WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 | 4 |

График средних значений показателей кластеров с исключением грузоподъемности

Рис.

2.

Проведен статистический анализ технико-экономических показателей транспортного звена предприятия ОАО «Первый автокомбинат им. Г.Л.Краузе». Отработаны формы визуализации показателей. Для решения вопросов выбора стратегии управления используется метод к-средних. Часто показатели кластеризации имеют различные масштабы измерений, поэтому предполагается задание степени важности каждого при разбиении на группы и последующем изменении масштаба в соответствии со значением важности. С другой стороны может быть сделан переход к иной системе показателей или вовсе отказа от некоторых. На рис.2. приведен график средних значений показателей кластеров с исключением грузоподъемности.

При разбиении на кластеры существенное влияние оказывают несколько показателей, а именно, объем перевозок, время в наряде и среднесуточный пробег.

На основе проведенного статистического анализа технико-экономических показателей в работе поставлена задача минимизации стоимостей перевозок сразу по всем видам ТС, находящихся в распоряжении предприятия:

,

(1)

где ||AQaq|| - искомая матрица распределения объемов; ||CAQij|| i=1..Iq, j=1..Ia - матрица стоимостей транспортировки единицы q-го материала a-ым типом ТС; ||VAQij|| i=1..Iq, j=1..Ia - матрица максимальных объемов транспортировки q-ым ТС за плановый период.

В условиях такой постановки выполняется уравнение баланса по типам материалов, но баланс по возможностям транспортных средств не выполняется. Метод решения транспортной задачи позволяет использовать несбалансированные поставки. При этом коэффициент использования транспортных средств также представляет оптимизационную задачу:

.

(2)

В работе предложен эвристический алгоритм решения последовательного приближения, в котором на каждом шаге решается транспортная задача с уточненными ограничениями.

На основании разработанных моделей предлагается динамический алгоритм корректировки производственных планов с учетом согласования работы транспортного звена. Основой алгоритма является модель объекта, учитывающая возможность вариации сроками отдельных этапов работ на каждом из объектов.

Каждый этап представляет тройку (j, rj, fj), где j - длительность работы, rj0 - уровень использования ресурсов в процессе выполнения этапа, fj= fj(t), t[0,T] - функция времени, определяющая затраты на реализацию этапа в момент t. Предполагается, что этап не прерывается и продолжается с использованием всех изначально выделенных ресурсов. Пусть S={tj(S)} - непосредственно структура планов производства работ, тогда:

,

(3)

где gij(tj(S))=rj|i[ tj(S) - j, tj(S)]| - объем использования ресурсов на интервале i в процессе выполнения j-го этапа. Допустимые общие объемы использования ресурсов на каждом интервале i определяются заданными уровнями g0i, i=1..m.

Задача оптимизации состоит в поиске вектора S={tj(S)}, доставляющего минимум затрат при ограничениях на объемы транспортировок на каждом интервале, что формально записывается:

,.

(4)

В результате решения задачи получается план выполнения всего комплекса работ, который сбалансирован как относительно ритмичности работы на отдельных производственных участках, так и относительно ритмичности транспортного звена. Полученный план можно считать опорным планом для его дальнейшего анализа с учетом динамики условий функционирования.

Весь спектр задач статистического анализа технико-экономических показателей и последующее решение задач оптимизации использования транспортных средств предприятия, ставит задачу формализованного описания исходных, результирующих и модельных данных.

Однако для решения поставленных задач необходима структуризация данных, которая обычно отсутствует на предприятиях. Данные, в основном, хранятся в простых таблицах, что не дает возможности использования OLAP-технологий для оперативного анализа. В связи с этим решается задача автоматического преобразования системы таблиц в базы данных, которая необходима для использования разработанной программы визуализации данных.

Показанная на рис.3. (в случае с тремя простыми измерениями) структура многомерного куба (стрелки показаны направления агрегации) включает в себя показатель: количество продукции и три измерения:

  • менеджеры по продажам (ось oM),
  • модели транспортных средств (ТС) (ось oC),
  • временное измерение с единицей “месяц” (ось oT).

Обозначим С, М, T – множества членов соответствующих измерений “модели ТС”, “менеджеры”, “месяцы”. Обозначим также количество членов в каждом из измерений nс = |С|, nm = |М|, nt = |T|. Члены этих измерений будем обозначать соответственно mc, mm, mt.

Трёхмерный OALP-куб с простыми измерениями

Рис.

3.

Для получения агрегированных значений в разрезе менеджеров и месяцев требуется просуммировать первоначальные значения показателей по всем моделям для каждой комбинации (mt, mm). На рис. 3. направление агрегирования обозначено стрелкой 1. Количество агрегированных таким образом значений равно nmnt. Агрегированные таким образом значения показателей располагаются на плоскости (oM, oT). Аналогично получим число агрегатов (ncnt) для всех комбинаций (mc, mt) при суммировании показателей по всем членам измерения “менеджеры”. Количество агрегатов для всех комбинаций (mc, mm) при агрегации по временному измерению равно nm nc. Число агрегатов в разрезе членов одного из измерений равно числу членом соответствующего измерения nm, nc и nt.

Несмотря на то, что большинство объектов не предполагается детализировать на ранних этапах разработки, такие объекты, как модели данных табличного вида (ДТВ) и модели реляционной базы данных (РБД) в работе рассмотрены детально. Они являются основными компонентами моделей ДТВ и РБД, и именно отличия этих моделей в основном определяет состав необходимых методов решения задач проектирования БД.

Схематичное представление модели РБД приведено на рис.4. Представление модели ДТВ - на рис.5.

Данные табличного вида представляются множеством DT = {Z,D}, где Z – множество заголовков, D – множество данных.

Z={Z1,…,Z2,…,Zn}, ; n >= 1,

где n – степень множества заголовков.

Допустима ситуация, когда Zi = Zm,, ; i m,

где n – степень множества заголовков, то есть, возможно полное совпадение заголовков.

Схематичное представление РБД

Рис.

4.

Схема данных табличного вида

Рис.

5.

В данных табличного вида возможны подзаголовки 1-го уровня, что формально выглядит следующим образом.

Zi = {PZi1, …, PZij, …, PZik}, ; k >= 2,

(5)

где k – степень множества подзаголовков i-го заголовка.

Zp= {PZp1, …, PZpt, …, PZpm}, ; m >= 2,

(6)

где m – степень множества подзаголовков p-го заголовка.

Допустима ситуация, когда:

PZij = PZpt.

(7)

В данных табличного вида возможны подзаголовки 2-го уровня, что формально выглядит следующим образом.

PZij = {PPZij1,…,PPZijm, …,PPZijf}, ; f >= 2,

(8)

где f – степень множества подзаголовков 2-го уровня ij-го подзаголовка 1-го уровня.

PZpt = {PPZpt1, …, PPZptr, …, PPZptg}, ; q >= 2,

(9)

где q – степень множества подзаголовков 2-го уровня pt-го подзаголовка 1-го уровня.

Допустима ситуация, когда:

где SD – множество строк данных.

Такого рода представление D допускает наличие нескольких заголовков и подзаголовков 1-го и 2-го уровней, расположенных в области данных. В том числе допускается наличие заголовков и подзаголовков, расположенных до, после и между записями. SD={SD1,…,SDi,…,SDn}, ; n >> 1, где n – мощность множества строк данных.

SDi ={EDi1,…,EDij, …,EDik}, ; k >= 1,

где k – степень множества элементов данных i-й строки данных; EDij – элемент данных.

Для данных табличного вида должно выполняться следующее правило:

(ED)(EDSD)( z(zZ)(zED))V( (PZ))(zPZ)(PZED)V( (PPZ)) (PPZPZ)(PPZ ED), где “” означает взаимооднозначное соответствие.

То есть каждому элементу данных соответствует заголовок или подзаголовок 1-го или 2-го уровней и наоборот.

(ED)(EDSD )( TED (TEDT(ED))),

где TED=stringV integerV datetime; T(ED) – тип ED.

То есть каждому элементу данных соответствует определенный тип данных. В общем случае:

TED11 … TEDi1 … TEDn1,

TED1j … TEDij … TEDnj,

TED1k … TEDik … TEDnk, ; n >> 1; ; k >= 1,

где n – мощность множества строк данных, k – степень множества элементов i-й строки данных. Другими словами, значения типов данных одного столбца могут не совпадать.

Допустима ситуация, когда SDi = SDj,, ; i j,

где n – мощность множества данных, то есть, возможно полное совпадение строк данных.

Недопустима ситуация, когда SDi=SDj,, ; i j,

где n – мощность множества данных, то есть невозможно полное совпадение строк данных.

Несмотря на некоторое сходство модели данных табличного вида и модели реляционной таблицы, в них имеются существенные различия. В результате реализована следующая процедура построения процесса проектирования РБД на основе ДТВ.

На первом этапе (по аналогии с описанием процесса взаимодействия решающих систем), используя отличия моделей ДТВ и РБД, в операторной форме описываются шаги преобразования ДТВ в РБД, формируются связи между ними, определяются правила и порядок их использования. Такое описание разработано с целью выявления основных компонент разрабатываемой интерактивной системы выявления основных связей между ними, построения модели процесса. Под оператором согласно его определению понимается отображение ОР: X Y, в котором множества X и Y являются множествами функций с элементами x(t) и y(t). Формально факт преобразования функции x(t) в функцию y(t) посредством выполнения оператора ОР отмечается следующим образом: y(t) = ОР(x (t)).

На втором этапе операторная модель используется в качестве исходной формализации для разработки модели процесса проектирования БД.

На третьем этапе выявляются и исключаются дефекты модели, а, следовательно, исключаются дефекты объекта моделирования. В конечном итоге строится сетевая модель процесса проектирования, свободная от концептуальных ошибок.

На четвертом этапе с помощью деревьев достижимости анализируются динамические свойства процесса проектирования БД.

Для последовательного развертывания операторной модели в работе рассмотрены все возможные сочетания пунктов несоответствия модели ДТВ и модели РБД: ДТВ – нереляционные таблицы; ДТВ – ненормализованные таблицы; в ДТВ отсутствуют ключевые поля; таблицы ДТВ не связаны между собой. Соответствующие постфиксы в операторах модели “р”, “н”, “к”, “с”. Индекс “и” используется для оператора импортирования, который задействован при любом сочетании.

В результате таких преобразований появляется возможность оперативного отображения данных в системе мониторинга.

В третьей главе диссертации разрабатывается формальные модели и методы построения баз данных системы мониторинга. Для реализации структуры БД системы мониторинга технико-экономических показателей предприятий, учитывающей возможность добавления новых расчетных соотношений и методов расчета экономической эффективности, в работе предлагается категорный подход. При этом информационная система может быть рассмотрена, как система взаимосвязанных определенным образом доменов (рис.6.).

Общая структура доменно-ориентированной информационной системы

Рис.

6.

Pages:     | 1 || 3 | 4 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»