Модели и методы оптимального управления производством для зерновых и зерноперерабатывающих компаний

Требования к обработке зерна при доведении его качества до необходимых кондиций для хранения по требуемым показателям качества:

ДQ_i ДQx_i , i = (4.3)

где ДQx_i = (q_i,j(rн_i,j,rx _i,j))_1J - вектор требуемых удельных объёмов обработки j-ых партий зерна по i-му показателю от начального состояния rн до ограничительной кондиции хранения rx.

Qx={rx_i, i = } - множество ограничительных кондиций хранения по всем необходимым i-ым показателям качества зерна соответствующей культуры.

Ограничения на раздельное размещение зерна по качеству:

(X, W_z) s_z , (4.4)

где s_z - свободная вместимость (силосов, групп силосов, складов) сегмента z, куда можно размещать зерно с соответствующими показателями качества;

W_z = (w_j,z)_1J - вектор показателей принадлежности j-ых партий зерна к сегменту качества . , - число диапазонов i-го показателя качества; , w_j,z ={0;1}.

S_z=(s_z(t1))_1Z - вектор вместимостей по секторам z на период t₁, t₁[0;T].

Ограничение по наличию в определённых группах силосов (складов) зерна, соответствующего определённому сектору качества z. Соответствует заданию уравнений связи, накладываемых на заданные элементы векторов W_z :

w_j,z=1 , j[0;J] , zZ ,(4.5)

j = (, ) , z = (, , ) , ,(4.6)

где - значение -ого показателя качества j-ой партии зерна, ;

- нижняя граница значения показателя качества зерна;

- верхняя граница значения -го показателя качества зерна.

Ограничение на общий объём размещения зерна с учётом его отгрузки:

(X, 1) - (X_o, 1) S(4.7)

где S - общая вместимость ЭСК; X_o = (x_l (t₂))_1L - вектор масс партий отгружаемого зерна в периоды t₂[0;T],

X_о X (X_o, 1) (X, 1) (4.8)

Если в закупочный период зерно не отгружается или отгрузкой можно пренебречь, то (X_o, 1) = 0 и ограничение переходит в выражение:

(X, 1) S(4.9)

Ограничение по сегментации общей ёмкости ЭСК:

(S_z , 1) S(4.10)

Сильные критерии для задач подсистемы ПРЭСК сведены в табл. 4.1.

Таблица 4.1

Сильные критерии (целевые функции) подсистемы ПРЭСК

Задачи ПРЭСК	Целевые функции
	Тактическое планирование	Оперативное планирование
Приём и размещение зерна	FET11 =- максимум услуг хранения (объём приёма и размещения); FET12 = - минимум обработки зерна (себестоимости товарной партии); FET13=- максимальная прибыль от реализации зерна и услуг	FEO11=- наименьшее отклонение от исходного плана размещения (минимум суммы модулей отклонений текущих секторов вместимостей от плановых) FEO12= - максимум остатка пустых емкостей после размещения на оперативном периоде t1. При значительном воздействии возмущающих параметров на сильном отклонении исходного плана приёма и размещения возможно использование FET11, FET12, FET13.
Обработка зерна	FЕТ21 = - максимум услуг обработки; FЕТ22 =- максимум (комплексного показателя) качества зерна; FЕТ23 = - минимум удельной себестоимости товарной партии зерна; FЕТ24= -максимальная прибыль от реализации зерна и услуг	FEO21= - наименьшее отклонение от плана обработки; FEO22 =- наибольшие размеры партий зерна по требуемому качеству z. Целесообразно использование FET21, FET22, FET23 и FET24.
Отгру-зочные партии зерна	FET31 = - минимум удельной себестоимости товарной партии зерна; FET32 =- максимум (комплексного показателя) качества зерна FET33=- наибольшая прибыль от продаж зерна	FET31, FET32, FET33

Названия целевых функций (ЦФ) соответствуют используемому в БМ кодификатору. В таблице используются следующие выражения и обозначения:

FET12: ДQ=((ДQ_j , 1))_1J - вектор удельных объёмов обработки партий зерна в стоимостном выражении;

ДQ_j=((q_i,j,с_i))_1I - векторы удельных объёмов обработки в стоимостных единицах по показателям качества (операциям) для партий зерна j =.

Dx - область определения масс принимаемых партий зерна (по договорам);

Q_i[0;X] - область определения объёмов обработки по всем операциям;

FET32: Rк_i =(rк_i,j)_1J - векторы требуемых конечных значений i-ого показателя качества по партиям зерна, i = .

=(_i)_1I - вектор нормированных (к базисным значениям показателей) коэффициентов значимостей показателей качества зерна.

FET33: Ск - вектор товарных цен зерна различного качества или плановой тонны общих оказанных элеватором клиентам услуг:

- для товарных партий зерна Ск=(st_j)_1J , st_jТК, где st_j - товарная цена j-ой партии зерна; ТК - упорядоченное множество - товарный классификатор цен;

- для оказываемых элеватором услуг Ск=((C_i,j,1))_1J , C_i,j=(c_i,j)_1I , c_i,jTU,

где C_i,j - вектор удельных стоимостей (цен) услуг для клиентов по изменению i-х показателей качества зерна j-ой партии;

(C_i,j,1) - общая цена услуг по изменению всех требуемых показателей качества j-ой партии зерна; TU - тарификатор услуг по операциям с зерном.

FEO21: Q_i(Т), Q_i(t1) - векторы удельных объёмов обработки зерна по плану на период Т сбора урожая и на период t₁ для каждого вида обработки.

В диссертации разработаны модели других процессов планирования.

В общем виде фрагменты БМ для задач планирования производства ЗПК представлены в виде таблиц 4.2 и 4.3 сильных и слабых критериев, которые являются типовыми компонентами.

Таблица 4.2

Фрагмент банка моделей ЗПК - сильные критерии (целевые функции)

	f(X) >min	Содержание	Вид критерия, упрощённый/ полный	Бизнес - процессы (задачи предметной области)
1	(Cо,X)	Стоимость сырья	Линейная (Л) / целочисленная линейная (ЦЛ)	Закупки зерна Расчет рецептов ПС Расчет рецептов КК Планирование рецептов ПС и КК на период
2	- (C,X)	Объем продаж	Л / ЦЛ	Торговля зерном
3	-(ДC,X)	Стоимость услуг Прибыль	Л / ЦЛ	Планирование работ элеватора, МЗ Торговля зерном Закупка зерна
4	(ДC,X) (Cо,X)	Рентабельность	Дробно - линейный/ЦЛ	Торговля зерном Закупка зерна
5	- (1,Х)	Распродажа остатков Крупность партий (смесей)	Л / ЦЛ	Торговля зерном Расчет рецептов ПС
6	(ДQ,Х) (1, Х)	Стабилизация качества смесей	Дробно - линейный /ЦЛ	Расчет рецептов ПС Планирование рецептов ПС на период
7	(Q,Х)	Улучшение качества смесей	Л / ЦЛ	Расчет рецептов ПС Расчет рецептов КК

Использованы обозначения: X - операционные массы партий сырья; C,C₀ - удельные конечные и начальные цены партий зерна; ДC - маржинальные прибыли по сделкам; Q - нормированные показатели качества сырья; ДQ - нормированные отклонения показателей качества зерна; ДV - отклонения расчетных выходов продукции от базисных; T - сроки поступления сырья; K ? компоненты (% от масс партий); H - приведенные нормы ввода ценного сырья.

Таблица 4.3

Фрагмент банка моделей ЗПК - ограничения

N	Ограничения	Содержание	Вид	Бизнес - процессы (задачи)
Ограничения вида g (X) ? 0
1	X• ДQi ? 0 __i=1, I	Требования к качеству зерна Требования к объему подработки (изменению качества)	Линейные	Закупка зерна Торговля зерном Планирование рецептов ПС и комбикормов(КК) Расчет рецептов ПС Расчет рецептов КК Планирование работы элеватора
2	X•ДV ? 0 ДV=F(Q)	Обеспечение расчетных выходов не ниже базисных (эталона)	Кусочно - линейные	Закупка зерна для мельзавода (МЗ) Расчет рецептов ПС
3	g1(L,X) ? pв(L) g1(L,X) ? pн(L)	Обеспечение плана по выпуску продукции, продажам, услугам в объеме и ассортименте (L)	Линейные	Закупка зерна Расчет рецептов ПС Расчет рецептов КК Планирование рецептов ПС и КК Планирование работы элеватора и МЗ Торговля зерном
4	g2 (K, X) ? X	Сумма частей не больше целого (по массе)	Линейные	Планирование рецептов ПС и КК Торговля зерном Закупка зерна
5	g3 (H, X) ? 0	Нормы ввода ценного сырья	Линейные	Планирование рецептов ПС и КК Закупка сырья
6	ДC ? b	Нижний предел маржинальной прибыли	Линейные	Торговля зерном
7	g4 (X) ? d g4(X) = q(X) X q(X)={0;1}	Число компонентов (отпускных силосов, дозаторов)	Нелинейные (релейные)	Расчет рецептов ПС
Ограничения вида h(X) = 0
8	h1(T,X)=0	Использование сырья планируемого поступления	Линейные	Планирование рецептов ПС и КК
9	n N | h2(X)=n•W	Объем сделки кратен вместимости вагона для различных культур (W)	Целочисленно-линейные	Торговля зерном Закупка сырья (завоз вагонами)

С учётом модификации одни и те же критерии при разных стратегиях (целях) управления могут выступать как сильные или как слабые.

Разработан алгоритм наполнения БМ СУ ЗПК, основанный на принципе подобия и построения аналогий.

Каждая запись в БМ представляет собой ТМК, из которого формируются модельные агрегаты (МА) - комплекс слабых и сильных критериев, описывающих какой-либо процесс с соответствующей нормативной информацией (классификаторами) для идентификации параметров (реже структуры модели) управления. Цели идентифицируются на уровне запроса.

Для использования ТМК БМ в составе МА и выбора методов решения проведена оценка линейности компонент по структуре и параметрам, от которых зависят области определения и допустимых решений, алгоритмы или в общем случае правила порождения альтернатив и выбора лучшего решения. В результате проведенной линеаризации ряда критериев все ТМК являются линейными в требуемых непрерывных либо дискретных областях определения переменных, т.е. представляют собой линейные или, в общем случае, смешанно целочисленные модели линейного программирования (ЛП, СЦЛП).

Пятая глава посвящена выбору методов и разработке алгоритма принятия решений в системе управления производством ЗПК.

С повышением сложности системы управления растёт её неопределённость. Единственный путь разработки сложных систем, обеспечивающий целостность рассмотрения (адекватность) и при этом исключающий критическое увеличение сложности заключается в создании системы, способной к развитию, посредством чего можно рассчитывать на целенаправленное устранение исходной неопределённости.

Ещё одним условием создания сложных организационно-технических СУ является их адаптивность, которая в работе основана на концепции БМ для генерации моделей и алгоритмов решения прикладных задач различных классов в зависимости от потребностей пользователей.

В связи с тем, что в условиях неопределённости к точности решения трудно предъявлять высокие требования, задача упрощается и решается в условиях определённости. При этом выделяется детерминированная область приемлемых решений, которые несущественно хуже с точки зрения различных критериев и в её пределах производится окончательный выбор.

Требования к точности реализуются наложением ограничений на области определения переменных с заданием их как целочисленных или смешанно-целочисленных. Таким образом, модели переводятся из непрерывных в разряд дискретных. При этом каждая переменная может иметь собственный шаг целочисленности (порционность).

Решение задач управления осуществляется по нескольким целям (критериям), поэтому должно координироваться.

Для выбора методов решения задач планирования производством в ЗПК проведена их оценка с позиций: линейности, размерности, сложности, трудоёмкости расчётов, неопределённости и точности, сходимости, устойчивости решений. Анализ критериев показал, что задачи целесообразно рассматривать как линейные смешанно-целочисленные.

Решение многих рассматриваемых задач как дискретных имеет как большие преимущества, так и недостатки, главным из которых является высокая размерность, поэтому для их решения необходимо применять рассмотренные процедуры агрегирования параметров и декомпозиции задач.

Для решения поставленных задач планирования производства в ЗПК как многокритериальных предлагается использовать диалоговые процедуры с использованием одного из итеративных алгоритмов в области альтернатив - алгоритма последовательных уступок (возможны также другие).

На каждой итерации решения системы задач многокритериального выбора решаются задачи оптимизации, для решения которых используются методы ЛП или ЦЛП (СЦЛП). При решении задач ЛП используется алгоритм симплекс-метода. В решении задач СЦЛП используется алгоритм метода «ветвей и отсечений». Для решения задач оптимизации планирования на основе БМ СУ ЗПК выбран пакет ЛП GLPK с открытым программным кодом.

Решение взаимосвязанных задач производственного планирования в СУ ЗПК предложено реализовать в виде двухуровневой иерархической структуры системы задач планирования (СЗП).

Разработанный алгоритм принятия решений по планированию производства в ЗПК (рис.5.1) базируется на использовании БМ, поиске аналогов и агрегировании ТМК в виде МА, их адаптации и координированном итерационном решении.

Основой адаптации для систем данного класса является процесс накопления, анализа и использования информации с целью повышения достоверности определения состояния объекта и СУ, отражаемый в моделях и алгоритмах функционирования.

Система способна адаптироваться к внешней среде в соответствии с обобщённым критерием главной (координирующей) задачи СППР производственного планирования в ЗПК.

Разработана методика адаптации СППР, в соответствии с которой адаптация моделей и алгоритмов СЗП для последующего использования в СУ ЗПК представляет собой последовательность операций по настройке системы в соответствии со спецификой производственных БП в ЗПК, целями и бизнес-стратегией компании, а также структурой возмущений внешней среды и включает следующие процедуры:

1. На этапе формулировки задачи определяется главная цель и назначение настраиваемой СЗП.

2. Определяются производственные БП, задействованные в системе.

3. Определяются множества параметров производственных БП, в т.ч.: группы учитываемых показателей качества зерна по культурам; производительность, точность дозирования, количество компонентов, используемые нормативы по различным признакам и т.д.; управляемые параметры - массы компонентов, объёмы обработки, адреса хранения партий зерна и др.

4. Задаётся структура целей системы.



Рис.5.1. Алгоритм принятия решений по планированию производства в ЗПК

5. Определяется главная задача. В БМ СУ ЗПК идентифицируются сильный и слабые критерии данной задачи в соответствии с главной целью и множествами заданных параметров производственных БП. Формируется МА главной задачи.

6. Определяются параметры координации (управляющие параметры по отношению к задачам нижнего уровня), отражающиеся в сильных и/или слабых критериях задач нижнего уровня.

7. В БМ в соответствии с подцелями и множествами заданных параметров идентифицируются критерии задач нижнего уровня и формируются их МА.

8. Для многокритериальных задач нижнего уровня выбирается один из методов поиска наилучшего решения.

9. Для всех задач СЗП задаются области определения управляющих переменных: непрерывные, целочисленные, смешанно-целочисленные. Таким образом, определяются типы используемых задач и выбираются соответствующие алгоритмы оптимизации.

10. Проводится идентификация параметров ЦФ и ограничений в пакете GLPK для всех решаемых задач в соответствии с классификаторами нормативной информации СЗП, учётных систем и требованиями ЛПР: кондиции по качеству зерна, выходы продукции, порционность и точность дозирования, число компонентов, номера и вместимости емкостей, нормы ввода компонентов, себестоимости продукции по видам, коэффициенты значимости критериев и др.

11. Настраиваются параметры выделяемых вычислительных ресурсов для решения задач в пакете GLPK, определяющих точность и скорость вычислений.

В соответствии с методикой постепенной формализации представления систем этапы 13 данной методики применяются только на стадии создания и внедрения системы на предприятии, этапы 49 - при внедрении и эксплуатации СЗП на предприятии по мере накопления знаний о функционировании СУ, изменения внешних условий или бизнес-стратегии компании. Этапы 1011 могут повторяться регулярно в зависимости от изменения качества поступающего сырья, спроса на продукцию, ценовых флуктуаций, а также требований ЛПР к расчётам и т.п.

Шестая глава посвящена разработке и внедрению СУП для ЗПК.

Интеграция функций цикла управления реализуется в виде КАИСУ ЗПК, основными компонентами - носителями отраслевой специфики и предметами специализированных решений которой являются подсистемы первичного учёта и контроля грузооборота х/п, планирования работы ЭСК, зерновых ресурсов мукомольного производства, производства комбикормов и торговли зерном, которые объединены в автоматизированную информационную систему принятия решений (АИС ПР) «Оптимум-зернопродукт» (рис.6.1). Выделенные компоненты, разработанные на основе моделей и алгоритмов в виде программно-технических продуктов, встроены в КАИСУ ЗПК.

Рис.6.1. Структура АИС ПР «Оптимум-зернопродукт».

Предложенная методика проектирования, внедрения и сопровождения, основанная на технологии плавного перехода от разработки к внедрению и последующему сопровождению системы, включает следующие этапы:

1. Каузальное (ДПСС) и концептуальное (ТМП) моделирование системы в программной нотации SDCM и формирование математических моделей актуальных задач с применением БМ СУ ЗПК и методов их решения;

2. Функциональное моделирование подсистем на основе методологии IDEF0.

3. Информационное моделирование подсистем в методологиях DFD (IDEF1X) и ER.

4. Моделирование динамики функционирования системы в виде алгоритма функционирования системы управления.

5. Внедрение АИС ПР «Оптимум-зернопродукт» для ЗПК, заключающееся в настройке системы на базе типового решения одновременно с процессами обучения персонала, модификацией и тестированием адаптированной версии, являющееся также элементом проектирования системы при тиражировании.

Разработаны SADT, DFD и ER модели АИС ПР«Оптимум-зернопродукт».

На основе предложенной методики разработаны следующие подсистемы:

- автоматизир. система первичного учёта х/п ( АС ПУХП АИС КХП);

- автоматизированная система учёта и контроля грузооборота зерна на а/т - «АСУКГО - зерно» (интегрированная с АС ПУХП, рис.6.2);

- подсистема планирования ресурсов мукомольного производства (АС ПЗРМП), в основе функционирования которой лежит автоматизированная система расчёта оптимальных рецептов помольных смесей - АСР ОРПС;



Рис.6.2. Структурная схема «АСУКГО - зерно» (на примере приёма зерна с а/т)

- подсистема планирования работы ЭСК (ПРЭСК), одной из задач которой является формирование отгрузочных партий зерна (ОЗС) на базе АСР ОРПС;

- подсистема планирования производства комбикормов (АСППР ППК), главным модулем которой является подсистема планирования оптимальной загрузки производства (ОЗП), интегрированная с АИС КХП и рецептами;

- автоматизированная система принятия решения по планированию торговли зерном на внутреннем рынке - АИС ПР «Торговля зерном».

На основе АИС ПР «Торговля зерном» построена диаграмма анализа эффективности применения АИС ПР «Оптимум-зернопродукт» при разной функциональности (интеллектуальности) в зависимости от сложности системы в разработке. Это позволяет судить об адаптивности системы с позиции совершенства применяемых инструментов управления, которые выбираются и настраиваются в соответствии с потребностями и спецификой бизнеса ЗПК.

Для подсистем оптимального планирования производств и торговли х/п разработаны алгоритмы функционирования.

Программное обеспечение подсистем АИС ПР «Оптимум-зернопродукт» разработано в единой архитектуре, которая приведена на рис.6.3.

Рис. 6.3. Архитектура АИС ПР «Оптимум-зернопродукт»

Разработанные подсистемы нашли широкое применение в промышленности и внедрены на большом количестве российских предприятий и компаний по хранению и переработке зерна, на что имеются соответствующие подтверждающие документы.

Для оценки эффективности принятия решений по планированию производства в ЗПК на основе использования подсистем АИС ПР «Оптимум-зернопродукт» проведены расчёты различных вариантов по разным задачам.

Расчет помольных партий проводился по главному критерию «Наименьшая себестоимость» при соблюдении заданных показателей качества зерна.

Исходные условия примера - помольная партия массой не менее 4500 тонн при соблюдении ограничений по качеству: натура - не менее 775 г/л, содержание клейковины не менее 26%, стекловидность - 48-50%, количество компонентов в смеси - не более 3, нижний предел маржинальной прибыли - 50 руб./т.

На начальной стадии расчет по критерию «Наибольшая масса» показал, что при заданных ограничениях область допустимых значений - пустая, то есть одну большую помольную партию составить невозможно. Максимальная масса помольной смеси может быть 1243 110 кг, но при этом варианте прибыль не удовлетворяет условиям. Найденной стартовой точкой для оптимизации по главному критерию является 1000 т.

Затем осуществлён расчёт по разработанному алгоритму, результаты которого сведены в таблицу 6.1, а «маршрут» итераций расчёта при формировании плана помольных партий приведён на рис.6.4, где решение графически представлено в виде изображениязначений варьируемых (допустимых уступок) ограничений последовательно перерабатываемых смесей при заданных неизменных граничных показателях.

Таблица 6.1

Показатели качества	Пом.смесь N 1	Пом.смесь N 2	Пом.смесь N 3	Пом.смесь N 4	Итоговые данные
Стекловидность, %	50	49	49	49
Натура, г/л	775	776	774	773
Зольность, %	0	0	0	0
Влажность, %	13,98	14,26	13,75	14,96
Клейковина, %	26,2	26,04	26,01	26,05
Сорная примесь, %	2,56	2,62	2,11	2,48
Зерновая примесь, %	2,83	3,37	3,03	2,24
Число падения, с	-	-	-	-
Помольная смесь
Масса, кг	1000000	1000000	800000	600000	3 400 000
Выход, %	74,71	74,24	74,97	74,24	74,55
Цены
Цена смеси, руб./т	5667,77	5635,98	5843,17	5734,54	5 711,47
Издержки, руб./т	0,00	0,00	0,00	0,00
Масса продукции, кг	976000	971900	784960	582300	3 315 160
Ср. цена прод., руб./т	6023	6013	6015	6020	6 017,65
Марж. прибыль, руб./т	210,68	208,05	58,37	108,01	156,02

Для данного примера варьируемыми ограничениями являются масса (M) и показатели натуры (NT) и стекловидности (ST) помольных смесей, а неизменными ограничениями являются: содержание клейковины, прибыль и наибольшее число компонентов смеси.

При выбранном главном критерии оптимизации значение функционала себестоимости помольной партии - С = ₁(M, NT, ST) должно иметь наименьшее значение.

Рис.6.4. «Маршрут» (последовательность итераций расчёта) формирования плана помольных партий



Расчёты показывают, что снижение требований к показателям качества, снижает себестоимость, но одновременно понижает выход продукции и соответственно прибыль.

В работе приведены также результаты расчётов отгрузочных партий, а также пример планирования торговых операций, результаты которого показывают, что необходимо ориентироваться не только на прибыльность сделок, но и на финансовые потоки, определяемые платёжными балансами с учётом стоимости кредитов, длительности отгрузки и перевозки и порядка оплаты по договорам. Так, на рис.6.5 условные площади гистограмм платёжных балансов по дням планируемого периода показывают, что выплаты по кредиту в варианте №23 значительно превосходят выплаты в варианте №19, что важно для принятия решения о плане торговых сделок.

Анализ альтернатив решений, осуществлённый для подсистем ПЗРМП, ОЗС и «Торговля зерном» показал преимущества использования разработанных алгоритмов и методов по сравнению с существующими способами.

.

Рис.6.5. Анализ платёжных балансов на периоде планирования по вариантам альтернатив групп торговых сделок с зерном

Показаны основные источники экономической эффективности и затрат разработанной АИС ПР «Оптимум - зернопродукт». Расчётный экономический эффект от внедрения АИС ПР «Оптимум-зернопродукт» в зависимости от ЗПК и перечня внедряемых подсистем и задач составляет от 40000 до 3 000 000 руб. в месяц и более.

При этом срок окупаемости проекта соизмерим со сроком внедрения и составляет от месяца до полугода. Подтверждённый годовой экономический эффект оставляет 1900 тыс.руб.

Основные результаты

В представленной диссертации на основании выполненных автором исследований разработаны научно-обоснованные модели и методы оптимального управления производством для зерновых и зерноперерабатывающих компаний, а также реализующие их средства. Тем самым обеспечено решение крупной научной проблемы, имеющей важное практическое значение в зерновом и зерноперерабатывающем секторе АПК РФ и научно-учебном процессе ряда профильных организаций за счёт разработки: методологии моделирования сложных систем управления производством (СУП); комплекса типовых модельных компонент (ТМК), образующих банк математических моделей (БМ) системы управления для ЗПК; типовых автоматизированных подсистем первичного учёта, контроля и планирования производства и реализации хлебопродуктов, внедрённых на нескольких десятках элеваторов, мукомольных и комбикормовых предприятиях, КХП и зерновых компаний.

В работе получены следующие основные результаты.

1. Определена структура и основные функции класса предприятий - зерновой и зерноперерабатывающей компании (ЗПК).

2. Проведён анализ производственных бизнес-процессов (БП) и сформулирована специфика ЗПК как объектов управления.

3. Сформулированы требования к СУП ЗПК и проведён анализ существующих решений для предприятий и компаний, действующих на рынках зерна и продуктов его переработки.

4. Сформулирована проблема и определены требования к СУП ЗПК. Разработана общая постановка задачи создания комплексной интегрированной СУП для предприятий класса ЗПК.

5. Сформулированы требования к методологии моделирования СУП для ЗПК и проведён анализ существующих подходов, методов и технологий моделирования сложных систем управления.

6. Разработана методология моделирования СУП для ЗПК на основе системного подхода, когнитивных технологий, теоретико-множественного представления (ТМП), математического программирования и БМ.

7. Разработана программа SDCM построения диаграмм причинно-следственных связей (ДПСС) и концептуального моделирования, обеспечивающая автоматизацию моделирования СУП для ЗПК.

8. На основе созданной методологии разработаны структуры целей, ДПСС и концептуальные модели в ТМП подсистем управления для ЗПК:

- учёта и контроля движения хлебопродуктов;

- планирования работы элеватора;

- планирования зерновых ресурсов мукомольного производства;

- планирования производства комбикормов;

- планирования операций по торговле зерном.

На основе их анализа разработаны математические постановки и критериальные комплексы задач:

- учёт и контроль грузооборота зерна на автотранспорте;

- первичный учёт хлебопродуктов;

- планирование приёма, размещения и обработки зерна;

- планирование товарных (отгрузочных) партий зерна;

- планирование закупок зерна;

- планирование рецептов помольных смесей на период;

- оперативный расчет рецептов помольных смесей;

- расчёт исполняемых рецептов комбикормов;

- планирование загрузки технологических линий.

10. Разработаны математические модели логического уровня в выражениях векторной алгебры для процессов планирования производства.

11. Разработаны основные принципы построения БМ для задач планирования СУП ЗПК на основе представления производственных БП как типовых модельных компонент (ТМК), полученных из сильных и слабых критериев на основе концептуальных моделей и моделей процессов планирования производства. БМ предназначен для накопления и использования модельных решений и синтеза СУП ЗПК. Разработаны ТМК и алгоритм наполнения БМ СУП ЗПК, основанный на принципе подобия и аналогий.

12. Проведена оценка и идентификация разработанных ТМК БМ на предмет линейности и областей линеаризации.

13. Разработана постановка задачи выбора решений для СУП ЗПК, являющегося многокритериальным, которая предполагает замену условий частичной неопределённости на решение задач в условиях определённости путём выделения детерминированной дискретной области приемлемых решений с обязательной возможностью для ЛПР вносить субъективные коррективы с помощью изменения сильных и слабых критериев.

14. Разработан алгоритм принятия решений по планированию производства в ЗПК, основанный на использовании БМ, поиске аналогов и агрегировании ТМК в виде моделей решаемых оптимизационных задач, их адаптации и итерационном решении, включающий: агрегирование параметров и декомпозицию задачи, диалоговые процедуры поиска с использованием итеративных алгоритмов в области альтернатив, методов линейного смешанно-целочисленного программирования, координацию решений в виде двухуровневой системы задач планирования.

15. Разработана методика адаптации моделей и алгоритмов принятия решений по управлению в ЗПК, которая позволяет учитывать опыт специалистов, повышать адекватность моделей и снизить трудоемкость внедрения и сопровождения разработанных подсистем КАИСУ ЗПК.

16. Разработана методика проектирования, внедрения и сопровождения СУП ЗПК, позволяющая на основе настройки типовых решений сочетать этапы проектирования, внедрения, обучения пользователей и сопровождения.

17. На основе предложенных методик разработаны следующие подсистемы КАИСУ ЗПК (включая SADT, DFD и ER модели):

- автоматизированная система первичного учёта хлебопродуктов - АС ПУХП на базе АИС КХП;

- автоматизированная система учёта и контроля грузооборота зерна на а/т - «АСУ КГО - зерно» (интегрированная с АС ПУХП);

- подсистема планирования ресурсов мукомольного производства (АС ПЗРМП), в основе которой лежит автоматизированная система расчёта оптимальных рецептов помольных смесей - АСР ОРПС;

- подсистема планирования работы ЭСК (ПРЭСК), одной из задач которой является формирование отгрузочных партий зерна (ОЗС) на базе АСР ОРПС;

- подсистема планирования производства комбикормов (АСППР ППК), главным модулем которой является подсистема планирования оптимальной загрузки производства (ОЗП), интегрированная с АИС КХП и рецептами;

- автоматизированная информационная система принятия решения по планированию торговли зерном - АИС ПР «Торговля зерном».

18. Для СППР планирования (ПЗРМП, ОРПС, ПРЭСК, ППК) разработаны алгоритмы функционирования.

19. На основе единой архитектуры разработано программное обеспечение АИС ПР «Оптимум-зернопродукт».

Разработанные подсистемы имеют широкое применение в промышленности и внедрены на большом количестве российских компаний по хранению и переработке зерна, на что имеются соответствующие акты.

20. Проведена оценка эффективности методики и алгоритмов принятия решений по планированию производства в ЗПК с использованием подсистем АИС ПР «Оптимум-зернопродукт». Анализ альтернатив решений показал преимущества использования разработанных алгоритмов и программ по сравнению с существующими способами.

21. Проанализированы источники экономической эффективности разработанной АИС ПР «Оптимум-зернопродукт».

Главным фактором, обусловливающим эффективность внедрения разработанной информационно-интеллектуальной системы управления производством ЗПК, является достижение конкурентного преимущества зерновой и зерноперерабатывающей компании на развивающихся региональных и общероссийских рынках зерна и продуктов его переработки.

Список ОСНОВНЫХ публикаций по теме диссертации

1. Новицкий В.О., Мышенков К.С., Карпов В.И., Автоматизированная информационная система комбината хлебопродуктов // Науч. тр.: В 2 ч. / МГАПП - М.: МГАПП, 1996. - Ч.1. - С. 145 - 153.

2. Новицкий В.О., Новицкий О.А., Ефимова Т.А. АИС в управлении комбинатом хлебопродуктов // Хлебопродукты. - 2000. - № 6. - С. 8 - 11.

3. Новицкий В.О., Новицкий О.А. Опыт создания отраслевых автоматизированных систем управления предприятием хранения и переработки зерна // Хранение и переработка зерна. - 2000. - № 8. - С. 53 - 56.

4. Тужилкин В.И., Горбатюк А.В., Новицкий В.О. Создание комплексных информационных систем для управления предприятиями перерабатывающих отраслей АПК // Сб. науч. тр./ МГУПП-М.:Изд. комплекс МГУПП,2001.-С.393- 395.

5. Карпов В.И., Мышенков К.С., Новицкий В.О. Типовая отраслевая система управления для предприятий агропромышленного комплекса // Пищевые продукты ХХI века: Сб. докл. Юбил. Междунар. науч.-практич. конф.: В 2 т. / МГУПП - М.: Изд. комплекс МГУПП, 2001. Т.2. - С. 211 - 214.

6. Новицкий В.О., Лашкевич Ю.В. Концептуальная постановка задачи управления качеством на предприятиях хлебопродуктов // Высокоэффективные пищевые технологии, методы и средства для их реализации: Сб. науч. тр. Всеросс. науч.-технич. конф.-выст. / МГУПП - М.: Изд. комплекс МГУПП, 2003. - С. 246 - 248.

7. Новицкий В.О., Новицкий О.А., Лашкевич Ю.В. Использование информационных технологий для повышения эффективности управления предприятиями хранения и переработки зерна // Сб. науч. тр. Выпуск 1. / МПА. - М.: Изд-во Пищепромиздат, 2003. - С. 135 - 140.

8. Новицкий В.О., Мерцалов А.Н. Автоматизация бизнес-процессов первичного учета на зерноперерабатывающем предприятии // Управление технологическими свойствами зерна: Сб. докл. и стат. третьей Междунар. конф. / МГУПП. - М.: Изд. комплекс МГУПП, 2005. - С. 208 - 213.

9. Новицкий В.О. Автоматизация первичного учета на хлебоприемных и зерноперерабатывающих предприятиях АПК // Высокоэффективные пищевые технологии, методы и средства для их реализации: Сб. докл. третьей Юбил. междунар. выст.-конф.: в 2 ч. / МГУПП. - М.: Изд. комплекс МГУПП, 2005. - Ч.1. - С. 390 - 393.

10. Новицкий В.О. Автоматизация первичного учета //Хлебопродукты.-2006.- №1.-С.64- 65.

11. Новицкий В.О. Оптимизация управления и планирования производства для повышения конкурентоспособности мукомольно-крупяных предприятий // Материалы VII Съезда мукомольных и крупяных предприятий России. / МПА. - М.: Изд-во Пищепромиздат, 2006. - С. 74 - 76.

12. Новицкий В.О. Оптимизация планирования и управления производством // Хлебопродукты. - 2006. - № 8. - С. 68 - 69.

13. Новицкий В.О. Оптимизация планирования закупок зерна, производства муки, и управления формированием помольных партий // Высокоэффективные пищевые технологии, методы и средства их реализации: Сб. докл. IV междунар. конф.-выст.: в 2 ч. / МГУПП. - М.: Изд. комплекс МГУПП, 2006. - Ч.2. - С. 135 - 139.

14. Новицкий В.О., Фомин В.В. Оптимальное планирование производства комбикормов на предприятии // Там же - С. 146 - 149.

15. Новицкий В.О., Мерцалов А.Н. Автоматизация учета качества зерна и продуктов его переработки // Хранение и переработка сельхозсырья. - 2007. - № 4. - С. 14 - 17.

16. Новицкий В.О., Маслов С.С. Информационная система поддержки решений по торговле зерном // Хлебопродукты. - 2007. - № 6. - С. 54 - 55.

17. Новицкий В.О., Мерцалов А.Н. Постановка и методы решения задач оптимизации рецептов зерновых смесей // Системный анализ в проектировании и управлении: Тр. XI Междунар. науч.-практ. конф.: В 3 ч. / СПбГПУ - СПб.: Изд-во Политехн. ун-та, 2007. - Ч. 1. - С. 159 - 161.

18. Новицкий В.О., Моревский А.С. Архитектура аналитических приложений для информационных ВРМ-систем перерабатывающих предприятий и компаний // Системный анализ в проектировании и управлении: Тр. XI Междунар. науч.-практ. конф.: В 3 ч. / СПбГПУ - СПб.: Изд-во Политехн. ун-та, 2007. - Ч. 2. - С. 319 - 320.

19. Новицкий В.О., Маслов С.С. Система принятия решений по торговле зерном // Комбикорма. - 2007. - № 4. - С. 25 - 26.

20. Новицкий В.О., Моревский А.С. Архитектура аналитических приложений для ВРМ-систем предприятий и холдингов зерноперерабатывающей промышленности // Хлебопродукты. - 2007. - № 8 - С. 62 - 63., - №9 - С.71-73 (окончание)

21. Маслов С.С., Новицкий В.О. Концептуальная модель автоматизации планирования операций по торговле зерном // Высокоэффективные пищевые технологии, методы и средства для их реализации: Сб. докл. V юбилейной школы-конф. с междунар. участ. / МГУПП. - М.: Изд. комплекс МГУПП, 2007. - С. 356 - 358.

22. Моревский А.С., Новицкий В.О. Разработка систем поддержки принятия решений для управления эффективностью бизнеса зерновых компаний // Высокоэффективные пищевые технологии, методы и средства для их реализации: Сб. докл. V юбилейной школы-конф. с междунар. участ./ МГУПП.- М.:Изд. комплекс МГУПП,2007.-С. 362-366.

23. Новицкий В.О. Современные системы управления для зерноперерабатывающих компаний // Мельница 2007: Тр. V междунар. конф. - М.: МПА, 2007. - С. 151 - 159.

24. Новицкий В.О., Мерцалов А.Н. Автоматизированная система расчета оптимальных рецептов помольных смесей// Хлебопродукты.- 2008.- №2 - С.66-68.

25. Берестнев Е.В., Петриченко В.Е., Новицкий В.О. Рекомендации по организации и ведению технологического процесса на мукомольных предприятиях. - М.: ДеЛи принт, 2008. -176 с

26. Новицкий В.О., Мерцалов А.Н. Повышение эффективности мукомольных компаний на основе современных методов и систем автоматизации планирования сырьевых ресурсов // Материалы ХIII Съезда мукомольных и крупяных предприятий России / Международная промышленная академия, -М.: Пищепромиздат, 2008 - с. 91-95.

27. Маслов С.С., Новицкий В.О. Алгоритм расчета показателей эффективности сделок в автоматизированной информационной системе поддержки решений по торговле зерном для зерновой компании// Сб. докл. VI научно-технической конференции с международным участием «Высокоэффективные пищевые технологии, методы и средства их реализации: эффективное использование ресурсов отрасли», Москва, МГУПП, 2008, с.206-210

28. Новицкий В.О. Информационная технология управления процессом формирования помольных смесей // Тр. МГУПП. Выпуск 1 / под общей редакцией С.А.Хуршудяна. - М.: Издательский комплекс МГУПП, 2008.- с.214 -224.

29. Новицкий В.О. Методология общесистемного проектирования и управления: Учебное пособие.- М.: Международная промышленная академия, 2009.- 118 с.

30. Новицкий В.О., Горбунов В.А. Системный подход к планированию // Комбикорма. - 2009. - №4 - С.47-48.

31. Новицкий В.О. Исследование объектов и постановка задач управления для зерновых и зерноперерабатывающих компаний на основе методологии системного анализа // Системный анализ в проектировании и управлении: Сб.науч.тр. ХIII Международной науч.-практ. конф. Ч. 1. - СПб.: Изд-во Политехнич. ун-та, 2009. С. 311 - 315.

32. Горбунов В.А., Новицкий В.О. Исследование системы планирования комбикормового производства // Там же. С. 316 -320.

33. Новицкий В.О. Системный подход к управлению на предприятиях и в компаниях по хранению и переработке зерна // Хлебопродукты.- 2009.- №7 - С.54-56.

34. Новицкий В.О. Оптимизация формирования отгрузочных партий зерна на элеваторах // Хлебопродукты. - 2010. - №5 - С.48-49.

35. Новицкий В.О. Система производственного планирования с использованием банка аналитических моделей // Информационно-управляющие системы.- 2010.- №3. - С.75-79

36. Новицкий В.О. Моделирование системы планирования производства комбикормов // Комбикорма. - 2010. - № 5. - С.38-40

37. Новицкий В.О. Разработка банка математических моделей задач управления для зерноперерабатывающих предприятий // Системный анализ в проектировании и управлении: Сб. науч. тр. XIV Международной науч.-практ.конф. Ч.1. - СПб.: Изд-во Политехнич. Ун-та, - 2010. - С.140-141

38. Новицкий В.О., Карпов В.И. Методология исследования и моделирования сложных систем управления для предприятий и компаний зернового сектора АПК // Информационные технологии. -М.: Изд-во «Новые технологии», - 2010. - №9. - С.50-56

Размещено на Allbest.ru

...