Методы и алгоритмы сокращения информационного пространства управления ресурсами в экономических системах наукоёмких производств

• Автор: Коричнева, Юлия Леонидовна
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Рязань
• Количество страниц: 252 с. : ил.

СОДЕРЖАНИЕ
СОДЕРЖАНИЕ
Введение
ГЛАВА
1 ПРОБЛЕМЫ АНАЛИЗА РЕЗУЛЬТАТОВ
ПРОИЗВОДСТВЕННО-ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ, РЕШАЕМЫЕ МЕТОДОМ ВЫЯВЛЕНИЯ СТРУКТУР В ДАННЫХ
1.1 Текущее положение дел в предметной области
1.2 Интегрированная стратегия управления логистической системой
1.3 Постановка задачи сокращения информационного пространства
управления складской номенклатурой
1.4 Алгоритм решении задачи с помощью классического метода
АВС-классификации
1.5 Результаты классификации номенклатуры
классическими методами АВС-анализа
1 5 1 Классификация по одному критерию по правилу Парето
1 5 2 Классификация по одному критерию с помощью построения кривой Лоренца
1 5 3 Анализ состава групп и сравнение результатов, полученных на основе правила Парето и построения кумулятивной кривой Лоренца
1.6 Управление запасами на основе результатов АВС-анализа
1.7 Недостатки классического метода АВС-классификации
1.8 ХУ2-классификация
1 8 1 Общая характеристика метода ХУ2
1 8 2 Алгоритм решения задачи ХУ2-классификации
1.9 Управление запасами на основе результатов XYZ-aнaлизa
1.10 Совмещенная классификация АВС-ХУ2 и ее использование
в управлении запасами производственного предприятия
1.11 Основные результаты
ГЛАВА 2
2. КРИТЕРИИ КАЧЕСТВА МНОГОМЕРНОЙ АВС-КЛАССИФИКАЦИИ И КАНОНИЧЕСКИЕ АЛГОРИТМЫ
2.1 Предварительные замечания
2.2 Нормализация числовых критериев
2.3 Методика ранжирования частных критериев
2.4 Вычисление интегрального критерия
2.5 Методика итеративного частного ранжирования
и интеграции получаемых результатов
2.6 Альтернативные представления результатов АВС-классификации
2.7 Критерии качества пространственной АВС-классификации
для случая проблемной симметричности скалярных критериев
2 7 1 Критерий № 1 на основе классификационных векторов
2 7 2 Критерий № 2 на основе классификационных кортежей

2.8 Критерии качества пространственной АВС-классификации
для случая проблемной асимметричности скалярных критериев
2 8 1 Формальное представление проблемной асимметричности скалярных критериев
2 8 2 Критерий № 3 на основе классификационных векторов
2 8 3 Критерий № 4 на основе классификационных кортежей
2.9 Канонические алгоритмы пространственной АВС-классификации
для случая проблемной симметричности скалярных критериев
2 9 1 Алгоритм № 1 на основе классификационных векторов
2 9 2 Алгоритм № 2 на основе классификационных кортежей
2.10 Канонические алгоритмы пространственной АВС-классификации
для случая проблемной асимметричности скалярных критериев
2 10 1 Алгоритм № 3 на основе классификационных векторов
2 10 2 Алгоритм № 4 на основе классификационных кортежей
2.11 Алгоритмы пространственной АВС-классификации
на основе кластеризации учётных элементов
2 111 Концепция использования процедуры кластеризации для решения задачи пространственной АВС-классификации
2 112 Алгоритм № 5 для случая проблемной симметричности скалярных критериев
2 113 Алгоритм № 6 для случая проблемной асимметричности скалярных критериев
2.12 Практическая реализация предложенных методов и алгоритмов
2 12 1 Нормализация
2 12 2 Результаты ранжирования частных критериев
2 12 3 Результаты вычисления интегрального критерия
2 12 4 Результаты итеративного частного ранжирования
2 12 5 Критерии качества многомерной АВС-классификации и канонические алгоритмы
2.13 Интерпретация результатов для целей поддержки принятия решений.
Стратегии управления логистической системой
2.14 Основные результаты
ГЛАВА
3 РЕШЕНИЕ ЗАДА ЧИ МНОГОМЕРНОЙ АВС- И ХУ2- КЛА ССИФИКАЦИИ НА ОСНОВАНИИ МЕТОДА РАСПОЗНАВАНИЯ СТРУКТУР В ДАННЫХ
3.1 Предварительные замечания
3 1 1 Дифференциация задач классификации и кластеризации
3 1 2 Проблематика выбора оптимального алгоритма анализа учетных данных
3.2 Анализ алгоритмов классификации на примере к-средних
3.3 Алгоритм поиска структур в данных. КСД, Золотое сечение
3 3 1 Предварительные замечания
3 3 2 Формальная постановка задачи кластеризации
3 3 3 Построение кратчайшего связывающего дерева
3 3 4 Алгоритм классификации объектов по правилу золотого сечения
3.4 Кластеризация на заданное количество классов
3 4 1 Принцип дихотомии
3.5 Задача поиска оптимального разбиения. Критерии качества классификации
35 1 Кластеризация как задача поиска оптимального разбиения
3 52 Функционалы качества разбиения
3.6 Решение проблемы отсечения значимых позиций в наборах данных типа «взрыв»,
«вспышка»
3.7 Решение практической задачи сокращения информационного пространства
управления ресурсами с помощью алгоритмов поиска структур в данных
37 1 Постановка практической задачи и выбор методов решения
3 72 Практическая реализация метода к-средних
3 7 3 Классификация с использованием кратчайшего связывающего дерева
и метода золотого сечения 1 ]
3 74 Практическое применение функционалов качества разбиения
375 Практическое применение динамического расстояния группообразования
3.8 Основные результаты
ГЛАВА
4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МЕТОДОВ СТРУКТУРНОЙ ИДЕНТИФИКАЦИИ РЕЗУЛЬТАТОВ ХОЗЯЙСТВЕННО-ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ ПРОИЗВОДСТВЕННОГО ПРЕДПРИЯТИЯ
4.1 Назначение системы и выполняемые функции
4.2 Формулировка требований к разрабатываемой системе
4.3 Архитектура интеллектуальной автоматизированной системы
поддержки принятия решений (ИАСГГПР)
4 3 1 Диаграммы функциональных спецификаций
4 3 2 Диаграмма бизнес-функций - BFD в нотации SAG
4 3 3 Диаграмма потоков данных - DFD в нотации SAG
4 3 4 Диаграмма переходов состояний - STD в нотации SAG
4 3 5 Диаграмма структуры программного приложения - SSD в нотации SAG
4.4. Описание модулей системы и их функциональное назначение
4.5 Проектные решения
45 1 Выбор средств разработки
4 5 2 Общая структура программы и принцип ее функционирования
4 5 3 Систематическая работа с программой «Cluster Analysis» Интерфейс пользователя
4 5 4 Тестирование программной системы
45 5 Технические и программные требования для создания и функционирования системы
4 5 6 Результаты внедрения
4.6 Основные результаты
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРА ТУРЫ
соответствии с устойчивостью предъявляемого на них спроса. Проведение XYZ-анализа предполагает разбиение на три класса X, Y, Z в зависимости от частоты их потребления.
Между методами ABC и XYZ существуют следующие принципиальные различия [104, 105, 112, 83].
1. Метод XYZ не предполагает логики взаимосвязи качественных и количественных показателей.
2. Определение границ образованных групп основывается только на благоразумии специалиста, занимающегося классификацией, или руководства предприятия, т.к. в данном случае не действует закон Парето, и границы групп фиксируются самостоятельно на основе общих рекомендаций.
3. Метод XYZ нельзя назвать универсальным в отличие от ABC. Он применим исключительно в целях группирования оборотных средств: товарно-материальных запасов, незавершенного производства, готовой продукции. Однако четкий алгоритм ABC-классификации был со временем многократно трансформирован и применяется в различных сферах бизнеса, и нет сомнений, что подобная участь ждет и XYZ-метод.
4. Критерий ABC-классификации отражает качественные характеристики изучаемого номенклатурного ряда: прибыль, рентабельность, доход, объем, вес, длин, цена в расчете на партию или номенклатурную единицу, сроки транспортировки, частота отгрузок, средняя партия отгрузки или поставки, количество контрагентов. В отличие от ABC классификация XYZ оперирует лишь единственным показателем - потребностью в ресурсе.
1.8.2 Алгоритм решения задачи XYZ-классификации
Для проведения XYZ-классификации используется статистический ряд заказов материальных ресурсов на производство. В таблице 1.3. (полный набор исходных данных в таблице 3, Приложения А) содержатся номенклатурные позиции, необходимые для производства единицы оборудования. Так как предприятие занимается изготовлением мелкосерийного и единичного