авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 | 5 |   ...   | 6 |
-- [ Страница 1 ] --

ISSN 2306-1561

№4.2(7)

Автоматизация и управление в

технических системах

Научно-методический сборник трудов

кафедры «Автоматизированные

системы

управления» Московского автомобильно-

дорожного государственного технического

университета (МАДИ)

Сборник содержит научно-методические труды студентов,

аспирантов, молодых ученых, а также сотрудников ВУЗов, учебных

заведений, представителей предприятий, работающих в области автоматизации и управления на основе информационно коммуникационных технологий в промышленности, строительстве, транспорте, экономике образовании и других областях.

Красноярск 2013 ~1~ ФГБОУ ВПО МОСКОВСКИЙ АВТОМОБИЛЬНО ДОРОЖНЫЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ (МАДИ) КАФЕДРА «АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ»

АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ Научно-методический сборник трудов №4.2(7) Красноярск - ~2~ УДК 004.9:007.5:656.05:681. ББК 32. А Автоматизация и управление в технических системах: научно-методический сборник трудов кафедры «Автоматизированные системы управления» Московского автомобильно-дорожного государственного технического университета (МАДИ). – Красноярск: Научно-инновационный центр, 2013. - №4.2(7). - 206 с.: ил.

Сборник содержит научно-методические труды студентов, аспирантов, молодых ученых, а также сотрудников ВУЗов, учебных заведений, представителей предприятий, работающих в области автоматизации и управления на основе информационно-коммуникационных технологий в промышленности, строительстве, транспорте, экономике образовании и других областях.

Главный редактор Николаев Андрей Борисович – Заслуженный деятель науки РФ, Лауреат премии правительства РФ, доктор технических наук, профессор, декан факультета «Управление», заведующий кафедрой «Автоматизированные системы управления», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), nikolaev.madi@mail.ru Заместитель главного редактора Остроух Андрей Владимирович – академик РАЕ, доктор технических наук, профессор кафедры «Автоматизированные системы управления», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), ostroukh@mail.ru Члены редколлегии Исмоилов Мухамаджон Идибоевич – кандидат технических наук, доцент кафедры «Автоматизированные системы управления», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), ismoilov_mi@mail.

ru Колбасин Александр Маркович – кандидат технических наук, доцент кафедры «Автоматизация производственных процессов», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), alex123456789.a@yandex.ru Варламов Олег Олегович – доктор технических наук, профессор кафедры "Прикладная математика", ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), ovar@narod.ru Ахтеров Александр Вячеславович - старший преподаватель кафедры «Социология и управление», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет(МАДИ), a.ahterov@sociomadi.ru Ивахненко Андрей Михайлович – доктор технических наук, заведующий кафедрой «Менеджмент», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), jointlab@mail.ru Ефименко Дмитрий Борисович – доктор технических наук, доцент кафедры «Транспортная телематика», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет(МАДИ), ed2002@mail.ru Строганов Виктор Юрьевич – Лауреат премии Правительства РФ, доктор технических наук, профессор кафедры «Системы обработки информации и управления», ФГБОУ ВПО Московский государственный технический университет им. Н.Э. Баумана - Национальный исследовательский университет (МГТУ им. Н.Э. Баумана), str.madi@mail.ru Краснянский Михаил Николаевич – член – корреспондент РАЕ, доктор технических наук, проректор по научно инновационной работе, профессор кафедры «Автоматизированное проектирование технологического оборудования», ФГБОУ ВПО Тамбовский государственный технический университет (ТГТУ), kras@tambov.ru Проверено Статьи публикуются в авторской редакции © Кафедра АСУ МАДИ, ISBN 978-5-7962-0138- ~3~ РАЗДЕЛ I. АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ И ПРОИЗВОДСТВАМИ DOI: 10.12731/2306-1561-2013-4- MULTICRITERION TASK OF FORMING AN ENTERPRISE DEVELOPMENT STRATEGY Moiseev A.N., Prikhodko M.V., Satyshev S.N., Hvoinsky L.A.

Аbstract In order to form an enterprise development strategy in the presence of multiple criteria derived from the expert survey is proposed to build a network intensive options that correspond to the plurality of Pareto. By building a network of intensive options, you can perform various tasks forming the control parameters with regard to the factors of cost and risk.

Keywords: strategy, multicriteriality, indexing, evaluation, aggregation, stressful option.

УДК 681. МНОГОКРИТЕРИАЛЬНАЯ ЗАДАЧА ФОРМИРОВАНИЯ СТРАТЕГИИ РАЗВИТИЯ ПРЕДПРИЯТИЙ Моисеев А.Н., Приходько М.В., Сатышев С.Н., Хвоинский Л.А.

Аннотация Для формирования стратегии развития предприятий при наличии множества критериев, полученных на основе экспертного опроса, предлагается построение сети напряженных вариантов, которые соответствуют множеству Парето. Построив сеть напряженных вариантов, можно решать различные задачи формирования параметров управления с учетом факторов стоимости и риска.

Ключевые слова: стратегия, многокритериальность, индексация, оценки, агрегирование, напряженный вариант.

Парето-оптимальные варианты Вариант x является напряженным, если не существует другого варианта y, имеющего то же значение комплексной оценки, у которого оценки по всем критериям не выше, чем у варианта x. Так, вариант (рисунок 1) x = (2, 2, 4), имеющий комплексную оценку К = 3, не является напряженным, так как имеется вариант y = (2, 2, 3), имеющий такое же значение комплексной оценки и в то же время его оценки по ~4~ критериям не превышают оценок варианта x. Для варианта y = (2, 2, 3) таких вариантов не существует.

Рисунок 1 – Схема формирования комплексной оценки Фактически, напряженные варианты это Парето-оптимальные варианты в пространстве критериев [1 – 11]. Таким образом, мы можем ограничиться рассмотрением только напряженных вариантов. Опишем алгоритм построения всех напряженных вариантов.

В его основе также лежит метод индексации вершин сети напряженных вариантов снизу вверх.

Первый шаг. Помечаем нижние вершины сети индексами sij.

Общий шаг. Вершины следующего (более высокого) уровня сети напряженных вариантов помечаются только после того, как помечены все смежные вершины нижележащего уровня. При этом, индекс вершины-квадрата (в таких вершинах записывается одно число – оценка соответствующего агрегированного критерия) равен минимальному из индексов смежных вершин-кружков нижележащего уровня, а индекс вершины-кружка (в кружке записаны два числа – это пара оценок критериев нижнего уровня, агрегирование которых дает соответствующую оценку критерия верхнего уровня) равен сумме индексов смежных вершин-квадратов нижележащего уровня.

Для получения какого-либо напряженного варианта поступаем следующим образом. Рассматриваем начальную вершину (вход) сети. Из нее исходят три дуги. Берем любую из них, например, дугу, ведущую в вершину (2;

2). Из вершины (2;

2) исходят две дуги. Отмечаем обе эти дуги. Дуга, ведущая в вершину 2 по показателю «Э» указывает, что по этому показателю требуется достичь состояния «удовлетворительно». Дуга, ~5~ ведущая в вершину 2 по показателю «С» указывает, что по этому показателю также требуется достичь состояния «удовлетворительно». Из трех вариантов достижения оценки 2 по показателю «С» выбираем любой (например, вариант 3;

1), что соответствует оценке «хорошо» по показателю «Ж» и оценке «плохо» по показателю «Б».

Полученному напряженному варианту соответствует подграф сети, выделенный на рисунке 2 толстыми дугами. Он определяет напряженный вариант (3;

1;

2). Имея сеть напряженных вариантов, можно определить число напряженных вариантов, обеспечивающих получение требуемой оценки.

Алгоритм индексации вершин Для этого предложен алгоритм индексации вершин сети:

Первый шаг. Помечаем конечные вершины сети индексами 1 (индексы указаны в верхней половине вершины).

Второй шаг. Двигаясь снизу вверх, последовательно помечаем все вершины.

Индекс вершины-кружка на рисунке 2 равен произведению индексов смежных с ней двух вершин нижнего уровня. Индекс вершины-квадрата на рисунке 2 равен сумме индексов смежных с ней вершин нижнего уровня. Индекс начальной вершины-квадрата определяет число напряженных вариантов.

Обоснование алгоритма непосредственно следует из описанного способа определения индексов. Индексы вершин указаны на рисунке 2 в верхней части вершин [6, 7, 11]. Число напряженных вариантов равно шести.

Рисунок 2 – Сеть напряженных вариантов ~6~ Обобщением системы комплексного оценивания является система нечеткого комплексного оценивания, в которой оценки по каждому из критериев являются в общем случае нечеткими и агрегируются в соответствии с матрицами свертки. Нечетким оценкам могут соответствовать вектора степеней уверенности экспертов в достижении четких оценок. Получаемая в результате агрегирования оценка также является нечеткой и несет в себе больше информации.

Пусть x1 – нечеткая оценка по первому критерию, задаваемая функцией принадлежности µx1(x1) на универсальном множестве, определяемом соответствующей шкалой, а x2 – нечеткая оценка по второму критерию, задаваемая функцией принадлежности µx2(x2).

В соответствии с принципом обобщения полученная в результате агрегирования по процедуре f(•,•), задаваемой матрицей свертки, нечеткая оценка x будет определяться функцией принадлежности:

min[µ x1 (x1 ), µ x 2 (x 2 )] µ x (x ) = sup (1) ( x1, x 2 )|f ( x1, x 2 )= x.

В предельном случае, то есть когда агрегируются четкие оценки, естественно, агрегированная оценка является четкой и совпадает с получающейся в результате использования четкой процедуры комплексного оценивания с логическими матрицами.

Пусть требуется оценить эффективность стратегии развития в условиях неопределенности X, рисунок 3), который определяется уровнем (критерий экономического развития предприятия (критерий X1) и активностью производственной деятельности (критерий X2). Уровень экономического развития в свою очередь определяется уровнем инвестиций (критерий X11) и средней заработной платой (критерий X12), а активность производственной деятельности – объемом заказов по 1 му направлению производственной деятельности (критерий X21), объемом заказов по 2-му направлению (критерий X22) и т.д. (без ограничения общности можно остановиться на двух направлениях производственной деятельности).

Пусть значения оценок по каждому критерию могут принимать конечное число значений (будем использовать четырехбальную шкалу: 1 – «плохо», 2 – «удовлетворительно», 3 –«хорошо» и 4 – «отлично»).

Рисунок 3 – Дерево критериев ~7~ Требуется, имея оценки по критериям X11, X12, X21, X22 нижнего уровня, получить агрегированную оценку по критерию X. В случае бинарного дерева для свертки критериев будем использовать матрицы свертки, значения элементов которых определяют агрегированную оценку при условии, что оценки по агрегируемым критериям являются номерами соответствующих строк и столбцов.

Пусть нечеткие оценки по критериям нижнего уровня принимают значения, приведенные в таблице 1. Используя матрицы свертки и выражение (1), получаем нечеткие оценки по агрегированным критериям.

Таблица 1 – Агрегирование нечетких оценок Нечеткие значения Критерии 1 2 3 X 0,00 0,20 0,70 0, X1 0,00 0,10 0,40 0, X2 0,20 0,90 0,30 0, X11 0,00 0,20 0,40 0, X12 0,00 0,10 1,00 0, X21 0,20 0,90 0,30 0, X22 0,00 0,30 0,95 0, По аналогии с напряженными вариантами в системах четкого оценивания, можно рассматривать нечеткие напряженные варианты. Пусть задан нечеткий вектор оценок агрегированного критерия (в данном случае – это вектор X = (0;

0,2;

0,7;

0,3)).

Напряженными являются минимальные вектора агрегируемых оценок, приводящие к заданному нечеткому вектору агрегированных оценок. В данном случае – это вектора X1 = (0;

0;

0,2;

0,7) и X2 = (0,2;

0,7;

0,3;

0). Напряженному варианту будет соответствовать следующий набор значений оценок нижнего уровня: X11 = (0;

0;

0,2;

0,7), X12 = (0;

0;

0,7;

0), X21 = (0,2;

0,7;

0,3;

0), X22 = (0;

0;

0,7;

0).

Разности между приведенными в таблице 1 значениями оценок и напряженными можно считать резервами по соответствующим критериям, что позволяет ставить и решать задачи оптимизации резервов, затрат и риска. Таким образом, процедура комплексного оценивания является гибким и эффективным инструментом обработки информации, используемой при принятии управленческих решений.

Список информационных источников Солнцев А.А., Якунин П.С., Чичерин А.В., Кузнецов С.А. Моделирование [1] транспортной системы на основе гибридного автомата. / Методы управления потоками в транспортных системах: сб. науч. тр. МАДИ. Ротапринт МАДИ. - М., 2009. - С. 41 - Катырин С.Н., Солнцев А.А., Тимофеев П.А., Якунин П.С. Агрегированные [2] критерии эффективности бизнес-процессов управления производственным циклом промышленных предприятий. // Вестник МАДИ. – М.: МАДИ, 2011. Вып. 4 (27). – С. 53-59.

~8~ Николаев А.Б., Брыль В.Н., Кузнецов С.А. Теоретические основы решения [3] информационно-сложных задач. //Вестник Московского автомобильно-дорожного государственного технического университета (МАДИ). - 2010. - №4. – С74-78.

[4] Николаев А.Б., Юрчик П.Ф., Голубкова В.Б., Берко Н.А. Двухуровневая иерархическая система координации технологического процесса строительства нефтепроводов и объектов газотранспортного комплекса. // Вестник Московского автомобильно-дорожного государственного технического университета (МАДИ). 2011. - №2. – С54-57.

[5] Николаев А.Б., Брыль В.Н. Проблемы решения информационно-сложных задач.

//Вестник Московского автомобильно-дорожного государственного технического университета (МАДИ). - 2008. - №3. – С78-82.

[6] Солнцев А.А. Модели нечеткого ситуационного анализа при описании вложенных процессов многоцелевой деятельности дилерской сети // Автоматизация и управление в технических системах. – 2013. – № 1(3);

URL: auts.esrae.ru/3-71 (дата обращения: 19.11.2013).

[7] Остроух А.В. Информационные технологии в научной и производственной деятельности / [ред. А.В. Остроух] - М: ООО "Техполиграфцентр", 2011. - 240 с. ISBN 978-5-94385-056-1.

[8] Куфтинова Н.Г. Процессно-ориентированный подход к автоматизации планирования и управления транспортировкой продукции предприятий промышленности / А.В. Остроух, Н.Г. Куфтинова // Вестник МАДИ – 2010. - Вып.

4(23). - С. 62-66.

[9] Остроух А.В. Исследование начального периода моделирования на точность среднеинтегральной оценки имитационных моделей / А.В. Остроух, А.А. Солнцев, Н.В. Солдатов, К.А. Новицкий, П.С. Якунин // Вестник МАДИ – 2010. - Вып. 2(21).

- С. 61-65.

[10] Остроух А.В. Математическая модель связей в системе диагностики электрооборудования автомобилей / А.В. Остроух, А.А. Солнцев, О.Ф. Калухов, Г.Г. Ягудаев // Вестник МАДИ – 2010. - Вып. 2(21). - С. 66-70.

[11] Приходько В.М., Солнцев А.А., Саная А.Г. Сетевая теоретико-игровая модель рациональных закупок в задаче формирования адаптивного механизма согласованных цен в схеме снабжения дилерской сети // Автоматизация и управление в технических системах. – 2013. – № 1(3);

URL: auts.esrae.ru/3-70 (дата обращения: 05.09.2013).

DOI: 10.12731/2306-1561-2013-4- MODELLING OF TRANSPORT SUPPLY CHAIN PARTS AND COMPONENTS TO THE DEALER NETWORKS Lazarenko A.V., Moiseev A.N., Rogova O.B., Solntsev A.A.

Abstract The article discusses the construction of software and modeling complex decision support system for organizing the supply of components to the automotive dealer network industry.

We solve the problem of formalized representation of the processes in the supply chain distribution network, followed by the modeling of transport schemes.

~9~ Keywords: modeling, supply chain, dealer network, planning, SADT- model.

УДК 681. МОДЕЛИРОВАНИЕ ТРАНСПОРТНЫХ СХЕМ ПОСТАВОК ЗАПАСНЫХ ЧАСТЕЙ И КОМПЛЕКТУЮЩИХ В ДИЛЕРСКИХ СЕТЯХ Лазаренко А.В., Моисеев А.Н., Рогова О.Б., Солнцев А.А.

Аннотация В статье рассматриваются вопросы построения программно-моделирующего комплекса системы поддержки принятия решений по организации поставок комплектующих в дилерской сети предприятий автомобильной промышленности.

Решается задача формализованного представления процессов управления поставками в дилерской сети с последующим моделированием транспортных схем.

Ключевые слова: моделирование, схема поставок, дилерская сеть, планирование, SADT-модель.

Структура и состав АСУ планирования поставок Процесс взаимодействия подсистемы формирования и контроля поставок с другими подсистемами заключается в их интеграции и интерфейсном согласовании, что схематично представлено на рисунке 1.

данные для расчета, экспортируемые данные, управление запрос на получение данных Подсистема планирования сообщения о событиях, данные системы продаж данные из внешнихсистем, запрос на получение рассчитанные данные для данных расчета данные рассчитанные цепочеки данные из Подсистема поставок запрос внешнихсистем, Подсистема формирования запрос на получение Внутренние взаимодействия Внешние данных и контроля пользователи с внешними пользователи цепочек экспортируемые данные, пользователями запрос на получение данных рассчитанные поставок запрос цепочеки поставок рассчитанные данные для расчета данные данные из внешнихсистем, сообщения о событиях, запрос на получение данные системы данных Подсистема обеспечения взаимодействия поставщиков экспортируемые данные, данные для расчета, запрос на получение данных управление Рисунок 1 – Укрупненная структурная схема АСУ планирования поставок ~ 10 ~ Подсистема планирования продаж является поставщиком данных необходимых для формирования плана цепочек поставок [1 – 16].

Подсистема обеспечения взаимодействия поставщиков является поставщиком данных, необходимых для расчета плана цепочек поставок. Это данные о поставщиках, производственных мощностях поставщиков, времени доставки и производства, ограничения (например, договорные обязательства).

Подсистема взаимодействия с внутренними пользователями передает запрос на выполнение расчета плана цепочек поставок, на основе данных подсистем «Планирования продаж» и «Обеспечения взаимодействия поставщиков». Пользователь является поставщиком корректирующей информации, необходимой для контроля работы подсистемы «формирования и контроля цепочек поставок». и потребителем подсистемы «Формирования и контроля цепочек поставок». Подсистема предоставляет пользователю рассчитанный план цепочек поставок по заданным параметрам.

Описание бизнес-процессов На основе формального описания реализованы схемы описания бизнес-процессов «Формирование плана закупок», разработаны методы и модели оценки эффективности стратегий управления закупками комплектующих в плане реализации ценовых механизмов.

Одной из основных производственных функций предприятия по ремонту и техническому обслуживанию транспортных и технологических машин является функция «Планирование закупок запчастей» [1, 3, 12, 13]. Эта функция включает подготовку и формирование среднесрочного плана-графика поставки запчастей;

контроль исполнения среднесрочного плана-графика поставки запчастей;

оперативную корректировку среднесрочного плана закупок запчастей;

выполнение плана поставок в разрезе Поставщиков (графики поставки) и в разрезе Заказчиков (планы по номенклатуре) и т.д.

Для реализации данной функции в диссертации разработаны схемы описания бизнес-процессов «Формирование плана потребностей в запчастях на основные заказы»

(рисунок 2) [1, 3, 5, 10, 12, 13].

Бизнес-процесс формирования плана потребностей в запчастях на основные заказы включает бизнес-функции:

формирование списка необходимых запчастей;

формирование плана потребностей в запчастях и другие.

Бизнес-процесс регистрации потребности в запчастях и товарно-материальных ценностях (ТМЦ) включает бизнес-функции:

формирование сводного реестра заявок на ТМЦ;

подготовка вариантов ценовых предложений;

выбор поставщика;

формирование общей потребности в ТМЦ и потребности в финансах на их приобретение и другие.

~ 11 ~ Рисунок 2 – Пример бизнес-процесса формирования плана потребностей в запчастях ~ 12 ~ Приведенные бизнес-процессы составляют основу решения задачи выбора поставщиков, составления плана-графика закупки запчастей, что непосредственно определяет стратегию закупок и ценовую политику с заказчиками.

В качестве основного требования принимается безусловное выполнение графика поставок и выполнения работ заказчикам (считаем, что санкции за срыв поставок превышают возможную экономию от уменьшения издержек на хранение и процентов за кредит).

Подсистема планирования поставок Для формального описания компонентов системы использовалась SADT- модель [10, 17]. Основным рабочим элементом при создании модели являются диаграммы.

Диаграммы содержат блоки и дуги. Блоки изображают функции моделируемой системы.

Дуги связывают блоки вместе и отображают взаимодействие между ними. Между объектами и функциями определены четыре типа отношения: вход, управление, выход, механизм.

SADT-модель является иерархически организованной совокупностью диаграмм последовательно детализирующих функции системы до необходимого уровня сложности.

Рисунок – 3 Управление поставками ~ 13 ~ Целью разработки модели является описание процесса функционирования подсистемы «Формирования и контроля поставок». Контекстная диаграмма управления поставками представлена на рисунке 3.

Входные данные: данные о производстве, данные из внешних систем, запрос на получение данных, Запрос на выполнение расчета плана цепочек поставок, Сведения о продажах и др.

Выходные данные: данные во внешние системы, параметры продукции, план цепочек поставок, сообщения во внешние системы, и др.

Входы по управлению: правила формирования и управления цепочками поставок, алгоритм построения плана и др.

Механизмы: автоматизированный программный комплекс, пользователи системы и др.

Заключение Построенная формальная модель описания процессов управления поставками, с одной стороны, дает основу непосредственно проектированию АСУ, а с другой стороны, дает возможность параметризации аналитических и имитационных моделей, которые позволяют получить расчетные времена и затраты на реализацию производственного цикла.

Список информационных источников Солнцев А.А., Якунин П.С., Дицкий В.А., Травкин А.М. Решение уравнения [1] баланса в декомпозиционном методе моделирования транспортных потоков. // Методы управления потоками в транспортных системах: сб. науч. тр. МАДИ.

Ротапринт МАДИ. - М., 2009. - С. 17 – 23.

Катырин С.Н., Солнцев А.А., Тимофеев П.А., Якунин П.С. Агрегированные [2] критерии эффективности бизнес-процессов управления производственным циклом промышленных предприятий / // Вестник МАДИ. – М.: МАДИ, 2011. Вып. 4 (27)– С. 53 59.

Николаев А.Б., Солнцев А.А., Саная А.Г., Якунин П.С. Методы организации и [3] моделирования дилерских сетей // В мире научных открытий. – Красноярск: НИЦ, 2012. - № 12 (36). – С. 163-174.

Приходько В.М., Строганов Д.В., Якунин П.С., Москвичев Е.С., Солнцев А.А.

[4] Аппроксимация среднеинтегральных оценок нестационарных режимов имитационных моделей сетей массового обслуживания. //Наука и образование:

Электронное научно-техническое издание. – М.: МГТУ им. Баумана, 2012. № 3.

DOI: 77-30569/355371.

Строганов Д.В., Солнцев А.А., Якунин П.С., Батов Р.В., Карасев А.А. Влияние [5] начальных условий и длительности моделирования на характеристики условно нестационарных процессов. //Наука и образование: Электронное научно техническое издание. – М.: МГТУ им. Баумана, 2012. № 4. DOI: 77-30569/359132.

Божко А.Н., Ивахненко А.А., Чернявский А.И., Солнцев А.А., Товкач П.А.

[6] Принятие рациональных решений при проектировании сборочных схем //Наука и образование: Электронное научно-техническое издание. – М.: МГТУ им. Баумана, 2012. № 10. DOI: 10.7463/1012.0475116 http://technomag.edu.ru/doc/475116.html.

~ 14 ~ Николаев А.Б., Приходько М.В., Сатышев С.Н., Солнцев А.А., Якунин П.С.

[7] Имитационные модели оценки качества транспортного обслуживания.

//Автотранспортное предприятие. –2013. - № 2. – С. 52-54.

Николаев А.Б. Информационные технологии в менеджменте и транспортной [8] логистике: учебное пособие / А.Б. Николаев, А.В. Остроух. – Saint-Louis, MO, USA:

Publishing House Science and Innovation Center, 2013. – 254 с. - ISBN 978-0-615 67110-9.

Солнцев А.А., Ивахненко А.А. Формальное описание процессов движения [9] комплектующих на основе управляемых сетей // Автоматизация и управление в технических системах. – 2013. – № 1(3);

URL: auts.esrae.ru/3-69 (дата обращения:

19.11.2013).

Солнцев А.А. Модели нечеткого ситуационного анализа при описании вложенных [10] процессов многоцелевой деятельности дилерской сети // Автоматизация и управление в технических системах. – 2013. – № 1(3);

URL: auts.esrae.ru/3-71 (дата обращения: 19.11.2013).

Остроух А.В. Информационные технологии в научной и производственной [11] деятельности / [ред. А.В. Остроух] - М: ООО "Техполиграфцентр", 2011. - 240 с. ISBN 978-5-94385-056-1.

Куфтинова Н.Г. Процессно-ориентированный подход к автоматизации [12] планирования и управления транспортировкой продукции предприятий промышленности / А.В. Остроух, Н.Г. Куфтинова // Вестник МАДИ – 2010. - Вып.

4(23). - С. 62-66.

Остроух А.В. Исследование начального периода моделирования на точность [13] среднеинтегральной оценки имитационных моделей / А.В. Остроух, А.А. Солнцев, Н.В. Солдатов, К.А. Новицкий, П.С. Якунин // Вестник МАДИ – 2010. - Вып. 2(21).

- С. 61-65.

Остроух А.В. Математическая модель связей в системе диагностики [14] электрооборудования автомобилей / А.В. Остроух, А.А. Солнцев, О.Ф. Калухов, Г.Г. Ягудаев // Вестник МАДИ – 2010. - Вып. 2(21). - С. 66-70.

Приходько В.М., Солнцев А.А., Саная А.Г. Сетевая теоретико-игровая модель [15] рациональных закупок в задаче формирования адаптивного механизма согласованных цен в схеме снабжения дилерской сети // Автоматизация и управление в технических системах. – 2013. – № 1(3);

URL: auts.esrae.ru/3-70 (дата обращения: 05.09.2013).

Остроух А.В., Синха Бабу Раджа Исследование информационных систем [16] управления взаимоотношениями с поставщиками // Автоматизация и управление в технических системах. – 2013. – № 4.1;

DOI: 10.12731/2306-1561-2013-4-10.

Остроух А.В., Суркова Н.Е. Методы проектирования информационных систем:

[17] учебное пособие. - М.: РосНОУ, 2004. - 144 с.

~ 15 ~ DOI: 10.12731/2306-1561-2013-4- MODEL OF EXCHANGE SCHEMES IN PRODUCTION PLANNING CYCLE Vasiliev D.А., Nikolaev A.B., Prikhodko M.V.

Abstract The paper considers a two-element exchange scheme in which there are two types of resources. For the problem of incentive schemes are members of the exchange center and the manufacturer, and as resources are considered finance and manufactured product. For the problem of pricing schemes are parties to exchange products manufacturer, serving as the center, and the buyer is acting as an agent.

The performances of both problems are identical. The center should most beneficial ways for users to make an exchange with the agent. Center does not have accurate information about the "type" agent - the parameter that affects the utility function of the latter. In task stimulation, the higher the type of agent, the less the cost of manufacturing the same amount of products. In the problem of pricing, the higher the type of agent, the higher he values his proposed center products.

Keywords: exchange mechanisms, center, agent, the production cycle, planning.

УДК 681. МОДЕЛЬ ОБМЕННОЙ СХЕМЫ ПРИ ПЛАНИРОВАНИИ ПРОИЗВОДСТВЕННОГО ЦИКЛА НАУКОЕМКИХ ИЗДЕЛИЙ Васильев Д.А., Николаев А.Б., Приходько М.В.

Аннотация В статье рассматривается двухэлементная обменная схема, в которой присутствуют два вида ресурсов. Для задачи стимулирования участниками обменной схемы являются центр и производитель, а в качестве ресурсов рассматриваются финансы и производимый продукт. Для задачи ценообразования участниками обменной схемы являются производитель продукции, выступающий в роли центра, и покупатель, выступающий в роли агента.

Постановки обеих задач идентичны. Центр должен наиболее выгодным для себя образом совершить обмен с агентом. Центр не имеет точной информации о «типе»

агента – параметре, от которого зависит функция полезности последнего. В задаче стимулирования, чем выше тип агента, тем меньше его затраты на изготовления одного и того же количества продукции. В задаче ценообразования, чем выше тип агента, тем выше он ценит предлагаемую ему центром продукцию.

~ 16 ~ Ключевые слова: механизмы обмена, центр, агент, производственный цикл, планирование.

Механизмы обмена Общий принцип построения механизмов обмена основывается на условии совершенного согласования [1 – 10]. Вариант обмена, соответствующий заявке агента, должен быть наиболее выгодным из всех предлагаемых вариантов обмена для агента, чей тип соответствует данной заявке. Тем самым центр побуждает агента сообщать истинное значение своего типа.

Модель обменной схемы имеет следующий вид. Предпочтения участников организационной системы (агента 0 и агента 1) описываются следующими функциями:

0(y01, y02, r0) = r0y02+y01, (1) 1(y11, y12, r1)= y11-(Y02+y12)/2r1, где: yij – количество имеющегося у агента i ресурса типа j, ri – тип агента i, i,j=0..1;

Y1 0 Y начальное распределение ресурсов y0= 2, то есть, весь ресурс первого типа сосредоточен у агента 0, а весь ресурс второго типа – у агента 1.

Ограничения индивидуальной рациональности, определяющие приемлемые для каждого из агентов варианты обмена, записываются следующим образом: IR(y0) = {i=0,1 i(yi) i(y0i)}. Иными словами, рациональными с точки зрения каждого из агентов являются варианты обмена, в результате которых значение их целевой функции не уменьшится.

Предложенная модель может быть использована для решения задачи стимулирования в условиях неполной информированности центра о параметрах организационной системы. Для этого, агент 0 трактуется как работодатель, а агент 1 – как агент (производитель).

Функция полезности центра от обмена: f0(x1, x2) = r0x2 - x1.

Функция полезности агента от обмена: f1(x1, x2)= x1 - x22,/2r.

Задача центра – поиск механизма обмена, максимизирующего его ожидаемую полезность от обмена Ef0((s))max ((s)), при условии, что центру не известно значение типа производителя, а известно лишь, что тип агента равномерно распределен на множестве 1=[r1min, r1max].

Центр предлагает агенту механизм обмена оплаты за работу (s)=(x1(s), x2(s)), в котором количество выполняемой работы и размер оплаты зависит от сообщения s агентом оценки своего типа.

Предлагаемый центром механизм обмена будет механизмом открытого управления, если он будет удовлетворять условию совершенного согласования. Для ~ 17 ~ рассматриваемой модели обменной схемы для выполнения условия совершенного согласования, то есть для неманипулируемости механизма обмена, необходимо и достаточно, чтобы механизм обмена удовлетворял следующим требованиям:

(r ) x2 (r ) dx2 (r ) = dx (2) dr r r, x2 (r ) dx (r ) 0 (3) r2 r, (s ) 0 dx2 (s ) dx (4) s 1, ds, ds / Условие (4) определяет принципиальное свойство неманипулируемого механизма обмена – количество выполняемой работы и оплата за нее растут с ростом сообщаемой работником оценки собственного типа. Иными словами, чем лучше охарактеризовал себя производитель, тем больший объем работ предлагается ему выполнить за большую оплату.

Если механизм обмена удовлетворяет условиям (2) - (4), то прибыль агента от обмена - его функция полезности v1(r)=f1(x1(r), x2(r), r) может быть записана в следующем виде:

x2 ( ) r v1 (r ) = d (5) 2 r1 min.

Проведя анализ выражения(5), получаем, что для построения механизма обмена, максимизирующего ожидаемую прибыль центра, необходимо решить следующую задачу динамического программирования:

x (r ) x 2 () () rmax 2 r r 0 x2 ( ) Ef 0 = d d max 2 r10min 2r (6) r10min, 0 x2(r) Y2, 0 x2(r) Y1.

На рисунке 1 приводится графическое изображение полученного механизма обмена. Видно, что, с улучшением типа, сообщаемого агентом, уменьшается удельная стоимость выполняемой им работы (отношение выплачиваемого центром вознаграждения к объему выполняемой работы). При этом проиллюстрировано, каким ( образом тип r определяется из ограничений на ресурсы (в данном случае из бюджетного ограничения центра).

Аналогичным задаче стимулирования образом можно рассмотреть задачу ценообразования. В роли центра выступает поставщик продукции. Его целевая функция от обмена: f1(x1, x2)= x1-x22,/2r. Соответственно, целевая функция покупателя, выступающего в роли активного элемента, имеет следующий вид: f0(x1, x2)= r0x2 - x1.

~ 18 ~ Поставщик обладает произвольно делимой продукцией в количестве Y2.

Получатель обладает финансовыми средствами в количестве Y1.

Задача поставщика – поиск механизма обмена, максимизирующего его ожидаемую полезность от обмена с получателем:

Ef1((s))max (s), (7) при условии, что ему не известно значение типа покупателя, а известно лишь, что тип агента равномерно распределен на множестве 0=[r0min, r0max].

Как и в задаче стимулирования, проблема сводится к поиску неманипулируемого механизма обмена (s)=(x1(s), x2(s)), то есть механизма открытого управления.

а) б) Рисунок 1 – Неманипулируемый механизм обмена для задачи стимулирования Для этого необходимо и достаточно, чтобы механизм обмена удовлетворял следующим требованиям:

(r ) dx1 (r ) = dx r (8) dr dr, (r ) dx (9) r, (s ) 0 dx2 (s ) dx (10) s 0, ds, ds / При выполнении условий (8) - (10) прибыль агента от обмена - его функция полезности v0(r)=f0(x1(r), x2(r), r) может быть записана в следующем виде:

r v0 (r ) = x2 ()d (11) r10min.

Задача построения механизма обмена, максимизирующего ожидаемую прибыль центра, сводится к решению следующей задачи динамического программирования:

~ 19 ~ x (r ) rmax 2 r Ef1 ( ) = rx2 () 2 1 x2 ( )d d max r10min 2r (12) r10min, 0 x2(r) Y2, 0 x2(r) Y1.

По аналогии с механизмом обмена для задачи стимулирования, при невыполнении условий x2(r0max) Y2 и x1(r0max) Y1 определяется значение r – как максимальный тип получателя, с которым может обмениваться поставщик в рамках существующих ресурсных ограничений.

На рисунке 1, а приводится графическое изображение полученного механизма обмена для задачи ценообразования. Из графика видно, что, с улучшением типа, сообщаемого получателем, уменьшается удельная стоимость предлагаемой продукции:

можно сказать, что ростом партии увеличивается оптовая скидка.

Следует отметить, что при решении подобных задач, возможен отказ от такого достаточно сложного с практической точки зрения параметра, как тип агента. Центр не спрашивает у агента его тип, а предлагает просто выбрать один из вариантов обмена.

Иными словами, в задаче стимулирования или ценообразования центр предлагает агенту выбрать один из вариантов обмена из меню (контракта).

В системах, базирующихся на обмене информацией, целесообразно выделять два типа организационных элементов: включающие и не включающие основную деятельность [1, 2, 5]. Элементы первого типа являются потребителями-поставщиками (конечными) информации и могут взаимодействовать как непосредственно (реализуя информационную деятельность в собственных организационных рамках), так и через посредство элементов второго типа, которые представляют собой промежуточных потребителей-поставщиков информации, или информационные системы.

Общее представление о взаимодействии пользователей системы информационного обмена представлено на рисунке 2.

В данном представлении уровни взаимодействия разделены на 3 типа:

непосредственное рабочее взаимодействие (связь 3-3) представляет собой постоянный обмен информацией в группе или коллективе, в процессе совместной деятельности;

непосредственное документальное взаимодействие (связь 4-2) заключается в оформлении результата и ограниченном контролируемом распространении (например - передача отчета или документации заказчику);

опосредованное документальное взаимодействие (связь 5-1) состоит в опубликовании результата и его последующем неограниченном перемещении по каналам ИС.

~ 20 ~ ИС 1 (ИД) 2 (ИО) 3 (ОД) 4 (ИО) 5 (ИД) ИС Рисунок 2 – Уровни взаимодействия потребителей-поставщиков информации ИД – Информационная деятельность;

ИО – информационный обмен;

ОД – основная деятельность Управление информационным обменом (информационными ресурсами) на макроуровне может быть разделено на:

организацию работ и взаимодействия смежников и соисполнителей при выполнении производственных программ объединения (связи 3-3);

маркетинг - поиск заказчиков, получение заказов, связь с заказчиками, оформление и передача результатов, поиск прочих возможных потребителей результатов (связи 4-2);

распространение информации в документальной форме по каналам ИС, решение задач повышения полноты, точности, оперативности информационного обмена и обслуживания (связи 5-1).

В результате функциональной декомпозиции в работе выделены элементы основной деятельности и информационной деятельности.

Функциональная декомпозиция. Предполагается, что декомпозиция приводит к построению N элементов основной деятельности - совокупности:

e = [e1,..., ei,..., eN ] (13) В соответствие еi ставится пара элементарных операторов ei = Yi, X i, где И И = [П i, k i ] описывает исходный поток сообщений, генерируемый в процессе И - Yi [ ] И описывает информационную основной деятельности (i=1,2,…,N);

X i = П i, k i И потребность еi.

Таким образом, е задается парой N-мерных операторов:

~ 21 ~ e = Y и, X и, (14) [ ] [ ] Y И =, k, X =,k И И И причем содержат N-мерные профили П, ПИ и к', кИ - векторы пороговых значений релевантности.

Информационным обеспечением еi, является всякая совокупность сообщений Li L0, такая, что:

l k Li l k I i k iИ (15) { } Совокупности е поставлен в соответствие N-мерный поток L = L1,..., LN, каждая компонента которого отвечает условию (15). В форме операторных эквивалентов потока, информационным обеспечением е является поток X = [, k ], такой, что X X И, где X И является идеальным потоком информационного обеспечения, содержащим для каждого еi, только релевантные сообщения.

Системой информационной деятельности является оператор концентрации рассеяния, удовлетворяющий условию:

WСИД (m ) X И Y И, (16) где m - управляемые параметры, конкретизирующие процедуру концентрации WСИД (m ) задает преобразование:

рассеяния. Оператор X = WСИД (m ) Y И (17) Заключение Информационная деятельность рассматривается как единая система, целостный объект описания и анализа вне зависимости от конкретных форм и организационных рамок, в которых реализуются отдельные компоненты и подпроцессы.

Информационная деятельность осуществляется в результате взаимодействия элементов информационного обмена между компонентами системы.

Список информационных источников Якунин П.С. Теоретические аспекты подготовки управленческих решений.

[1] //Методы описания и моделирования бизнес-процессов и технологий в промышленности, строительстве и образовании: сб. науч. тр. МАДИ № 3/47.

Ротапринт МАДИ. - М., 2010. - С. 79 – 86.

Москвичев Е.С., Тимофеев П.А., Якунин П.С. Моделирование и оптимизация [2] иерархической организационной структуры в виде вложенной системы сетей массового обслуживания. // Автоматизация управления в организационных системах: Межвузовский сб. науч. тр.- М.: «Техполитграфцентр», 2008. - С. 79 – 85.

Николаев А.Б., Солнцев А.А., Строганов В.Ю., Тимофеев П.А., Брыль В.Н.

[3] Методика интеграции приложений в гибридной системе поддержки принятия решений с открытой структурой. // Информационные системы и технологии. - 2011.

- №3. – С84-90.

~ 22 ~ Николаев А.Б., Остроух А.В., Марсов В.И., Илюхин А.В. Cравнительный анализ [4] систем экстремального регулирования процессов транспортирования нефтегазоводяной смеси // Современные наукоемкие технологии. – 2011. – № 3 – стр. 35-39.

[5] Остроух А.В. Информационные технологии в научной и производственной деятельности / [ред. А.В. Остроух] - М: ООО "Техполиграфцентр", 2011. - 240 с. ISBN 978-5-94385-056-1.

[6] Тянь Юань. Разработка информационно-аналитической системы мониторинга технологических процессов предприятия автомобильной промышленности / А.В.

Остроух, Юань Тянь // В мире научных открытий. – Красноярск: «Научно инновационный центр», 2013. - № 8.2 (44). – С. 191-205.

[7] Тянь Юань. Современные методы и подходы к построению систем управления производственно-технологической деятельностью промышленных предприятий / А.В. Остроух, Юань Тянь // Автоматизация и управление в технических системах.

– 2013. – № 1(3);

URL: auts.esrae.ru/3-53 (дата обращения: 24.09.2013).

[8] Тянь Юань. Интеграция компонентов системы мониторинга /А.В. Остроух, Юань Тянь // Молодой ученый. – Чита: ООО «Издательство Молодой ученый», 2013. №10. - С. 182-185.

[9] Юрчик П.Ф. Формализация задач принятия решений при управлении проектами обеспечения жизненного цикла автодорожных объектов / И.Н. Акиньшина, А.В.

Остроух, А.Г. Соленов, П.Ф. Юрчик // Приборы и системы. Управление, контроль, диагностика. - М.: «Научтехлитиздат», 2007. - №3. - С. 13-18.

[10] Остроух А.В. Проблемы и перспективы внедрения компонентов CALS-технологии на промышленных предприятиях / А.В. Остроух, Д.И. Попов, Д.А. Буров // Научный вестник МГТУ ГА. Серия «Аэромеханика и прочность, поддержание летной годности ВС». – 2008. - №130. - С. 138-147.

DOI: 10.12731/2306-1561-2013-4- IDENTIFICATION OF RESOURCES AND ACTIVITIES IN COMPLEX DYNAMIC SYSTEMS Borshch V.V., Prikhodko L.V., Prikhodko M.V.

Abstract The article deals with the modeling of complex dynamic systems.. A classification of types of resources for permanent and temporary. It is shown that for regular resources are the typical parameters that identify them in the health and well-established to perform certain actions. In addition, each action is related to the change of the dynamic state of a complex system.

Changing its state is set event to be formally defined and fixed in the model. In this case, unlike regular events, irregular wear a pronounced stochastic in nature and not pre-planned management system. It is shown that their appearance may violate the synchronization of regular events and result in them being early or normal completion.

~ 23 ~ Keywords: a complex dynamic system, system resources, regular events, irregular events, the relevance of action, productional grammar.

УДК 681. ИДЕНТИФИКАЦИЯ РЕСУРСОВ И ДЕЙСТВИЙ В СЛОЖНОЙ ДИНАМИЧЕСКОЙ СИСТЕМЕ Борщ В.В., Приходько Л.В., Приходько М.В.

Аннотация В статье рассматриваются вопросы моделирования сложных динамических систем. Дается классификация видов ресурсов на постоянные и временные. Показано, что для постоянных ресурсов характерными являются параметры, идентифицирующие их по работоспособности и налаженности на выполнение определенных действий. При этом каждое действие связано с изменением состояния сложной динамической системы. Изменение ее состояния представляет совокупность событие, которые должны быть формально определены и зафиксированы в модели.

При этом в отличие от регулярных событий, нерегулярные носят ярко выраженный стохастический характер и заранее не планируются системой управления. Показано, что их возникновение может нарушать синхронизацию регулярных событий и приводить к невозможности их начала или нормального завершения.

Ключевые слова: сложная динамическая система, ресурсы системы, регулярные события, нерегулярные события, релевантность действий, продукционная грамматика.

Практически любой объект управления обладает большим количеством свойств и поэтому изучить его полностью практически невозможно [11 – 15]. Следовательно, необходимо определить ограниченное множество характеристик, описывающих конкретный объект наилучшим образом. Тогда объект представляется как модель существенных сторон предметной области и идентифицируется в соответствии с анализируемой проблемой или задачей. Он задается набором свойств и назначением каждому из этих свойств переменной.

Сложную динамическую систему (СДС) на концептуальном уровне представим как множество некоторых ресурсов, взаимодействующих между собой [1]. Ресурс – это элемент СДС, внутренней структурой которого можно пренебречь, в то время как наличие и свойства его как целого важны для целей описания. В зависимости от поставленной задачи ресурсом может быть любая часть системы.

Примерами ресурсов в СДС являются человек, оборудование, транспортные средства, группа людей, партии изделий, склады и другие физически существующие объекты рассматриваемой СДС. Помимо указанных могут вводиться в рассмотрение в ~ 24 ~ качестве ресурсов различного рода абстракции, такие как система, роли, пространство состояний и т.п.

Каждый ресурс в модели СДС должен получить уникальное имя, отличающего его от других ресурсов. Имя желательно давать ресурсу таким образом, чтобы оно идентифицировало его назначение и взаимосвязь с другими ресурсами. Это связано с тем, что второе имя в большей степени отражает специфику именно моделируемого объекта, а не любого объекта с очередью. Если ресурсов много, то имеет смысл в имя ввести порядковые номера. Помимо получения имени каждый ресурс СДС в модели должен быть описан.

Ресурсы могут быть двух видов: постоянные и временные. Постоянные ресурсы всегда присутствуют в системе (порт, бензоколонка, склад, транспортные устройства, рабочий и т.п.). Временные ресурсы поступают в СДС и покидают ее в процессе функционирования, они могут быть результатом работы СДС [2].

Все ресурсы СДС образуют некоторое множество:

R = {ri / i = 1,..., N (t )}, (1) где ri - i -ый ресурс СДС, а N (t ) - число ресурсов в СДС в данный момент времени.

Каждый ресурс описывается множеством его параметров. Параметры могут быть трех различных типов:

описательные, представляющие факты, внутренне присущие каждому ресурсу;

указывающие, используемые для дачи имени или обозначения ресурса. Они часто используются как идентификаторы ресурсов;

вспомогательные, используемые для связи различных ресурсов, накопления статистики, графического вывода при имитации и т.п.

Часть параметров ресурса изменяется в процессе функционирования СДС, а другие остаются постоянными.

Для постоянных ресурсов характерными являются параметры, идентифицирующие их по работоспособности и налаженности на выполнение определенных действий. Для временных ресурсов важными являются параметры, описывающие месторасположение, участие в некоторых действиях, частота появления, степень изменения ресурса и ряд других.

Множество ресурсов можно разбить на несколько непересекающихся подмножеств однотипных ресурсов Rk R, k = 1,2,..., K. Все ресурсы одного типа имеют одни и те же параметры и что особенно важно ведут себя одинаковым образом в одинаковых условиях. Каждый ресурс модели СДС должен быть отнесен к какому-либо типу:

R = U Rk = IR k и. (2) k k Состояние i-го ресурса Ci (t ), в момент времени t будем описывать значениями его параметров:

Ci (t ) = {cij (t ) / j = 1,..., M i }, (3) ~ 25 ~ c (t ) M - значение j - го параметра i -го ресурса, а i - число параметров i -го где ij ресурса.

Тогда состояние СДС будем описывать множеством состояний всех ее ресурсов:

C (t ) = {Ci (t ) / i = 1,..., N }. (4) Ресурсы, принадлежащие к одному типу, наследуют общие свойства этого типа.

Отношения наследования может использоваться как для отражения общности ресурсов типа, так и для идентификации ассоциативных связей [3].

Ресурсы взаимодействуют друг с другом в соответствии с определенными закономерностями, выполняя различные действия. Каждое действие связано с изменением состояния СДС. Изменение состояния СДС называют событием. Все события должны быть как-то определены и зафиксированы в модели.

Событие в модели это - абстракция инцидента или сигнала в реальном мире, который сообщает о переходе каких-либо объектов в новое состояние. События могут быть внешними по отношению к СДС и принадлежать ей самой. То есть значение события заключается в некоторой фразе, несущей информацию о том, что произошло в СДС или о том, на что СДС должна реагировать.


События в дискретных системах происходят в счетные моменты времени, которые должны фиксироваться в модели с помощью независимой переменной, в качестве которой чаще всего принимается модельное (системное) время [4]. Эта переменная изменяется дискретно и служит базой для определения различий в наблюдении одного и того же свойства СДС.

Все события каким-либо образом влияют на состояние СДС и это влияние должно быть зафиксировано в модели. Поэтому событие можно рассматривать как сигнал, передающий данные (управление) об определенном состоянии СДС для некоторого действия, которое может либо начаться, либо завершиться (события начала и окончания). Следовательно, можно дать еще одно определение события, определив его как неделимое элементарное действие, в том смысле, что оно не имеет протяженности во времени.

Все события делятся на регулярные и нерегулярные.

Регулярными называют события, вызываемые штатным функционированием ресурсов [5]. Изменения в системе при совершении регулярного события можно формализовать, поскольку они отражают логику взаимодействия ресурсов между собой.

Регулярные события могут быть частично упорядочены во времени, то есть для них может быть построена временная диаграмма.

Регулярное событие формально представим как некоторое изменение состояния системы и опишем следующим образом:

( ) e = te, Ce, Ce+, (5) где te - момент времени свершения события e, C e - состояние СДС до события e, + а C e - состояние СДС после события e.

~ 26 ~ Так как состояние дискретной системы изменяется только в моменты свершения e e событий, то оно остается неизменным между событием i и событием i +1, и, следовательно, имеет место равенство:

Ce+i = Cei +. (6) Очевидно, что в некотором событии е участвуют не все ресурсы системы, и его наступление приводит лишь к локальному изменению состояния системы. Ресурсы, состояние которых изменяется, называют релевантными событию е:

{ } Re = rie / Ci (te ) Ci+ (te ), (7) R R r где ie - i -ый ресурс СДС, релевантный событию e, и e.

Выделение ресурсов релевантных событию достаточно важный этап описания СДС, так как он некоторым образом формализует взаимодействие ресурсов СДС между собой, отражая структурную и динамическую связность СДС. Выделив релевантные событию ресурсы, мы получаем возможность при моделировании события рассматривать изменения состояния не всей модели СДС, а лишь некоторой локальной, часто весьма ограниченной ее части. Это упрощает моделирование, уменьшает объем обрабатываемых данных, делает описание знаний компактным и ясным.

Нерегулярные события [6] происходят либо при нештатной работе ресурсов (поломки, отказы), либо из-за внешних по отношению к системе причин (приход в систему нового временного ресурса, изменение состава постоянных ресурсов при модификации системы и т.п.). В отличие от регулярных событий, нерегулярные носят ярко выраженный стохастический характер и заранее не планируются системой управления. Их возникновение может нарушать синхронизацию регулярных событий, приводить к невозможности их начала или нормального завершения.

~ Для нерегулярного события e состояние ресурсов до его начала C~ e ~ непредсказуемо. Так как e происходит случайным образом, то оно описывается лишь временем возникновения и состоянием ресурсов после нерегулярного события:

~ = (t ~, C ~ ), + e (8) e e + где t~ - время наступления нерегулярного события, а C~ - состояние системы после e e наступления нерегулярного события.

При совершении событий каждый ресурс СДС меняет свое состояние. Изменение состояния некоторого ресурса может быть представлено как модель состояния, которая состоит из множества состояний и множества событий, переводящих ресурс из состояния в состояние.

Ресурсы одного типа меняют свое состояние согласно одним и тем же правилам.

Поэтому модель состояний является абстракцией поведения всех однотипных ресурсов СДС и однозначно соответствует абстракции “Тип ресурса”.

Модель состояний статичная по своей природе не обеспечивает процесс имитации необходимыми знаниями, но она полезна на определенном этапе описания СДС, так как ~ 27 ~ позволяет верифицировать разбиение ресурсов на типы и идентифицировать множество событий в системе.

Введя абстракцию события, можно уточнить понятие дискретности системы, охарактеризовав ее двумя свойствами:

состав СДС может быть описан счетным множеством ресурсов;

изменения состояния СДС происходят в счетные моменты времени (события) и C = Ce+i имеет место соотношение ei +1.

Формализация событий и модели состояний является важным этапом перехода от СДС к ее модели, так как позволяет описать структурную и динамическую связность СДС, но не обеспечивает представления динамики процесса. Для устранения этого положения необходимо рассмотреть взаимодействие событий на множестве ресурсов СДС.

Ресурсы в процессе функционирования СДС выполняют определенные действия, взаимодействуя между собой. С каждым действием связано два события - его начала и окончания. Действие, как правило, представляет собой целенаправленное мероприятие, выполняемое под управлением некоторой подсистемы и направленное на достижение определенной цели. Поэтому действие планируется и может находиться в различных состояниях: запланировано, начато, окончено и прервано по какой-либо причине. При успешном окончании действия считаем, что поставленная цель достигнута.

В СДС присутствует, как правило, большое количество разнообразных действий.

Поэтому число действий в СДС ограничено только временем рассмотрения системы.

Используя понятие события, целенаправленное действие изменения состояния системы можно описать через события начала и окончания действия:

+ + a = eН, eК = t Н, C Н,C Н, t К, C К, C К, (9) + где С Н, С Н - состояние системы перед и после наступления события eН, + соответственно;

С К, С К - состояние системы перед и после наступления события eК, соответственно;

t Н, t К - время начала и конца действия.

По аналогии с ресурсами, релевантными событию, определим множество ресурсов a R, релевантных действию а, как объединение множеств ресурсов, релевантных событиям начала и конца действия:

R a = R eН U R eК. (10) Длительность действия определяется как t = tК t Н 0. Действие с нулевой длительностью представляет собой событие. Данное соотношение справедливо, если в течение выполнения действия оно не прерывалось нерегулярными событиями.

Если во время протекания действия a, т.е. на интервале [t Н, t К ] произошло ~ нерегулярное событие e, затрагивающее ресурсы действия a ( R I R ), то в общем ei a случае дальнейшее протекание действия может оказаться невозможным. В этом случае ~ 28 ~ + + результатом действия будет не состояние C К, а состояние C~, определяемое e ~ нерегулярным событием e.

Процесс функционирования СДС можно представить как временную последовательность действий и нерегулярных событий:

~ = A, E, f, (11) ~ где A - множество действий;

E - множество нерегулярных событий;

f - отношение предшествования во времени.

+ Для регулярного события можно указать алгоритм F преобразования C C F, который определяется закономерностями функционирования СДС. Поэтому действие a можно представить следующим образом:

( ( )) ( ( )) a = FН C К R a, FК С К R a, t Н, t К (12) где FН, FК - алгоритмы преобразования параметров, описывающих состояние () C Ra ресурсов при событиях eН и eК ;

Н, К - состояние ресурсов, релевантных действию a, до событий начала и конца действия.

Действие a может начаться, если значения параметров его релевантных ресурсов () C Н R a отвечает некоторому условию. Условие начала действия можно представить как () a некоторое логическое выражение P R, принимающее значения ИСТИНА или ЛОЖЬ (TRUE, FALS), в зависимости от текущего состояния релевантных действию ресурсов.

Действие привязано ко временной оси: начинается в момент tН и кончается в tК.

Если в описании действия исключить привязку к временной оси, оставив лишь длительность его выполнения t, то получим виртуальное действие (возможное) [7].

Виртуальное действие может начаться (но не обязательно начнется), если для множества () R v релевантных ему ресурсов выполняется условие P R = TRUE. Таким образом, v виртуальное действие можно представить как:

( ) ( ( )) ( ( )) v = P R, FН C Н R, FК C К R, t. (13) () v Виртуальное действие отражает (алгоритмы FН, FК и условие P R ) логику взаимовлияния ресурсов СДС в процессе функционирования. Всякий раз, когда состояние СДС удовлетворяет условию начала виртуального действия, может произойти действие a, соответствующее данному виртуальному и имеющее определенные времена t Н, t К. То есть виртуальное действие описывает, что может произойти в СДС и при каких условиях, а действие - что произошло/происходит/произойдет и в какое время.

Приведенное выше описание действия позволяет формализовать законы функционирования системы для дальнейшего их использования в имитационных моделях (ИМ). Однако для этого имеется ряд препятствий. Во-первых система, являясь сложной, характеризуется чрезвычайно большим числом действий, отличающихся ~ 29 ~ используемыми ресурсами, временем протекания и т.д. В процессе функционирования системы в ней появляются все новые и новые временные ресурсы и соответствующие действия. Во-вторых, одно и тоже действие может выполняться различными ресурсами (взаимозаменяемыми), что еще больше увеличивает размерность задачи.

Выходом из этого положения является констатация того факта, что множество V = {vq / q = 1,2,..., Q} виртуальных действий, относящихся к определенной системе, может быть разбито на небольшое число подмножеств действий, имеющих одинаковую природу. Это подмножества, которые составляют, например, действия транспортировки, обслуживания, ремонта и т.д. Виртуальные действия, принадлежащие такому Vj V подмножеству, имеют одинаковую логику взаимодействия ресурсов, и V различаются лишь конкретными ресурсами в них участвующими. Подмножество j описывается следующим образом:


( ) ( ( )) ( ( )) ( ( )), V j =, P R, FН C Н R, FК C К R, C Н R (14) где - множество всех возможных множеств R релевантных ресурсов, с v ( ( )) v V j, а CН R v использованием которых можно выполнить виртуальное действие длительность выполнения виртуального действия, зависящая от состояния используемых виртуальных ресурсов СДС.

Таким образом, принадлежность виртуальных действий к определенному типу () ( ( )) ( ( )) v v v означает, что для них P R, FН C Н R и FК C К R одинаковы, т.е. действия одного типа одинаковым образом меняют состояние релевантных ресурсов, требуют v одинаковых условий начала по всем ресурсам, и отличаются лишь множествами R, используемых ресурсов и временем выполнения.

Для формального описания логики виртуальных действий, принадлежащих V подмножеству j, введем понятие операции. Операция o есть формальное описание множества однотипных виртуальных действий:

( ) ( ( )) ( ( )) ( ( )), o = E ( ), P R o, FН C Н R o, FК C К R o, C Н R o (15) где E ( ) - описание множества ;

R - множество формальных ресурсов o операции.

Операцию o в некотором смысле можно уподобить подпрограмме, в которой () ( ( )) ( ( )) P R o, FН C Н R o и FК CК R o - условие выполнения и алгоритмы, описанные в формальных параметрах.

При задании фактических параметров получаем из операции виртуальное действие [8]. Для этого на место каждого формального ресурса ri R операции о необходимо o подставить любой ресурс из некоторого непустого множества однотипных ресурсов.

Операция, следовательно, отражает логику взаимодействия ресурсов системы в () o процессе функционирования. Всякий раз, когда состояние системы соответствует P R ~ 30 ~, может происходить действие а, описываемое операцией o, с различными tН и tК.

Операция описывает, как происходит действие или виртуальное действие и с какими множествами релевантных ресурсов, т.е. что может произойти в СДС при определенных условиях, а действие - что произошло, происходит, произойдет и в какое время.

Приведенное понятие операция может быть представлено как модифицированное правило продукции, введенное ранее:

ЕСЛИ(условие) ТО1(событие 1) ( ( )) ЖДАТЬ( СН R ) o ТО2(событие 2).

Структура продукционного имитатора представлена на рисунке (рисунок 1).

Транслятор языка Система сбора показателей Аппарат ведения Система анимации База событий данных Система трассировки Система имитации нерегулярных событий База Принятие решений знаний (система вывода) Динамическая продукционная система Список событий Рисунок 1 - Структура имитатора Основными его элементами являются динамическая продукционная система и аппарат событий. Действия инициируются системой вывода, а нерегулярные события имитируются специальным блоком. При имитации состояние системы изменяется в соответствии с описанием нерегулярного события либо действия, которое началось или завершилось. После любого изменения состояния, т.е. при каждом событии, вызывается система вывода. Она просматривает в БЗ все операции и проверяет по предусловиям, могут ли они начаться. При нахождении таких операций инициируются события начала соответствующих действий. Продукционная система (БД, БЗ и система вывода), система имитации нерегулярных событий и аппарат ведения событий совместно осуществляют построение модели процесса. На основании анализа результатов имитации на этой модели вычисляются различные показатели функционирования системы. Система ~ 31 ~ трассировки выводит подробную информацию о событиях в специальный файл, который затем обрабатывается для детального анализа процесса и представления информации в удобном виде. Система анимации позволяет отображать на экране во время моделирования поведение системы.

ИМ можно рассматривать как знания ее разработчиков об элементах СДС, их составе, структуре и о том, как они взаимодействуют между собой в процессе функционирования. ИМ сама по себе не позволяет получить законов функционирования СДС как системы и не раскрывает внутренние причинно-следственные связи ее поведения. Она лишь позволяет получить значения выходных переменных по значениям входных.

Поэтому решение многих системных задач, связанных с анализом функционирования, синтезом структур, планированием, управлением и др. не обеспечивается чисто имитационным моделированием, так же как и чисто математическими методами. Как правило, для принятия решений используют сложное сочетание математики, вычислительных методов (обычно имитационного моделирования), эвристических подходов, экспериментальных методов и методов инженерии знаний (чаще всего экспертных систем). Комплексное использование указанных методов и средств обеспечивает пользователя поддержкой при принятии решений.

Необходимость сращивания имитационных моделей (ИМ) с методами исследования операций (оптимизацию) и искусственного интеллекта приводит к идее гибридных систем. Блок оптимизации реализует один из алгоритмов поисковой оптимизации (например, градиентный поиск), а ИМ служит для вычисления значений критерия оптимизации для выбираемых вариантов решения (рисунок 2).

Интерфейс Данные Имитационная Алгоритм поисковой модель оптимизации Блок расчета критерия Блок оптимизации оптимальности Рисунок 2 - Вариант гибридной системы Прогон ИМ обеспечивает, в лучшем случае, получение достоверные результатов в одной точке пространства поиска решений. Проведение исследований при проектировании СДС требует реализации серии экспериментов в большой области ~ 32 ~ поиска, целенаправленность которых обеспечивается в традиционных системах моделирования специалистом-разработчиком.

Для эффективного решения задач моделирование должно иметь интеллектуальную надстройку [9], позволяющую заменить специалиста-разработчика. Использование ИИ позволяет решить проблемы, связанные с накоплением и использованием знаний, их пополнением, выводом новых знаний на основе имеющихся в системе, повышением эффективности моделирования. Получение, обобщение и хранение знаний от специалистов-разработчиков может быть проведено с высоким качеством при использовании экспертных систем.

Сочетание ЭС, представляющих системы ИИ, с ИМ позволяет получить качественно новую ступень в создании инструментальных средств проектирования.

Если ИМ носят, как указывалось выше, описательный характер, то модели, используемые в ЭС, имеют преобразовательный характер, отражая деятельность специалиста при проектировании. Поэтому задачи, решаемые традиционно на ИМ с помощью специалиста, могут решаться в ЭС без его участия.

В отличие от знаний, полученных от экспертов или другим путем, ИМ является способом хранения и получения, в пределе неограниченных знаний об объекте. Это связано с возможностью проведения на модели различных экспериментов и получением при этом новых знаний для заданных условий.

Возможен ряд вариантов взаимодействия ЭС и системы моделирования. В частности обычная ЭС может играть роль интеллектуального интерфейса, позволяющего пользователю выходить на ИМ и методы оптимизации [11, 15]. При этом гибридная система (ГС) реализует функции не только интеллектуального интерфейса, но и интеллектуального вычислителя (рисунок 3).

Интерфейс Данные Имитационная Коррекция параметров Алгоритм поисковой модель алгоритма оптимизации оптимизации Блок расчета Анализ критерия Блок оптимизации Экспертная система оптимальности Рисунок 3 - Структура типовой ГС Рассмотрим функционирование отдельных составляющих такой системы на примере планирования работы некоторого сложного объекта [10]:

ИМ, служит для составления плана и использует для этого набор эвристических приоритетных правил, для определения приоритета того или иного заказа включаемого в план работ. Чем выше приоритет, тем большим преимуществом ~ 33 ~ по сравнению с остальными пользуется заказ, тем более ранние сроки выполнения он должен иметь в плане.

Блок оптимизации для подбора приоритетных правил, обеспечивающих получение планов работы с наилучшими показателями. В теории расписаний рассматривается большое количество приоритетных правил, поэтому необходим выбор лучших правил для текущей ситуации, а также выбор оптимальных значений их параметров.

ЭС, предназначенная для изменения параметров поиска, на основе некоторых представлений человека-оператора о перспективности той или иной стратегии поиска.

Ситуации, в которых необходимо принимать некоторые решения по включению заказа в план называются точками решения. В ИМ рассматриваются следующие точки решения:

после того как выполнение некоторой работы по выполнению заказа завершилось, необходимо выполнить назначение станка для следующей работы заказа. Если есть только одна возможность, то это сделать просто, но иногда имеется несколько возможностей. В этом случае мы выбираем работу заказа, который имеет большее значение приоритета на данном производственном участке из всех остальных заказов.

когда некоторый производственный участок освободился, мы должны решить какой следующий заказ будет выполняться на станке. В этом случае для каждого заказа, который назначен на обработку на данном станке, но еще не выполнялся, вычисляется приоритет и затем выбирается заказ с максимальным значением приоритета.

Цель блока оптимизации – улучшение решения за счет подбора значений управляемых переменных, при этом достижение действительного оптимума менее важно для таких сложных систем, как рассматриваемая производственная система.

Применение точных методов оптимизации, помимо большой сложности, нецелесообразно еще и потому, что алгоритм планирования, который оптимизируется сам по себе эвристический.

Таким образом, гибридная система позволяет использовать сильные стороны различных подходов как математических и вычислительных, так и эвристических, что следует считать типичным для СДС.

Список информационных источников Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб. Для вузов -3-е изд., [1] перераб. и доп. // – М.: Высш. шк., 2001. – 343 с.

Ахохов А.Ч. Вложенная имитационная модель транспортировки в условиях [2] стохастического характера грузопотоков и дальности перевозки/ В.И. Нестеренко, А.Ч. Ахохов, А.М.. Ивахненко, А.Б. Чубуков // Вестник МАДИ(ГТУ), вып.1(12) / МАДИ(ГТУ). – М., 2008. – С.70-73.

~ 34 ~ [3] Jiang, Z., Liu, S., Dougal, R. Design and Testing Spacecraft Power System Using VTB // IEEE Transactions on Aerospace Electronics and Systems. – 2005. Vol. 39, – No. 3. – pp. 976-989.

[4] Fishwick P.A. A taxonomy for simulation modeling based on programming language principles // Journal of Computing and Information Science in Engineering March - Volume 1, – Issue 1, 2001, – pp. 84-91.

.Бенькович Е.С., Колесов Ю.Б., Сениченков Ю.Б. Практическое моделирование [5] динамических систем. – СПб.: БХВ-Петербург, 2002. – 464 с.

Ахохов А.Ч. Методика прогнозирования технико-экономических показателей [6] транспортных предприятий по модели факторного анализа / В.И. Нестеренко, А.Ч.

Ахохов, А.М. Ивахненко // Вестник МАДИ(ГТУ), вып.2(13) / МАДИ(ГТУ). – М., 2008. – С.74-77.

Марка Д.А., Мак-Гоуэн К. Методология структурного анализа и проектирования.

[7] М., Метотехнология, 1993. – 240 с.

[8] Borutzky W. Bond Graphs a methodology for modelling multidisciplinary dynamic systems, SCS, 2004. – 440 p.

Коткин Г. Л., Черкасский В. С. Компьютерное моделирование физических [9] процессов с использованием MATLAB: Учеб. пособие / Новосиб. ун-т. – Новосибирск, 2001. – 173 с.

Могилевский В.Д., Формализация динамических систем. – М.: Вузовская книга, [10] 1999. – 216 с..

Николаев А.Б., Брыль Н.В., Кузнецов С.А. Теоретические основы решения [11] информационно сложных задач / // Вестник МАДИ, вып. 4(23). – М., 2010. – С.74 78.

Остроух А.В. Исследование начального периода моделирования на точность [12] среднеинтегральной оценки имитационных моделей / А.В. Остроух, А.А. Солнцев, Н.В. Солдатов, К.А. Новицкий, П.С. Якунин // Вестник МАДИ. – 2010. - Вып. 2(21).

- С. 61-65.

Остроух А.В. Основы построения систем искусственного интеллекта для [13] промышленных и строительных предприятий: монография / А.В. Остроух. – М.:

ООО «Техполиграфцентр», 2008. - 280 с. - ISBN 978-5-94385-033-2.

Остроух А.В. Системы искусственного интеллекта в промышленности, [14] робототехнике и транспортном комплексе: монография / А.В. Остроух Красноярск: Научно-инновационный центр, 2013. – 326 с. - ISBN 978-5-906314-10 9.

Остроух А.В. Информационные технологии в научной и производственной [15] деятельности / [ред. А.В. Остроух] - М: ООО "Техполиграфцентр", 2011. - 240 с. ISBN 978-5-94385-056-1.

~ 35 ~ РАЗДЕЛ II. ТЕОРИЯ И МЕТОДИКА ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ DOI: 10.12731/2306-1561-2013-4- DIAGNOSTICS OF DEVELOPMENT OF ORGANIZATIONAL AND MANAGERIAL COMPETENCIES OF THE ENGINEERS USING THE SELF-ORGANIZING KOHONEN MAPS Akhterov A.V., Lezina O.V., Shastina A.E.

Abstract The goal of the development of organizational and managerial competencies engineers dictated by change of the content of engineering, to the requirements of the society to the modern engineer, socio-economic benchmarks, etc. To achieve the objectives of the developed complex of pedagogical conditions, contributing to the development of programs of improvement of professional skill. The paper considers modern neural network approach to the evaluation of the effectiveness of mastering engineers of the program of development of organizational and managerial competencies, based on application of self-organizing Kohonen maps.

Keywords: organizational and managerial competencies, engineer, training, performance evaluation, neural networks, self-organizing Kohonen maps.

УДК 377. ДИАГНОСТИКА РАЗВИТИЯ ОРГАНИЗАЦИОННО-УПРАВЛЕНЧЕСКИХ КОМПЕТЕНЦИЙ ИНЖЕНЕРОВ С ПОМОЩЬЮ САМООРГАНИЗУЮЩИХСЯ КАРТ КОХОНЕНА Ахтеров А.В., Лезина О.В., Шастина А.Е.

Аннотация Цель развития организационно-управленческих компетенций инженеров продиктована изменением содержания инженерной деятельности, требованиями общества к современному инженеру, социально-экономическими ориентирами и т.д.

Для достижения цели разработан комплекс педагогических условий, способствующий освоению программ повышения квалификации. В статье рассматривается современный нейросетевой подход к оценке эффективности усвоение инженерами программы развития организационно-управленческих компетенций, основанный на применении самоорганизующихся карт Кохонена.

~ 36 ~ Ключевые слова: организационно-управленческие компетенции, инженер, повышение квалификации, оценка эффективности, нейронная сеть, самоорганизующиеся карты Кохонена.

Организационно-управленческие компетенции (ОУК), наряду с базовыми (общепрофессиональными) и специализированными (профессионально-профильными), относятся к профессиональным компетенциям, и включают способность организовывать и планировать работу, извлекать и анализировать информацию из разных источников, применять полученные знания на практике, адаптироваться к новым ситуациям и т.д.

Рисунок 1 - Структура профессиональной компетентности В структуре профессиональной компетентности, представленной на рисунке 1, мы выделяем 3 компонента организационно-управленческой компетентности: ценностный, когнитивный и технологический, формирование которых происходит за пять этапов:

на начальном этапе осознанная потребность инженеров в развитии ОУК формирует мотив познавательной деятельности, начинает формироваться ценностный компонент;

на оценочно-адаптивном этапе происходит оценка начального уровня ОУК у инженеров, происходит отбор учебных модулей, развивается ценностный компонент;

на познавательном этапе происходит накопление организационных и управленческих знаний, на основании которых формируются организационные и управленческие умения, формируется когнитивный компонент и начинает формироваться технологический компонент организационно-управленческой компетентности;

~ 37 ~ на рефлексивном этапе происходит переосмысление и оценка инженерами полученных знаний, формируются стремления удовлетворять свои познавательные потребности и интересы путем самообразовательной деятельности, продолжается развитие когнитивного компонента;

на деятельностном этапе происходит актуализация результатов обучения, слушатели начинают применять приобретенные знания и навыки в практической деятельности, они осознают собственные способности и возможности при условии непрерывного самообразования в профессиональной сфере, развивается технологический компонент.

Инструментарий для исследования развития компонентов организационно управленческой компетентности в процессе повышения квалификации представлен в таблице 1.

Таблица 1 - Диагностика развития ОУК инженеров Средства и Компоненты Критерии Показатели методы диагностики Ценностный Ценности Человекоцентрированные ценностные тест Т. Элерса ориентации;

уважение и осознание к (мотивация значимости других людей;

стремление к успеху);

успеху;

потребность в постоянном тест Д. Марлоу, пополнении знаний, Д. Краун;

самосовершенствовании Когнитивный Организац Знания о проектировании опросник ионные и организационной структуры, «Якорь управленче коммуникаций;

знания о распределении карьеры» Э.

ские знания полномочий, их делегировании;

знания Шейна;

об организации групповой работы;

разработанный знания основ управления организацией и тест персоналом;

готовность к проявлению личной инициативы, к профессиональному росту, к управлению людьми и бизнес процессами Технологичес Организац Умение распределять полномочия, наблюдение;

кий ионные и эффективно организовывать групповую анализ управленче работу;

способность управлять результатов ские конфликтными ситуациями;

умение работ;

метод умения анализировать и совершенствовать самооценки процессы принятия решений и организационные коммуникации;

умение правильно применять методы решения управленческих проблем;

понимание, выявление и умение преодолевать препятствия на пути реализации решений, проектов ~ 38 ~ Для оценки развития ценностного компонента организационно-управленческой компетентности инженеров были применены методики Т. Элерса (мотивация к успеху и мотивация избегания неудач) и Д. Марлоу и Д. Крауна («шкала лжи», стремление к одобрению).

Мотивация стремления к успеху носит положительный характер. При такой мотивации действия человека направлены на достижение конструктивных, положительных результатов. В этом случае личностная активность зависит от потребности в достижении успеха. Мотивация боязни неудачи носит негативный характер. При таком типе мотивации человек стремится прежде всего избежать плохого отношения к себе, и даже наказания. Ожидание неприятностей определяет его деятельность. В этом случае, думая о предстоящей деятельности, человек уже боится возможного провала и ищет выход, как его избежать, а не как добиться успеха. То есть для активации познавательной деятельности слушателей преподавателю нужно актуализировать потребность инженеров в достижении успеха как в процессе обучения в ИПК, так и при последующем решении организационно-управленческих задач в своей профессиональной деятельности [1 – 11].



Pages:   || 2 | 3 | 4 | 5 |   ...   | 6 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.