Электронная библиотека Веда
Цели библиотеки
Скачать бесплатно
Доставка литературы
Доставка диссертаций
Размещение литературы
Контактные данные
Я ищу:
Библиотечный каталог российских и украинских диссертаций

Вы находитесь:
Диссертационные работы России
Технические науки
Автоматизированные системы управления и прогрессивные информационные технологии

Диссертационная работа:

Сурина Алла Валентиновна. Разработка методов формирования решений для автоматизированной системы оптимизации траектории развития производственных систем в условиях неопределенности внешней среды : диссертация ... кандидата технических наук : 05.13.06.- Санкт-Петербург, 2002.- 159 с.: ил. РГБ ОД, 61 03-5/1213-7

смотреть содержание
смотреть введение
Содержание к работе:

ВВЕДЕНИЕ 4

1. ВЫБОР МОДЕЛИ И МЕТОДА ОПИСАНИЯ ПРОИЗВОДСТВЕННЫХ СИСТЕМ (ПС) В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ВНЕШНЕЙ СРЕДЫ

1.1. Методология описания ПС 13

1.2. Классификация ПС 18

1.3. Описание исследуемого класса ПС 24

Выводы 34

2. ПОСТАНОВКА ЗАДАЧИ ОПТИМИЗАЦИИ ТРАЕКТОРИИ РАЗВИТИЯ ПС В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ВНЕШНЕЙ СРЕДЫ

2.1. Содержательное описание траектории развития ПС 36

2.2. Формальная постановка задачи оптимизации траектории развития ПС 47

2.3. Информационное обеспечение задачи оптимизации траектории развития ПС 55

Выводы 65

3. РАЗРАБОТКА МЕТОДА И АЛГОРИТМОВ ФОРМИРОВАНИЯ РЕШЕНИЙ ДЛЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ОПТИМИЗАЦИИ ТРАЕКТОРИИ РАЗВИТИЯ ПС В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ВНЕШНЕЙ СРЕДЫ

3.1. Анализ существующих методов оптимизации траектории развития ПС 67

3.2. Разработка метода формирования решений для оптимизации траектории развития ПС 79

3.3. Разработка алгоритмов формирования решений при оптимизации траектории развития ПС 95

3.4. Инструментальная поддержка задачи формирования решений при оптимизации траектории развития ПС 108

Выводы 115

4. ИССЛЕДОВАНИЕ И ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ МЕТОДА И АЛГОРИТМОВ ФОРМИРОВАНИЯ РЕШЕНИЙ ДЛЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ОПТИМИЗАЦИИ ТРАЕКТОРИИ РАЗВИТИЯ ПРОИЗВОДСТВЕННЫХ СИСТЕМ В УСЛОВРІЯХ НЕОПРЕДЕЛЕННОСТИ ВНЕШНЕЙ СРЕДЫ

4.1. Принципы и уровни оценки эффективности метода и алгоритмов оптимизации траектории развития ПС 116

4.2. Оценка эффективности метода и алгоритмов оптимизации траектории развития ПС 122

4.3. Оптимизация траекторий развития реальных ПС 129

Выводы 141

ЗАКЛЮЧЕНИЕ 142

СПИСОК ЛИТЕРАТУРЫ 144 

Введение к работе:

В нестабильной и неопределенной деловой среде и при нерутинной технологии работ предприятие должно быть более гибким, адаптивным, легко приспосабливаться к быстрым и частым внешним изменениям. В качестве элемента, оказывающего наиболее сильное влияние на уровень неопределенности внешней среды, целесообразно рассматривать нововведения, что естественно, т.к. процесс модификации предприятия определяется такими факторами, как быстро меняющийся потребительский спрос, расширение выпуска наукоемкой продукции и внедрение высоких технологий, распространение информационных технологий и телекоммуникаций, использование мощных информационных систем, повышение уровня интеллектуального потенциала, научных знаний и квалификации кадров, рост творческой активности и повышение ценности инновационной деятельности персонала. Внедрение нововведения всегда предполагает решения в условиях, для которых характерен некоторый уровень неопределенности, неуверенности со стороны внедряющей организации.

Этим вопросам посвящено значительное числр работ как отечественных /30, 33, 49, 66, 94, 105/, так и зарубежных авторов /3, 10, 23, 62, 73, 125, 134, 144/. Но как ни странно, роль неопределенности в большинстве моделей диффузии и адаптации не учитывается.

Изменения, прежде всего, будут затрагивать ведущую отрасль народного хозяйства - промышленность. Следовательно, предприятие должно рассматриваться, в первую очередь, как открытая производственная система (ПС), необходимым атрибутом которой является развитие, понимаемое не только как количественный рост, но и как изменение во времени ее технологической и организационной структуры и связей. В этом смысле все ПС динамичны, и их оптимизация должна обеспечивать выбор лучшей траектории развития в конкретных координатах времени.

Проявления фактора динамики должны в полной мере учитыватья в математических моделях для оптимизации ПС. В связи с этим такие модели должны удовлетворять следующим требованиям:

• проверять сбалансированность системы через некоторые малые временные этапы и выполнять условия перехода от этапа к этапу с тем, чтобы правильно учитывать изменение внешних связей;

• находить траекторию развития ПС, оптимальную для всего расчетного периода с учетом разновременности затрат, т.е. использовать динамический критерий оптимальности;

• учитывать дискретность развития объектов и нелинейность ряда технико-экономических зависимостей;

• допускать исследование окрестности 8-оптимального решения (зоны неопределенности оптимального решения) с целью обоснованного выбора траектории развития ПС.

Подавляющее большинство задач, соответствующих оптимизационным моделям ПС, принадлежит к классу NP-полных или NP-трудных. Многие NP-полные модели исследовались длительное время, однако эффективные алгоритмы их решения до сих пор не найдены /34, 108, 143/. С точки зрения практики вполне допустимы приближенные алгоритмы, позволяющие получить за полиномиальное время приближенные решения с требуемой точностью. Возможность получать решения практических задач большой размерности за допустимое время определила использование эвристических алгоритмов. В зарубежной и частично отечественной литературе термин "эвристический" получил несколько расплывчатое толкование. Условимся называть эвристическими только такие методы, которые на сегодняшний день не могут быть полностью записаны формально. Иначе говоря, применение эвристического метода не может быть полностью доверено ЭВМ и требует непосредственного вмешательства человека на некоторых стадиях решения задач/141/.

Точные методы могут использоваться в качестве вспомогательного инструмента лишь после того, как указана принципиальная стратегия поиска решения. Кроме того, точные методы не в состоянии отразить все качественные стороны проблемы, и поэтому могут быть использованы лишь на отдельных этапах подготовки решения.

Метод и алгоритмы оптимизации траектории развития ПС должны удовлетворять по крайней мере трем условиям:

• иметь наглядную интерпретацию, по возможности близкую существующим интуитивным представлениям о характере исследуемого процесса;

• обеспечить допустимость и преемственность поэтапных решений на промежуточных итерациях с тем, чтобы результат каждой из них был пригоден для практической реализации;

• иметь хорошую сходимость, по возможности малую трудоемкость расчета и позволять оценивать на каждой итерации степень приближения полученного решения к глобальному оптимуму ПС.

Данной тематике посвящено достаточно большое число работ /11, 15, 20, 27, 36, 74, 82, 119, 126, 132/. Однако основное внимание в них уделяется собственно модельным построениям - важной, но далеко не единственной части процедуры оптимизации. В то же время часто остаются в тени такие основополагающие вопросы, как насыщение моделей качественной и своевременной информацией, быстрая адаптация моделей к изменению реальных условий, внедрение и эффективность использования математического инструментария. Поэтому необходимо рассматривать всю технологическую цепочку оптимизации траектории развития ПС - от сбора необходимой информации до практического использования полученного решения.

Остановимся на понятии нечеткости информации, которое очень тесно связано с понятием структурированности задачи. Классификация Г.Саймона /171/ позволяет четко разделять возникающие задачи на структурированные, слабоструктурированные и неструктурированные. Задачи, возникающие при оптимизации траектории развития ПС в условиях неопределенности внешней среды являются слабоструктурированными, т.е. совмещают в себе знания ЛПР и возможности компьютера.

Таким образом, представляя промышленное предприятие в виде большой, сложной, динамической, многокритериальной, организационно-технической производственной системы с многоуровневой иерархической структурой управления, сразу следует сделать вывод о том, что комплекс средств и методов управления подобной системой не может быть простым. Он по сложности должен быть соизмерим с оптимизируемой системой. Современные методы преобразования предприятия связаны с информационными технологиями (ИТ), поэтому преобразования затронут не только организационно-технологическую структуру и процессы поддержки принятия решений, но и его информационную систему (ИС).

Эффективным инструментом управления подобными процессами является система поддержки принятия решений (СППР). В традиционном понимании СППР - это человеко-машинная технология принятия решений, включающая в себя методы и процедуры сбора, накопления, передачи, хранения и выдачи информации пользователю в удобном для него виде, работы с математическими моделями и комплексами моделей и т.п. Вопросы, связанные с созданием и использованием СППР достаточно полно разработаны в литературе /29, 38-40, 47, 89, 124, 137, 154, 158, 161-164/. Правда, нужно отметить, что методологии разработки таких систем, созданные в 70 - 80-е годы прошлого века и ориентированные на однородную внешнюю среду, устарели и неприемлемы для использования их предприятиями в условиях быстрой трансформации и непредсказуемости факторов внешней среды.

Поэтому естественно предложить расширительное толкование СППР: под принятием решений будем понимать формирование решений. Таким образом, система формирования решений (СФР) рассматривается не только как средство генерации и оценки альтернатив, но и как инструмент, способный помочь пользователю применять его неформальные знания, опыт, интуицию, а также способный обеспечить его консультированием и обучением на рабочем месте.

СФР - интерактивная автоматизированная система, использующая модели выработки решений, обеспечивающая пользователям легкий доступ к большой распределенной базе данных и предоставляющая им разнообразные возможности по отображению информации. В таком понимании СФР представляет собой совокупность следующих подсистем: комплекса распределенных технических средств, комплекса математических моделей анализа состояний и выработки решений, базы или баз данных, системы управления данными моделями, удобных для пользователя языков моделирования, обработки и отображения информации.

Ясно, что автоматизированные СФР (АСФР) имеют большую аналитическую мощность, чем другие системы: они построены с рядом моделей, чтобы анализировать данные; пользователь может изменять предположения и включать новые данные. АСФР помогает находить ответы не только на прямой вопрос "что, если", но и поддерживать такие виды анализа как, например, анализ примеров (оценка значений выходных величин для заданного набора значений входных переменных), параметрический анализ (оценка поведения выходных величин при изменении значений входных переменных), анализ чувствительности (исследование поведения результирующих переменных в зависимости от изменения значений одной или нескольких входных переменных), анализ возможностей (нахождение значений входной переменной, которые обеспечивают желаемый конечный результат), анализ влияния (выявление для выбранной результирующей переменной всех входных переменных, влияющих на ее значение, и оценка величины изменения результирующей переменной при заданном изменении входной переменной), анализ данных (прямой ввод в модель ранее имевшихся данных и манипулирование ими при прогнозировании), сравнение и агрегирование (сравнение результатов двух или более прогнозов, сделанных при различных входных предположениях, или сравнение предсказанных результатов с действительными, или объединение результатов, полученных при различных прогнозах или для разных моделей), командные последовательности (возможность записывать, исполнять, сохранять для последующего использования регулярно выполняемые серии команд и сообщений), анализ риска (оценка изменения выходных переменных при случайных изменениях входных величин).

Все вышеприведенные обстоятельства определяют безусловную актуальность проблемы разработки методов формирования решений для автоматизированной системы оптимизации траектории развития ПС в условиях неопределенности внешней среды.

Целью диссертационной работы является повышение качества принимаемых решений при определении наилучшего варианта развития предприятия на основе методов формирования решений для автоматизированной системы оптимизации траектории развития ПС в условиях неопределенности внешней среды.

Для достижения поставленной цели в рамках данной работы решаются следующие основные задачи:

• анализ современного состояния проблемы формирования решений при оптимизации ПС в условиях неопределенности внешней среды;

• выбор модели и метода описания ПС в условиях неопределенности внешней среды;

• постановка задачи оптимизации траектории развития ПС в условиях неопределенности внешней среды;

• разработка метода формирования решений для автоматизированной системы оптимизации траектории развития ПС в условиях неопределенности внешней среды;

• разработка алгоритмов, реализующих предлагаемый метод формирования решений при оптимизации траектории развития ПС в условиях неопределенности внешней среды;

• исследование эффективности предлагаемых метода и алгоритмов формирования решений при оптимизации траектории развития ПС в условиях неопределенности внешней среды;

• практическое применение разработанных методов формирования решений для автоматизированной системы оптимизации траектории развития ПС в условиях неопределенности внешней среды. Структура и объем работы.

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы (содержит 190 наименований). Объем диссертации составляет 148 страниц машинописного текста, в том числе 15 рисунков, 4 таблицы.

Во введении обосновывается актуальность исследования проблемы, а также описываются цели, задачи и основные результаты, полученные при реализации предложенного метода формирования решений для автоматизированной системы оптимизации траектории развития ПС в условиях неопределенности внешней среды.

В первой главе обосновывается выбор модели и метода описания ПС в условиях неопределенности внешней среды. Определяются и классифицируются основные характеристики ПС в условиях неопределенности внешней среды, предлагается методология описания ПС, позволяющая в полной мере исследовать данный класс ПС, дается краткое описание исследуемого класса ПС. Рассматривается содержательная сторона модели ПС - параметры, оказывающие влияние на выбор моделей ПС и методов решения задач. Исследуется структура процесса принятия решений как качественный этап построения ПС. Определяется цель работы и основные решаемые задачи.

Во второй главе подробно рассматриваются проблемы оптимизации траектории развития ПС в условиях неопределенности внешней среды. Приводится содержательное описание траектории развития ПС. Осуществляется формальная постановка задачи оптимизации траектории развития ПС. Описывается информационное обеспечение задачи оптимизации траектории развития ПС.

Формулируются основные особенности задачи оптимизации траектории развития ПС, формирующие требования к методу оптимизации.

В третьей главе подробно исследуются вопросы, касающиеся разработки метода и алгоритмов формирования решений для автоматизированной системы оптимизации траектории развития ПС в условиях неопределенности внешней среды. Анализируются существующие методы формирования решений. Предлагается метод оптимизации траектории развития ПС, адаптированный к исследуемому классу ПС. Описываются алгоритмы, реализующие предложенный метод. Описываются инструментальные средства поддержки задачи формирования решений для автоматизированной системы оптимизации траектории развития ПС.

В четвертой главе исследуется эффективность предложенного метода и алгоритмов формирования решений для автоматизированной системы оптимизации траектории развития ПС в условиях неопределенности внешней среды. Применение эвристических алгоритмов делает необходимым разработку методов определения эффективности эвристик, и в этой связи изложены возможные подходы к исследованию эффективности эвристических алгоритмов и предложена методика проведения такого исследования, синтезирующая эти подходы.

Оценивается эффективность метода и алгоритмов формирования решений для автоматизированной системы оптимизации траектории развития ПС.

В качестве специализированной АСФР использовался ПК «Project Expert».

Разработанный метод и алгоритмы использовались при оптимизации траектории развития ОАО «Увадрев» и показали эффективность предложенного метода и алгоритмов.

Подобные работы
Проснева Марина Кузьминична
Повышение производительности функционирования автоматизированных технологических систем путем моделирования и оптимизации технических решений
Гольцов Анатолий Сергеевич
Синтез адаптивных систем автоматического управления нелинейными объектами в условиях априорной неопределенности
Сормов Сергей Игоревич
Автоматизированная система управления качеством процесса обработки деталей в условиях неопределенности
Алешин Евгений Анатольевич
Энергосберегающая автоматизированная система управления тепловыми режимами в закрытых тепловых сетях зданий в условиях неопределенности
Иванова Лилия Васильевна
Разработка интегрированной среды формирования индивидуальной образовательной траектории при подготовке персонала для предприятий транспортного комплекса
Муштонин Андрей Васильевич
Исследование и разработка метода оптимального синтеза трубопроводных нефтепромысловых сетей при проектировании разработки нефтяного месторождения
Татарский Леонид Сергеевич
Исследование и разработка методов построения диалоговой системы телеобработки информации в ИВС ГА
Степанов Андрей Михайлович
Разработка методов и средств динамической объектной репликации для синхронизации распределенных автоматизированных систем управления технологическими процессами
Зар Ней Лин
Разработка методов и алгоритмов для автоматизированного распределения нагрузки производственного кластерного WEB-сервера
Стасенков Алексей Викторович
Разработка метода и средств поддержки организационно-функциональной структуры машиностроительного предприятия

© Научная электронная библиотека «Веда», 2003-2013.
info@lib.ua-ru.net