Система многофакторного планирования работ в сложных организационных структурах

• Автор: Решетников, Игорь Станиславович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Киров
• Количество страниц: 145 с. : ил.

Содержание
Введение

Глава 1. Постановка задачи исследований

1.1 Описание проблемы

1.2 Структурная схема предприятия

1.3 Функциональная схема процесса планирования.

1.4 Организационная схема формирования плана работ.

1.5 Системный анализ процедуры планирования

Глава 2. Разработка математической модели и методик

оптимизации.

2.1 Концепция построения модели

2.2 Понятие многоуровневой иерархической структуры.
2.2 Математическая модель планирования капитального
ремонта
2.3. Оптимизация выбора участков газопроводов
2.4. Модель формирования заявки
2.5. Оптимизация процедуры согласования заявок.
Глава 3. Методологические основы построения
автоматизированной системы оптимизации.
3.1 Общие подходы к реализации системы.
3.2 Идеология и структура информационной системы.
3.3 Информационная модель системы анализа технического состояния.
3.4 Обоснование выбора платформы СУБД
3.5 Обоснование выбора технологии тонкого клиента
Глава 4. Реализация программного комплекса планирования
ремонтных работ газотранспортного Общества.
4.1 Структура взаимодействия с ИС предприятия
4.2 Структурная схема построения программного комплекса
4.3 Структура таблиц базы данных.
4.4 Общетехнические требования к системе планирования
4.5 Функциональное ядро и служебные модули.
4.6 Модуль формирования программы капитального ремонта
Заключение
Перечень используемых терминов и сокращений
Апробация работа.
Публикации по теме диссертации
Список используемой литературы


Имитационное моделирование сегодня является мощным и перспективным инструментом конструирования и последующего исследования сложных экономических процессов и систем, в которых велико число переменных, трудоёмок математический анализ зависимостей, высок уровень неопределенности имитируемых ситуаций. Имитационное моделирование позволяет объединить математические методы с практическим и теоретическим опытом специалистов-практиков. При проведении экспериментов с дискретно-непрерывными моделями в сложных экономических объектах для получения и отслеживания их динамики в экстренных ситуациях, связанных с рисками, натурное моделирование которых нежелательно или невозможно. Основные принципы и различные типовые задачи, решаемые методами имитационного моделирования, описаны в [8]. Методы имитационного моделирования встречаются во многих отраслях науки, они часто позволяют существенно упростить математическое описание задачи за счёт упрощений, полученных при модельном описании системы [-]. Методы решения задач математического программирования с одним критерием интенсивно разрабатывались последние лет []. Изучение таких методов, однако, отражало самый ранний и простой этап в развитии математического программирования. По мере развития информационных ресурсов стало ясно, что практически любая серьезная реальная задача характеризуется больше чем одним критерием [0-1]. Лица, принимающие решения, в значительно большей степени, чем когда бы то ни было, ощущают необходимость оценивать альтернативные решения с точки зрения нескольких критериев. Результаты исследования задач планирования и управления показывают, что в реальной постановке эти задачи являются многокритериальными. Так, часто встречающееся выражение «достичь максимального эффекта при наименьших затратах» уже означает принятие решения при двух критериях. Оценка деятельности предприятий и планирования как системы принятия решений производится на основе более десятка критериев: выполнение плана производства по объему, по номенклатуре, плана реализации, прибыли по показателям рентабельности, производительности труда и т. Впервые проблема оптимизации векторного критерия была сформулирована экономистом Парето в г. Можно отметить диалоговые методы многокритериальной оптимизации [6], диалоговые алгоритмы с использованием комплексов [7-1], алгоритмы с накоплением информации [2-4] и пр. Находят свое применение и теория графов, нейронные сети и пр. Как показала практика, в каждом случае задача выбора оптимального метода решается в индивидуальном порядке и определяется спецификой поставленных задач. Методы многокритериальной оптимизации находят своё применение при оптимизации работ, структур, состава продукции и многих других [5]. Начиная примерно с -х годов прошлого столетия, широкое развитие получил метод анализа сложных систем, называемый системным анализом [8-2]. Стоит отметить, что термин «системный анализ» является не совсем корректным переводом появившегося в -х годах в США термина «system analysis» для обозначения техники анализа сложных систем. Системный анализ в современном понимании - это синтез идей и принципов общей теории систем, кибернетики с возможностями современной вычислительной техники, и имеет своим предметом изучение и моделирование объектов сложной природы (систем). Истоки системного анализа восходят к трудам греческих философов Пифагора и Платона. Само слово «анализ» греческого происхождения и состоит из двух слов: ava («анна») - вверх, и h)co («лио») - разделяю, что означает выявление первоосновы, сущности явлений окружающего мира. В настоящее время в литературе для обозначения этой дисциплины используется несколько терминов: системный анализ, общая теория систем, системный подход, системология. Между ними часто ставится знак тождества, что не вполне оправдано. Можно выделить макроподход и функциональный подход, когда при изучении сложного объекта главное внимание уделяется внешним связям объекта с другими системами, а не его детальной внутренней структуре, хотя последнее не исключается, и когда приоритет отдается его целям и функциям, из которых выводится структура (но не наоборот).