В связи со спецификой системы, были сформулированы основные проблемы, связанные с эффективным функционированием и поставлены задачи по исследованию методов повышения производительности. Были проведены исследования и тесты в таких областях, как программное извлечение данных, взаимодействие клиента с сервером, кеширование на стороне сервера. На основании проведенных исследований были выбраны наиболее оптимальные решения, а также разработаны дополнительные модули, увеличивающие быстродействие системы и снижающие загрузку сервера. Стоит отметить возможность расширения области применения полученных решений и программные модулей – они могут быть внедрены в любой портальной системе на платформе Sharepoint Server.
Таким образом, были исследованы и разработаны методы повышающие производительность системы, на основе которых разработаны модули, увеличивающие эффективность и быстродействие. На основе полученных результатов осуществлена реализация программных модулей HR-системы.
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ОПТИЧЕСКОЙ ДИАГНОСТИКЕ ДВУХФАЗНЫХ СРЕД
ИПХЭТ СО РАН, г. Бийск
Методы измерения параметров конденсированных частиц в двухфазных потоках можно разделить на контактные (зондовые) и бесконтактные. Общим признаком зондовых методов является размещение чувствительного элемента (зонда, пробоотборника, термоанемометра, датчика и т. д.) непосредственно в зоне измерений, т. е. в двухфазном потоке. Естественно, введение зонда вносит определённые искажения в картину течения потока. Это снижает точность и достоверность полученных результатов. При определении дисперсности и концентрации частиц методом отбора проб необходимо в каждом конкретном случае принимать меры по обеспечению изокинетичности отбора, сохранению фракционного состава частиц, оценке представительности пробы.
Бесконтактные методы основаны на измерении характеристик провзаимодействовавшего с частицами зондирующего излучения или собственного излучения частиц. В отличие от зондовых методов, которые являются узкоспециализированными, бесконтактные методы диагностики, как правило, многоцелевые. Они позволяют одновре-менно измерять несколько параметров. Классификация бесконтактных методов приведена на рисунке 1.
Рисунок 1 – Классификация бесконтактных методов диагностики гетерогенных потоков
По виду зондирующего излучения бесконтактные методы делятся на радиоактивные, рентгеновские и оптические. Радиоактивные методы включают денситометрию и метод радиоактивных изотопов (МРИ). Денситометрия основана на измерении поглощения 
–, 
– или 
– излучения двухфазной средой и позволяет определять концентрацию частиц в заданном участке потока. В МРИ источниками излучения являются сами частицы, «помеченные» радиоактивным веществом. Этот метод позволяет получить информацию о локальных характеристиках движения «меченых» частиц – скорости и ускорении, времени пребывания и траекториях частиц в потоке.
Рентгеновские методы используются в основном для визуализа-ции двухфазных течений в непрозрачных каналах, однако в некоторых случаях с их помощью можно проводить и количественные измерения (распределение концентрации частиц в потоке, поле скоростей). При исследовании динамики процессов, рентгеновское излучение преобра-зуется в видимое с помощью специальных электронно-оптических преобразователей (ЭОП).
Наиболее информативными являются оптические методы. Реализация этих методов осуществляется с помощью соответствующего оптико-электронного прибора (ОЭП), в котором обработка получаемой информации об изучаемом объекте сопровождается преобразованием лучистой энергии в электрическую. Основные принципы реализации измерений ОЭП – активный и пассивный. При работе по активному методу приёмник излучения (ПИ) регистрирует зондирующее излучение после взаимодействия с исследуемым объектом. При работе ОЭП по пассивному методу ПИ регистрирует собственное излучение объекта (источник зондирующего излучения отсутствует).
При активной диагностике ОЭП содержит кроме источника зондирующего излучения схему выделения измерительного объёма в потоке и приёмное устройство, которое анализирует реакцию среды на возмущение. В качестве источника зондирующего излучения в современных схемах ОЭП используется, как правило, лазер, тип которого выбирается в соответствии с характеристиками исследуемого объекта. В зависимости от соотношения между величинами измерительного объёма и объёма, приходящегося на одну частицу в двухфазном потоке, различают дифференциальные и интегральные методы диагностики.
В дифференциальных методах измерительный объём выбирается таким образом, чтобы вероятность появления в нём более чем одной частицы была минимальной. К дифференциальным ОЭП относятся фотоэлектрические счётчики и спектрометры частиц, позволяющие определять счётную концентрацию и размеры частиц, проходящих через измерительный объём. При этом регистрируется излучение, рассеянное каждой индивидуальной частицей.
В интегральных методах объём среды, приходящейся на отдельную частицу, намного меньше измерительного объёма (т. е. анализируется сигнал от совокупности частиц). Интегральные методы включают голографию, лазерную доплеровскую анемометрию (ЛДА) и обратные методы оптики аэрозолей. Голографические методы можно рассматривать как пространственную визуализацию двухфазного потока. Они позволяют получить информацию о его структуре, дисперсности и концентрации частиц. ЛДА используется в основном для измерения скорости, однако в некоторых случаях позволяет получить информацию о концентрации и размерах частиц. Обратные методы оптики аэрозолей основаны на измерении количественных характеристик рассеянного или ослабленного дисперсной средой зондирующего излучения и позволяют определять размеры и концентрацию частиц.
Методы пассивной диагностики включают визуализацию потока, а также дифференциальные и интегральные методы. Визуализация двухфазных потоков может осуществляться с помощью фотосъёмки, киносъёмки и телевизионным методом. Эти методы в настоящее время достаточно хорошо отработаны и имеют целый ряд модификаций (импульсная и теневая фотография, стробоскопия, скоростная киносъёмка и т. д.), позволяющих успешно изучать высокоскоростные двухфазные потоки.
Дифференциальные методы при пассивной диагностике основаны на регистрации излучения отдельных раскалённых частиц или небольшой группы частиц, заключённых в выделенном с помощью специальной оптической системы измерительном объёме. Эти методы позволяют получать количественную информацию о локальных характеристиках потока. Интегральные методы, используемые в основном для температурных измерений, основаны на регистрации излучения от высокотемпературного двухфазного потока.
Рассмотрим методы, получившие наибольшее распространение при диагностике двухфазных сред.
В зависимости от угла наблюдения 
(угол между направлением распространения зондирующего луча и направлением от ПИ к измерительному объёму) реализуются следующие методы:
- 
– метод спектральной прозрачности (МСП), при котором регистрируется ослабленное средой зондирующее излучение;
- 
– метод малых углов индикатрисы рассеяния (ММУ), при котором прямое зондирующее излучение не регистрируется;
- 
– метод полной индикатрисы рассеяния (МПИ);
- 
– лидарный метод.
Из рассмотренных методов измерения дисперсности гетерогенных потоков метод спектральной прозрачности является наиболее информативным при проведении исследования дисперсности потока, так как этот метод позволяет регистрировать частицы с диаметрами от десятков нанометров до десятков микрометров, что невозможно реализовать с помощью других методов.
Также метод спектральной прозрачности позволяет проводить измерения дисперсности неустановившейся гетерогенной системы с высокими скоростями её движения, проводить измерения при высокой фоновой освещённости, использовать малое количество датчиков с возможностью их дистанционного расположения.
Для восстановления функции распределения частиц по размерам с использованием метода спектральной прозрачности применяется уравнение:
|
|
(1) |
где 
– интенсивность прошедшего через аэрозоль излучения; 
– интенсивность зондирующего излучения; 
– счётная концентрация конденсированной фазы аэрозоля; 
– длина оптического пути; 
– фактор эффективности ослабления зондирующего излучения; 
– диаметр частиц; 
– длина волны зондирующего излучения; 
– комплексный показатель преломления конденсированной фазы аэрозоля; 
– функция распределения частиц по размерам.
Процесс измерения происходит в следующей последователь-ности: сначала измеряется опорный спектр без присутствия аэрозоля в измерительном объёме (), далее запускается процесс создания аэрозоля и регистрации спектральных и видеоданных. Последующая обработка полученной информации происходит программно с использованием персонального компьютера. Для измерения коэффициента спектральной прозрачности, длины пути зондирующего излучения в исследуемом аэрозоле, а также геометрических и временных параметров облака аэрозоля используется измерительный комплекс, схема которого приведена на рисунке 2.
Рисунок 2 – Блок-схема измерительного комплекса
На рисунке 21 цифрами обозначены: 1 – измерительный объём, 2 – камера скоростной видеосъёмки, 3 – блок синхронизации и сбора данных, 4 – источник зондирующего излучения, 5 – приёмник зондирующего излучения, 6 – устройство создания аэрозоля,
7 – анализатор спектра, 8 – персональный компьютер, 9 – световод.
После нахождения экспериментального значения 
, определяется функция распределения частиц по размерам. Для чего методом циклического покоординатного спуска задают параметры и 
обычного гамма-распределения:
|
|
(2)которым описывается распределение частиц по размерам в исследуемом аэрозоле, где 
находится из выражения:
|
|
(3) |
где 
и 
соответственно минимальный и максимальный диаметры частиц, присутствующих в исследуемом аэрозоле. Далее рассчитывается отношение теоретически полученных коэффициентов спектральных прозрачностей в соответствии с уравнением (1) для длин волн 
и 
, выбираемых по определённому закону, который должен быть применён при обработке ансамбля как теоретических, так и экспериментальных значений коэффициентов спектральной прозрачности, по формуле:
|
|
(4) |
где фактор эффективности ослабления зондирующего излучения (
) рассчитывается в соответствии с теорией Ми по формуле:
|
|
(5) |
где коэффициенты Ми (
и 
) находятся по следующим формулам:
|
|
(6) |
|
|
(7) |
где
|
|
(8) |
|
|
(9) |
|
|
(10) |
|
|
(11) |
|
|
(12) |
Фактор эффективности ослабления () считается найденным при выполнении условия:
|
|
(13) |
Далее проводится расчёт отклонения расчётных значений отношений коэффициентов спектральной прозрачности от экспериментальных и делается вывод о соответствии выбранного вида функции распределения частиц по размерам реально полученной в эксперименте.
При решении такой обратной задачи используется экспериментальная информация, применяются сложные численные алгоритмы нахождения интегралов (в частности алгоритм Ромберга), используется метод покоординатного спуска при подборе параметров функции гамма-распределения, все расчёты выполняются в строгом соответствии с теорией Ми. Эти расчёты весьма сложны и трудоёмки, и их реализация без применения программно-вычислительных средств современных компьютеров практически невозможна. От части поэтому, данный метод ранее использовался лишь с применением информации о коэффициенте спектральной прозрачности лишь для нескольких длин волн. Так же нехватка вычислительных ресурсов не позволяла проводить исследования с использованием избыточной информации о гетерогенной среде, которая может показать степень влияния количества точек измерения на точность восстановления функции распределения частиц по размерам. При использовании избыточной информации появляется возможность оценить сходимость результатов решения обратной задачи для разных участков длин волн.
Для достижения приемлемой точности расчёта из-за слабой сходимости значений фактора эффективности ослабления, количество итераций длины волны для расчёта коэффициентов Ми может достигать больших величин, что делает невозможным проведение таких вычислений без использования современных технологий. Сложность проведения вычислений возрастает и из-за наличия в алгоритме рекуррентных соотношений, количество пересчётов которых соответствует количеству коэффициентов Ми.
Также возникает проблема хранения и структурирования данных об измеренных параметрах гетерогенных сред, так как исследуемые процессы, время протекания которых довольно велико, требуется контролировать с частотой до 100 Гц, что создаёт огромное количество информации.
Провести подобные математические эксперименты представляется возможным только с использованием высокопроизводительной вычислительной техники и информационных баз со сложной системой подчинённости и взаимосвязи данных, содержащих информацию о комплексном показателе преломления, а также все возможные для рассматриваемого случая варианты распределений частиц по размерам.
инновационный потенциал алтАйского края
Бийский технологический институт АлтГТУ им.
В течении ряда лет Алтайский край принято, почти традиционно, относить к разряду «проблемных», «депрессивных» регионов, предполагая при этом, что основной задачей его развития должно быть преодоление негативных тенденций в его экономике. Действительно, Алтайский край имеет самые низкие показатели развития среди всех промышленно развитых территорий Сибирского федерального округа. Для его устойчивого развития необходим поиск альтернативных путей преодоления существующих проблем в экономике территории. Ключевыми из них можно считать следующие:
- низкая конкурентоспособность отраслей реального сектора экономики;
- дефицитность энергетического баланса края;
- естественная и миграционная убыль населения;
- недостаток внешних источников инвестиций;
- низкий уровень валового накопления внутри региона.
В таких условиях необходимы нестандартные решения,
способ-ные обеспечить комплексное стимулирование экономики региона, обеспечив тем самым возможность её ускоренного развития. Традиционно, на роль такого «локомотива» принято выдвигать, среди прочих, информационные технологии. Имеются многочисленные примеры, свидетельствующие об эффективности такого решения. Главным достоинством ИТ-индустрии, в качестве «локомотива» экономического роста принято считать то обстоятельство, что потребности в инвестициях у нее минимальны, а основу капитала составляет интеллектуальный потенциал специалистов. Это особенно ярко проявляется тогда, когда развитие этой отрасли производится в крупном университетском центре, где такой потенциал уже накоплен.
К специфике экономики Алтайского края следует отнести то обстоятельство, что на протяжении ряда лет происходит своеобразное «вымывание» интеллектуального потенциала, преимущественно молодых специалистов, выпускников ВУЗов края, профильных специальностей, которые могли бы быть задействованы в ИТ-индустрии на территории края, в другие регионы. Это обстоятельство не оставляет надежд для накопления интеллектуального потенциала в объеме, необходимом для старта крупномаштабного развития этой отрасли.
Такие особенности дают основания полагать, что одностороннее развитие ИТ-сектора сегодня неспособно обеспечить сколько-нибудь значимый импульс инновационного развития на территории края, поскольку, во-первых, неизбежно возникнет проблема его достаточно низкой конкурентоспособности с другими игроками регионального рынка ИТ-услуг, локализованными преимущественно на базе Новосибирского технопарка (следует заметить, что ИТ-технологии выделены в качестве одного из трех приоритетов развития этой структуры), а во-вторых, относительной неразвитостью спроса на рынке ИТ-продукции внутри региона.
В условиях Алтайского края невозможно инновационное развитие с опорой лишь на развитие информационных технологий. Информационные технологии как комплекс производительных сил, могут развиваться лишь совместно с другими направлениями иннова-ционного развития, преимущественно относящихся к экономике реального сектора. К числу приоритетных направлений инновационного развития экономики Алтайского края могут быть отнесены следующие:
- технологии глубокой переработки сельскохозяйственного и природного сырья;
- новые аграрные технологии
-
- ;
- технологии энергосбережения и альтернативных источников энергии и энергоносителей;
- новые транспортные технологии;
- социальные технологии рурализационного характера
- .
Каждое из перечисленных направлений, в перспективе, становится достаточно крупным потребителем услуг ИТ-индустрии, причем, из-за специфики их развития, услуг, максимально «приближенных» к потребителю, т. е. таких, которые предоставление которых невозможно, или затруднительно удаленно. Это неизбежно потребуют развития местных поставщиков услуг в сфере информационных технологий, создав рынок.
Информатизация сектора реальной экономики невозможна без сопутствующих аналогичных процессов в сфере государственного и муниципального управления, производственной и социальной инфраструктуры. В некоторых случаях это может служить катализатором развития ИТ-сектора в регионе. Однако это не отменяет обязательное условие формирование спроса со стороны потребителей реального сектора экономики, причем успешность развития сектора информационных технологий в экономике Алтайского края напрямую зависит от того, насколько успешным будет развитие рынка в тех его частях, которые до сих пор не были охвачены услугами отрасли информационных технологий.
ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИОННАЯ СИСТЕМА ФОРМИРОВАНИЯ СБАЛАНСИРОВАННОЙ СИСТЕМЫ ПОКАЗАТЕЛЕЙ (НА ПРИМЕРЕ ГРУЗОВОГО ПОРТА)
,
Астраханский государственный технический университет,
г. Астрахань
Сбалансированная система показателей (ССП) в последние годы является наиболее популярной из существующих концепций оценки эффективности деятельности предприятия. В ССП предлагается рассматривать организацию с точки зрения четырех перспектив: финансы, клиенты, обучение и развитие, внутренние бизнес-процессы. Отличительной особенностью концепции ССП является то, что финансовые и нефинансовые индикаторы интегрируются с учётом причинно-следственных связей между результирующими показателями и ключевыми факторами, под влиянием которых они формируются. ССП транслирует миссию и общую стратегию организации в систему взаимосвязанных показателей [1].
Несмотря на очевидные преимущества ССП, при внедрение системы на предприятии возникает проблема выбора показателей, т. к. ни одна из существующих методик отбора не дает четкого алгоритма, а предлагаемые программные решения не позволяют прогнозировать изменение отобранных показателей в будущем. Поэтому существует необходимость разработки принципиально новой методики формирования и оценки ССП.
Исходя из этого, была поставлена цель создания интеллек-туальной информационной системы (ИИС) формирования и оценки ССП на основе нейронной сети. В качестве предметной области исследования был выбран грузовой порт.
В качестве среды разработки ИИС была выбрана платформа MS Visual Studio (язык программирования C#), в качестве системы управления базами данных − MS Access.
Интеллектуальная информационная система обеспечивает: отбор показателей; обучение нейронной сети на основе экспертных оценок; формирование ССП в соответствии со стратегией предприятия; формирование стратегической карты; оценку эффективности деятельности предприятия на основе ССП; мониторинг статистических данных предприятия.
Работа с системой начинается с заполнения основных справоч-ников стратегий и показателей.
Первоначально, при создании ИИС, была определена база из 50 показателей, по которым ведется оценка эффективности функциони-рования предприятий отдельно взятой отрасли (в данном случае «Транспорт и связь»), показатели были сгруппированы согласно четырем существующим перспективам ССП.
К таким показателям, в частности, для грузового порта относятся: затраты на амортизацию кранового оборудования; затраты на топливо; репутация предприятия; количество привлеченных клиентов; безотказность погрузки; доход на одного работника порта и т. д.
Так как базовый набор показателей может изменяться во времени под влиянием внешних факторов, в системе предусмотрена возможность ввода новых показателей с помощью встроенного конструктора.
Оптимальное количество показателей для ССП, согласно теории Каплана, составляет в среднем 22-25. Если использовать метод простого перебора, то задача отбора 25 показателей из 50 будет иметь огромное число решений. Рациональнее определить поставленную задачу как задачу классификации и использовать для ее решения нейросеть с архитектурой Кохонена, т. е. сеть нейронов, использующая евклидову меру близости для классификации объектов. Для обучения нейросети используется группа экспертов – работников различных подразделений компании, что максимально должно исключить субъективный фактор.
Точки зрения экспертов являются входными данными (векторами) для нейронной сети Кохонена. По мере ввода данных осуществляется обучение сети (корректировка весовых коэффициентов). Результат работы сети − код класса, к которому принадлежит предъявленный на входе объект, в данном случае стратегия, которой соответствует определенный набор показателей.
После многократного предъявления примеров веса сети стабилизируются. В таком случае делается вывод, что сеть обучена. Важно отметить, что качество обучения сети напрямую зависит от количества примеров в обучающей выборке, а также от того, насколько полно эти примеры описывают данную задачу.
После того, как сеть обучена, система приобретает возможность генерировать варианты наборов показателей в зависимости от того, какую стратегию выбрал пользователь (руководитель предприятия).
Разработанный в системе инструментарий дает возможность визуализировать взаимосвязь показателей, стратегии и целей путем построения стратегической карты.
Для реализации этапа оценки эффективности деятельности предприятия необходима статистическая информация. Такая информация может быть получена из корпоративной информационной системы (КИС) предприятия. В предлагаемой ИИС реализован механизм импорта данных из КИС 1С:Предприятия в виде файла обмена в формате xls. Такой подход позволил оценить текущее положение дел в грузовом порту. Однако, логистические процессы в грузовом порту отличаются разнообразием по характеру и трудоемкости, а также зависят от множества факторов, большая часть которых не управляема портом и носит стохастический характер. Для анализа и прогнозирования поведения подобных процессов целесообразно применять имитационные модели.
При имитационном моделировании динамические процессы системы-оригинала (предприятия) были подменены процессами, имитируемыми в абстрактной модели, при этом были соблюдены основные правила, режимы, алгоритмы функционирования предприятия, которые были выявлены в процессе изучения предметной области.
Спроектированная и разработанная имитационная модель функционирования грузового порта, помимо автоматизации процесса выгрузки информации в ИИС, позволила изучить влияние внешних факторов на внутренние бизнес-процессы предприятия на модели при различных исходных данных по результатам множества экспериментов.
Статистическая информация для оценки деятельности предприятия загружается после прогонов имитационной модели, а не вводится пользователем вручную, что позволяет значительно сократить время работы с системой. Для этого также настроен файл обмена в формате xls.
Оценка показателей осуществляется за счет сравнения текущих и базовых значений показателей и перевода процентных отклонений в лингвистические переменные.
Интеллектуальная информационная система формирования сбалансированной системы показателей во взаимодействии с системой управления базами данных, инструментарием имитационного моделирования и графическим редактором позволяет сохранять, анализировать и объединять обычно разрозненные, субъективные мнения экспертов с помощью нейросети, а также изучать возможные ситуации на предприятии за счет прогонов имитационной модели и оценивать достижение выбранной стратегии. ИИС способна формировать ССП в соответствии со спецификой отдельно взятой отрасли, создавать стратегические карты, оценивать эффективность функционирования предприятия в целом.
ССП, поддерживаемая удобными программными средствами, позволит предприятию сосредоточить все свои ресурсы (финансовые, кадровые, технологические, информационные) на реализации стра-тегии, обеспечить связь между стратегическими целями и ежедневной работой коммерческих, производственных и административных структур, а также повысить управляемость и эффективность деятельности.
Литература
1. Каплан, Нортон, Сбалансированная система показателей. От стратегии к действию. – М.: -Бизнес», 2006. – 320 с.: ил.
2. Матвеев, и методы искусственного интеллекта. Применение в экономике: учеб. пособие. – М.: Финансы и статистика; ИНФРА-М, 2008. – 448 с.: ил.
3. Ханова, А. А., Григорьева, И. О., Потапова, эффективности деятельности организации на основе сбалансированной системы показателей и имитационного моделирования (на примере грузового порта) // Научно-технические ведомости СПбГПУ. Выпуск 6. СПб.: СПбГПУ, 2009.
ФУНКЦИОНАЛЬНО-СТОИМОСТНОЙ АНАЛИЗ ЗАТРАТ ГРУЗОВОГО ПОРТА НА ОСНОВЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
,
Астраханский государственный технический университет,
г. Астрахань
Рынок транспортных услуг является остро конкурентным. Для повышения конкурентоспособности грузовые портовые комплексы оптимизируют и совершенствуют процесс переработки грузов, приобретают современное грузовое оборудование. Финансовые потоки, а особенно затраты - универсальный индикатор деятельности по всем бизнес-процессам грузового порта, они могут характеризовать как деятельность предприятия в целом, его конкурентоспособность, так и эффективность отдельных принимаемых управленческих решений. Поэтому эффективное управление затратами − главная и принципиально важная задача для высшего менеджмента предприятия.
Технологические процессы грузового порта разнообразны как по характеру, так и по трудоемкости, зависят от множества факторов, большая часть которых не управляема портом и носит стохастический характер. Указанные особенности определяют понятийную сложность объекта исследования, высокую размерность задачи анализа и, таким образом, невозможность использования однообразного математического аппарата и затрудненность математического описания формальными моделями. Для описания подобных слабоформализуемых динамических процессов целесообразно применять имитационное моделирование [1].
Грузовой порт это система со сложной структурой затрат. Известны различные методы проведения экономического анализа затрат, такие как нормативный, попроцессный, попередельный, позаказный, но наиболее эффективным из них является функционально-стоимостной анализ (ФСА). Конечной целью ФСА является поиск наиболее экономичных с точки зрения потребителя и производителя вариантов того или иного практического решения [2].
В основе ФСА лежит положение о том, что для производства каждого продукта (услуги) необходимо выполнить ряд действий, каждое из которых требует определенных ресурсов. Сумма расходов на выполнение каждого действия, с определенными поправками, и будет составлять себестоимость продукта (услуги).
ФСА включает в себя следующие этапы: информационно-подготовительный; аналитико-творческий; заполнения основных ресурсов; контрольно-эксплуатационный. Для расчета экономической эффективности от внедрения ФСА применяется следующая формула расчета экономической эффективности:
Кф. с.а. = (Ср – Сф. н.)/ Сф. н.,
где Кф. с.а. − коэффициент снижения текущих затрат; Ср – реально сложившиеся совокупные затраты; Сф. н. – минимально возможные затраты, соответствующие спроектированному объекту.
Экономическая эффективность тем выше, чем меньше Кф. с.а., в идеале он должен равняться 0. Таким образом, ФСА представляет собой эффективный способ выявления резервов сокращения затрат, который основывается на поиске более дешевых способов выполнения главных функций при одновременном исключении лишних функций на основе структурного моделирования.
Средствами, в которых реализованы технологии структурного моделирования и имитационного моделирования, являются такие программные продукты как AllFusion Process Modeler и Arena соответственно.
AllFusion Process Modeler позволяет рассмотреть модель «как будет». При этом модель – это желаемое (предполагаемое) состояние бизнеса в будущем, к которому следует стремиться. А это означает, что модель «как будет» не может быть реализована полностью. Причины этого очевидны: 1) высокая динамика изменения внешних условий и, как следствие, конкретных требований рынка; 2) возможное перераспределение акцентов потребительского рынка; 3) возрастание нестабильности цен; 4) возможное изменение приоритетов развития бизнеса и др.
Следовательно, без дополнительного анализа адекватно спрогнозировать успешность перехода к модели «как будет» не представляется возможным. В этом случае имитационное моделирование позволит: предотвратить ошибки которые могут возникнуть при принятии интуитивных решений; создавать модели с учетом изменений как внешних условий, так и самой моделируемой системы; исключить факторы, оказывающие негативное влияние на внутренние процессы системы.
Таким образом, можно говорить о циклической реализации информационно-технологической цепочки: модель текущего состояния (AS-IS) → идеальная модель желаемого состояния (TO-BE) → реальная модель желаемого состояния (Simulation) → переход к желаемому состоянию (Improved TO-BE). Важнейшую роль при этом играет имитационное моделирование, которое обеспечивает наиболее обоснованное формирование модели Improved TO-BE, являющейся, по сути, основным ориентиром дальнейшего развития [3].
Разработана процессная модель работы порта состоящая из шести основных блоков: прибытие судна, разгрузка груза, хранение груза, погрузка груза, отправка судна. Каждый из этих блоков был представлен в нотации IDEF3 и экспортирован в Arena. Рассмотрим данную операцию на примере процессной модели погрузки груза на судно, созданной в AllFusion Process Modeler (рисунок 1). В результате экспорта получена модель с сохраненными значениями в Arena, представленная на рисунке 2.
Рисунок1 – Модель погрузки груза на судно в нотации IDEF0()
Рисунок 2 – Модель погрузки груза на судно после экспорта
При создании имитационной модели были обработаны входные данные, подобраны распределения вероятностей, оценена адекват-ность, сформированы отчеты. Имитационная модель решает задачи, представляющие собой исследование влияний следующих компонен-тов системы на работу ее в целом: интенсивность прихода судов, метеоусловия, занятость складских помещений, загруженность причалов.
Разработанная имитационная модель обеспечивает реализацию существующих на объекте моделирования технологических процессов с различными параметрами.
На основе моделей созданных в AllFusion Process Modeler и Arena был проведен функционально-стоимостной анализ, который позволил рассмотреть каждый объект модели с точки зрения затрат, что позволило:
- определить и cгруппировать затраты соответственно выделенным функциям;
- разработать предложения по технологическому и организационному усовершенствованию производства;
Были решены задачи, сводящиеся к выявлению «узких мест» в работе грузового порта, оценке и анализу влияния различных факторов на отдельные статьи затрат и функционирование порта в целом. Проведен функционально-стоимостной анализ, в результате чего появилась возможность оценки текущих затрат грузового порта, а также прогноза и анализа затрат на будущее.
Литература
1. Кельтон, В., Лоу, А. Имитационное моделирование. Классика CS. − СПб.: Питер; Киев: издательская группа BHV, 2004. – 847 с.: ил.
2. Маркарьян, Э. А., Маркарьян, С. Э., Герасименко, -ленческий анализ в отраслях. – Москва: ИКЦ МарТ, 2007. – 320 с.
3. Arena на арене бизнеса. СП-б: 2006. – 416 с.
ОРГАНИЗАЦИЯ И АЛГОРИТМ ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ ПОДДЕРЖКИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ
НА ОСНОВЕ ИМИТАЦИОННОЙ МОДЕЛИ
, , ,
Астраханский государственный технический университет,
г. Астрахань
Информационная поддержка принятия решений с использова-нием системы поддержки принятия управленческих решений (СППУР) осуществляется следующим образом. Лицо, принимающее решения (ЛПР), разрабатывает возможные пути стратегического развития предприятия в виде набора приоритетных значений соответствующих показателей деятельности предприятия (качество, затраты, бизнес-процессы и пр.), и тем самым формирует запрос к СППУР, который поступает непосредственно в модуль формирования решений. После этого осуществляется поиск решений с использованием базы данных, содержащей правила формирования решений, значения показателей в зависимости от изменяемых исходных данных и прецеденты принятия решений в проблемных ситуациях, проигрываемых на имитационной модели.
База данных играет роль компьютерного консультанта в процессе поддержки принятия решений и может использоваться наряду с традиционным аналитическим инструментарием. Обращение к базе данных осуществляется на каждом этапе функционирования СППУР путем внесения в неё новых данных или выбора уже имеющейся информации. Изменение содержания модулей формирования решений, оптимизации решений, а также онтологии и имитационной модели непосредственно сказывается на содержании базы данных, дополняя её. База данных периодически обращается к имитационной модели для осуществления новых прогонов с новыми, ещё не использовавшимися до этого параметрами.
Расчет оценок альтернатив решений осуществляется с использованием имитационной модели, построенной и функционирующей на основе онтологии задач, моделей и методов принятия решений. На основе запроса ЛПР составляются сценарии проведения экспериментов с имитационной моделью, включающие последовательное изменение параметров моделирования. Новые результаты моделирования записываются в базу данных с привязкой к изменяемым значениям. Если же ранее планируемые эксперименты уже были проведены, то по искомому сценарию находится информация в базе данных, и на основе этого модулем формирования решений генерируется рекомендация решения, поступающая к ЛПР и аналитику, тем самым осуществляется контроль эффективности выдаваемых рекомендуемых системой решений.
После того как осуществлен двусторонний контроль эффективности решения путем взаимодействия ЛПР и аналитика, ЛПР заносит в БД адаптированное в соответствии с этим решение. В результате работы СППУР предоставляются качественные или количественные оценки альтернатив решения и рекомендация по принятию решения. Предлагаемая интеллектуальная система должна поддерживать заданный уровень адекватности и актуальности для текущих экономических условий. Для этого в контуре функционирования предусмотрены режимы адаптации и обучения.
Рисунок 1 – Схема СППУР на основе имитационной модели
На основе описания функционирования СППУР была построена схема СППУР (рисунок 1), отражающая все взаимосвязи между её элементами. Более подробно использование имитационной модели можно описать с помощью разработанного алгоритма формирования управленческих решений (рисунок 2):
1. Формулируется запрос к системе, представляющий собой расстановку приоритетных значений показателей.
2. Рассчитываются значения коэффициентов весомости показа-телей с учетом приоритетных значений.
3. Имитационная модель прогоняется с базовыми параметрами, обусловленными реальным состоянием дел в организации.
4. Вычисляется интегральный показатель с помощью аддитив-ного метода свертки критериев (на основе значений показателей, полученных в результате прогона модели).
5. На основе приоритетов определяются факторы, участие кото-рых предполагается в проведении эксперимента.
6. Проводится эксперимент на модели, вычисляются эффекты взаимодействия факторов (с использованием отобранных факторов).
Рисунок 2 – Алгоритм формирования управленческих решений:
хi – значение i-го показателя, bi – соответствующее ему значение приоритета, mi – соответствующее значение коэффициента весомости показателя, k – число факторов, участвующих в эксперименте
7. Производится отбор комбинаций взаимодействующих факто-ров в соответствии с расставленными приоритетными значениями (на основе применения лексикографического метода).
8. Осуществляется прогон модели с измененными параметрами выбранных факторов (на основе отобранных комбинаций факторов).
9. Вычисляются интегральные показатели (с использованием полученных в результате прогонов модели значений показателей).
10. Сравниваются полученные интегральные показатели. Наибольшее значение интегрального показателя соответствует наилучшей с точки зрения расставленных приоритетов комбинации факторов, которая и выбирается как основание для принятия управленческих решений.
ОПЫТ РАЗРАБОТКИ И ПРОВЕДЕНИЯ ТЕЛЕКОММУНИКАЦИОННОГО ПРОЕКТА ДЛЯ МЛАДШИХ ШКОЛЬНИКОВ «КРАЙ ТЫ НАШ СИБИРСКИЙ, КРАЙ ТЫ НАШ РОДНОЙ» на образовательном портале «Школа» ОмГПУ
Омский государственный педагогический университет, г. Омск
Компьютерные телекоммуникации все настойчивее проникают в различные сферы жизни современного человека. Телекоммуникацион-ный образовательный проект как информационно-образовательная технология сейчас проходит стадию становления и активного развития. Под учебным телекоммуникационным проектом понимается совмест-ная учебно-познавательная, исследовательская, творческая, игровая деятельность учащихся-партнеров, организованная на основе компью-терной телекоммуникации, имеющую общую проблему, цель, согла-сованные методы, способы деятельности, направленную на достиже-ние совместного результата деятельности.
Причем учащиеся не из одной школы, а из разных регионов, т. е. партнеры – виртуальная группа учащихся. Знакомство с новыми ребятами несет в себе не только новые познания, но и позволяет проявить себя, раскрыть свои способности. Одно дело работать совместно с ребятами из своего класса, своей школы, совсем другое - с незнакомыми, которых ты не видишь, но присутствие в проекте весьма значительно.
Тематика и содержание телекоммуникационных проектов должны быть такими, чтобы их выполнение совершенно естественно требовало привлечения свойств компьютерных телекоммуникаций.
Рассмотрим реализацию телекоммуникационного проекта «Край ты наш Сибирский, край ты наш Родной» для младших школьников на ОП «Школа» ОмГПУ (http://school. *****).
Проект представлен несколькими информационными блоками:
1. Общая информация о проекте − описание проекта, объявления участникам (новостной форум) и т. д.
2. Информационные блоки этапов проекта. Структура этапов проекта схожа: файл с заданиями, работы команд-участников, результаты работ за этап.
Опишем деятельность участников на этапах.
I этап «Давайте знакомиться». Участникам предстояло рассказать о своей команде (название, эмблема, девиз, информация о руководителях и участниках, коллективная фотография участников проекта с руководителями, свои ожидания от проекта).
II этап «Прогулки по Омску». Участников ожидало разгадывание кроссворда по истории становления и развития г. Омска, расположение дат в хронологическом порядке, поиск ошибок в рассказе, выполнение творческого задания − сочинение стихотворного посвящения г. Омску.
III этап «Омские улочки». В процессе работы над заданиями этапа участникам предстояло ответить на вопросы викторины, рассказать об истории названия улицы, на которой расположено их образовательное учреждение, выполнить творческое задание – нарисовать и описать улицу будущего.
IV этап «Великие имена, великие люди». На данном этапе участникам необходимо было узнать по фотографии известных людей г. Омска, ответить на вопросы викторины, разгадать венгворд, выполнить творческое задание – разработать доску почета для людей, внесших вклад в становление и развитие г. Омска.
V этап «Омские головоломки». При выполнении заданий участникам нужно было отгадать культурные достопримечательности г. Омска по описанию, выполнить творческие задания – составить маршрут экскурсии для гостей из других городов, нарисовать эскиз оформления станции строящегося метрополитена.
VI этап «Флора и фауна нашего края». Участники должны были узнать растения по фотографии, ответить на вопросы викторины, расположить названия водоемов Омской области в заданной последовательности, выполнить творческое задание – составить памятки для туристов Омской области.
VII этап «Подведение итогов». Вручение дипломов, сертификатов
При работе с каждым этапом проекта участникам необходимо было:
1. Выполнить предложенные задания используя печатные и электронные источники информации (мультимедиаэнциклопедии, ресурсы сети Интернет), оформить результаты работы в заданном формате (текстовый документ MS Word, презентация MS PowerPoint, публикация MS Publisher).
2. Прикрепить задание в базу работ участников проекта на ОП «Школа».
3. У каждой команды была возможность проголосовать за понравившуюся работу команды-соперницы в ресурсе «Опрос», в элементе курса «Форум» прокомментировать свое мнение о той либо иной работе этапа участников проекта.
В помощь участникам проекта размещен каталог полезных ссылок в сети Интернет, который мог быть использован при работе над данным проектом.
Организация телекоммуникационных проектов требует специальной и тщательной подготовки учителей и учащихся. Успех телекоммуникационного проекта во многом зависит от подготовительной работы, выполненной сетевыми координаторами, тьюторами, учителями и учащимися, от правильности выбранной методики организации деятельности учащихся и их психологического настроя.
При работе над телекоммуникационным проектом формирование новых знаний и навыков школьников − участников проекта происходит в нескольких направлениях: овладение современными компьютерными технологиями, углублённое изучение материала школьных предметов и т. д. Участие в телекоммуникационных проектах удачно сочетает творческую и познавательную деятельность школьников, активно способствует их самостоятельной работе.
Литература
1. Полат, педагогические и информационные технологии в системе образования: учеб. Пособие для студентов педвузов – М.: Издательский центр «Академия», 2002.
ФОНДОВАЯ БИРЖА: РОБОТ ВМЕСТО ЧЕЛОВЕКА
, ,
АГТУ, г. Астрахань
Развитие средств связи и появление глобальной сети коренным образом изменило финансовую сферу. Биржевые торги стали другими, на смену людям пришли машины. Биржевых брокеров постепенно сменяют так называемые финансовые роботы.
Финансовые торговые (black boxes) роботы – компьютерные системы, специализирующиеся на биржевой торговле, вошли в обиход в 1980-х годах, широко стали применяться в 1990-х, поскольку к тому времени завершилась автоматизация фондовых рынков. Если раньше сопоставлением заказов, которые выставляли на бирже покупатели и продавцы, занимались люди, то теперь эти функции выполняют роботы.
Финансовым торговым роботом называется специально разработанная программа, способная самостоятельно отслеживать показатели различных индексов на фондовой бирже и на основе полученных данных совершать сделки покупки или продажи. Робот оперативно просчитывает (анализирует) ситуацию на рынке и совершает операции, которые представляются ему оптимальными. Средняя доходность обычного робота составляет порядка 30 %.
|
Из за большого объема эта статья размещена на нескольких страницах:
1 2 3 4 5 6 7 |
