WWW.KNIGA.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Книги, пособия, учебники, издания, публикации

 

Pages:     | 1 |   ...   | 2 | 3 || 5 |

«Сборник трудов Выпуск 9 2002 Министерство образования Российской Федерации Воронежский государственный технический университет Международный институт компьютерных ...»

-- [ Страница 4 ] --

Планирование и управление деятельностью предприятия на определенный период времени по полученным маркетинговым исследованиям является одной из наиболее приоритетных задач, стоящих перед каждым руководителем. Постановку задачи, решающей данную проблему можно представить в следующем виде: по прогнозу на определенный промежуток времени цены и объемов продаж определенной номенклатуры продукции максимизировать общую чистую прибыль предприятия, производящего данную номенклатуру.

Таким образом, в качестве объекта управления рассматривается предприятие, имеющее в своем распоряжении на начало планирования определенные запасы материальных ресурсов, штат сотрудников, производственные мощности.

Исходной информацией, определяющей дальнейшие состояния предприятия на горизонте планирования, выступают исследования рынка по определенной номенклатуре продукции. Итогом этих исследований являются данные по объемам и ценам заданной номенклатуры продукции на каждом из интервалов в пределах горизонта планирования. Горизонт планирования может быть поделен для более детальной проработки на более мелкие интервалы. Это может быть связано с сезонными колебаниями спроса на планируемую к выпуску предприятием продукцию. Продолжительность интервалов, на которые разбивается горизонт планирования, фиксированная и является входной информацией для системы планирования.

Основываясь на состоянии предприятия на начало интервала планирования и исследованиях рынка на горизонте планирования, необходимо осуществить планирование деятельности предприятия и его управление на горизонте планирования. Критерием оптимальности в рассматриваемой задачи выступает чистая прибыль предприятия за весь горизонт планирования.

Схема информационной системы представлена на рис. 1. Здесь:

Производственные Опытно – конструкторские Рис. 1. Информационная система планирования и управления деятельностью предприятия для получения максимальной чистой прибыли 1) возможная номенклатура выпускаемой продукции и горизонт планирования;

2) исследование рынков сбыта по выбранной номенклатуре продукции на указанном горизонте планирования;

3) графики спроса на возможную номенклатуру продукции предприятия;

4) окончательная номенклатура выпускаемой продукции предприятия, графики спроса по выбранной номенклатуре продукции на указанном горизонте планирования;

5) схема налогообложения предприятия, прогноз инфляции, производственные мощности предприятия на начало горизонта планирования;

6) штатное расписание предприятия;

7) материальные, топливные запасы предприятия на начало горизонта планирования;

8) планируемая номенклатура продукции;

9) затраты материальных, топливных, людских, мощностных ресурсов на единицу продукции по указанной номенклатуре;

10) бизнес – план предприятия на горизонт планирования;

11) план производства, создание новых производств предприятия;

12) план сбыта, формирование портфеля заказов предприятия на горизонт планирования.

Рассмотрим структуру целевой функции для поставленной задачи.

где ЧистПрибобщ – общая чистая прибыль от портфеля проектов; n – количество наименований выпускаемой продукции; T– горизонт планирования; Ценаi(t) – цена i – го продукта в t – й интервал времени; Продi(t) – объем продаж i – го продукта в t – й интервал времени; Себi(t) – себестоимость i – го продукта в t – й интервал времени.

Целевая функция имеет линейный вид. За переменные здесь принимается объем продаж каждого вида продукции на определенном интервале времени.

На переменные накладывается следующая система ограничений:

где Продimax(t) – максимальный объем продаж i – го продукта в t – й интервал времени; Затрjmax(t) – максимальный объем материальных, топливных, людских ресурсов j – го типа, предоставленный на интервал времени t, необходимый и достаточный для выполнения максимальной производственной программы Продimax(t); m - количество материальных, топливных, людских ресурсов; k – количество основных фондов;

Затрumax(t) – максимальный объем мощности (времени) основного фонда u – го типа, предоставленный на интервал времени t, необходимый и достаточный для выполнения максимальной производственной программы Продimax(t).

Пусть Затрjвозм(t) и Затрuвозм(t) – максимально возможный расход материалов и мощности без дополнительных инвестиций в оборотный капитал и основные фонды на интервале t.

Решение задачи начинается с начального интервала времени и до T отдельно для каждого интервала. Целевая функция для интервала времени t имеет вид:

Для метода последовательного улучшения плана (симплекс - метода) система ограничений на ресурсы в виде неравенств преобразовывается в равенства путем введения дополнительных переменных:

где xj(t) – дополнительная переменная, положительная величина которой характеризует неполное использование ресурса j на интервале времени t; yu(t) – дополнительная переменная, положительная величина которой характеризует неполное использование мощности u на интервале времени t.

Таким образом, поставленную задачу можно свести к задаче о распределении ресурсов линейного программирования. В отличие от классической постановки [1], где максимизируется выручка от реализации продукции, целевая функция представляет собой общую чистую прибыль от продажи продукции на определенном горизонте планирования. Также учитывается и, соответственно, оптимизируется схема финансирования проектов предприятия.

Решая задачу оптимизации, указанную выше, мы получаем оптимальные Продi(t) для каждого временного интервала в пределах горизонта планирования. Таким образом, определяются управляющие воздействия для каждого из интервалов времени, последовательно переводящие предприятие из начального в конечное состояние Т так, что общая чистая прибыль от выпуска продукции определенной номенклатуры за промежуток времени [0;T] будет максимальной.

Введем следующие обозначения:

где xjinv(t) и yuinv(t) – переменные, показывающие величину инвестиционных затрат, необходимую для увеличения оборотного капитала для приобретения ресурса j и создания мощности u на интервале времени t, или отсутствие потребности в инвестициях.

Если в результате применения метода последовательного улучшения плана в оптимальном плане выявилось, что xjinv(t) 0 или yuinv(t) 0, где j = 1,…,v, при v m + k; v – число ресурсов, для которых xjinv(t) 0 или yuinv(t) 0, то возникает потребность в дополнительных инвестициях в ресурсы для выполнения оптимального плана.

Тогда необходимо рассчитать значение чистой прибыли для этого и всех последующих интервалов с учетом сделанных на данном интервале инвестиций:

ЧистПриб t = * где Инвi(t) – инвестиции в i – й продукт в t – й интервал времени; Процi(t ) – выплаты процентов за инвестиции в i – й продукт в t* – й интервал времени.

Целевая функция симплекс – метода с учетом инвестиций будет иметь следующий вид:

ЧистПриб t = Таким образом, в целевой функции не присутствует величина инвестиций, но учитываются проценты по осуществленным инвестициям. Инвестиции же вычитаются из общей величины чистой прибыли за интервал [t,T].

Кроме того, происходит увеличение Затрjвозм(t) и Затрuвозм(t) на величину сделанных на данном интервале инвестиций. В результате изменений в целевой функции и векторе максимальных затрат ресурсов получится новая область допустимых значений, то есть новая постановка задачи оптимизации. В случае, если вновь возникает потребность в инвестициях (на этом же интервале, или на последующих), расчеты осуществляются аналогично (по формулам 4-7).

Таким образом, производятся расчеты максимальной прибыли для всех остальных интервалов горизонта планирования от рассматриваемого с учетом достигнутых параметров Затрjвозм(t) и Затрuвозм(t). Такой подход связан с тем, что инвестиции интервала t влияют на последующие интервалы.

Полученный результат необходимо сравнить с "безинвестиционным вариантом", т.е. вариантом, в котором вместо векторов Затрjmax(t) и Затрumax(t) используются вектора Затрjвозм(t) и Затрuвозм(t) без учета сделанных инвестиций на рассматриваемом t–м интервале.

Окончательный вариант соответствует большему из инвестиционного и безинвестиционного или инвестиционному, если они совпадают, так как появляются новые производственные мощности и увеличивается оборотный капитал.

Таким образом, алгоритм решения поставленной задачи следующий:

1. Начинаем расчет с первого интервала горизонта планирования.

2. Если оптимальный план для текущего интервала не требует дополнительных инвестиций, то переходим на следующий интервал и осуществляем расчет оптимального плана для него. Если же возникает потребность в дополнительных инвестициях, то переходим к пункту 3.

3. Изменяем целевую функцию текущего интервала с учетом процентов, начисляемых на взятые инвестиции, а также вектор максимально возможных расходов ресурсов на величину сделанных инвестиций.

4. Осуществляем расчет значения общей чистой прибыли от текущего интервала и до конца горизонта планирования с учетом инвестиций и без них. В случае варианта с инвестициями из общей чистой прибыли вычитается величина инвестиций.

Во – втором варианте для текущего интервала вектор максимальных затрат ресурсов заменяется вектором максимально возможных затрат ресурсов без учета инвестиций текущего шага, соответственно, в целевой функции не учитываются инвестиции. Для последующих интервалов повторяются процедуры пунктов 2 и 3. Далее сравниваются получившиеся значения общей чистой прибыли за текущий и последующий интервалы и выбирается оптимальный вариант. Если это "инвестиционный" вариант, то делаются изменения в векторах максимально возможных ресурсов, а также в целевой функции последующих интервалов (учитываются проценты по осуществленным инвестициям). Переходим к пункту 5.

5. Делаем переход на следующий интервал с учетом изменений пункта 4 и переходим к пункту 2.

В итоге выполнения указанного выше алгоритма достигаются следующие результаты:

Приводятся в соответствие ожидания рынка товаров, выпускаемых или планируемых к выпуску предприятием, и существующие на начало интервала планирования производственные мощности и оборотный капитал. Т.е. либо обоснованно берутся инвестиции для увеличения ресурсов предприятия на определенном временном интервале для удовлетворения требований рынка, либо также обоснованно данные инвестиции не делаются.

Достигается максимум прибыли предприятия за планируемый период.

Формируется инвестиционная и производственная программа, а также схема финансирования предприятия.

Далее вместо Затрjmax(t) и Затрumax(t) в указанной выше постановке задачи можно подставить любое значение Затрj*(t) и Затрu*(t) такое, что Затрjвозм(t) Затрj*(t) Затрjmax(t) и Затрuвозм(t) Затрu*(t) Затрumax(t) при всех j и u. Алгоритм действий по поиску максимального значения целевой функции и соответствующих ему управляющих воздействий по объемам производства продукции и затратам на увеличение запасов ресурсов и производственных мощностей аналогичен указанному выше. Таким образом, возникает задача выбора из множества возможных вариантов постановки задачи линейного программирования оптимального для каждого из временных интервалов в пределах горизонта планирования. Определение оптимального варианта возможно с использованием методов поиска глобального экстремума.

Следует отметить ряд особенностей предложенного алгоритма:

в целевой функции используется прибыль от единицы продукции, а не выручка;

учитываются ресурсные возможности данного предприятия на конкретный интервал времени;

в расчетах учитываются инвестиции и схема финансирования предприятия;

применение для оптимизации методов линейного программирования позволяет достаточно быстро получить результаты (количество итераций ограничено), конечно, если множество допустимых решений замкнуто и не пусто.

Кроме того, нужно отметить важность выбора горизонта планирования. Он должен быть достаточен для возврата возможных инвестиций, либо в расчетах следует указывать неполную стоимость осуществляемых инвестиций.

Указанную задачу можно решить только с использованием информационных технологий, так как для получения оптимального решения необходимо большое количество вычислительных действий. Необходимо для каждого временного интервала осуществить глобальный поиск оптимального вектора ресурсов предприятия, решая симплекс – методом соответствующую задачу линейного программирования. Кроме того, система оперирует фактически всеми данными о предприятии. Поэтому, для эффективного планирования деятельности предприятия необходимо создание информационной системы, предоставляющей всю необходимую для расчетов информацию из различных подразделений предприятия. При этом возможно использование существующих на предприятии информационных систем, имеющих интерфейсы для прикладных программ.

Представленная в статье задача значительно расширяет классическую постановку задачи о распределении ресурсов. Происходит ее увязка с реалиями рынка. Так, чтобы увеличить объем производства выше производственных возможностей, предприятие должно осуществить инвестиционные вложения, которые отразятся на дальнейшем положении предприятия и его прибыли. Решая поставленную в статье задачу, руководство предприятия может определить управляющие воздействия в пределах горизонта планирования, переводящие предприятия из начального в конечное состояние с достижением максимальной чистой прибыли на горизонте планирования. Таким образом, планируются ключевые для предприятия параметры: состав выпускаемой продукции, ее объем, объемы материальных, людских и мощностных ресурсов на каждом временном интервале, то есть планируется развитие всего предприятия, а не отдельных проектов, с ним связанных. Использование информационных технологий делает возможным планирование и управление деятельностью такого сложного объекта, как промышленное предприятие. При этом критерием оптимальности такого управления становиться чистая прибыль предприятия, то есть учитываются все расходы, связанные с производствами, существующими на предприятии. Информационные технологии позволяют осуществлять расчеты различных вариантов развития предприятия в приемлемые для принятия управленческих решений сроки и с заданной степенью точности.

1. Юдин Д. Б., Гольштейн Е. Г. Линейное программирование. – М.: "Наука", 1969.- 424 с.

МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ ДЕЯТЕЛЬНОСТИ

ПОСТАВЩИКА УСЛУГ СОТОВОЙ СВЯЗИ

Сформулируем требования, которым должна удовлетворять разрабатываемая математическая модель, описывающая развитие систем сотовой связи:

· математическая модель должна адекватно и полно описывать систему сотовой связи, для которой производится анализ, при этом модель должна быть достаточно общей с одной стороны, и устанавливать однозначное соответствие конкретной системы классу систем, для которых была построена математическая модель, с другой стороны;

· основу математической модели составляют теоретические положения, характеризующие развитие современных систем сотовой связи [1, 2];

· при разработке математической модели системы сотовой связи следует учесть производительность существующей в настоящее время вычислительной техники массового применения (разработанное программное обеспечение, реализующее расчеты на основе предложенной математической модели, должно использоваться в компьютерах класса Pentium, не требуя для своего исполнения мощностей суперкомпьютеров). Реализация сформулированного требования особенно важна, так как системы сотовой связи относятся к классу сложных систем, для полного описания которых должны быть учтены: технические и технологические характеристики системы;

экономические критерии, как на микроэкономическом, в пределах самой системы, так и на макроэкономическом уровне; факторы конкурентной борьбы на экономическом рынке между поставщиками услуг сотовой связи, а также целый ряд других важных характеристик. При этом необходимо, чтобы в рамках модели можно было отбросить малозначащие факторы, так как иначе, при попытке создания математической модели поставщика услуг сотовой связи возникает опасность, что она по своей сложности будет превосходить ту систему, для моделирования которой была создана.

· разработанная модель должна обладать возможностью ее использования для прогнозирования.

Для реализации математической модели, описывающей функционирование систем сотовой связи, потребовалось разработать специальную БД, содержащую сведения о развитии систем сотовой связи в различных регионах Российской Федерации.

Для обработки собранной информации использовалось формализованное знаковое экономико-математическое моделирование.

Для выполнения поставленных задач необходимо [3, 4] выполнить операции по описанию моделируемого объекта, в качестве которого выступает система сотовой связи.

Для рассматриваемого в математической модели предприятия-поставщика услуг сотовой связи, определим функцию состояния производства в момент времени t как вектор функцию скалярного аргумента - времени:

где xi (t ), i = 1,2,..., n - также может быть как скалярной величиной, так и векторной.

Для описанной ниже модельной разработки принимается n=3.

x1 (t ) - суммарная технологическая мощность - величина, показывающая эффективность работы оборудования. Следует подчеркнуть, что данная характеристика является вектором, так как определяется набором технических характеристик (в частности, частотным планом, с которым работает аппаратура данного поставщика услуг сотовой связи). Учитывается также число узлов - базовых станций (БС) в системе сотовой связи и телефонная нагрузка в одном секторе [4]. Заметим, что в случае недоступности точной информации, при проведении анализа, приближенную оценку числа узлов можно получить на основе данных о площади, контролируемой оператором сотовой связи, с учетом данных по рельефу местности и мощности приемопередающей аппаратуры.

x2 (t ) - трудовой ресурс (число работающих на предприятии сотовой связи).

x3 (t ) - суммарный фактический спрос на услуги средств сотовой связи. Данная величина тесно связана с функциями спроса и предложения, которые в свою очередь определяются числом клиентов, пользующихся услугами рассматриваемой системы сотовой связи.

Модель, разработанная для прогнозирования развития систем сотовой связи, должна учитывать влияние случайных факторов оказывающих влияние на развитие системы, момент возникновения которых невозможно определить, но можно определить вероятность того или иного события в рассматриваемый временной интервал.

Учтем влияние случайных факторов:

где X (t ) - вектор-функция, характеризующая случайные изменения компонент вектора состояния, U (t ) - характеризует “внешнее” управляющее воздействие, вызванное правовыми актами на государственном и муниципальном уровне, направленными на упорядочивание деятельности организаций, предоставляющих услуги связи.

При построении модели необходимо иметь в виду возможность внешних воздействий на моделируемый объект. Таким образом, под состоянием системы сотовой связи понимается совокупность технико-экономических параметров, тогда, при отсутствии дополнительных факторов, оказывающих влияние на функцию состояния, в фиксированный момент времени ее можно рассматривать как вектор в трехмерном пространстве. Естественной нормой является геометрическая длина вектора, определяемая формулой:

Назовем вектором управляющих переменных для предприятия-поставщика услуг сотовой связи вектор-функцию:

Управляющая функция u1 (t ) осуществляет регулирование затрат, направляемых на изменение мощности, в момент времени t.

u2 (t ) - характеризует ценовую стратегию - определение рационального соотношения между себестоимостью и чистой прибылью, а также учет сезонных изменений ценовой политики.

u3 (t ) - определяет интенсивность информационного потока, направленного на клиентов, и содержащего сведения об основных изменениях в технической и маркетинговой политике поставщика услуг сотовой связи.

u4 (t ) - определяет соотношение “внутренней” и ”внешней” политики, то есть кадровой политики руководства компании и производительностью труда работающего в ней технического персонала.

В рамках общего вида динамической модели связь между функцией состояния и управления можно выразить с помощью системы дифференциальных уравнений 1го порядка.

или в развернутом виде:

Определенные функции состояния и управления оказывают сильное взаимное влияние друг на друга, поэтому рассматривая группу уравнений (6), можно определить лишь одностороннее воздействие управленческой политики на техникосоциальные характеристики. Введение векторного уравнения:

позволяет учесть обратную связь, то есть влияние состояния системы производства услуг сотовой связи на принятие управленческих решений.

В разработанной модели учитываются экзогенные факторы - научнотехнический прогресс, вызванный внешними по отношению к модели причинами, влияние экономико-политической обстановки на инвестиционную политику и покупательную способность населения, возможность форс-мажорных обстоятельств, изменение климатических условий, а также сезонные колебания спроса. Все указанные факторы носят случайный характер.

Уравнения (6) и (7) должны решаться при известных начальных условиях.

Вектор Х0 содержит три компонента - начальная технологическая мощность, начальный трудовой ресурс - количество занятых служащих в момент открытия компании, начальный спрос - предположительное значение функции спроса в момент времени t 0 + a.

На вычислительном этапе реализации экономической модели функционирования организации-поставщика услуг сотовой связи, возможен целый ряд действий, направленных на ее упрощение. В первую очередь это может быть достигнуто с помощью введения различного вида производственной функции. Для решения задачи оптимизации получения прибыли можно построить различные модели экономического роста [5, 6]. При определении производственных функций также возможна дополнительная детализация, учитывающая конкретную группу систем сотовой связи. Например, очевидно, что производственная функция, описывающая только системы сотовой связи, расположенные в крупных городах, и производственная функция, описывающая только системы сотовой связи, размещенные в сельской местности, будут иметь более простой вид, чем универсальная производственная функция, описывающая эти две группы.

Разработанная модель позволяет описать развитие любой современной системы сотовой связи, дать качественную и количественную оценку характеристик такой системы, как объекта математического моделирования, на основе теоретических положений, описывающих функционирование системы. Данные, полученные в ходе выполнения расчетов, легко интерпретировать, так как, в отличие от статистического подхода, можно четко выделить ту или иную причину, вследствие действия которой и был получен данный результат.

Достоинство разработанной модели в ее высокой универсальности, позволяющей моделировать развитие любой конкретной системы сотовой связи, существующей в настоящее время и тех которые появятся в ближайшем будущем. Представляется маловероятным, что в течение ближайших 10-15 лет произойдут настолько сильные изменения в основах технологии сотовой связи, которые не сможет описать разработанная общая математическая модель. Изменятся численные значения коэффициентов, характеризующих технические свойства оборудования, возможно, потребуется дополнение модели уравнениями, описывающими новые особенности оборудования, но сохранится система взаимосвязи между структурными блоками модели.

Список использованных источников 1. Разроев Э.А. Маркетинг сотовой связи. - М.:"Мобильные коммуникации":

1999. - 160 с.

2. Ратынский М.В. Основы сотовой связи/ Под. ред. Д.Б.Зимина - М.:, Радио и связь, 1998. - 248 с.

3. Уздемир А.П. Динамические целочисленные задачи оптимизации в экономике. - М.:Физматлит, 1995.-288 с.

4. Экономико-математические методы и модели в планировании и управлении в отрасли связи - М.:Радио и связь, 1993. - 376 с. 3-е изд., доп. и перераб.

5. Gross M., Moscardini A.O. Learning the Art of Mathematical Modelling. - N.Y.:

Wiley,1985.-154 p.

6. Meadows D.H., Meadows D.L., Randers J., Behrens W.W. The limits to growth. N.Y.:Universe Books, Potomak Assosiated Book, 1998.

ПРИВЛЕЧЕНИЕ ПОСЕТИТЕЛЕЙ НА КОММЕРЧЕСКИЙ WEB-САЙТ

Российский рынок интернет-рекламы, на момент написания работы, развивается динамично, но не стабильно. Основным фактором, положительно влияющим на развитие рынка является стремительный рост общего числа пользователей русскоязычного сегмента сети Интернет, а главным сдерживающий фактором – общемировое снижение интереса рекламодателей к традиционным формам интернет-рекламы [1], теряющим былую эффективность и привлекательность финансовых вложений.

Несмотря на общую нестабильность рынка интернет-рекламы, компаниям выходящим на рынок следует учитывать резкое снижение издержек при работе в Сети, что в целом оправдывает повышенный риск инвестицией в web-рекламу. В таких, относительно новых областях деятельности, как электронная коммерция и интернетмаркетинг, возможность получения реально высоких прибылей, стимулировала развитие агрессивных и не всегда корректных, относительно потребителя, методов работы. Замена дорогостоящих услуг более дешевыми становится одним из приоритетных направлений видов деятельности в web-пространсте: онлайновые web-сайты выступают наиболее дешевыми средствами взаимодействия с потребителями [2]. Основными преимуществами интернет-рекламы является:

1. Меньшая навязчивость рекламы, вследствие чего, лояльность потребителя к ней выше, чем у других СМИ;

2. Лучшее запоминание бренда (торговой марки) - уровень запоминания бренда, показанного по телевидению, равен 10%, в сети Интернет 12%;

3. Высокий таргетинг (избирательность рекламы по временному, групповому, тематическому и персональному принципу);

4. Качество аудитории;

5. Интерактивность;

6. Информация о потребителе;

7. Управляемость в режиме реального времени;

8. Глобальность;

9. Рекламная информация, полученная в сети Интернет, пользуется большим доверием людей, чем информация, получаемая из других источников.

Однако, следует учитывать, что оценка эффективности рекламы исключительно по высокой посещаемости web-сайта оправдана только в случае, когда основная цель создания сайта - заработок на рекламе. Если целью создания сайта является обеспечение продажи товаров или услуг, то привлечение не заинтересованных в предложении посетителей – бесполезная трата времени и средств. Привлечение «правильных посетителей» начинается с продуманной структуры, содержания сайта, а также определения целевой аудитории посетителей сайта. Компания не способная грамотно и четко сформулировать свое коммерческое предложение, рискует не «достучаться» до своей целевой аудитории.

Фирмы, в основе деятельности которых лежит продвижение продукции при использовании web-технологии, получают выгоды от реализации факторов, позволяющих увеличить внутренние накопления, повысить эффективность маркетинга и изменить в благоприятном направлении отношение к компании со стороны потребителей ее продукции. Важнейшие факторы: более низкая стоимость продукции, современный привлекательный имидж, формирование приверженности потребителя к продуктам определенной торговой марки.

Запуская новые рекламные интернет-проекты в рамках традиционного (не сетевого) бизнеса, следует особое внимание уделять правильному выбору ниши. Так как если предложение сервиса фирмой в сети Интернет абсолютно совпадает с уже занятой этой фирмой нишей на несетевом рынке - происходит автоматическое увеличение накладных расходы по выбиванию уже существующего игрока из этой ниши.

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 дополнительных расходов можно, правильно формируя предложение, для чего следует ответить 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, предназначенным для привлечения и формирования целевой аудитории посетителей сайта.

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 тематических 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 коммерческого предложения поисковые сервера, индексирующие сайт, заносят для его описания ключевые слова, наиболее точно характеризующие бизнес компании.

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

Для эффективного проведения рекламной кампании в Сети следует учесть множество факторов трудно поддающихся качественной, а, тем более, количественной оценке. Необходимо учитывать целесообразность одновременного использования оффлайн и онлайн рекламы, действия конкурентов, поведение рынка, влияние сезонных 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, эффективно до определенного предела, после достижения которого увеличение рекламных затрат практически не влияет на увеличение продаж.

В процессе планирования необходимо оценить эффективность уже проведенных 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 рекламной 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 доходов от Интернет-рекламы в 2000 году составило: баннеры – 55%, спонсорский контент – 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 маркетинговой кампании служит опрос пользователей Web-сайта, проведенный перед началом рекламной кампании и после ее завершения. Сравнение чисел относящихся к торговой марке дает результирующую эффективность. Цель этих действий отслеживание зависимости результата от предпринимаемых маркетинговых шагов.

Маркетинговый план может объединять онлайновые данные о рынке, стратегические цели организации, достоверное оценивание внутренних возможностей и требуемой внешней поддержки, детальное перечисление шагов, необходимых для исполнения и эффективную систему измерения полученных результатов и их улучшений [2].

Затраты связанные с неправильным проведением маркетинговых мероприятий сказываются на бюджете фирмы как прямо, за счет нерациональных расходов на рекламу, 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 максимальное 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 информации, такой как телевидение, радио, печатные издания или щитовая реклама.

Правильный подход к использованию Интернета складывается из нескольких простых аксиом. Важнейшая из них та, что распространение информации в сети Интернет, 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 наибольший выигрыш по сравнению с другими существующими средствами.

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

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

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

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

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

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

Магия ПК №5(50)/ 2. Хэнсон У. Internet-маркетинг. Учебно-практическое пособие. М.: ЮНИТИДАНА, 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.

ПРИМЕНЕНИЕ РАЗНОСТИ ПУАССОНОВСКИХ СЛУЧАЙНЫХ ВЕЛИЧИН

ПРИ МОДЕЛИРОВАНИИ СЛОЖНЫХ СИСТЕМ И ПРОЦЕССОВ

В [1] указано, что часто бывает так, что распределение Пуассона хорошо или удовлетворительно описывает все, почти все или только часть опытных распределений или оно чуть-чуть не дотягивает до удовлетворительного описания отдельных опытных распределений по критерию хи-квадрат. В этом случае применяют различные модификации, обобщения, смеси, рандомизации, сплайсинги распределения Пуассона, что обычно приводит к успеху в описании опытных данных за счет потери основного содержания модели распределения Пуассона. Основное содержание модели распределения Пуассона (закон редких событий) иногда удается сохранить, заменив 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 наблюдается. Причиной тому может быть конкуренция двух пуассоновых случайных процессов: 1) проявление данного признака у объекта и 2) его подавление (непроявление). В любой момент времени t первый и второй процессы дают случайные величины 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 случайных 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 равна 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 величин имеет связь с нецентральным распределением хи-квадрат. Используя эту связь, 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).

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.

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 упомянутых авторов гипотезу о том, что данные опыта соответствуют распределению одной пуассоновой случайной величины следует отвергать при любом уровне значимости a0,01 и трех степенях свободы.

Заметим что, используемый Перфильевым В.Е. и др. [4] плодоводческий термин «цветковые почки» для семечковых (яблоня, груша, айва, мушмула и др.) является синонимом ботанического термина «соцветие», ибо у семечковых каждая цветковая 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 «распределение 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 параметров 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 отношения 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 отношения 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 I0-2 I1/b, I3=(8/b2+1)I1-4I0/b, Is.= Is( ab ). Имеем уравнения для метода отношения вероятностей 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 приведены 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 данным 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 минимизацию 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].

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 значения 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 соответственно 13, 5, 3, 0, 1,1 лет (всего 23 года), и группируем в один класс четыре соответствующих 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 значение c1-0, 30 (1) = 1,074. Поэтому при любом уровне значимости a0,30 и одной степени свободы 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=7,2491 и b=3,0663 в этом случае были оценены методом отношения вероятностей. Их уточнение методом минимума хи-квадрат не потребовалось.

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

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 генеративными 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 объединения получили 3 более крупных класса для того, чтобы суммы теоретических частот nps в них были не меньше, чем 10 (обычная рекомендация для критерия хиквадрат). 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 свободы 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 вероятностей, а затем уточнены методом минимума хи-квадрат.

Результаты и обсуждение Итак, содержательная модель, заменяющая случайную величину с распределением 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. Модель 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 могут конкурировать два пуассоновых процесса: повреждение и репарация (неповреждение),- 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 вырождается 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 данных Перфильева В.Е. и др. [4] опытные распределения числа цветковых почек в зависимости от числа образовавшихся в них плодов хорошо (достаточно адекватно) описываются теоретическим распределением в виде распределения разности двух пуассоновых случайных величин. При этом согласие улучшается даже в тех случаях, когда по данным Перфильева В.Е. и др. вполне удовлетворительное согласие дает обычное распределение Пуассона.

Более того, распределение разности двух пуассоновых случайных величин хорошо 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 отклонение 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 распределение [9, с. 174]. Этим, возможно, объясняется широкое использование отрицательного биномиального распределения в биологии и др. науках.

Заметим, что обычное распределение Пуассона – предельный случай биномиального распределения. Пусть случайная величина X имеет биномиальное распределение Pn(i)= С n pi (1-p) n-i, а параметр p этого распределения имеет непрерывное бетаi 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 дает 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.: Материалы II международной научно-практич. конф. «Проблемы преемственности в системе непрерывного педагогического образования», Мичуринск, 28-29 мая 2002 г. Мичуринск: Изд-во МГПИ, 2002. С. 172-173.

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

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

4. Перфильев В.Е. и др. Распределение цветковых почек яблони по числу образовавшихся 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: Издво 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 химии. Воронеж: Изд-во ВГУ, 1998. 272 с.

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

ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ПРОЦЕССА РАЗРАБОТКИ

ЛОГИСТИЧЕСКОЙ СТРАТЕГИИ ОРГАНИЗАЦИИ

Последние десятилетия ХХ века ознаменовались бурным развитием интеграционных процессов, протекающих в мировой экономике, и достижением ими наивысшей степени своего развития. В современных условиях страны уже не в состоянии осуществлять свое развитие без учета приоритетов и норм поведения других участников мирохозяйственной деятельности. Все это позволяет сделать вывод о возникновении новой тенденции в развитии международной экономики – ее глобализации. Глобализационные процессы привели к значительному изменению условий бизнеса. Другими стали и сами организации, их место и роль в среде бизнеса. А значит должен измениться и процесс управления организациями, в том числе и процесс стратегического управления логистическими системами промышленных предприятий.

Из происходящего процесса глобализации российские организации могут извлечь выгоду и найти свое место в мировой экономике. Повышению их конкурентоспособности 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 подетальной и технологической специализации и межотраслевого кооперирования. Традиционно в рамках логистической стратегии определяются места строительства складов, автомобильных и железных дорог, терминалов, анализируются грузовые потоки [1]. В условиях глобализации экономики логистическая стратегия должна предусматривать возможность частичной или полной передачи выполнения отдельных бизнесфункций и даже частей бизнес-процесса сторонним лицам или организациям, способным осуществить их более эффективно, а также участие в сетевых корпорациях.

Для разработки эффективной логистической стратегии необходимо соответствующее 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 промышленных предприятий.

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

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

имеется возможность проводить сравнение альтернативных вариантов. Применение 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 возможность непротиворечивым и стандартизованным образом проанализировать различные данные о состоянии предприятия. Не имея расчетных данных легко впасть в субъективизм, в результате чего результаты стратегического анализа могут оказаться ошибочными;

устраняются риски. Использование модели не несет в себе каких-либо существенных рисков. При отсутствии модели различные стратегии можно проверить только в реальной ситуации, что совершенно неприемлемо, поскольку связано с рисками потерь 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 существенно зависит от количества реализованной предприятием продукции, произведенной им в предыдущие периоды. Поэтому более реальным отражением действительности является динамическая модель функционирования предприятия, учитывающая влияние ранее выпущенной и реализованной продукции на производственные ресурсы данного периода [4]. Динамическая модель позволяет проводить комплексное исследование предприятия как целостной системы, осуществляющей многообразные, взаимосвязанные функции, находящейся в определенных взаимоотношениях со средой бизнеса, воздействующей на эту среду и подвергающейся последовательным изменениям 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 аналитических моделях поведение системы записывается в виде некоторых функциональных соотношений или логических условий. Наиболее полное исследование удается провести в том случае, когда получены явные зависимости, связывающие искомые величины с параметрами системы и начальными условиями ее изучения. Это удается выполнить только для сравнительно простых систем. Для сложных систем зачастую приходится упрощать представления реальных явлений, дающие возможность описать их поведение и представить взаимодействия между компонентами системы. Когда явления в сложной системе настолько сложны и многообразны, что аналитическая модель становится слишком грубым приближением к действительности, то используется имитационное моделирование. По сравнению с другими методами прикладного системного анализа имитационное моделирование позволяет рассматривать большее число альтернатив, улучшать качество управленческих решений и точнее прогнозировать 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 некоторым критерием или совокупностью критериев) различные стратегии, обеспечивающие функционирование данной системы. В имитационной модели поведение компонент системы описывается набором алгоритмов, которые затем реализуют ситуации, возникшие в реальной системе. Моделирующие алгоритмы позволяют по исходным данным, содержащим сведения о начальном состоянии системы, и фактическим значениям параметров системы отобразить реальные явления в системе и получить сведения о возможном ее поведении для данной конкретной ситуации. К достоинствам имитационного моделирования относятся:

возможность описания поведения компонент экономической системы на высоком уровне детализации;

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

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

Отмеченные достоинства обеспечивают возможность использования имитационного моделирования в процессе стратегического планирования деятельности логистических систем предприятия. Сущность имитационного динамического моделирования 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 основополагающих процессов: получение ресурсов из внешнего окружения; изготовление продукта; передача продукта во внешнюю среду. Внешние связи предприятия осуществляются 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, политической, социальной и технологической подсистемами.

Имитационная динамическая модель, предназначенная для целей стратегического планирования деятельности логистической системы предприятия, должна достаточно 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, поставщиками и конкурентами.

Информация о состоянии внешней среды бизнеса учитывается в модели следующим образом. Экономические условия представлены с помощью таких показателей, 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 периода. Социально-культурные условия, в первую очередь, определяются вкусами и предпочтениями потребителей, формируют спрос. Они учитываются при построении функции спроса на каждом целевом рынке предприятия. Технологические условия влияют на производственный потенциал предприятия, учитываются при формировании производственной программы. Их оценка производится экспертно. Рыночные условия 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 изменение 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 задолженности. Влияние потребителей может быть отражено в модели с помощью функции спроса и величины дебиторской задолженности.

В условиях рыночной экономики информационные и товарные потоки в маркетинговой подсистеме организованы так, чтобы обеспечить нормальное функционирование 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 сервис по всем продуктам.

Производственная подсистема осуществляет процесс переработки сырья, материалов и полуфабрикатов, поступающих на входе в организацию, в продукт, который затем предлагается во внешнюю среду. Для этого должны быть осуществлены следующие операции: разработка и проектирование продукта с учетом информации, полученной от маркетинговой подсистемы; выбор технологического процесса, размещение персонала и техники по процессу; закупка сырья, материалов и полуфабрикатов; 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 финансовый план; формируются денежные ресурсы; распределяются денежные ресурсы между маркетинговой и производственной подсистемами; производится оценка финансового 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 определить проблемы и выбрать лучшие пути реализации логистической стратегии. В финансовую подсистему передается следующая информация: из маркетинговой подсистемы - объем продаж и цена по каждому продукту; сумма затрат на рекламу, исследования и сервис по всем продуктам; из производственной подсистемы дополнительная потребность в производственной мощности; производственные затраты по каждому продукту.

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

Таким образом, использование динамических моделей в стратегическом анализе 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 формировании 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 динамика). – 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. Получаемые предприятиями стандартные форматы таких материалов раскраивают на прямоугольные заготовки нужных размеров. Эффективность раскроя по рациональности использования материалов оценивается коэффициентом выхода заготовок, который определяется из отношения суммарных площадей полученных заготовок к суммарной площади раскроенных плитных или листовых материалов [1]:

где n - количество типоразмеров; ai и bi - размеры i-й заготовки (i=1, …, n); ri - требуемое 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 раскроя листовых и плитных материалов включают распиливание их вдоль и поперек с получением заготовок или деталей требуемых размеров. При этом необходимо выполнять следующие условия: обеспечение максимального выхода деталей; комплектность деталей разных размеров и назначения в соответствии с объемом производства;

минимального количества типоразмеров деталей при раскрое одной плиты; минимального 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 технологические потери сведены к нулю, а раскрой плитных и листовых материалов на заготовки будет основан на строгих математических расчетах.

Все существующие системы проектирования технологического процесса прямоугольного 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 остатков.

Вторая версия базируется на генерации наилучших возможных полос с последующим раскроем исходного множества листов на полученные полосы. Таким образом, 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 использовании 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 NPтрудной 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 различных 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 автоматически 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 конструкцию оборудования.

Методика автоматизированного формирования карт оптимального раскроя плитных материалов при одновременном учете технологических ограничений решается авторами [4] как задача плотной упаковки разнотипных полос на плите с минимизацией отходов при укладке полос вдоль или поперек плиты с выполнением условия комплектности заготовок. Математическая модель представляет собой задачу целочисленного нелинейного программирования с целевой линейной функцией и рассматривается как задача многопараметрического целочисленного линейного программирования. Для ее решения при проектировании подсистемы автоматизированного проектирования карт раскроя авторами [5] предлагается метод ветвей и границ, поскольку он, как показывает практика, численно устойчивее других методов решения целочисленных экстремальных задач, менее подвержен влиянию ошибок округления, 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 определяется либо длиной, либо шириной заготовки. Аналогичным образом решается задача 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 целочисленного линейного программирования. Генерация оптимального плана раскроя осуществляется двумя альтернативными методами решения: технологией динамического программирования и расширенным методом неявного учета Гилмори и Гомори. Отмечено, что решение задачи дает высокий коэффициент полезного выхода в случае, когда требуемое количество заготовок велико, а количество типоразмеров - относительно 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 минимизации сроков проектирования, подготовки технологических документов для производства и создания корпусных мебельных изделий. В этой связи является актуальным компьютерная поддержка управления мебельным производством, выпускающим изделия по индивидуальным заказам [7].

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

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

Из списка требуемых заготовок формируются продольные и поперечные полосы, 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 последовательной упаковки полос на переменном формате раскраиваемой плиты. В качестве оценки могут быть применены: площадь делового отхода; длина реза; коэффициент полезного выхода (1), а также коэффициент полезного использования материала где n - количество типоразмеров; ai и bi - размеры i-й заготовки (i=1, …, n); ri - требуемое 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 пригодные для дальнейшего использования. Однако наличие большой площади деловых остатков не гарантирует их 100 % -е использование, поэтому с учетом их раскроя в будущем коэффициент полезного использования данного листа может значительно уменьшиться.

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

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

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

Например, на изготовление стола с надставкой требуется 14,937 м2 древесностружечных плит. Тогда на раскрой заготовок данного мебельного изделия минимальное 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 минимальное число требуемых плит mтреб.min2, рассчитанных для объединенной соnj вокупности тех же заказов mmin1 = mmin 1 j, mmin 2 = i = 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 оптимального 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 заказов, т.к. несмотря на приоритетное использование деловых остатков при проектировании 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).

Номер Наименование заказа Требуемая площадь Количество плит размером 3, заказа Раскрой Количество Средний коэф- Средний коэффици- Длина реза, заказов использован- фициент полез- ент использования м один использованием деловых 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 загрузки оборудования.

1. Гончаров Н.А, Башинский В.Ю., Буглай Б.М. Технология изделий из древесины: 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 дискретной оптимизации. // Информационные технологии, 1999. - №1. С. 2-7.

4. Лимонов Е.А., Федоров Д.П., Хухрянская Е.С. Математическая модель задачи оптимального формирования карт раскроя плитных материалов//Актуальные проблемы 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 Reinaldo, 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 задачи индивидуального раскроя мебельных изделий. // Прикладные задачи моделирования и оптимизации: Межвузов. сб. науч. тр. Воронеж: ВГТУ, 2001. С. 23-28.

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 объектами. При решении некоторых задач ставится цель реализовать возможность отображения смоделированной сцены через прибор наблюдения, позволяющий с заданной 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, позволяющий визуализировать объекты с заданной кратностью.

В системах визуализации существует стандартный объект компьютерной графики – камера. Но камера не обладает всеми свойствами, достаточными для ее прямого использования в имитаторах приборов наблюдения. Виртуальная камера должна имитировать реальный прибор при любом допустимом установленном значении кратности наблюдения и дальности наблюдаемого объекта. Все наблюдаемые камерой 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 изменить 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 паспортные данные, включающие угол раскрыва камеры и кратность. Пусть угол раскрыва задан, а кратность можно изменять в пределах от 1 до 12 с шагом 0,5. Применительно к модели за основной акцент примем обеспечение эффекта адекватной кратности.

Для расчета точных выходных параметров необходимо определить зависимость 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 величину 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 камеры и при кратности отображения объекта равной 1. Объект расположен на расстоянии l м от камеры. Если на приборе установить кратность равную X, то высота объекта на видовой проекции должна быть равной Xh. На графике изменение высоты показано пунктиром. Таким образом, точка K должна сместиться в точку K' и кривая зависимости 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 раскрыва камеры можно найти такой новый угол раскрыва, при котором будет достигнута кратность X.

Рис. 1. Параметры пирамиды видимости Рис. 2. Изменение высоты проекции при изменении расстояния между камерой и объектом Из рис. 3 видно, что высота объекта на экране в точках:

где S - количество точек вывода изображения на экране по вертикали; h – высота объекта на плоскости проекции; Н - высота экрана.

Рис. 3 Изменение высоты проекции объекта при изменении угла раскрыва камеры Рис. 4. Изменение угла раскрыва камеры при смене кратности прибора от 1 до X После смены кратности высота объекта будет равна:

где X – кратность прибора наблюдения.

Ставится задача найти для каждого угла раскрыва камеры (от 10 до 900) значения 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 итерационно, 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.

гдеHпр – горизонтальный размер пространства попадающего в поле зрения на расстоянии l; l – расстояние от камеры до объекта; fovy – угол раскрыва камеры в вертикальной плоскости.

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 плоскости можно выразить в следующем виде:

где hоб – высота объекта; Hпр – горизонтальный размер пространства попадающего в поле зрения.

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

Исходя из формул (2) и (5) угол раскрыва камеры при смене кратности прибора наблюдения на величину X будет определяться:

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.

1. Шикин Е.В., Боресков А.В. Компьютерная графика. Полигональные модели. – 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.

ТРИ МОДЕЛИ УПРАВЛЕНИЯ ПАРАЛЛЕЛИЗМОМ ТРАНЗАКЦИЙ В

РАСПРЕДЕЛЕННЫХ БАЗАХ ДАННЫХ

В современных условиях уровень интеграции средств информатики и достижений науки характеризует интеллектуальный потенциал общества. Информатизация общества – одна из основных характеристик современности. При переходе к информационному обществу появится новая индустрия переработки информации на базе компьютерных и телекоммуникационных технологий. На данном этапе развитие аппаратных, программных и коммуникационных средств позволяет реально внедрить их в общественную и деловую жизнь.

Информатизация общества даст людям доступ к надежным источникам информации, избавит от ежедневной рутины. Это приведет к изменению всего уклада жизни человека, возрастут требования к знаниям. Информатизация – это целенаправленный 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 между людьми, а не только средством усвоения готовых знаний. Этот обмен предполагает как усвоение, так и передачу, создание новой информации в обмен на полученную. Все это приводит к интенсивному внедрению информационных и коммуникационных технологий в образование. Благодаря широкому использованию сетей образуется информационное единство.

Наибольшая эффективность информатизации образования будет достигнута тогда, когда произойдет полная интеграция информационных технологий в образование, и поэтому, процессы информатизации образования надо вводить непрерывно и согласованно. Системы и средства информатизации могут значительно повысить качество 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 управляются различными системами управления базами данных.

Модель РБД опишем следующим образом: ( РБД,t, С ( t )), где РБД - распределенная 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 поддержание транзакций одновременно является основой обеспечения целостности РБД.

Главным критерием обеспечения целостности РБД является сериализуемость параллельно выполняемых транзакций.

Транзакции характеризуются следующими свойствами: атомарность, согласованность, изолированность, долговечность. Согласно свойству атомарности, транзакция должна быть выполнена целиком, или не выполнена совсем. Из свойства согласованности следует, что выполняя транзакции, РБД переходит из одного согласованного состояния в другое, т.е. транзакция не нарушает взаимной согласованности данных. Свойство изолированности означает, что физически транзакции обрабатываются последовательно, изолированно друг от друга. Согласно свойству долговечности, если транзакция зафиксирована, то изменения, произведенные ею в РБД, не будут утеряны, даже в случае сбоя системы.

Различные последовательности выполнения транзакций называют планом. Сериализуемость (способность к упорядочению) транзакций – это механизм выполнения транзакций по определенному серийному плану. Если в системе поддерживается сериализация транзакций, то она обеспечивает реальную изолированность пользователей, т.е. сериализация фактически гарантирует, что каждый пользователь, который обращается к базе данных, работает с ней так, как будто не существует других пользователей 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 конфликтов.



Pages:     | 1 |   ...   | 2 | 3 || 5 |


Похожие работы:

«ВЕСТНИК МОСКОВСКОГО ГОРОДСКОГО ПЕДАГОГИЧЕСКОГО УНИВЕРСИТЕТА НаучНый журНал СЕРИя ЕстЕствЕННыЕ Науки № 2 (12) Издается с 2008 года Выходит 2 раза в год Москва 2013 VESTNIK MOSCOW CITY TEACHERS TRAINING UNIVERSITY Scientific Journal natural ScienceS № 2 (12) Published since 2008 Appears Twice a Year Moscow 2013 Редакционный совет: Реморенко И.М. ректор ГБОУ ВПО МГПУ, председатель кандидат педагогических наук, доцент, почетный работник народного образования Рябов В.В. президент ГБОУ ВПО МГПУ,...»

«Д. Д. Рубашкин ИНФОРМАТИЗАцИЯ Статья поступила в редакцию в январе 2010 г. ОБРАЗОВАНИЯ И ФОРМИРОВАНИЕ УчЕБНОй СРЕДы ШКОЛы: НОВыЕ КВАЛИФИКАцИИ УчИТЕЛЯ Аннотация Необходимость информатизации диктуется объективными социальными процессами. Чтобы внедрять инновационные преподавательские практики и сохранить за собой лидирующую роль в учебном процессе, учитель должен сочетать педагогическую компетентность с высокой информационной культурой. Подготовка современного преподавателя должна предусматривать...»

«Российская академия наук Институт экологии Волжского бассейна В.К. Шитиков, Г.С. Розенберг Рандомизация и бутстреп: статистический анализ в биологии и экологии с использованием R Исправленная и дополненная интернет-версия от 15.11.2013 Тольятти 2013 Шитиков В.К., Розенберг Г.С. Рандомизация и бутстреп: статистический анализ в биологии и экологии с использованием R. - Тольятти: Кассандра, 2013. - 314 с. ISBN В книге представлено описание широкой панорамы статистических методов, как повсеместно...»

«Министерство образования Республики Беларусь Учреждение образования Белорусский государственный университет информатики и радиоэлектроники Кафедра Вычислительные методы и программирование Шестакович В. П. Электронный учебно-методический комплекс по дисциплине “ОСНОВЫ АЛГОРИТМИЗАЦИИ И ПРОГРАММИРОВАНИЯ” Для студентов специальностей 36 04 01 Электронно-оптические системы и технологии, 39 02 02 Проектирование и производство радиоэлектронных средств, 39 02 03 Медицинская электроника, 39 02 01...»

«Министерство образования и науки РФ Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования Тобольский государственный педагогический институт им. Д. И. Менделеева Кафедра зоологии, экологии и природопользования Утверждена на заседании кафедры протокол № 1 от 30.09 2008 года УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС ПО ДИСЦИПЛИНЕ БИОЛОГИЯ С ОСНОВАМИ ЭКОЛОГИИ Специальность 050201.65- Математика Профиль Алгебра и геометрия Программу составила: к....»

«Государственное бюджетное образовательное учреждение города Москвы Московская международная гимназия АНАЛИЗ РАБОТЫ ГОСУДАРСТВЕННОГО БЮДЖЕТНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ ГОРОДА МОСКВЫ МОСКОВСКАЯ МЕЖДУНАРОДНАЯ ГИМНАЗИЯ ЗА 2013/2014 УЧЕБНЫЙ ГОД Москва 2013 – 2014 учебный год 1 ПЕДАГОГИЧЕСКИЕ КАДРЫ ГИМНАЗИИ В 2013/2014 учебном году в педагогический состав гимназии входило 109 человека. С целью улучшения научно-методического обеспечения учебно-воспитательного процесса в гимназии работали следующие...»

«Министерство образования Республики Беларусь Учреждение образования Белорусский государственный университет информатики и радиоэлектроники Кафедра систем управления А. В. Павлова МАТЕМАТИЧЕСКИЕ ОСНОВЫ ТЕОРИИ СИСТЕМ Конспект лекций по курсу Математические основы теории систем для студентов специальности 1-53 01 07 Информационные технологии и управление в технических системах В 2-х частях Часть 1 Минск 1 СОДЕРЖАНИЕ ВВЕДЕНИЕ. ОБЩИЕ СРЕДСТВА МАТЕМАТИЧЕСКОГО ОПИСАНИЯ СИСТЕМ. ТЕМА 1. ОСНОВЫ ТЕОРИИ...»

«Приложение 1 приказу Министерства образования Республики Беларусь от 24.12.2008 № 1000 РЕКОМЕНДАЦИИ ДЛЯ РУКОВОДСТВА ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ ПО ОРГАНИЗАЦИИ И ПРОВЕДЕНИЮ РАБОТ ПО ФОРМИРОВАНИЮ ВУЗОВСКИХ СИСТЕМ МЕНЕДЖМЕНТА КАЧЕСТВА Минск 2008 г. 2 Настоящие Рекомендации подготовлены рабочей группой, созданной по приказу Министерства образования от 14.03.2008 № 167 для проведения работ по развитию вузовских систем управления качеством (систем менеджмента качества) и приведению их в соответствие с...»

«Международный консорциум Электронный университет Московский государственный университет экономики, статистики и информатики Евразийский открытый институт Л.В. Горяинова История экономических учений Учебно-практическое пособие Москва 2007 1 УДК 330.8 ББК 65.01 Г 716 Горяинова Л.В. ИСТОРИЯ ЭКОНОМИЧЕСКИХ УЧЕНИЙ: Учебно-практическое пособие. — М.: Изд. центр ЕАОИ, 2007. — 248 с. Рекомендовано Учебно-методическим объединением по образованию в области антикризисного управления в качестве учебного...»

«Направление подготовки: 010300.68 Фундаментальная информатика и информационные технологии (очная, очно-заочная) Объектами профессиональной деятельности магистра фундаментальной информатики и информационных технологий являются научно-исследовательские и опытноконструкторские проекты, математические, информационные, имитационные модели систем и процессов; программное и информационное обеспечение компьютерных средств, информационных систем; языки программирования, языки описания информационных...»

«Международный консорциум Электронный университет Московский государственный университет экономики, статистики и информатики Евразийский открытый институт С.А.Орехов, В.А.Селезнев Менеджмент финансово-промышленных групп (учебно-практическое пособие) Москва 2005 1 УДК 334.7 ББК 65.292 О 654 Орехов С.А., Селезнев В.А. МЕНЕДЖМЕНТ ФИНАНСОВО-ПРОМЫШЛЕННЫХ ГРУПП: Учебно-практическое пособие / Московский государственный университет экономики, статистики и информатики. — М.: МЭСИ, 2005. — 176 с. ISBN...»

«Разделы каталога Дошкольное образование Для учителей начальных классов Для учителя математики Для учителя русского языка Для учителя литературы Для учителя химии Для учителя физики Для учителя информатики Для учителей истории и обществознания Для учителя иностранных языков Для учителей географии и биологии Подготовка к экзаменам Справочники 5 Узнаю звуки и буквы: Начинаю считать: Считаю и решаю: Расту культурным: для одаренных для одаренных детей для детей для одаренных детей детей 4–5 лет 4–5...»

«Министерство образования и науки Российской Федерации Государственное образовательное учреждение высшего профессионального образования Пермский государственный технический университет А.И. Цаплин, И.Л. Никулин МОДЕЛИРОВАНИЕ ТЕПЛОФИЗИЧЕСКИХ ПРОЦЕССОВ И ОБЪЕКТОВ В МЕТАЛЛУРГИИ Утверждено Редакционно-издательским советом университета в качестве учебного пособия Издательство Пермского государственного технического университета 2011 1 УДК 53(0758) ББК 22.3 Ц17 Рецензенты: доктор физико-математических...»

«Министерство образования Республики Беларусь Учреждение образования “Белорусский государственный университет информатики и радиоэлектроники” Баранов В.В. Основные теоретические положения (конспект лекций) по дисциплине Системное проектирование больших и сверхбольших интегральных схем Минск 2007 СОДЕРЖАНИЕ ВВЕДЕНИЕ 1. КЛАССИФИКАЦИЯ ИНТЕГРАЛЬНЫХ МИКРОСХЕМ, ПОДГОТОВИТЕЛЬНЫЕ ОПЕРАЦИИ, БАЗОВЫЕ ЭЛЕМЕНТЫ БИС И СБИС, ОСОБЕННОСТИ ПРОИЗВОДСТВА И ПРИМЕНЯЕМЫХ РАСХОДНЫХ МАТЕРИАЛОВ 1.1. КЛАССИФИКАЦИЯ...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ НОВОКУЗНЕЦКИЙ ИНСТИТУТ (ФИЛИАЛ) ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО БЮДЖЕТНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ КЕМЕРОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ФАКУЛЬТЕТ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ УТВЕРЖДЕНО на заседании Ученого совета факультета информационных технологий НФИ КемГУ председатель Ученого совета В.О. Каледин.. 2013г. протокол №. ОТЧЕТ по результатам самообследования ООП специальности 010501.65 Прикладная...»

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ РАБОЧАЯ ПРОГРАММА дисциплины: Операционные системы, среды и оболочки для специальности 080801.65 Прикладная информатика (по областям) Факультет прикладной информатики Ведущая кафедра информационных систем Дневная форма обучения Вид учебной работы Курс, Всего часов семестр Лекции 2 курс, 4 семестр...»

«Зарегистрировано в Минюсте РФ 16 декабря 2009 г. N 15640 МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ПРИКАЗ от 9 ноября 2009 г. N 553 ОБ УТВЕРЖДЕНИИ И ВВЕДЕНИИ В ДЕЙСТВИЕ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО ОБРАЗОВАТЕЛЬНОГО СТАНДАРТА ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ПО НАПРАВЛЕНИЮ ПОДГОТОВКИ 230100 ИНФОРМАТИКА И ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА (КВАЛИФИКАЦИЯ (СТЕПЕНЬ) БАКАЛАВР) (в ред. Приказов Минобрнауки РФ от 18.05.2011 N 1657, от 31.05.2011 N 1975) КонсультантПлюс: примечание. Постановление...»

«Министерство образования и науки Российской Федерации ФГАОУ ВПО УрФУ имени первого Президента России Б.Н. Ельцина Г.Ю. Кудряшова, О.М. Бычкова, Т.В. Мотовилова, Г.С. Щербинина Библиотеки вузов Урала: проблемы и опыт работы Выпуск 9 Научное электронное издание Подготовлено секцией информатизации библиотечного дела Научный редактор: канд. пед. наук Г.С. Щербинина Научно-практический сборник издается с 2002 года Зональной научной библиотекой Уральского федерального университета имени первого...»

«ОБРАЗОВАТЕЛЬНЫЙ КОНСОРЦИУМ ОТКРЫТОЕ ОБРАЗОВАНИЕ Московский международный институт эконометрики, информатики, финансов и права Ю.Б. Рубин Теория и практика предпринимательской конкуренции Москва 2003 УДК 39.137 ББК 67.412.2 Р 823 Р 823 Рубин Ю.Б. Теория и практика предпринимательской конкуренции: Учебник / Московский международный институт эконометрики, информатики, финансов и права. – М., 2003 – 584 с. © Рубин Юрий Борисович, 2003 © Московский международный институт эконометрики, информатики,...»

«:гентство овязи Федора_ттьное € еверо -1{авказский филиа_тт государственного образовательного бтодкетного г{рех(дения федера-тльного вь1с1пего профоссионального образования ]!1осковского технического университота связи и информатики смк_о-1.02-01-14 скФ мтуси смк_о_1.02-01'!4 Фтчёт о самообследовании утввРкдА!о мтуси Аир9крр скФ мецко отчвт самообследовании скФ мтуси смк_о_1.02-0|- Берсия 1. Ростов-на-Аону ]- / Фамшлия/|1одппсь Аата.(олэкность [.[1.Беленький щ }Р ?а/4а. €оставил }ам....»














 
© 2014 www.kniga.seluk.ru - «Бесплатная электронная библиотека - Книги, пособия, учебники, издания, публикации»

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.