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:     | 1 |   ...   | 3 | 4 || 6 |

«СИСТЕМЫ УПРАВЛЕНИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ Сборник трудов Выпуск 9 2002 Министерство образования Российской Федерации ...»

-- [ Страница 5 ] --

Иначе говоря, средства нерационально расходуются на привлечение клиентов через Сеть Интернет, так как большинство привлекаемых через Сеть клиентов и так знают о деятельности этой фирмы из несетевой (традиционной) рекламы. Избежать допол нительных расходов можно, правильно формируя предложение, для чего следует от ветить на ключевые вопросы:

1. Чем занимается компания?

2. Чем предложение компании лучше и отличается от предложения конкурентов?

3. Что продает компания?

4. Каковы цели компании?

Ответы на эти вопросы и станут тем самым маркетинговым сообщением, пред назначенным для привлечения и формирования целевой аудитории посетителей сай та.

После определения структуры целевой аудитории web-сайта следует заняться ее привлечением. Интернет предоставляет множество инструментов воздействия на целевую аудиторию. Среди них следует выделить размещение рекламы на тематиче ских и общеинформационных сайтах, баннерные сети, e-mail маркетинг, продвижение с помощью поисковых систем и каталогов, обмен ссылками, рейтинги, партнерские и спонсорские программы. В результате грамотного и точно сформулированного ком мерческого предложения поисковые сервера, индексирующие сайт, заносят для его описания ключевые слова, наиболее точно характеризующие бизнес компании.

Службы поддержки крупных информационных сетевых каталогов будут четко пред ставлять, к какому разделу отнести информацию о данной компании, а при обмене ссылками с другими ресурсами, их владельцы смогут наиболее точно оценить пер спективность сотрудничества с фирмой. Для практической реализации указанных по ложений необходимо определить порядка десяти наиболее важных ключевых слов, характеризующих область деятельности фирмы и затем ввести описание сайта, со ставленное с использованием выбранных ключевых слова, в наиболее популярные поисковые машины и каталоги, после чего оценить полученный результат. Такой ана лиз позволит определить, какие из полученных ссылок полезны, а какие могут ввести потенциального клиента в заблуждение. Для выявленных информационно некоррект ных ссылок целесообразна их повторная перерегистрация.

Для эффективного проведения рекламной кампании в Сети следует учесть множество факторов трудно поддающихся качественной, а, тем более, количествен ной оценке. Необходимо учитывать целесообразность одновременного использования оффлайн и онлайн рекламы, действия конкурентов, поведение рынка, влияние сезон ных изменений на предпочтения потребителей и множество других факторов. Без учета всей совокупности действующих факторов вложение больших денег само по себе не гарантирует получение результата, в котором заинтересован рекламодатель. В ряде случаев, увеличение средств на рекламу того или иного товара в Сети, эффек тивно до определенного предела, после достижения которого увеличение рекламных затрат практически не влияет на увеличение продаж.

В процессе планирования необходимо оценить эффективность уже проведен ных мероприятий, причем оценка эффективности маркетинговой кампании во многих случаях не может быть автоматически сведена только к подсчету числа посетителей, прошедших по ссылке с баннера на рекламируемый web-сайт [3,4]. Когда цель рек ламной кампании продвижение торговой марки бессмысленно считать число людей пришедших по ссылке конкретного баннера или информационного блока. Гораздо более интересная и информативна характеристика показа или, другими словами, сколько человек имело шанс запомнить продвигаемую торговую марку. В настоящее время баннерная реклама - доминирующая рекламная технология в сети Интернет, затраты на которую составляют более половины всех расходов на сетевую рекламу.

Доля баннеров в общем объеме сетевой рекламы постепенно сокращается в пользу других рекламных технологий. По данным PricewaterhouseCoopers распределение до ходов от Интернет-рекламы в 2000 году составило: баннеры – 55%, спонсорский кон тент – 27%, байрики и вставки – 3%, E-mail – 2%, поисковые системы – 1%, прочее – 12%. Согласно исследованию, среднестатистический пользователь с каждым годом уделяет традиционным баннерам на 30 % меньше внимания, а по истечению трех лет деятельности в Сети начинает задумываться над тем, как от них избавиться. В момент появления баннеров их проклик (число показов/число нажатий) составлял около 10%, к настоящему времени он упал до 0,5% в элитных баннерных сетях и до 0,15% в обычных. Это объясняется тем, что баннер всегда был избыточен по отношению к интересам пользователя, либо к ним совсем не относился.

Одним из возможных способов оценки реальной эффективности маркетинго вой кампании служит опрос пользователей Web-сайта, проведенный перед началом рекламной кампании и после ее завершения. Сравнение чисел относящихся к торго вой марке дает результирующую эффективность. Цель этих действий отслеживание зависимости результата от предпринимаемых маркетинговых шагов.

Маркетинговый план может объединять онлайновые данные о рынке, стратеги ческие цели организации, достоверное оценивание внутренних возможностей и тре буемой внешней поддержки, детальное перечисление шагов, необходимых для ис полнения и эффективную систему измерения полученных результатов и их улучше ний [2].

Затраты связанные с неправильным проведением маркетинговых мероприятий сказываются на бюджете фирмы как прямо, за счет нерациональных расходов на рек ламу, так и косвенно в виде недополученной прибыли, так как ухудшение имиджа фирмы после плохо проведенной рекламной кампании ведет к уменьшению интереса покупателей.

Реклама в сети Интернет за счет интерактивности позволяет оказывать макси мальное воздействие на пользователей Сети. Подготавливая проведение рекламной кампании в Интернет, следует учитывать, что Сеть не предназначена исключительно для интернет-бизнеса. Интернет совершенно обычный канал распространение ин формации, такой как телевидение, радио, печатные издания или щитовая реклама.

Правильный подход к использованию Интернета складывается из нескольких про стых аксиом. Важнейшая из них та, что распространение информации в сети Интер нет, интернет-маркетинг и интернет-реклама - не отдельные сущности, а часть общей рекламной и маркетинговой стратегии компании. Из этого вытекает, что использовать Интернет следует только в том случае, когда именно использование Сети дает наи больший выигрыш по сравнению с другими существующими средствами.

Посредством коэффициента эффективности и опросов посетителей, можно оценить, насколько "правильную" аудиторию удалось привлечь на web-сайт. Анали зируя данные можно:

1. узнать, какие web-страницы наиболее популярны и с каких (потенциально наименее интересных) страниц посетители чаще всего покидают сервер (анализ log файлов сервера);

2. определить, сколько пользователей отказываются от заказа и покидают страницу «Корзина» без его оформления;

3. увеличить среднюю сумму заказов в магазине путем информирования поку пателя о товарах, могущих его заинтересовать исходя из данных уже оформленного заказа.

Постоянное наблюдение за web-сайтом и анализ поступающей информации по зволяют снизить усилия, направленные на продвижение web-ресурса, многократно повысить эффективность рекламной деятельности.

Список использованных источников 1. Лукьянов С. Ананченко И. Мини-сайт – инструмент Интернет-маркетинга.

Магия ПК №5(50)/ 2. Хэнсон У. Internet-маркетинг. Учебно-практическое пособие. М.: ЮНИТИ ДАНА, 2001. – 527 с.

3. Холмогоров В. Интернет-маркетинг. Краткий курс. 2-е изд. СПб: Питер, 2002.-272 с.: ил.

4. Крупник А. Как продать товар и получить деньги в INTERNET. Москва:

“МикроАрт”, 2000.-240 с.

В.Н.Стариков ПРИМЕНЕНИЕ РАЗНОСТИ ПУАССОНОВСКИХ СЛУЧАЙНЫХ ВЕЛИЧИН ПРИ МОДЕЛИРОВАНИИ СЛОЖНЫХ СИСТЕМ И ПРОЦЕССОВ Введение В [1] указано, что часто бывает так, что распределение Пуассона хорошо или удовлетворительно описывает все, почти все или только часть опытных распределе ний или оно чуть-чуть не дотягивает до удовлетворительного описания отдельных опытных распределений по критерию хи-квадрат. В этом случае применяют различ ные модификации, обобщения, смеси, рандомизации, сплайсинги распределения Пу ассона, что обычно приводит к успеху в описании опытных данных за счет потери основного содержания модели распределения Пуассона. Основное содержание моде ли распределения Пуассона (закон редких событий) иногда удается сохранить, заме нив случайную величину с распределением Пуассона на разность случайных величин, имеющих распределения Пуассона.

Материалы и методы Итак, для многих сложных систем и процессов в физике, химии, биологии и технике ожидаемое пуассоново распределение признаков на опыте не всегда наблю дается. Причиной тому может быть конкуренция двух пуассоновых случайных про цессов: 1) проявление данного признака у объекта и 2) его подавление (непроявле ние). В любой момент времени t первый и второй процессы дают случайные величи ны X и Y, имеющие распределения Пуассона соответственно с параметрами a/2 и b/2, где a=a(t) и b=b(t). Тогда на опыте в данный момент будет наблюдаться распределение признака в виде разности X-Y двух независимых пуассоновых случай ных величин.

Пусть X и Y – две независимые пуассоновы случайные величины с параметрами a/2 и b/2 соответственно и P{X-Y=s|b, a}=ps – вероятность того, что разность X-Y рав на s, где s=0,1,2,… Известно [2, с. 19], что если две случайные величины независимы и подчинены распределению Пуассона с параметрами a/2 и b/2, то разность этих ве личин имеет связь с нецентральным распределением хи-квадрат. Используя эту связь, ( ) s/ b -( a +b ) / Is для данной вероятности имеем P{X-Y=s| b, a}= ce ab, где a ( ) s/ ab (( ab / 4 )n ab = Is - модифицированная функция Бесселя порядка s, c – нор n ! n + s )!

4 n = мировочный множитель, определяемый из условия нормировки P{ X - Y = s b, a} =1 с помощью формулы [3, с. 692, формула 5.8.1.2]:

s = (e ( )). Все расчеты I ( z ) =0,5e - 0,5I ( z ). Имеем c= 2e ( (a / b ) - a+b ) / + I s/ ab z ab s s = проводились с помощью программы Mathcad.

Для иллюстрации взяты данные о сложных биологических и гидрологических системах и процессах. Обратимся, например, к данным Перфильева В.Е. и др. [4] о распределении числа ns цветковых почек в зависимости от числа S образовавшихся в них плодов для сорта яблони Богатырь в 1975 г. (табл. ниже).

S= 0 1 2 3 4 5 6 7 Всего Опыт, ns 167 133 73 23 17 2 2 0 Теория, nps 156,95 135,13 77,61 32,75 10,83 2,93 0,67 0,13 417, 831 + 352 + 93 + 39 + Например, 1 плод образовали 133 цветковые почки из опыта и 135,45 согласно теоретического распределения для разности двух пуассоновых случайных величин с параметрами a=2,2812 и b=2,8. При расчете экпериментального значения статистики хи-квадрат c экспер объединяем в один класс четыре “хвостовых” класса с 4, 5, 6 и плодами, которые на опыте образовали соответственно 17, 2, 2 и 0 цветковых почек (всего 21 почка), и группируем в один класс четыре соответствующих им “хвостовых” класса теоретических частот 10,36, 2,76, 0,62 и 0,12 цветковых почек (всего 13,86). Оказалось, что c экспер =0,6435+0,0336+0,2738+2,9027+2,8485=6,7021.

c12-0, 025 (2) = 7,378. Поэтому при любом уровне Это меньше, чем табличное значение значимости a0,025 и двух степенях свободы у нас нет оснований отвергать гипотезу о том, что данные опыта соответствуют распределению разности двух пуассоновых случайных величин. Т. е. эта гипотеза принимается, тогда как по расчетам выше упо мянутых авторов гипотезу о том, что данные опыта соответствуют распределению одной пуассоновой случайной величины следует отвергать при любом уровне значи мости a0,01 и трех степенях свободы.

Заметим что, используемый Перфильевым В.Е. и др. [4] плодоводческий тер мин «цветковые почки» для семечковых (яблоня, груша, айва, мушмула и др.) являет ся синонимом ботанического термина «соцветие», ибо у семечковых каждая цветко вая почка дает только одно соцветие (для косточковых это не всегда так). Поэтому даваемое в транскрипции авторов выражение «распределение числа цветковых почек в зависимости от числа образовавшихся в них плодов» следует понимать как «рас пределение числа соцветий в зависимости от числа образовавшихся в них плодов».

Немного об оценке параметров для распределения разности двух пуассоновых случайных величин. Определение двух неизвестных и оцениваемых по выборке па раметров a и b крайне трудна методом моментов в этом случае, ибо получающиеся уравнения для оценки параметров содержат бесконечные ряды от спецфункций. Для оценки параметров мы разработали двухэтапный метод: на 1-ом этапе методом от ношения вероятностей получают грубые оценки параметров, уточняемые на 2-ом этапе методом минимума хи-квадрат.

Пусть n – объем выборки (в табл. выше n=417), ns и nps - опытные и теоретические частоты наблюдения случайной величины s раз, s=0,1,2,…( в табл. выше n0=167, np0=159,20, n1=133, np1=133,45 и т. д.). Метод отно шения вероятностей состоит в приравнивании отношений опытных и теоретических частот наиболее вероятных классов: ns/n0=nps/np0, s=1,2,3. Для табл. выше имеем n1/n0=133/167 n2/n0=73/167, n3/n0=23/167. Используя выражение ps через Is(x), имеем np 2 I 2 b b 2I 1 b np1 I 1 I b 2np b b = = = I0 - 1 = - 2 1 =,, I np 0 I 0 a np 0 I 0 a a ab 0 a I0 a anp a 3/ np3 b 8 I b 8 np 4 4b = + 1 1 - = + 1 1 - 2. Здесь использованы рекурсии: I2= np 0 a ab I 0 a ab np0 a ab I0-2 I1/b, I3=(8/b2+1)I1-4I0/b, Is.= Is( ab ). Имеем уравнения для метода отношения ве роятностей b=a n2/n0+2 n1/n0, a2 n3/n0=(8+ab)n1/n0-4b. (1) Метод дает приближенные значения a=2,2811871 и b=2,58998. При этом c экспер =9,8936. Метод минимума хи-квадрат (частичный) без изменения a и поиском минимума по b дает b=2,85. Значения теоретических частот nps для этого случая при ведены в табл. выше. При этом c экспер =6,7021. Здесь гипотеза принимается при уровне a0,025 и при двух степенях свободы, а для чисто пуассонова распределения по дан ным Перфильева В. Е. и др. [4] в этом случае c экспер =22,07, и гипотеза отвергается при уровне a=0,01 и при трех степенях свободы. Мы не стали проводить полную миними зацию методом минимума хи-квадрат ввиду очевидности полученных результатов.

Ниже - еще один пример из гидрологии: данные за 278 лет о распределении числа наводнений ns (выше 150 см над ординаром) в устье Невы в зависимости от их числа S в году [8, с. 124, табл. 24].

S= 0 1 2 3 4 5 6 7 8 Всего Опыт, n139 79 37 13 5 3 0 1 1 Теория, 140,46 80,97 37,07 13,79 4,27 1,12 0,26 0,05 0,01 nps 831 + 352 + 93 + 39 + Например, 1 наводнение в год наблюдалось в течение 79 лет из 278 и 80,97 лет согласно теоретического распределения для разности двух пуассоновых случайных величин с параметрами a=7,2491 и b=3,0663. При расчете экпериментального значе ния статистики хи-квадрат c экспер объединяем в один класс пять “хвостовых” классов с 3, 4, 5, 6, 7 и 8 наводнениями в год, которые на опыте наблюдались в течение соот ветственно 13, 5, 3, 0, 1,1 лет (всего 23 года), и группируем в один класс четыре соот ветствующих им “хвостовых” класса теоретических частот 13,79, 4,27, 1,12, 0,26, 0,05, 0,01 (всего 19,5 лет). Оказалось, что c экспер =0,6914. Это меньше, чем табличное значе ние c1-0, 30 (1) = 1,074. Поэтому при любом уровне значимости a0,30 и одной степе ни свободы у нас нет оснований отвергать гипотезу о том, что данные опыта соответ ствуют распределению разности двух пуассоновых случайных величин. Т. е. эта ги потеза принимается. Параметры a=7,2491 и b=3,0663 в этом случае были оценены ме тодом отношения вероятностей. Их уточнение методом минимума хи-квадрат не по требовалось.

Ниже пример из геоботаники: данные о распределении числа ns учетных пло щадок в зависимости от числа генеративных побегов S растений Veronica incana в них [7, с. 20].

S= 0 1 2 3 4 5 6 Опыт, ns 5 6 7 6 10 4 3 Теория, nps 4,13 5,83 7,17 7,71 7,30 6,13 4,61 3, S= 8 9 10 11 12 13 Всего Опыт, ns 0 2 1 2 0 1 Теория, nps 1,92 1,08 0,56 0,27 0,12 0,05 831 + 352 + 93 + 39 + Например, 1 генеративный побег растений Veronica incana наблюдался на площадках на опыте и на 5,83 площадках согласно теоретического распределения для разности двух пуассоновых случайных величин с параметрами a=5,666667 и b=11,59375. При расчете экпериментального значения статистики хи-квадрат c экспер объединяем в один класс восемь “хвостовых” классов с 6, 7, 8, 9, 10, 11, 12, 13 генера тивными побегами, которые на опыте наблюдались соответственно на 3,3,0,2,1,2,0 и площадках, и группируем в один класс восемь соответствующих им “хвостовых” класса теоретических частот 4,61, 3,12, 1,92, 1,08, 0,56, 0,27, 0,12 и 0,05 (всего 11, площадки). Затем объединяли в один класс классы 0 и 1 генеративным побегом, 2 и генеративными побегами, 4 и 5 генеративными побегами. Из 3 пар классов после объ единения получили 3 более крупных класса для того, чтобы суммы теоретических частот nps в них были не меньше, чем 10 (обычная рекомендация для критерия хи квадрат). Оказалось, что c экспер =0,3754. Это меньше, чем табличное значение c12-0, 5 (1) = 0,455. Поэтому при любом уровне значимости a0,5 и одной степени сво боды у нас нет оснований отвергать гипотезу о том, что данные опыта соответствуют распределению разности двух пуассоновых случайных величин. Т. е. эта гипотеза принимается. Параметры a и b в этом случае были оценены методом отношения веро ятностей, а затем уточнены методом минимума хи-квадрат.

Результаты и обсуждение Итак, содержательная модель, заменяющая случайную величину с распределе нием Пуассона, на разность случайных величин, имеющих распределения Пуассона с параметрами a/2 и b/2 соответственно, позволяет описать теоретически некоторые почти пуассоновы опытные распределения, например, данные Перфильева В.Е. и др.

[4] о распределении числа завязавшихся плодов в зависимости от числа цветков. Мо дель здесь такова. Процессы образования цветков (завязывания плодов) и опадения цветков (неразвития и опадения плодов) – два пуассоновых процесса, в любой момент времени описываемых распределениями Пуассона. Поэтому в любой момент времени имеем две пуассоновы случайные величины. Окончательное число цветков (плодов) на дереве есть разность между числом образовавшихся и числом опавших цветков (плодов). Имеем разность двух пуассоновых случайных величин с параметрами a и b.

Аналогично разность двух пуассоновых случайных величин может аппроксимировать почти пуассоново распределение числа яиц в гнезде скворцов [5, табл. 13.6, с. 365;

6].

В первом случае конкурируют два пуассоновых процесса: обнаружение (сохранение) яиц в гнезде и их потеря (несохранение). В случае поражения клетки излучением мо гут конкурировать два пуассоновых процесса: повреждение и репарация (неповреж дение),- и т.д. Заметим, что если максимальная частота n0 (мода), а последующие частоты n1, n2 и n3 монотонно убывают и если решения уравнения (1) дают одну пару или две пары значений параметров b0, a0 и b0, a=0, то это как правило указывает на то, что распределение разности двух пуассоновых случайных величин вырождает ся в обычное распределение одной пуассоновой случайной величины, и не следует применять для оценки параметров метод минимума хи-квадрат, ограничившись обычным распределением Пуассона. Но если при тех же условиях решения уравнения (1) дают одну пару или две пары значений параметров b0, a0 и b0, a=0, то это как правило указывает на то, что распределение разности двух пуассоновых случайных величин может адекватно описывать данное опытное распределение, причем лучше, чем обычное распределение Пуассона. Поэтому для оценки параметров a и b следует применить метод минимума хи-квадрат. Хотя из этого правила есть исключения.

Оказалось, что для большинства сортов яблони в 1975-1977 годах учета из дан ных Перфильева В.Е. и др. [4] опытные распределения числа цветковых почек в зави симости от числа образовавшихся в них плодов хорошо (достаточно адекватно) опи сываются теоретическим распределением в виде распределения разности двух пуас соновых случайных величин. При этом согласие улучшается даже в тех случаях, ко гда по данным Перфильева В.Е. и др. вполне удовлетворительное согласие дает обычное распределение Пуассона.

Более того, распределение разности двух пуассоновых случайных величин хо рошо описывает распределение числа мелких учетных квадратов в зависимости от числа растений Poterium sanguisorba в них [7, с. 50], а также данные о распределении числа гнезд скворца обыкновенного в зависимости от числа яиц в гнезде [5, табл.

13.6, с. 365;

6]. Однако в случае распределения числа гнезд скворца уравнение (1) не применимо, ибо отсутствует класс для s=0.

Вполне вероятно, что распределение разности двух пуассоновых случайных величин будет хорошо описывать распределение дискретных признаков многих сложных систем и процессов в физике, химии, биологии и технике. По крайней мере упомянутые выше примеры из биологии и гидрологии позволяют на это надеяться.

Заключительные замечания Известно, что если по критерию хи-квадрат обнаружилось значимое отклоне ние от распределения Пуассона, то иногда совпадение может быть улучшено, если считать параметр его распределения случайной величиной, имеющей непрерывное гамма-распределение. При этом получается отрицательное биномиальное распреде ление [9, с. 174]. Этим, возможно, объясняется широкое использование отрицательно го биномиального распределения в биологии и др. науках.

Заметим, что обычное распределение Пуассона – предельный случай биноми ального распределения. Пусть случайная величина X имеет биномиальное распреде ление Pn(i)= С n pi (1-p) n-i, а параметр p этого распределения имеет непрерывное бета i распределение (т.е. представляет собой i-ю порядковую статистику из n порядковых статистик, распределенных на отрезке [0;

1]). Тогда исходная случайная величина имеет распределение Pn(i,p)= C n pi (1-p)n-i ps-1 (1-p) r-1 /B(s,r). Тогда усреднение по p i дает C sn--1i+ n -i Crr--11+i Cni 1 i + s - p (1 - p ) dp = C s +r -1.

n -i + r - P (i, s, r ) = B ( s, r ) 0 s + r -1+ n При замене s=q/g, r=p/g, n=n, i=k видно что это обычное распределение Пойа [10, стб. 387]. Получили характеризацию распределения Пойа и возможность его использования вместо биномиального распределения и распределения Пуассона.

Список использованных источников 1. Стариков В.Н. О нецентральном распределении хи-квадрат. В сб.: Материа лы II международной научно-практич. конф. «Проблемы преемственности в системе непрерывного педагогического образования», Мичуринск, 28-29 мая 2002 г. Мичу ринск: Изд-во МГПИ, 2002. С. 172-173.

2. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Нау ка, 1983. 416 с.

3. Прудников А.П., Брычков Ю.А., Маричев О.И. Интегралы и ряды. Специ альные функции.- М.: Наука, 1983. 752 с.

4. Перфильев В.Е. и др. Распределение цветковых почек яблони по числу обра зовавшихся из них плодов// Бюлл. ЦГЛ им. И.В.Мичурина.- 1978.- Вып. 28. С. 16-21.

5. Солбриг О., Солбриг Д. Популяционная биология и экология.- М.: Мир, 1982. 488 с.

6. Стариков В.Н. Аппроксимация выборочных частот двух признаков скворца обыкновенного. В сб.: Межвузовский сборник "Гнездовая жизнь птиц".- Пермь: Изд во Пермского гос. пед. ун-та,1997. С. 115-118.

7. Василевич В.И. Статистические методы в геоботанике.- Л.: Наука (ЛО), 1969.

232 с.

8. Биометрия: Уч. пособие/ Глотов Н. В., Животовский Л.А., Хованов Н.В., Хромов-Борисов Н.Н./ Под ред. Тихомировой М.И. Л.: Изд-во ЛГУ, 1982. 264 с.

9. Чернышов Г.Л., Стариков В.Н. Вероятность и статистика в биологии и хи мии. Воронеж: Изд-во ВГУ, 1998. 272 с.

10. Математическая энциклопедия. Том 4. «Ок – Сло»/ Под гл. ред. И.М. Вино градова. М.: Советская энциклопедия, 1984. 1216 с.

Л.В.Фомченкова ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ПРОЦЕССА РАЗРАБОТКИ ЛОГИСТИЧЕСКОЙ СТРАТЕГИИ ОРГАНИЗАЦИИ Последние десятилетия ХХ века ознаменовались бурным развитием интеграци онных процессов, протекающих в мировой экономике, и достижением ими наивыс шей степени своего развития. В современных условиях страны уже не в состоянии осуществлять свое развитие без учета приоритетов и норм поведения других участни ков мирохозяйственной деятельности. Все это позволяет сделать вывод о возникнове нии новой тенденции в развитии международной экономики – ее глобализации. Гло бализационные процессы привели к значительному изменению условий бизнеса. Дру гими стали и сами организации, их место и роль в среде бизнеса. А значит должен измениться и процесс управления организациями, в том числе и процесс стратегиче ского управления логистическими системами промышленных предприятий.

Из происходящего процесса глобализации российские организации могут из влечь выгоду и найти свое место в мировой экономике. Повышению их конкуренто способности может способствовать успешная логистическая стратегия. Необходимо, чтобы такая стратегия носила глобальный характер и учитывала изменения условий бизнеса, происходящие в настоящее время. Глобальная логистическая стратегия должна быть направлена на формирование устойчивых связей между организациями отдельных стран на основе международного разделения труда, особенно в форме по детальной и технологической специализации и межотраслевого кооперирования. Тра диционно в рамках логистической стратегии определяются места строительства скла дов, автомобильных и железных дорог, терминалов, анализируются грузовые потоки [1]. В условиях глобализации экономики логистическая стратегия должна предусмат ривать возможность частичной или полной передачи выполнения отдельных бизнес функций и даже частей бизнес-процесса сторонним лицам или организациям, способ ным осуществить их более эффективно, а также участие в сетевых корпорациях.

Для разработки эффективной логистической стратегии необходимо соответст вующее информационное обеспечение, которое принято определять как действия по предоставлению нужной для управленческой деятельности информации в требуемое место на основе определенных процедур с заданной периодичностью [2]. На основе анализа информации о состоянии внешней и внутренней среды бизнеса принимаются стратегические решения о построении и развитии логистических систем промышлен ных предприятий.

В процессе разработки логистической стратегии представляется целесообраз ным использовать имитационную динамическую модель промышленного предпри ятия [3]. Использование моделирования в стратегическом анализе и планировании деятельности логистических систем промышленного предприятия дает ряд преиму ществ по сравнению с традиционными методами, а именно:

обеспечивается учет неопределенности. Модель может включать в себя такие неопределенные переменные, как будущий спрос, цену продукции, изменение про центных ставок и т.д.;

имеется возможность проводить сравнение альтернативных вариантов. При менение моделирования позволяет неоднократно пользоваться моделью при анализе альтернативных логистических стратегий и воздействия их реализации на изменение стратегических позиций;

имеется возможность для отслеживания поведения различных показателей внутреннего состояния предприятия, в частности, прибыли, объема продаж и т.д. в ходе реализации стратегии;

обеспечивается непротиворечивость данных. Применение модели дает возмож ность непротиворечивым и стандартизованным образом проанализировать различные данные о состоянии предприятия. Не имея расчетных данных легко впасть в субъек тивизм, в результате чего результаты стратегического анализа могут оказаться оши бочными;

устраняются риски. Использование модели не несет в себе каких-либо сущест венных рисков. При отсутствии модели различные стратегии можно проверить только в реальной ситуации, что совершенно неприемлемо, поскольку связано с рисками по терь доходов и банкротством. Применение моделирования позволяет устранить такие риски.

экономится время. Модель позволяет проиграть различные сценарии развития ситуации за относительно короткий отрезок времени, что является очень важным в быстро изменяющихся условиях бизнеса.

В условиях рыночной экономики объем производственных ресурсов сущест венно зависит от количества реализованной предприятием продукции, произведенной им в предыдущие периоды. Поэтому более реальным отражением действительности является динамическая модель функционирования предприятия, учитывающая влия ние ранее выпущенной и реализованной продукции на производственные ресурсы данного периода [4]. Динамическая модель позволяет проводить комплексное иссле дование предприятия как целостной системы, осуществляющей многообразные, взаимосвязанные функции, находящейся в определенных взаимоотношениях со сре дой бизнеса, воздействующей на эту среду и подвергающейся последовательным из менениям под влиянием внешних и внутренних факторов.

По мнению И.В. Максимея [5], реальные сложные системы, какими являются логистические системы промышленных предприятий, можно исследовать с помощью двух типов математических моделей: аналитических и имитационных. В аналитиче ских моделях поведение системы записывается в виде некоторых функциональных соотношений или логических условий. Наиболее полное исследование удается про вести в том случае, когда получены явные зависимости, связывающие искомые вели чины с параметрами системы и начальными условиями ее изучения. Это удается вы полнить только для сравнительно простых систем. Для сложных систем зачастую приходится упрощать представления реальных явлений, дающие возможность опи сать их поведение и представить взаимодействия между компонентами системы. Ко гда явления в сложной системе настолько сложны и многообразны, что аналитическая модель становится слишком грубым приближением к действительности, то использу ется имитационное моделирование. По сравнению с другими методами прикладного системного анализа имитационное моделирование позволяет рассматривать большее число альтернатив, улучшать качество управленческих решений и точнее прогнози ровать их последствия.

Имитационное моделирование представляет собой процесс конструирования модели реальной системы и постановки экспериментов на этой модели с целью либо понять поведение системы, либо оценить (в рамках ограничений, накладываемых не которым критерием или совокупностью критериев) различные стратегии, обеспечи вающие функционирование данной системы. В имитационной модели поведение компонент системы описывается набором алгоритмов, которые затем реализуют си туации, возникшие в реальной системе. Моделирующие алгоритмы позволяют по ис ходным данным, содержащим сведения о начальном состоянии системы, и фактиче ским значениям параметров системы отобразить реальные явления в системе и полу чить сведения о возможном ее поведении для данной конкретной ситуации. К досто инствам имитационного моделирования относятся:

возможность описания поведения компонент экономической системы на высо ком уровне детализации;

отсутствие ограничений на вид зависимостей между параметрами имитацион ной модели и состоянием внешней среды;

возможность исследования динамики взаимодействия компонент во времени и пространстве параметров системы [5].

Отмеченные достоинства обеспечивают возможность использования имитаци онного моделирования в процессе стратегического планирования деятельности логи стических систем предприятия. Сущность имитационного динамического моделиро вания состоит в создании моделей, имитирующих поведение той или иной системы в изменяющихся во времени условиях [6].

Любая производственно-коммерческая организация может быть представлена в виде системы, функционирующей во внешней среде. На входе она получает ресурсы из внешнего окружения, на выходе отдает ей созданный продукт. Таким образом, жизнедеятельность организации в самом простом виде состоит из трех основопола гающих процессов: получение ресурсов из внешнего окружения;

изготовление про дукта;

передача продукта во внешнюю среду. Внешние связи предприятия осуществ ляются в виде поступлений факторов производства от поставщиков и сбыта готовой продукции потребителям. Предметом связи являются информация, товары (услуги) и финансы. Кроме того, у предприятия существуют связи с социально-экономической системой окружения (макросредой), представленной правовой, экономической, поли тической, социальной и технологической подсистемами.

Имитационная динамическая модель, предназначенная для целей стратегиче ского планирования деятельности логистической системы предприятия, должна дос таточно адекватно воспроизводить динамику реальных внутренних экономических процессов организации, происходящих при ее взаимодействии с окружающей средой.

Для этого в модели предприятие может быть в самом простом случае представлено подсистемами маркетинга, производства и финансов, внешняя среда - экономической, социальной и технологической составляющими, а так же потребителями, поставщи ками и конкурентами.

Информация о состоянии внешней среды бизнеса учитывается в модели сле дующим образом. Экономические условия представлены с помощью таких показате лей, как уровень инфляции, ставка рефинансирования, ставка по кредитам, налоговые ставки. Они определяются на основе прогнозных экспертных оценок и официальных данных правительства и вводятся в модель перед началом каждого расчетного перио да. Социально-культурные условия, в первую очередь, определяются вкусами и пред почтениями потребителей, формируют спрос. Они учитываются при построении функции спроса на каждом целевом рынке предприятия. Технологические условия влияют на производственный потенциал предприятия, учитываются при формирова нии производственной программы. Их оценка производится экспертно. Рыночные ус ловия представлены в модели показателями ценовой эластичности спроса, влияния жизненного цикла продукта и рынка на спрос, влияния рекламы, влияния улучшения сервиса, влияния качества товаров и услуг, обеспечиваемого исследованиями на из менение сбыта. Давление поставщиков выражается в таких показателях как цены на сырье, материалы, энергию, оборудование, уровень заработной платы, процентная ставка по кредитам, условия расчетов с поставщиками, уровень кредиторской задол женности. Влияние потребителей может быть отражено в модели с помощью функ ции спроса и величины дебиторской задолженности.

В условиях рыночной экономики информационные и товарные потоки в марке тинговой подсистеме организованы так, чтобы обеспечить нормальное функциониро вание логистической системы предприятия и ее связи с другими подсистемами и внешней средой. Из маркетинговой подсистемы передается следующая информация:

в производственную и финансовые подсистемы - объем продаж и цена по каждому продукту;

в финансовую подсистему - сумма затрат на рекламу, исследования и сер вис по всем продуктам.

Производственная подсистема осуществляет процесс переработки сырья, мате риалов и полуфабрикатов, поступающих на входе в организацию, в продукт, который затем предлагается во внешнюю среду. Для этого должны быть осуществлены сле дующие операции: разработка и проектирование продукта с учетом информации, по лученной от маркетинговой подсистемы;

выбор технологического процесса, разме щение персонала и техники по процессу;

закупка сырья, материалов и полуфабрика тов;

хранение закупленных и изготовленных товаров и полуфабрикатов на складах;

контроль качества. В производственную подсистему из маркетинговой передается планируемый объем продаж и цена по каждому продукту.

Финансовая подсистема предприятия осуществляет управление процессом движения денежных средств в организации. Для этого составляются бюджет и фи нансовый план;

формируются денежные ресурсы;

распределяются денежные ресурсы между маркетинговой и производственной подсистемами;

производится оценка фи нансового потенциала предприятия, обработка и анализ финансовой информации о работе организации с целью сравнения фактической деятельности организации с ее возможностями, а также с деятельностью других организаций. Это позволяет опреде лить проблемы и выбрать лучшие пути реализации логистической стратегии. В фи нансовую подсистему передается следующая информация: из маркетинговой подсис темы - объем продаж и цена по каждому продукту;

сумма затрат на рекламу, иссле дования и сервис по всем продуктам;

из производственной подсистемы дополни тельная потребность в производственной мощности;

производственные затраты по каждому продукту.

Объединение подсистем маркетинга, производства и финансов позволяет полу чить модель производственного предприятия и описать его деятельность с помощью материальных, финансовых и информационных потоков (рис. 1).

Таким образом, использование динамических моделей в стратегическом анали зе и планировании принципиально отличается от анализа статистических данных прошлого времени и прогнозирования на основе эмпирических знаний. Такой подход позволяет выявить наиболее важные взаимозависимости, которые воздействуют на будущий ход событий. Имитационная динамическая модель способна воспроизводить такие явления будущего, которых не было в прошлом. Она показывает, как факторы настоящего, о которых имеется информация, могут комбинироваться при формирова нии будущего. Формальная математическая модель, созданная в целях планирования, используется для проверки оценок и уточнения предпосылок, на которых построен план будущего.

Список использованных источников 1. Родников А.Н. Логистика: Терминологический словарь. – М.: ИНФРА-М, 2000.

2. Годин В.В., Корнеев И.К. Информационное обеспечение управленческой деятельности. М.: Мастерство: Высшая школа, 2001.

3. Фомченкова Л.В. Динамическое моделирование в стратегическом анализе и планировании // Менеджмент в России и за рубежом. – 1998. - № 3.- С. 24-31.

4. Жданов С.А. Экономические модели и методы в управлении. – М.: Изд-во «Дело и Сервис», 1998.

5. Максимей И.В. Имитационное моделирование на ЭВМ. - М.: Радио и связь, 1988.

6. Форрестер Дж. Основы кибернетики предприятия (индустриальная динами ка). – М.: Прогресс, 1971.

Е.С.Хухрянская, С.А.Евдокимова К ВОПРОСУ ОПТИМИЗАЦИИ ИНДИВИДУАЛЬНОГО ПРЯМОУГОЛЬНОГО РАСКРОЯ ПЛИТНЫХ И ЛИСТОВЫХ МАТЕРИАЛОВ В ПРОИЗВОДСТВЕ МЕБЕЛИ В производстве мебельных изделий широко используют плитные, листовые и рулонные материалы, изготовляемые в соответствии с требованиями стандартов. По лучаемые предприятиями стандартные форматы таких материалов раскраивают на прямоугольные заготовки нужных размеров. Эффективность раскроя по рациональ ности использования материалов оценивается коэффициентом выхода заготовок, ко торый определяется из отношения суммарных площадей полученных заготовок к суммарной площади раскроенных плитных или листовых материалов [1]:

n a b r i ii Q= i =, (1) AB m где n - количество типоразмеров;

ai и bi - размеры i-й заготовки (i=1, …, n);

ri - тре буемое количество i-й заготовки;

A и B- размеры раскраиваемого материала (плиты);

m - число использованных плит.

Рациональный раскрой листовых и плитных материалов является одним из важных факторов экономии материальных ресурсов. Технологические операции рас кроя листовых и плитных материалов включают распиливание их вдоль и поперек с получением заготовок или деталей требуемых размеров. При этом необходимо вы полнять следующие условия: обеспечение максимального выхода деталей;

комплект ность деталей разных размеров и назначения в соответствии с объемом производства;

минимального количества типоразмеров деталей при раскрое одной плиты;

мини мального повторения одних и тех же деталей в разных картах раскроя [1].

Карты раскроя составляют с учетом припусков на последующую обработку.

Максимальный процент полезного выхода деталей в чистоте может быть обеспечен при условии, если припуски будут минимальными, организационные и технологиче ские потери сведены к нулю, а раскрой плитных и листовых материалов на заготовки будет основан на строгих математических расчетах.

Все существующие системы проектирования технологического процесса пря моугольного раскроя базируются на трех алгоритмически различных версиях, или подходах, к решению задачи прямоугольного раскроя [2]. Первая версия основана на классическом подходе к решению раскройной задачи со сквозными резами, но для повышения итогового коэффициента раскроя используется процедура докроя остат ков.

Вторая версия базируется на генерации наилучших возможных полос с после дующим раскроем исходного множества листов на полученные полосы. Таким обра зом, данная версия позволяет получать частично смешанные раскрои.

Третья версия реализует опыт ручного проектирования раскройных карт, т.е.

проектируются не все карты сразу, а поочередно - по одной. Особенностью третьей версии является возможность принять решение по каждой раскройной карте после ее просмотра на мониторе, внести любые изменения в карту для отражения неучтенных факторов.

Имеющиеся разработки в области прямоугольного раскроя базируются на ис пользовании двойственных оценок для формирования наилучшей полосы на каждом шаге вычислительного процесса с последующей раскладкой одинаковых полос на листы. При этом наличие полос с высоким коэффициентом раскроя не гарантирует получение высоких итоговых показателей по задаче в целом.

Отметим, что задача двумерной прямоугольной упаковки, являющейся NP трудной и не имеющей общего решения, имеет широкое практическое применение. К рассматриваемым проблемам сводятся не только задачи о раскрое, но и ряд задач планирования занятости и распределения производственных ресурсов. Среди различ ных эвристических методов для ее решения выделяются метаэвристики, в том числе генетические алгоритмы [3].

При разработке промышленных алгоритмов формирования карт оптимального раскроя необходимо учитывать возможность реализации каждой карты раскроя на конкретном технологическом оборудовании, чтобы на начальном этапе автоматиче ски отбросить невозможные варианты. Ограничения можно разбить на две группы. К первой группе относятся ограничения на геометрические размеры плит и заготовок, ко второй - ограничения, характеризующие конкретную технологию раскроя и кон струкцию оборудования.

Методика автоматизированного формирования карт оптимального раскроя плитных материалов при одновременном учете технологических ограничений реша ется авторами [4] как задача плотной упаковки разнотипных полос на плите с мини мизацией отходов при укладке полос вдоль или поперек плиты с выполнением усло вия комплектности заготовок. Математическая модель представляет собой задачу це лочисленного нелинейного программирования с целевой линейной функцией и рас сматривается как задача многопараметрического целочисленного линейного про граммирования. Для ее решения при проектировании подсистемы автоматизирован ного проектирования карт раскроя авторами [5] предлагается метод ветвей и границ, поскольку он, как показывает практика, численно устойчивее других методов реше ния целочисленных экстремальных задач, менее подвержен влиянию ошибок округ ления, например, как в методе Гомори.

Следует отметить, что данное решение задачи формирования карт раскроя предназначается для серийного и мелкосерийного производства мебели, где полосы состоят, как правило, из заготовок одного типоразмера, причем ширина полосы опре деляется либо длиной, либо шириной заготовки. Аналогичным образом решается за дача оптимального раскроя плит авторами [6] в виде 2-х фазного подхода: вначале элементы комбинируются вдоль длины плиты, а затем - вдоль ширины. Каждый этап формирования карт раскроя представлен математическими моделями задач целочис ленного линейного программирования. Генерация оптимального плана раскроя осу ществляется двумя альтернативными методами решения: технологией динамического программирования и расширенным методом неявного учета Гилмори и Гомори. От мечено, что решение задачи дает высокий коэффициент полезного выхода в случае, когда требуемое количество заготовок велико, а количество типоразмеров - относи тельно маленькая величина.

Однако в настоящее время мебельные предприятия осуществляют переход от крупносерийного и массового производства однотипной продукции к производству широкой номенклатуры изделий на заказ. Перед изготовителем стоит задача миними зации сроков проектирования, подготовки технологических документов для произ водства и создания корпусных мебельных изделий. В этой связи является актуальным компьютерная поддержка управления мебельным производством, выпускающим из делия по индивидуальным заказам [7].

В случае индивидуального раскроя, когда требуемые заготовки в основном еди ничны, формирование полос из однотипных заготовок чаще всего не допустимо из-за большой площади отходов полос и так называемого «перераскроя» избыточных заго товок. В этом случае авторами предлагается рассмотрение остатков полос как рас краиваемый материал уникального формата [8].

При размещении заготовки заданного типоразмера на формате раскраиваемой плиты для обеспечения сквозного реза возможны два случая его поэтапного выреза ния: поперечно-продольный или продольно-поперечный способы раскроя. В зависи мости от выбранного способа выреза данной заготовки будут отличаться размеры и площадь остатков, рассматриваемые в дальнейшем как уникальный формат раскраи ваемой плиты.

Из списка требуемых заготовок формируются продольные и поперечные поло сы, объединившие в себя заготовки одной ширины (для продольных полос) и одной длины (для поперечных полос), а также полосы, состоящие из единичных заготовок.

Эта задача относится к задаче линейного раскроя и решается на каждом шаге после довательной упаковки полос на переменном формате раскраиваемой плиты. В качест ве оценки могут быть применены: площадь делового отхода;

длина реза;

коэффици ент полезного выхода (1), а также коэффициент полезного использования материала n a b r + S1 + S i ii Q1 = i =, (2) AB где n - количество типоразмеров;

ai и bi - размеры i-й заготовки (i=1, …, n);

ri - тре буемое количество i-й заготовки;

A и B- размеры раскраиваемого материала (плиты);

S1 – площадь деловых отходов;

S2 – площадь пропилов.

Преимуществом применения данного коэффициента является минимизация безвозвратных отходов, включающих в себя площадь пропила и остатки, не пригод ные для дальнейшего использования. Однако наличие большой площади деловых ос татков не гарантирует их 100 % -е использование, поэтому с учетом их раскроя в бу дущем коэффициент полезного использования данного листа может значительно уменьшиться.

Как показывает практика, при построении оптимального плана раскроя отдель ных индивидуальных заказов, объединенных в один и последовательный раскрой с применением ранее накопленных деловых отходов количество использованных плит различно.

Минимальное количество плит стандартного раскраиваемого формата, требуе мое на выполнение индивидуального заказа заготовок, определяется по формуле:

n a b r i ii m min = i =, (3) AB m min, если m min - целое;

(4) m треб. min = [mmin ] + 1, если mmin - дробное.

В действительности использованное число стандартных форматов плитных ма териалов может превысить рассчитанное mтреб. min.

Например, на изготовление стола с надставкой требуется 14,937 м2 древесност ружечных плит. Тогда на раскрой заготовок данного мебельного изделия минималь ное количество стандартных форматов ДСП размером 3,51,75 м2 mmin = 2,44, т.е.

mтреб. min = 3.

При последовательном раскрое нескольких заказов общее количество плит mтреб.min1, рассчитанных по формуле (3) на один заказ, превышает мини мальное число требуемых плит mтреб.min2, рассчитанных для объединенной со nj a b r L L i ii вокупности тех же заказов mmin1 = mmin 1 j, mmin 2 = i =, где nj - количе AB j =1 j = ство типоразмеров в j-ом заказе (j=1, …, L);

ai и bi - размеры i-й заготовки (i=1, …, nj);

ri - требуемое количество i-й заготовки;

A и B- размеры раскраиваемого материала (плиты);

L - количество заказов.

Пример расчета требуемого минимального количества плит при построении оп тимального плана раскроя для совокупности и отдельных заказов приведен в табл. 1.

При построении оптимального плана раскроя с последующим использованием накопленных деловых отходов минимальное количество стандартных форматов плит не всегда совпадает с количеством плит на раскрой объединенной совокупности зака зов, т.к. несмотря на приоритетное использование деловых остатков при проектиро вании плана раскроя, они длительное время могут быть не востребованы.

Количество используемых плит при построении оптимального плана раскроя с применением ранее накопленных деловых отходов меньше, чем при раскрое каждого заказа из стандартных форматов плит (см. табл. 2).

Таблица Номер Наименование заказа Требуемая площадь Количество плит размером 3, на заказ, м2 1,75 м заказа mmin mтреб.min 1 Стол 3,375 0,551 2 Картотека 7,605 1,242 3 Стол с надставкой 14,937 2,439 4 Прихожая 23,450 3,829 Итого Совокупность заказов 49,367 8,074 Таблица Раскрой Количество Средний коэф- Средний коэффици- Длина реза, заказов использован- фициент полез- ент использования м ных плит ного выхода, % материала, % Отдельно 11 38,47 53,93 225, Объединенных в 9 89,47 98,08 325, один Последовательно с 9 89,47 97,39 346, использованием де ловых отходов Таким образом, целесообразно при построении оптимального плана раскроя объединять заказы, получая заготовки одновременно для нескольких изделий. Это оправдано, т.к. реально даже при индивидуальном изготовлении мебельных изделий одновременно из одного материала могут изготавливаться сразу несколько изделий.

Параллельно с задачей оптимального раскроя можно решать задачу оптимальной за грузки оборудования.

Список использованных источников 1. Гончаров Н.А, Башинский В.Ю., Буглай Б.М. Технология изделий из древе сины: Учебник для вузов. - М.: Лесн. пром-сть, 1990. - 528 с.


2.Павлов Ю.Г., Самолдин А.Н. Диалоговая управляемая САПР прямоугольного раскроя// Деревообрабат. пром-сть. - 1989. - №11. - С. 13-14.

3. Норенков И.П. Эвристики и их комбинации в генетических методах дис кретной оптимизации. // Информационные технологии, 1999. - №1. С. 2-7.

4. Лимонов Е.А., Федоров Д.П., Хухрянская Е.С. Математическая модель зада чи оптимального формирования карт раскроя плитных материалов//Актуальные про блемы анализа и обеспечения надежности и качества приборов, устройств и систем:

Тез. докл. Междунар. науч.-техн. конф. - Пенза: ПГТУ, 1996. - C. 139-140.

5. Хухрянская Е.С., Евдокимова С.А. Решение задачи автоматизированного формирования карт оптимального раскроя плитных материалов. // Информационные технологии в моделировании и управлении: Труды II Междунар. науч.-практ. конф. – СПб.: Изд-во СПбГТУ, 2000. – С. 370-372.

6. The cutting stock problem in a hardboard industry: A case study/ Morahito Rei naldo, Garcia Valdir // Comput. and Oper. Res., 1998. 25, № 6. - Pp. 469- 7. Стариков А.В. Усовершенствованная система автоматизированных расчетов и подготовки первичных и технологических документов для производства кухонной мебели // Восстановление лесов, ресурсо- и энергосберегающие технологии лесного комплекса: Сб. матер. межвузов. науч.-практ. конф. - Воронеж: ВГЛТА, 2000. - С.

394-396.

8. Межов В.Е., Хухрянская Е.С., Евдокимова С.А. Математическая модель за дачи индивидуального раскроя мебельных изделий. // Прикладные задачи моделиро вания и оптимизации: Межвузов. сб. науч. тр. Воронеж: ВГТУ, 2001. С. 23-28.

А.А.Захаров ИМИТАЦИЯ КРАТНОСТИ ПРИБОРОВ НАБЛЮДЕНИЯ ДЛЯ ЗАДАЧ ТРЕНАЖЕРОВ ТРАНСПОРТНОЙ ТЕХНИКИ В настоящее время существует множество компьютерных программ, которые в реальном времени показывают сцену с присутствующими на ней трехмерными объ ектами. При решении некоторых задач ставится цель реализовать возможность ото бражения смоделированной сцены через прибор наблюдения, позволяющий с задан ной кратностью наблюдать за объектами сцены. Такие проблемы возникают, прежде всего, при создании тренажеров транспортной техники. В статье рассматривается разработка алгоритма, на основе которого моделируется прибор наблюдения, позво ляющий визуализировать объекты с заданной кратностью.

В системах визуализации существует стандартный объект компьютерной гра фики – камера. Но камера не обладает всеми свойствами, достаточными для ее пря мого использования в имитаторах приборов наблюдения. Виртуальная камера долж на имитировать реальный прибор при любом допустимом установленном значении кратности наблюдения и дальности наблюдаемого объекта. Все наблюдаемые каме рой объекты должны отображаться в перспективе. В этом случае виртуальная камера характеризуется углами раскрыва в горизонтальной (fovx) и вертикальной плоскостях (fovy), а также расстояниями до ближней (Zmin) и дальней плоскостей отсечения (Zmax) [1, 2].

Априорно известно, что высоту объекта на плоскости проекции можно изме нить двумя способами: изменить расстояние между камерой и объектом;

изменить угол раскрыва камеры наблюдения.

На рисунке 2 графически отображено первое условие, а на рисунке 3 – второе.

Для решения поставленной задачи возьмем реальный прибор. На него есть пас портные данные, включающие угол раскрыва камеры и кратность. Пусть угол рас крыва задан, а кратность можно изменять в пределах от 1 до 12 с шагом 0,5. Приме нительно к модели за основной акцент примем обеспечение эффекта адекватной кратности.

Для расчета точных выходных параметров необходимо определить зависи мость высоты объекта на видовой проекции от угла раскрыва камеры. Из рисунка видно, что чем меньше угол раскрыва камеры, тем большую высоту имеет объект.

Таким образом, необходимой кратности можно достичь, установив на заданную ве личину угол раскрыва камеры.

Рассмотрим графики на рисунке 4. Кривая fovy показывает зависимость высоты объекта на проекции вида от дальности до объекта при постоянном угле раскрыва ка меры и при кратности отображения объекта равной 1. Объект расположен на расстоя нии l м от камеры. Если на приборе установить кратность равную X, то высота объек та на видовой проекции должна быть равной Xh. На графике изменение высоты пока зано пунктиром. Таким образом, точка K должна сместиться в точку K' и кривая зави симости высоты объекта на проекции от дальности до него должна проходить через точку K'. На графике это кривая fovy'. По рисунку 3 видно, что для каждого угла рас крыва камеры можно найти такой новый угол раскрыва, при котором будет достигну та кратность X.

fovx fovy Zmin Zmax Рис. 1. Параметры пирамиды видимости наблюдатель экранная плоскость h' Рис. 2. Изменение высоты проекции при изменении расстояния между камерой и объектом Из рис. 3 видно, что высота объекта на экране в точках:

h Sh = S;

(1) H где S - количество точек вывода изображения на экране по вертикали;

h – высота объ екта на плоскости проекции;

Н - высота экрана.

экранная наблюдатель плоскость fovy' h' Рис. 3 Изменение высоты проекции объекта при изменении угла раскрыва ка меры fovy' К' hX fovy К h 0 Дальность (м) Рис. 4. Изменение угла раскрыва камеры при смене кратности прибора от 1 до X После смены кратности высота объекта будет равна:

Xh Sh' = S;

( 2) H где X – кратность прибора наблюдения.

Ставится задача найти для каждого угла раскрыва камеры (от 10 до 900) значе ния новых углов для достижения кратностей от 1,5 до 12 с шагом 0,5.

Для этого может быть применен следующий алгоритм:

Устанавливаем дальность до объекта;

Устанавливаем угол раскрыва камеры, для которого хотим получить таблицу значений;

Измеряем высоту h объекта на видовой проекции в точках;

Уменьшаем угол раскрыва камеры на некоторую малую величину;

Измеряем высоту h' объекта;

Если h'- Xh x X=1,5;

2;

...,12, то текущее значение угла раскрыва камеры достаточно для достижения кратности X. x - в данном случае является погрешностью допустимую при моделировании кратности прирора наблюдения.

Если h'12h, то конец алгоритма. Иначе в п. 4.

Следует отметить, что значения углов вычисляются в данном случае итераци онно, что не обеспечивает достаточной точности и быстродействия. Для решения этой проблемы предлагается установить зависимость между углом раскрыва камеры, расстоянием от камеры до объекта и высотой объекта на плоскости проекции.

Из рис. 5 следует:

H пр = 2l * tg ( fovy / 2);

(3) гдеHпр – горизонтальный размер пространства попадающего в поле зрения на рас стоянии l;

l – расстояние от камеры до объекта;

fovy – угол раскрыва камеры в верти кальной плоскости.

H/2 Hпр/ fov/2 hоб Рис. 5. Иллюстрация, демонстрирующая зависимость между высотой объекта на экранной плоскости, расстоянием от объекта до камеры, и углом раскрыва камеры Так как треугольники подобны, то высоту объекта в точках на экранной плос кости можно выразить в следующем виде:

h h S = об S.

Sh = ( 4) H H пр где hоб – высота объекта;

Hпр – горизонтальный размер пространства попадающего в поле зрения.

Из выражений (3) и (4) вытекает следующее:

hоб Sh = S. (5) 2ltg ( fovy / 2) Исходя из формул (2) и (5) угол раскрыва камеры при смене кратности прибора наблюдения на величину X будет определяться:

h fovy ' = 2 arctan об S. ( 6) 2S Xl h Таким образом, выявлена зависимость между вертикальным углом раскрыва камеры, расстоянием от объекта до камеры и высотой объекта. Горизонтальный угол раскрыва камеры в системах визуализации обычно задается как отношение ширины пирамиды видимости к ее высоте и, следовательно, не требует расчета. Программа, имитирующая прибор наблюдения, реализована на базе графической библиотеки OpenGl в среде программирования Delphi и может функционировать как независимый модуль.

Список использованных источников 1. Шикин Е.В., Боресков А.В. Компьютерная графика. Полигональные моде ли. – М.:ДИАЛОГ- МИФИ, 2000. – 464 с.

2. Эйнджел Э. Интерактивная компьютерная графика. Вводный курс на базе OpenGl, 2-е изд. – М.: Издательский дом «Вильямс», 2001. – 592 с.

Э.Н.Исрафилова ТРИ МОДЕЛИ УПРАВЛЕНИЯ ПАРАЛЛЕЛИЗМОМ ТРАНЗАКЦИЙ В РАСПРЕДЕЛЕННЫХ БАЗАХ ДАННЫХ Введение В современных условиях уровень интеграции средств информатики и достиже ний науки характеризует интеллектуальный потенциал общества. Информатизация общества – одна из основных характеристик современности. При переходе к инфор мационному обществу появится новая индустрия переработки информации на базе компьютерных и телекоммуникационных технологий. На данном этапе развитие ап паратных, программных и коммуникационных средств позволяет реально внедрить их в общественную и деловую жизнь.

Информатизация общества даст людям доступ к надежным источникам инфор мации, избавит от ежедневной рутины. Это приведет к изменению всего уклада жиз ни человека, возрастут требования к знаниям. Информатизация – это целенаправлен ный переход к наукоемкому производству и новым видам информационного обмена в технической и социальной областях.

Информатизация – это не только необходимое условие развития образования, но и главный фактор, повышающий уровень образованности людей. На данном этапе развития общества, образование становится способом информационного обмена меж ду людьми, а не только средством усвоения готовых знаний. Этот обмен предполага ет как усвоение, так и передачу, создание новой информации в обмен на получен ную. Все это приводит к интенсивному внедрению информационных и коммуникаци онных технологий в образование. Благодаря широкому использованию сетей образу ется информационное единство.

Наибольшая эффективность информатизации образования будет достигнута то гда, когда произойдет полная интеграция информационных технологий в образова ние, и поэтому, процессы информатизации образования надо вводить непрерывно и согласованно. Системы и средства информатизации могут значительно повысить ка чество образования и его доступность значительной части населения. Центральное место в процессе информатизации занимают компьютерные сети и построенные на их основе распределенные системы [1].


Принципы транзактной обработки В последнее время определенную область применения нашли распределенные базы данных (РБД). РБД – это база данных, включающая фрагменты из нескольких баз данных, которые расположены в различных узлах сети компьютеров, и управля ются различными системами управления базами данных.

Модель РБД опишем следующим образом: ( РБД,t, С ( t )), где РБД - распреде ленная база данных, t = ( T1, T2,..., Tm ) - набор транзакций, C ( t ) – множество всех корректных действий t, которое называется критерием корректности.

Общепринятым методом обработки информации в РБД является транзакция.

Транзакция используется для обеспечения логической целостности РБД, позволяя множественные, связанные изменения сгруппировать вместе и затем записать как единое целое.

Под транзакцией понимается неделимая единица выполнения операции над РБД, в результате которой РБД остается в корректном состоянии. Корректное под держание транзакций одновременно является основой обеспечения целостности РБД.

Главным критерием обеспечения целостности РБД является сериализуемость парал лельно выполняемых транзакций.

Транзакции характеризуются следующими свойствами: атомарность, согласо ванность, изолированность, долговечность. Согласно свойству атомарности, транзак ция должна быть выполнена целиком, или не выполнена совсем. Из свойства согласо ванности следует, что выполняя транзакции, РБД переходит из одного согласованно го состояния в другое, т.е. транзакция не нарушает взаимной согласованности дан ных. Свойство изолированности означает, что физически транзакции обрабатываются последовательно, изолированно друг от друга. Согласно свойству долговечности, ес ли транзакция зафиксирована, то изменения, произведенные ею в РБД, не будут уте ряны, даже в случае сбоя системы.

Различные последовательности выполнения транзакций называют планом. Се риализуемость (способность к упорядочению) транзакций – это механизм выполнения транзакций по определенному серийному плану. Если в системе поддерживается се риализация транзакций, то она обеспечивает реальную изолированность пользовате лей, т.е. сериализация фактически гарантирует, что каждый пользователь, который обращается к базе данных, работает с ней так, как будто не существует других поль зователей одновременно с ним обращающихся к тем же данным. Основная проблема состоит в выборе метода сериализации набора транзакций, который не ограничивал бы их параллельность. Между транзакциями возникают определенные конфликты.

Практические методы сериализации транзакций основываются на учете этих кон фликтов.

Существует три основные модели параллельного управления транзакциями и три критерия корректности плана, связанные с ними: моноверсионная сериализуе мость (SR), мультиверсионная сериализуемость (MVSR), мультиуровневая атомар ность (MLA). Первые две модели используются в случае синтаксической модели па раллельного управления, третья – в случае семантической [2]. Во всех этих моделях можно использовать традиционные методы управления транзакциями в РБД. Такими методами являются: метод блокировок, временные метки, оптимистический подход [3]. Рассмотрение этих методов не является темой данной работы. В дальнейших ра ботах для каждой модели будут рассмотрены каждый из этих методов.

Моноверсионная сериализуемость Моноверсионный план множества транзакций есть частичная последователь ность множества, состоящая из множества операций баз данных, включенных в тран закцию ( T (t ) ).

Различают серийный и параллельный планы. План является серийным, если для двух транзакций все операции баз данных одной транзакции выполняются до вы полнения операции другой транзакции. Если же операции баз данных различных транзакций выполняются параллельно или чередуются, то план называют параллель ным. Любой план множества транзакций, выполненный в N узлах системы РБД, мо жет быть представлен множеством N локальных планов, которые описывают транзак ции, выполняемые в локальных базах данных ЛБД1,...,ЛБДN.

В моноверсионной РБД план является корректным, если он эквивалентен лю бому серийному плану множества транзакций. Два плана являются эквива-лентными, если в результате их выполнения будет получен один и тот же результат, независимо от начального состояния базы данных.

План, эквивалентный серийному плану множества транзакций, называется се риализуемым планом.

Корректность критерия сериализуемости следует из свойства согласованности, принимаемого для каждой транзакции, и определения серийности плана. Так как ка ждая транзакция в отдельности сохраняет согласованность базы данных, то серийный план транзакций так же сохраняет согласованность базы данных, так же как эквива лентный ему параллельный план. Эквивалентность какому-либо серийному плану яв ляется достаточным условием корректности параллельного плана. Это истинно, даже если серийные планы не эквивалентны друг другу.

Так как критерий сериализуемости сформулирован так, что он не показывает, как обеспечена сериализуемость параллельного плана, практически, все предполагае мые решения проблемы параллельного управления приводят к другому критерию корректности, называемому D- сериализуемостью.

Существующее отличие между сериализуемостью и D-сериализуемостью за ключается в понятии эквивалентного плана. D-сериализуемый критерий использует понятие эквивалентного плана в узком смысле. В узком смысле эквивалентный план – это необходимое, но не достаточное условие эквивалентности плана. Таким образом, к D-сериализуемости предъявляется более строгое требование, чем к сериализуемо сти, то есть, она более ограничивает степень параллелизма. Таким образом, использо вание этого критерия дает возможность вычислить эффективность процедуры про верки корректности плана. Вот почему, D-сериализуемый критерий используется практически вместо критерия сериализуемости.

Мультиверсионная сериализуемость В мультиверсионной РБД каждая операция записи элемента создает новую вер сию элемента данных. Таким образом, последующая операция чтения элемента дан ных может прочесть какую-либо из текущих существующих версий.

Мультиверсионный план множества транзакций состоит из множества всех операций базы данных, включенных в транзакцию;

функции, отображающей каждую операцию чтения на операцию записи (h);

части последовательности отношений над T (t ).

Функция h определяет отображение операции чтения элемента данных на опе рацию записи версии этого элемента данных, а точнее, на операцию записи, которая создала версию элемента данных для чтения.

Как моноверсионные планы, так и мультиверсионные планы делятся на серий ные и параллельные. Мультиверсионный план – серийный, если две транзакции не выполняются параллельно, в противном случае, план – параллельный Серийный мультиверсионный план является стандартным, если каждая опера ция чтения доступна версии элементов данных, созданных последней операцией за писи, предшествующей чтению. Так как в серийном плане для каждых двух транзак ций все операции базы данных для первой транзакции предшествуют всем операциям базы данных последующей транзакции или, наоборот, после последней операции за писи предшествующая операции чтения верно определена.

Стандартный серийный план в мультиверсионных РБД соответствует серийно му плану в моноверсионных РБД. Из свойства согласованности для каждой транзак ции, то есть из предположения, что каждая транзакция отдельно сохраняет согласо ванность РБД, следует что, стандартный серийный мульти-версионный план должен также сохранять согласованность РБД.

По аналогии с моноверсионной РБД, мультиверсионный сериализуемый крите рий можно заменить более строгим критерием, который более эффективен. Это DMV сериализуемость. Этот критерий, который соответствует D-серийному критерию в моноверсионной РБД, - достаточное условие мульти-версионной сериализуемости.

Мультиверсионный план является корректным, если он эквивалентен любому стандартному серийному мультиверсионному плану множества.

Мультиуровневая атомарность В синтаксической параллельно управляемой модели алгоритм параллельного управления использует чисто синтаксическую информацию, касающуюся системы РБД, то есть информация, которой она располагает, - это информация о структуре данных и об идентификаторах элементов данных, которые затронуты транзакцией.

Алгоритм параллельного управления является корректным по отношению к сериали зуемости, когда он сохраняет согласованность базы данных для любого множества согласованных ограничений, для любого множества транзакций и для любых вычис лений, выполненных транзакциями.

В семантической модели параллельного управления предполагается, что алго ритм параллельного управления независимо от синтаксической информации, также владеет семантикой информации о вычислениях, проведенных транзакциями. Эта до полнительная семантическая информация о транзакциях позволяет смягчить условия ограничения критерия сериализуемости, а также использовать более общий критерий сериализуемости, для которого сериа-лизуемость является частным случаем. Этот критерий обеспечивает более высокую степень параллелизма, включением не сериа лизуемых планов.

В случае семантической параллельно управляемой модели задача сложности вычисления корректности плана не может быть поставлена так же, как в случае син таксической модели. Причина заключается в том, что множество корректных планов C ( t ) определены явно пользователем для частичного приложения. Таким образом, вычисляемая сложность задачи распознавания множества C ( t ) отличается для раз личных классов приложений. В одном крайне случае имеем дело с приложением, где все транзакции семантического типа взаимно совместимы и транзакционный шаг со ответствует операции базы данных. Задача параллельного управления является три виальной. В других крайних случаях имеем дело с приложением, где семантическая параллельно управляемая модель сужается до синтаксической модели ( C ( t ) =SR или C ( t ) = MVSR).

Заключение Таким образом, в работе рассмотрены три модели управления параллелизмом транзакций в РБД: моноверсионная сериализуемость, мультиверсионная сериализуе мость, мультиуровневая атомарность, каждая параллельно управляемая модель имеет критерий, связанный с определением корректности любого плана множества транзак ций. Каждый критерий может быть интерпретирован как множество корректных пла нов C ( t ). Иерархия множества C ( t ) для этих моделей соответствует степени парал лелизма, полученного для определенного критерия.

Список использованных источников 1. Никитин А.И., Алиев А.А. Синхронизация прикладных процессов в распре деленных системах обработки данных.-Киев-1995.

2. Cellary W., Gelenbe E., and Morzy T. Concurrency Control in Distributed Database System. Elsevier Science Publishers B.V. (North-Holland) – 1988.

3. Алиев А.А., Дадашев Б.Э. Традиционные методы управления прикладными процессами в распределенных базах данных.- Баку: Издательство Бакинского универ ситета, 2001.

С.Р.Прохончуков, С.И.Манченко АВТОМАТИЗИРОВАННАЯ СИСТЕМА УЧЕТА, ДИСПЕТЧЕРСКОГО КОНТРОЛЯ И СБОРА ПЛАТЕЖЕЙ ЗА ЭНЕРГОНОСИТЕЛИ Рост цен на энергоносители позволяет прогнозировать дальнейшее увеличе ние доли затрат на энергообеспечение в общей структуре эксплуатационных расхо дов. Исходя из этого, очевидна необходимость рационального использования всех ос новных видов энергоресурсов – воды, теплоты, газа, электричества. Применение со временных приборов учета энергоресурсов позволяет упорядочить взаиморасчеты между энергоснабжающей организацией и потребителем. При этом, как правило, пла тежи за потребленные энергоресурсы существенно уменьшаются, поскольку договор ные нагрузки, на основании которых производят расчеты, могут значительно превы шать реальное потребление.

В условиях постоянного роста цен и тарифов на энергоресурсы в большинстве регионов России продолжает увеличиваться задолженность потребителей и, прежде всего, жилищно-эксплуатационных организаций перед энергопоставляющими струк турами. Основными причинами создавшейся ситуации являются: нарушение жилищ ными организациями финансовой дисциплины и нецелевое использование финансо вых средств, полученных за оплату коммунальных услуг;

низкий уровень оснащенно сти жилых домов и производственных предприятий и организаций приборами учета расхода энергоресурсов;

отсутствие единых городских автоматизированных систем учета, распределения и перечисления платежей.

Современные требования к системам энергосбережения обуславливают необ ходимость применения высокоточных и надежных приборов для того, чтобы иметь объективные данные о расходах энергоресурсов и состоянии системы в целом.

Настоящая статья посвящена созданию эффективной системы коммерческого учета расхода теплоты, стоимость которой занимает больший удельный вес в общей смете потребляемых энергоресурсов.

Рост количества эксплуатируемых узлов коммерческого учета тепла и теплоно сителя особенно в структурах жилищно-коммунального хозяйства, позволяет прогно зировать увеличение активности в создании автоматизированных систем контроля теплопотребления. Такие системы предполагают при минимальном обслуживающем персонале оперативно решать задачи контроля работоспособности приборов учета и регистрации их показаний.

Вместе с этим возникает необходимость использования информационно управляющих систем сбора платежей за энергоносители и жилищно-коммунальные услуги для решения следующих задач:

· Обеспечить 100% (или близкую к этому) собираемость платежей с населе ния за фактически оказанные жилищно-коммунальные услуги;

· Повысить качество и эффективность обслуживания населения по вопросам оплаты жилищно-коммунальных услуг;

· Сократить себестоимость процесса эксплуатации системы;

· Обеспечить полную прозрачность системы «сверху-вниз»;

· Перейти к реальному сбережению и экономии энергоресурсов путем орга низации расчетов по показаниям индивидуальных и групповых приборов учета.

Специфика систем сбора платежей населения за жилищно-коммунальные услу ги и энергоносители для крупных и средних городов заключается в необходимости открытия большого количества территориально-удаленных информационно расчетных центров (для приближения «услуги» к жителю) и необходимости постоян ного информационного взаимодействия этих информационно-расчетных центров с уполномоченными банками, паспортными столами, центром жилищных субсидий, поставщиками ресурсов и услуг, структурами городского управления и власти.

Таким образом, для решения поставленных задач необходимо разработать ав томатизированную систему учета и диспетчерского контроля энергопотребления и информационно-управляющую систему сбора платежей за энергоносители с после дующей их интеграцией.

Автоматизированная система учета и диспетчерского контроля энергопотреб ления должна обеспечивать выполнение следующих функций: автоматическое счи тывание параметров теплопотребления практически с любого числа теплосчетчиков;

формирование отчетов для сдачи в теплоснабжающую организацию по отдельным теплосчетчикам, жилым домам и центральным тепловым пунктам;

автоматический мониторинг состояния теплосчетчиков и параметров системы теплопотребления, за пись нештатных ситуаций в базу данных;

отображение результатов мониторинга на графической схеме района.

Связь с теплосчетчиками осуществляется по экранированной витой паре в стандарте интерфейса RS-485 [1], который поддерживается большинством тепло счетчиков. Охват района большой площади обеспечивает древовидная структура ин формационной сети с применением маршрутизаторов интеграторов сети.

Программное обеспечение диспетчерской системы должно описывать конфи гурацию системы теплопотребления микрорайона (объектами системы являются цен тральные тепловые пукты, дома и теплосчетчики) и создавать графическое отображе ние системы со всеми необходимыми коммуникациями на одной или нескольких схемах района. С помощью табличных форм вводятся списки центральных тепловых пунктов, домов, установленных теплосчетчиков и взаимосвязи между ними.

Конструкция теплосчетчиков позволяет автоматически производить монито ринг и контролировать около двух десятков параметров теплосчетчика и системы те плопотребления. Администратор системы может по своему выбору назначить или отменить контроль любого из этих параметров, как для всей системы в целом, так и для каждого теплосчетчика в отдельности.

Администратором системы определятся периодичность автоматического счи тывания параметров теплопотребления с теплосчетчиков (рекомендуемый период – несколько часов) и периодичность мониторинга (рекомендуемая периодичность – не сколько минут);

минимально возможный период зависит от общего числа теплосчет чиков, приходящихся на каждую информационную линию, подсоединенную к ком пьютеру. При возникновении нештатных ситуаций (отказ оборудования и выход из меряемых параметров за установленные пределы) в базу данных записывается диаг ностическое сообщение, а элемент схемы, изображающий теплосчетчик на карте рай она, изменяет свой цвет. Предусматривается возможность отображения на дисплее подробной информации о текущих показаниях любого теплосчетчика и его техниче ском состоянии (а также список диагностических сообщений).

На основе накопленных данных формируются отчеты для сдачи в теплоснаб жающую организацию или передачи в информационно-управляющую систему сбора платежей за энергоносители. Отчеты готовятся по центральным тепловым пунктам, жилым домам и отдельным теплосчетчикам, как для систем отопления, так и горячего водоснабжения. Результаты фиксируются в базе данных.

Для концептуальных моделей сложных систем (предприятия - производители продукции, энергоресурсоснабжение, банковская деятельность и других) характерно распределение во времени и пространстве. Поэтому построение распределенной ин формационной системы (ИС) связано с репликацией данных [2]. Как правило, совре менные сложные системы строятся на базе реляционных моделей данных (РМД) и имеют огромную стоимость в силу своей сложности. Этим и объясняется крайне низ кий процент успешного внедрения больших ИС.

Из вышесказанного следует, что применение РМД имеет ограничения по слож ности предметной области и адаптивности в процессе эволюции программной систе мы. Использование РМД наиболее хорошо подходит для моделирования систем с ус тойчивой статичной структурой данных, имеющих ограниченный предел сложности.

Описанные выше проблемы использования реляционного подхода связаны с зависимостью физической модели данных от концептуальной модели системы. Для исключения данной зависимости необходимо чтобы физическая модель данных отве чала следующим требованиям:

· Гибкость ИС по отношению к разнообразным предметным областям и соот ветствующим концептуальным моделям данных;

· Адаптивность к изменению структуры данных и логики их обработки на различных этапах жизненного цикла ИС.

Можно выделить следующие структуры базы данных, которые в различной степени удовлетворяют указанным требованиям [2]:

1. Объектно-ориентированные модели данных, реализованные в объектно ориентированных СУБД (ООСУБД);

2. Многомерные СУБД и соответствующие им модели данных;

3. Объектно-реляционные модели данных реализованные в реляционных СУБД (РСУБД) или объектно-реляционных СУБД.



Pages:     | 1 |   ...   | 3 | 4 || 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.