов, загрузчика, предназначенного для заполнения хранилища данных, и клиентской части, позволяющей пользователям формировать выборки из хранилища данных.

2. Сборе информации о процессах на двух промышленных предприятиях, ее представлении в многомерном виде и анализе для принятия обоснованных управленческих решений, направленных на улучшение процессов.

Реализация результатов работы. Созданный программный комплекс <ЗиАп используется для анализа процессов на ЗАО Управляющая компания «Брянский машиностроительный завод» и предприятии, выпускающем продовольственную технику.

На ЗАО УК БМЗ был проведен матричный анализ несоответствий, выявленных во время внутреннего аудита процессов менеджмента качества. При этом использовался гибкий механизм формирования выборок и их представления в виде диаграмм и гистограмм. Процессы были проранжированы с точки зрения соответствия требованиям стандартов, что послужило основой для принятия управленческих решений по коррекции ряда процессов в подразделениях предприятия.

Для машиностроительного предприятия, выпускающего продовольственную технику, анализировались зависимости суммарных затрат подразделений от дефектности процессов данных подразделений, дефектности производственных процессов на участках цехов от дефектности остальных процессов в цехе, дефектности производственных процессов на участках цехов от дефектности процессов в отделах. В результате были даны рекомендации по улучшению процессов в подразделениях.

На защиту выносятся следующие положения:

1. Модели для описания многомерного куба данных и фактов и модель многомерного анализа данных, а также тезаурус понятий, используемых при многомерном анализе.

2. Многомерная модель, описывающая процессы, состоящая из осей: процессы предприятия, бизнес-процессы, подразделения, время и фактов: затраты и дефектность, для которых определены математические модели.

3. Алгоритм и структура вычислительного комплекса, позволяющие проводить многомерный анализ процессов.

4. Программное обеспечение, разработанное для многомерного анализа процессов, включающее хранилище данных, и модули загрузчик и клиентская часть.

5. Результаты многомерного анализа качества процессов на машиностроительных предприятиях.

В рамках проведенных исследований создано методическое и программное обеспечение для проведения в организациях многомерного анализа качества процессов на основе применения информационных аналитических технологий типа OLAP и Data Mining, позволяющего принимать научно обоснованные решения по улучшению процессов.

Основные положения диссертации были опубликованы в работах [33 - 36], и [78 - 82].

Основные результаты и выводы

На основании проведенных исследований решена сложная и практически важная задача по созданию моделей, алгоритмов и программного обеспечения для проведения на предприятии многомерного анализа процессов, позволяющего принимать оптимальные решения для их улучшения на основе технологий типа OLAP и Data Mining, а также предложенных автором многомерных моделей и алгоритмов. При этом были получены следующие результаты:

1. Разработаны в соответствии с требованиями стандартов ИСО 9000:2000 модели процессов анализа СМК, позволившие определить область применения многомерного анализа для поддержки принятия решений в управлении качеством на предприятии.

2. Разработаны модели многомерного куба данных, фактов, а также модель многомерного анализа данных. Систематизирован и описан в форме тезауруса набор понятий, используемых при многомерном анализе процессов.

3. Разработана многомерная модель данных для описания процессов. Определены основные оси и их структура - процессы предприятия, бизнес-процессы, подразделения и время, основные факты - затраты и дефектность, и их математические модели, определена структура кубов данных.

4. Разработана структура вычислительного комплекса для многомерного анализа процессов подразделений предприятия, который включает хранилище данных, содержащее кубы данных, загрузчик и клиентскую часть. Для многомерного анализа процессов менеджмента качества разработан общий алгоритм, начиная с определения структуры хранилища данных и его заполнения и заканчивая регрессионным анализом выборок и интерпретацией его результатов.

5. Для автоматизации многомерного анализа процессов созданы хранилище данных, а также кубы данных и разработаны модули загрузчик и клиентская

часть. Для оптимизации ручного ввода данных в хранилище в модуле загрузчик разработана функциональность для задания действующих и недействующих узлов и заполнения фактами только действующих узлов. Для удобства использования в модуле клиентская часть предусмотрено гибкое формирование выборок из хранилища данных, позволяющее представлять выборки в виде графиков, диаграмм и гистограмм. Кроме того, модуль может быть использован при работе с любыми хранилищами данных. Разработанное программное обеспечение позволило провести автоматизированный сбор и анализ данных, описывающих процессы структурных подразделений предприятия.

6. Для детализированного анализа данных по затратам разработана версия, системы С^иАп «ОЬАР-Затраты». В модуле загрузчик системы «ОЬ АР-Затраты» реализована автоматическая загрузка данных в ХД из файлов формата М8-Ехсе1, это позволило оптимизировать трудозатраты на заполнение хранилища данных.

7. Разработанные методика и программное обеспечение внедрены на Брянском машиностроительном заводе. Их применение позволило определить основные причины несоответствий процессов менеджмента качества требованиям стандартов. Использование предложенной методики и программного обеспечения на машиностроительном предприятии, выпускающем продовольственную технику, позволило выявить зависимости между процессами в подразделениях.

1. Аверченков В.И., Применение CALS-технологий в управлении качеством продукции. / В.И. Аверченков, В.В. Мирошников // Сертификация и управление качеством продукции: Тез. докл. междунар. научн.-техн. конф. -Брянск, БГТУ, 1999. С. 98-100.

2. Аверченков В.И., Проектирование технологических процессов на основе системного подхода. / В.И. Аверченков, O.A. Горленко Брянск: БИТМ, 1986.-88 с.

3. Адлер Ю.П., Методология ABC ABB - ABM / Ю.П. Адлер, С.Е. Щепетова // Стандарты и качество. - 2002. - № 5 - С. 60-64.

4. Андрейчиков, A.B. Анализ, синтез, планирование решений в экономике / A.B. Андрейчиков, О.Н. Андрейчикова // М: Финансы и статистика, 2000. 368 с.

5. Андрейчиков A.B. Компьютерная поддержка изобретательства (методы, системы, примеры применения). / A.B. Андрейчиков, О.Н. Андрейчикова -М.: Машиностроение, 1998. 476 с.

6. Андронов, А.М., Теория вероятностей и математическая статистика. / A.M.

7. Андронов, Е.А. Копытов, Л.Я. Гринглаз СПб.: Питер, 2004. - 460 с.

8. Анфилатов, B.C. Системный анализ в управлении. / B.C. Анфилатов, A.A. Емельянов, A.A. Кукушкин М.: Финансы и статистика, 2003. - 368 с.

9. Барабанов В.В., Применение CALS-технологий для электронного описания систем качества продприятий / В.В. Барабанов, Херсонский Н.С., С.Н. Карасев, В.Д. Пономаренко, В.Н. Рожков // Стандарты и качество. 2001. -№3. - С. 66-70.

10. Беллман Р., Принятие решений в расплывчатых условиях / Р. Беллман, JL Заде // Вопросы анализа и процедуры принятия решений. М.:Мир, 1976. - С. 172215.

11. Березин И.С., Методы вычислений / И.С. Березин, Н.П. Жидков В 2т. т.2. -М.: Физматгиз, 1962. - 640 с.

12. Блауберг И.В., Системный подход и системный анализ / И.В. Блауберг, Э.М. Мирский, В.Н. Садовский // Системные исследования. Методологические проблемы. Ежегодник 1982. Изд-во «Наука». М.: 1982. С. 47-64.

13. Божанов Э.С., Классификация многофакторных объектов по эксперементальным данным / Э.С. Божанов, Г.К. Круг // Сб. «Планирование эксперимента». Изд-во «Наука», М.: 1966-С. 18-24.

14. Бойцов Б.В. Антология русского качества / Сост. Б.В. Бойцов, Ю.В. Княев, М.А. Кузнецов, В.Н. Азаров, Т.П. Павлова, В.Ю. Княев. Под ред. Б.В. Бойцова, Ю.В. Княева. - 3-е изд. доп. - М.: РИА «Стандарты и качество»,2000.-432 с.

15. Бойцов Б.В. Качество: принципы, структура, управление / Б.В. Бойцов, Ю.В. Княев, М.А. Кузнецов, О.Н. Трифонов, В.Н. Азаров -М., 1997.-250 с.

16. Борисов А.Н., Принятие решений на основе нечетких моделей: Примеры использования. / А.Н. Борисов, O.A. Крумберг, И.П. Федоров Рига: Зинатне, 1990.-182 с.

17. Боровиков, В.П. Программа STATISTICA для студентов и инженеров. / В.П. Боровиков. М.: КомпьютерПресс, 2001. - 301 с.

18. Боровиков, В.П. STATISTICA: искусство анализа данных на компьютере. Для профессионалов. / В.П. Боровиков СПб.: Питер, 2003. - 688 с.

19. Бусленко Н.П. Моделирование сложных систем / Н.П. Бусленко Гл. ред. физ.-мат. литературы изд-ва «Наука», М.: 1978.-400 с.

20. Бусленко Н.П. Лекции по теории сложных систем / Н.П. Бусленко, В.В., Калашников, И.Н. Коваленко М.:Советское радио, 1973. - 440 с.

21. Бутковский А.Г., Теория оптимального управления системами с распределенными параметрами / А.Г. Бутковский Изд-во «Наука», М.: 1975. -568 с.

22. Буч Г., Объектно-ориентированное проектирование с примерами применения: Пер. с англ. / Г. Буч М.:Конкорд, 1992. - 519 с.

23. Валуев, С.А., Системный анализ в экономике и организации производства / С.А. Валуев, В.Н. Волкова, А.П. Градов //Л.:Политехника, 1991 -398 с.

24. Васин С.А., Структура неопределенности в задачах управления качеством продукции / С.А. Васин, А.Н. Иноземцев, Н.М. Пушкин // Стандарты и качество, 2001. - №4. - С. 56-57.

25. Вентцель, Е.С. Теория вероятностей, учебник. / Е.С. Вентцель. М.: Academia, 2005. - 571 с.

26. Вуколов, Э.А. Основы статистического анализа: практикум по статист, методам и исслед. операций с использованием пакетов STATISTICA и EXCEL: учеб. пособие для студентов ВУЗ'ов. / Э.А. Вуколов. M.: Форум,2004.-462 с.

27. Гличев, A.B. Основы управления качеством продукции. / A.B. Гличев M.: АМИ, 1998.-354 с.

28. Глудкин, О.П. Всеобщее управление качеством (TQM): учеб. для ВУЗ'ов /, О.П. Глудкин М.: Радио и связь, 1999. - 600 с.

29. Гмурман, В.Е. Теория вероятностей и математическая статистика / В.Е. Гмурман М.: Высш. Шк., 1998. - 479 с.

30. Голованов, В.В. Многомерный анализ данных по качеству / В.В. Голованов // Менеджмент качества продукции и услуг: сборник материалов конф. -Брянск: БГТУ, 2004. С. 98 -103

31. Горленко, O.A. Управление инновационной деятельностью на основе информационных технологий / O.A. Горленко, В.В. Мирошников, В.И. Галкин, И.В. Федоров, A.B. Шевелев -М.: Машиностроение-1, 2004. 160 с.

32. Горленко, O.A. Методология функционально-стоимостного анализа / O.A. Горленко, Г.В. Ефимова // Качество инженерного образования: тез. докл. междунар. научн.-техн. конф. Брянск: БГТУ, 2000. С. 79-80.

33. Горленко, O.A. Создание систем менеджмента качества в организации. / O.A. Горленко, В.В. Мирошников М.: Машиностроение-1, 2002. - 126 с.

34. Горленко O.A., Принципы построения системы менеджмента качества на основе новых международных стандартов / O.A. Горленко, Ю.П. Симоненков, В.В. Мирошников, Н.В. Иванина // Сборка в машиностроении и приборостроении. 2001. - №8. - С. 33-37.

35. Горленко O.A., Автоматизированное рабочее место для функционально-стоимостного анализа систем качества / O.A. Горленко, Г.В. Ефимова, В.В. Мирошников // «Качество». Материалы научн.-техн. конф. М.: Фонд «Качество», 2001. С. 22-23.

36. Горленко O.A., Построение бизнес-процесс ориентированной системы менеджмента качества на ФГУП «111 военный завод Минобороны России» / O.A. Горленко, В.А. Ивлев, Г.Н. Коротин, В.В. Мирошников // Вестник Военного Регистра. 2003. - №8. - С. 39-47.

37. Горленко O.A., Методическое обеспечение разработки и внедрения систем менеджмента качества / O.A. Горленко, В.В. Мирошников // Вестник

38. Государственного Технического Университета. 2004. - №3. - С. 135-142.

39. Горленко O.A., Методология внедрения международных стандартов ИСО 9000 новой версии 2000 года / O.A. Горленко, В.В. Мирошников // Сборка в машиностроении и приборостроении. 2002. - №2. - С. 2-7; - №3. - С. 2-5.

40. Горленко O.A., Процесс-функциональная модель системы менеджмента качества / O.A. Горленко, В.В. Мирошников, Г.В. Ефимова // Справочник. Инженерный журнал. 2001. - №7. - С. 37-40.

41. Горленко O.A., Бизнес-процесс ориентированная система менеджмента качества / O.A. Горленко, В.В. Мирошников, A.B. Захаров // Справочник. Инженерный журнал. 2001. - №8. - С. 37-41.

42. Городецкий В.И., Многоагентные системы (обзор) / В.И. Городецкий, М.С. Грушинский, A.B. Хабалов // Новости искусственного интеллекта. 1998. -№2. - С. 5-40.

43. Давыдов А.Н., CALS-технологии: основные направления развития / А.Н. Давыдов, В.В. Барабанов, Е.В. Сузов // Стандарты и качество. 2002. - №7. -С. 12-18.

44. Джуран, Дж. Два века качества (интервью с д-ром Дж. Джураном): пер. с англ. / Дж. Джуран // Европейское качество. 1999. - №2. - С. 5-7.

45. Дональд Э. Кнут, Искусство программирования / Кнут Дональд Э. М. и др.:Вильямс, 2005 - 822 с.

46. Дрейпер, Н. Мат.-стат. методы за рубежом (прикладной регрессионный анализ), в 2 кн., пер. с англ. / Н. Дрейпер, Г. Смит М.: Финансы истатистика, 1987. 349 с.

47. Дубров, A.M. Многомерные статистические методы для экономистов и менеджеров. / A.M. Дубров М.: Финансы и статистика, 2000.—350 с.

48. Дюк, В. Data Mining: учебный курс. / В. Дюк, А. Самойленко СПб: Питер, 2001.-368 с.

49. Евгеньев, Г.Б. Основы инженерной системологии. Учебное пособие по курсу «САПР и КИП». / Г.Б. Евгеньев М.: Изд-во МГТУ им. Н.Э. Баумана, 1998. -56 с.

50. Ефимова, Г.В. Управление качеством процессов машиностроительного предприятия на основе анализа затрат на качество / Г.В. Ефимова // Сборка в машиностроении, приборостроении, 2003 №11.- С. 12-19

51. Карпачев, И. О стилях и классах. Компьютерные системы управления: мифы и реалность / И. Карпачев // PC WEEK RE, 2000. № 35. - С.31-33, № 36. -С.30-31.

52. Качанова, Т.Л. COMOD системный анализ качества продуктов и технологий / Т.Л. Качанова, Б.Ф. Фомин, О.Б. Фомин, Н.А. Хлямков. - СПб., 1998. - 108с.

53. Койфман Ю.И., Формальный аппарат системного моделирования сложных систем / Ю.И. Койфман // Системные исследования проблем управления качеством и автоматизации процессов управления. М.: Изд-во стандартов, 1980.-С. 178-188.

54. Круглов, М.Г. Автоматизация анализа качества процессов на этапе их разработки / М.Г. Круглов, Т.Г. Гришина // Автоматизация и управление в машиностроении. 1999. - №9.-С. 16-18.

55. Круглов М.И., Системный анализ в стандартизации и управлении качеством продукции / М.И. Круглов // Системный подход в решении проблем управления качеством продукции. Научные труды ВНИИС, вып. 29. М.:1976, -С. 3-34.

56. Кузьмин, A.M. Функционально-стоимостной анализ. Экскурс в историю. / A.M. Кузьмин, С. А. Кузьмина // Методы менеджмента качества. 2002. - № 7.-С. 14-20.

57. Лапидус В.А., Статистический контроль качества продукции на основе принципа разделения приоритетов / В.А. Лапидус, М.И. Розно, A.B. Глазунов, А.Б. Максаков и др. М.: Финансы и статистика, 1991. - 224 с.

58. Лапидус В.А. Всеобщее качество (TQM) в российских компаниях. / В.А. Лапидус. М.: Типография НОВОСТИ, 2002. - 432 с.

59. Ларичев О.И., Методологические проблемы практического применения системного анализа / О.И. Ларичев // Системные исследования.

60. Методологические проблемы. Ежегодник 1979. Изд-во «Наука». М.: 1980. -С. 210-219.

61. Марка, Д. Методология структурного анализа и проектирования. / Д. Марка, К. МакГоуэн. М.: Мета Технология, 1993. - 240 с.

62. Мацута В.Д., Менеджмент бизнес-процессов на основе стандартов ИСО серии 9000 / В.Д. Мацута, М.З. Свиткин // Сб. «Созвездие качества 2001», 4.1. -2001.-С. 45-50.

63. Мердок Дж. Контрольные карты. / Дж. Мердок М.: Финансы и статистика, 1986.-151 с.

64. Минаев Ю.Н., Стабильность экономико-математических моделей оптимизации / Ю.Н. Минаев М.: Статистика, 1980. - 203 с.

65. Мирошников, В.В. Аналитические информационные технологии вменеджменте качества / В.В. Мирошников // Методы менеджмента качества. -2001.-№2.-С. 23-28.

66. Мирошников, В. В. Системология менеджмента качества. / В. В. Мирошников // Метрология, стандартизация, сертификация и управление качеством продукции: материалы школы-семинара молодых ученых. Тамбов: ТГТУ, 2003.-с 191-196.

67. Мирошников, В.В. Многомерный анализ данных по качеству на основе новых информационных технологий / В.В. Мирошников, В.В. Голованов // Автоматизация и Современные Технологии. 2005. - №2. - С. 27 - 32.

68. Мирошников, В.В. Многомерный анализ в системах управления качеством на основе применения аналитических информационных технологий / В.В. Мирошников, В.В. Голованов // Информационные технологии. 2005. - №2. -С. 28-33.

69. Мирошников, В.В. Компьютерная поддержка интеллектуального анализа данных по качеству. / В.В. Мирошников, В.В. Голованов // Сертификация и управление качеством продукции: материалы 2-й межд. конф. Брянск: БГТУ, 2002. - С. 203 - 205.

70. Мирошников, В.В. Применение компьютерных инструментальных средств для анализа данных по качеству. / В.В. Мирошников, В.В. Голованов, И.В. Дербышев // Тез. докл. 56-й науч. конф. проф.-преп. состава. Брянск: БГТУ, 2002.-С. 237-239.

71. Мирошников, В.В. Определение стратегии в области качества. / В.В.

72. Мирошников // Сборка в машиностроении и приборостроении: тез. докл. межд. науч.-техн. семинара. Брянск, 2001. - С. 103-106.

73. Моисеев, Н.М. Математические задачи системного анализа. / Н.М. Моисеев -М.:Наука. Главная редакция физико-математической литературы, 1981. 488 с.

74. Нечипоренко, В.И. Структурный анализ систем (эффективность и надежность) / В.И. Нечипоренко М.: Сов. Радио, 1977. - 216 с.

75. Нив, Г.Р. Пространство доктора Демига: пер. с англ. / Г.Р. Нив. Тольятти: изд-во фонда «Развитие через качество», 1998. - 336 с.

76. Никитин, Ю.А. Элементы системного подхода к проблеме управления качеством продукции / Ю.А. Никитин // Системные исследования проблем управления качеством и автоматизации процессов управления, М.: Изд-во стандартов, 1980. С. 26-38.

77. Николаев, В.И. Системотехника: методы и приложения. / В.И. Николаев, В.М. Брук Л.: Машиностроение. Ленинградское отд-ние, 1985. - 199 с.

78. Никулин, Ю.Г. Аналитические методы в бизнесе и управлении / Ю.Г. Никулин, Л.Г. Дубицкий М: Издательство стандартов, 1998. - 204 с.

79. Окрепилов, В.В. Управление качеством: учеб. для ВУЗ'ов. / В.В. Окрепилов -М.: Экономика, 1998. 639 с.

80. Палицин, Ф.И. Экономические методы управления качеством продукции / Ф.И. Палицин, В.М. Пролейко // М: Машиностроение, 1981 78 с.

81. Педерсен, Т. Б. Технология многомерных баз данных. / Т. Б. Педерсен, К. Йенсен // Открытые системы. 2002. - № 1. - С. 14-15.

82. Риб С.И. Различные подходы к описанию бизнес-процессов / С.И. Риб, И.В. Кремлева // Методы менеджмента качества. 2004. - №5. - С.25-28.

83. Рыжов, Э.В. Математические методы в технологических исследованиях / Э.В. Рыжов, О.А. Горленко Киев: наук, думка, 1990. - 184 с.

84. Сахаров, А. А. Концепция построения и реализации информационных систем, ориентированных на анализ данных. / А. А. Сахаров // СУБД. 1996. - № 4. -С. 8-11.

85. Свирин, В.И. CALS-технологии в системах обеспечения качества продукции. Моделирование процессов обеспечения качества продукции / В.И. Свирин, Е.В. Судов // Сертификация и управление качеством продукции: материалы конференции. Брянск, 1999.-С. 100-102

86. Свиткин М.З. Менеджмент качества и обеспечение качества продукции на основе международных стандартов ИСО. / М.З. Свиткин, В.Д. Мацута, K.M. Рахлин. СПб: Издательство СПб картфабрики ВСЕГЕИ, 1999 - 406 с.

87. Системный анализ и принятие решений: словарь-справочник: Учеб. пособие, для вузов / Под. ред. В.Н. Волковой, В.Н. Козлова. М.: Высш. шк., 2004. -616 с.

88. Суслов, А.Г. Экспериментально-статистический метод обеспечения качества поверхности деталей машин: Монография. / А.Г. Суслов, O.A. Горленко М.: Машиностроение-1, 2003. - 303 с.

89. Фейгенбаум, A.B. Контроль качества продукции. / A.B. Фегенбаум М.: Экономика, 1986.-471 с.

90. Флейшман B.C., О методах математического моделирования сложных систем / B.C. Флейшман, П.М. Брусиловский, Г.С. Розенберг // Системные исследования. Методологические проблемы. Ежегодник. 1982. Изд-во «Наука»., М.: 1982. С. 65-79.

91. Чаудхури, С. Технология баз данных в системах поддержки принятия решений / С. Чаудхури, У. Дайал, В. Гаити // Открытые системы. 2002. - № 1.-С. 4-7.

92. ЮЗ.Черемных, C.B. Структурный анализ систем: IDEF-технологии / C.B. Черемных, О.И. Семенов, B.C. Ручкин М: Финансы и статистика, 2003.207 с.

93. Шмойлова, P.A. Теория статистики. / P.A. Шмойлова, В.Г. Минашкин, H.A. Садовникова, Е.Б. Шувалова М.: Финансы и статистика, 2005. - 656 с.

94. Codd, E.F. Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate. / E.F. Codd, S.B. Codd, C.T. Salley // www.hyperion.com/solutions/whitepapers.cfm

95. Inmon, W.H. What is Data Warehouse / W.H. Inmon // http://www.intranetjournal.com/features/datawarehousing.html

96. Parsaye, K. OLAP and Data Mining: Bridging the Gap. / К. Parsaye // Database Programming and Design. 1997. - № 2. - P. 6-8.