Автоматизация планирования производственных заданий в процессе управления персоналом промышленного предприятия тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Смирнов, Сергей Владиславович

• Смирнов, Сергей Владиславович
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Смирнов, Сергей Владиславович

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1. ОРГАНИЗАЦИОННЫЕ АСПЕКТЫ ОПЕРАТИВНОГО

ПЛАНИРОВАНИЯ ПАРАМЕТРОВ МЕЛКОСЕРИЙНОГО

ПРОИЗВОДСТВА С УЧЕТОМ ИЗМЕНЕНИЯ НАДЕЖНОСТИ

ПЕРСОНАЛА

1.1. Анализ актуальности оперативного планирования параметров мелкосерийного производства с учетом изменения надежности персонала

1.2. Проблемы снижения надежности оперативного персонала мелкосерийного производства в процессе деятельности

1.3. Обеспечение требуемой надежности действий персонала мелкосерийного производства на основании методов оперативно-календарного планирования

1.4. Обоснование методов эволюционных вычислений для решения задачи оперативного планирования загрузки персонала мелкосерийного производства в условиях неопределенности состояния его надежности

1.5. Постановка задачи оперативного планирования параметров загрузки персонала мелкосерийного производства в условиях

неопределенности состояния его надежности

1.6. Выводы:

2. РАЗРАБОТКА МЕТОДИКИ НЕЙРО-НЕЧЕТКОЙ ИДЕНТИФИКАЦИИ

ПОКАЗАТЕЛЕЙ ЗАГРУЗКИ ОПЕРАТОРА С УЧЕТОМ НАДЕЖНОСТИ

ЕГО ДЕЙСТВИЙ

2.1. Анализ подходов оценки результативности оперативного персонала предприятия

2.2. Анализ влияния функционального состояния оператора на изменение показателей надежности в процессе деятельности

2.3. Методика идентификации параметров загрузки оператора с учетом надежности его действий

2.4. Построение адаптивной нейро-нечеткой системы идентификации параметров загрузки оператора с учетом надежности его действий

2.5. Выводы:

3 МЕТОДИКА ПЛАНИРОВАНИЯ ДЕЯТЕЛЬНОСТИ ПЕРСОНАЛА НА

ОСНОВАНИИ ИНДИВИДУАЛИЗАЦИИ ЗАГРУЗКИ ОПЕРАТОРОВ

3.1. Анализ методов планирования ресурсов мелкосерийного производств

3.2. Формализация процесса планирования производственных заданий по требуемому уровню загрузки персонала

3.3. Сценарное моделирование целевых показателей производственного процесса на заданном интервале планирования при изменении надежности персонала

3.4. Обоснование сценария предупреждения инцидентов производственного процесса при изменении надежности персонала

3.5. Составление производственного расписания с учетом изменения требований к параметрам загрузки персонала

3.6. Выводы:

4. ИМИТАЦИОННАЯ МОДЕЛЬ ОЦЕНКИ ЭФФЕКТИВНОСТИ

ПРОИЗВОДСТВЕННОГО ПРОЦЕССА С УЧЕТОМ

ПЕРЕРАСПРЕДЕЛЕНИИ ПРОИЗВОДСТВЕННЫХ ЗАДАНИЙ НА

ОСНОВАНИИ ИНДИВИДУАЛИЗАЦИИ ЗАГРУЗКИ ПЕРСОНАЛА

4.1. Содержательная постановка задачи моделирования процесса распределения производственных заданий по требуемому уровню загрузки оперативного персонала

4.2. Идентификация параметров имитационной модели оценки эффективности производственного процесса с учетом перераспределении производственных заданий

4.3. Построение имитационной модели процесса распределения производственных заданий в среде МайаЬ

4.4. Предложения по обоснованию параметров процесса распределения производственных заданий для предупреждения инцидентов производственного процесса

4.5. Выводы:

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

Введение диссертации (часть автореферата) на тему «Автоматизация планирования производственных заданий в процессе управления персоналом промышленного предприятия»

ВВЕДЕНИЕ

В настоящее время перспективным направлением в области автоматизации производственного процесса мелкосерийного производства является оперативное планирование и управление, основой которого является новый класс производственных исполнительных систем (MES). Их отличительной особенностью является возможность планирования и оптимизации выпуска продукции в режиме реального времени за счет быстрой реакции на происходящие события и применения математических методов компенсации отклонений от плановых заданий. Одной из функций MES является управление персоналом (LM-Labor Management), которое предполагает оперативное планирование и контроль загруженности работников в ежеминутном режиме.

Вместе с этим, деятельность персонала мелкосерийного производства характеризуется высоким нервно-эмоциональным напряжением, обусловленным динамикой деятельности, необходимостью систематической переработки большого объема поступающей информации, зачастую в условиях дефицита времени. Комплексное воздействие неблагоприятных производственных факторов оказывает негативное влияние на функциональное состояние персонала, что сказывается на надежности их действий и приводит к снижению эффективности производственного процесса.

Одним из методов обеспечения надежности действий персонала является планирование режима труда и отдыха, которое заключается в формировании производственных заданий. Однако общие рекомендации не учитывают влияния индивидуальных особенностей организма оператора и изменяющихся внешних факторов производственной деятельности, что значительно снижает эффективность подобных решений.

Таким образом, повышение эффективности производственного процесса требует совершенствования методов оперативного планирования деятельности персонала с учетом перераспределения производственных заданий на основа-

нии индивидуализации загрузки персонала, при изменении надежности его действий.

Развитию методов теории надежности человеко-машинных систем посвящены работы В. С. Авдуевского, В. М. Барабаша, В. Н. Владимирова, А. И. Губинского, Небылицына В. Д., А. F. Kramer, L. J. Prinzel, G. Schmidt, G. E. Monfill, G. R. Hockey и др.

Вопросам моделирования и оптимизации слабо структурированных систем и процессов посвящены работы Р. Аксельрода, В. Б. Силова, Б. Коско, А. А. Кулинича, Д. Г. Лагерева и др.

Вопросам совершенствования процесса оперативного управления производством посвящены работы В. А. Петрова, С. В. Загородникова, Н. В. Новицкого, В. И. Пашуто и др.

Этими учеными созданы достаточные научные предпосылки для решения сформулированной проблемы, однако не учтены следующие аспекты:

- Известные методы оценки эффективности персонала не позволяют осуществлять достоверный прогноз надежности их действий в процессе функционирования мелкосерийного производства;

- Методы оперативного планирования показателей производственного процесса не в полной мере учитывают влияния, связанные с изменением надежности действий персонала;

- Существующие методы оценки эффективности производственного процесса не позволяют учесть динамику взаимного влияния факторов обладающих неопределенностью нечеткого типа.

Указанные обстоятельства обуславливают актуальность проблемы повышения эффективности производственного процесса за счет оперативного перераспределения производственных заданий с учетом надежности действий персонала.

Объект исследования - автоматизированная система оперативно диспетчерского управления мелкосерийным производством.

Предмет исследования - модели, методики и методы планирования и оптимизации процесса перераспределения производственных заданий при изменении надежности действий персонала.

Цель исследования состоит в повышении эффективности производственного процесса за счет совершенствования методов планирования и перераспределения производственных заданий на основании индивидуализации загрузки персонала с учетом надежности их действий.

Для достижения сформулированной цели поставлены следующие задачи:

- Анализ особенностей оперативного планирования параметров мелкосерийного производства с учетом изменения надежности действий персонала;

- Идентификация параметров загрузки оператора с учетом надежности его действий;

-Формализация процесса планирования производственных заданий по требуемому уровню загрузки персонала мелкосерийного производства;

- Оценка эффективности производственного процесса с учетом перераспределения производственных заданий на основании индивидуализации загрузки персонала, при изменении надежность действий операторов.

Методы исследования. Для решения указанных задач использовались методы сетевого планирования, теории нечетких множеств, имитационного моделирования, гибридных нейронных сетей и когнитивного моделирования.

Достоверность научных положений, выводов и рекомендаций, приведенных в диссертационной работе, достигнута за счет корректного применения методов моделирования и воспроизводимости результатов, полученных теоретическим путем.

Научная новизна:

- Методика идентификации параметров загрузки оператора с учетом надежности его действий, отличающаяся процедурой принятия решения о назначении для выполнения производственного задания при заданном уровне функционального состояния и прогнозируемом уровне надежности действий, базирующейся на аппарате гибридных нейро-нечетких сетей и позволяющая

получать оценки с заданной достоверностью при ограничении объема обучающей выборки;

- Методика планирования деятельности персонала на основании индивидуализации загрузки операторов, отличающаяся процедурой уточнения требований к значениям показателям эффективности производственного процесса при изменении надежности действий персонала на предыдущих этапах деятельности, базирующейся на аппарате нечетких когнитивных сетей и эволюционных вычислений и использующей в качестве критерия принятия решения среднегеометрическое значение издержек производственного процесса с учетом текущих оценок применимости персонала;

- Имитационная модель оценки эффективности производственного процесса с учетом перераспределения производственных заданий на основании индивидуализации загрузки персонала с учетом надежности действий операторов.

Положения, выносимые на защиту:

- Методика идентификации параметров загрузки оператора с учетом надежности его действий.

- Методика планирования деятельности персонала на основании индивидуализации загрузки операторов.

- Имитационная модель оценки эффективности производственного процесса с учетом перераспределения производственных заданий на основании индивидуализации загрузки персонала с учетом надежности действий операторов.

Практическую значимость исследования составляют:

Разработанные методы планирования и оптимизации использованы при совершенствовании процесса функционирования службы технической поддержки ОАО "Навигатор Технолоджи" (г. Орел) (акт внедрения от 23.10.2011 г.), применены в программном средстве "Система нейронечеткой идентификации показателей надежности оператора" (свидетельство о регистрации № 2011617529 от 01.03.2012).

Основные положения диссертации опубликованы в 8 печатных работах, в том числе три статьи в ведущих рецензируемых научных изданиях, определенных Высшей аттестационной комиссией Минобрнауки Российской Федерации для публикаций результатов научных исследований.

Диссертация состоит из введения, четырех глав, заключения и списка литературы. Материал работы изложен на 150 страницах машинописного текста, включающего 43 рисунка, 6 таблиц и список литературы из 136 наименований.

1. ОРГАНИЗАЦИОННЫЕ АСПЕКТЫ ОПЕРАТИВНОГО ПЛАНИРОВАНИЯ ПАРАМЕТРОВ МЕЛКОСЕРИЙНОГО ПРОИЗВОДСТВА С УЧЕТОМ ИЗМЕНЕНИЯ НАДЕЖНОСТИ ПЕРСОНАЛА

1.1. Анализ актуальности оперативного планирования параметров мелкосерийного производства с учетом изменения надежности персонала

В настоящее время технологии автоматизации являются определяющим фактором в вопросах обеспечения эффективности функционирования промышленных предприятий. Одной из задач автоматизации и управления производством является составление баланса между заказами и загрузкой имеющихся производственных мощностей [1, 2, 3].

Перспективным направление в области автоматизации и управления производством является оперативное планирование, основой которого является новый класс MES-chctqm. Международная ассоциация производителей систем управления производством (MES) определила одиннадцать типовых обобщенных функций MES системы [4, 5, 6, 7, 8, 9]:

- контроль состояния и распределение ресурсов (RAS). Данная функция реализует процесс управления ресурсами производства, под которыми понимаются: технологическое персонал, оборудование, материалы, документация, инструменты. Мониторинг состояния оборудования позволяет своевременно определить возникновение и развитие проблемы, а так же спрогнозировать возникновение инцидентов производственного процесса. Дополнительно данный модуль позволяет интегрировать и анализировать данные от других подсистем и служб предприятия. По оценкам экспертов, выгоды от применения достигают от 1,5 % от объёма производства и потерь продукции в рамках предприятия.

- оперативное/детальное планирование (ODS). В рамках данной функции производится расчет производственных расписаний, основанный на приоритетах, связанных с особенностями изделий и технологией производства. Контроль соответствия плановым заданиям ведется в режиме реального времени и позво-

ляет оптимизировать производственный процесс по критериям минимальных временных или финансовых издержек на производство продукции. Реализация данной функции позволяет достичь до 2,0% от объёма производства и потерь продукции.

- диспетчеризация производства (DPU). Функция управления потоком изготавливаемых деталей по операциям, заказам, партиям, сериям, посредством рабочих нарядов базируется на подсистеме иерархического агрегирования информации, основанной на системе ключевых показателей эффективности (KPI Management), которая позволяет построить иерархическую информационную модель предприятия. Пользователями DPU являются диспетчер производственного процесса, оперативный и административный персонал предприятия. Выгоды от применения достигают по разным оценкам от 0,75% до 2,25% процентов от объёма производства и потерь продукции.

- управление документами (DOC). Включает контроль содержания и прохождения документов, сопровождающих изготовление продукции, ведение плановой и отчетной цеховой документации.

- сбор и хранение данных (DCA). Предполагает взаимодействие информационных подсистем в целях получения, накопления и передачи технологических и управляющих данных, циркулирующих в производственной среде предприятия.

- управление персоналом (LM). Данная функция обеспечивает возможность управления персоналом в ежеминутном режиме на основе создаваемой иерархической модели персонала предприятия, с формированием зон ответственности и подчиненности по каждому сотруднику. Повышение производительности персонала является одной из составляющих экономического эффекта от применения системы. Для этого оперативный и административный персонал обеспечивается специально подготовленной аналитической информацией. По каждому рабочему месту (АРМу) формируются электронные рабочие журналы по зоне ответственности сотрудника. Выгоды от применения достигают 0,75 -2,5% от объёма производства и потерь продукции.

- управление качеством продукции (QM). Важная функция предполагающая обеспечение контроля качества, выявление критических точек и проблем в режиме реального времени на основе информации поступающей с производственного уровня. Выгоды от применения достигают от 0,5 - до 1,2 % от объёма производства и потерь продукции в рамках предприятия.

- управление производственными процессами (РМ). Функция предназначена для мониторинга производственных процессов и корректировки решений оператора в автоматическом или диалоговом режиме. Производится текущий контроль и статистический анализ вектора параметром на предмет соответствия технологическим параметрам и допускам производимых изделий с целью предупреждения инцидентов производства.

- управление техобслуживанием и ремонтом {ММ). Управление техническим обслуживанием, плановым и оперативным ремонтом оборудования и инструментов производится для обеспечения их эксплуатационной готовности. Использование RAS и ММ модулей позволяет осуществить переход на обслуживание по состоянию что позволяет, при тех же затратах, улучшить состояние оборудования, производительность производственного процесса, уменьшить потери от поломок и остановов. Выгоды от применения достигают 5,0 - 20,0% от эксплуатационных затрат в рамках предприятия.

- отслеживание истории продукта (PTG). Визуализация информации о месте и времени выполнения работ по каждому изделию, которая может включать отчеты: об исполнителях, технологических маршрутах, комплектующих, материалах, серийных номерах, произведенных переделках, текущих условиях производства и т.п. Выгоды от применения достигают от 0,5 % от объёма производства и потерь продукции.

- анализ производительности {РА). Функция предполагает предоставление отчетов о реальных результатах производственных операций, сравнение плановых и фактических показателей. Подсистема РА работает в режиме реального времени и используется для корректировки технологического режима с целью приведения производства продукции в соответствие с плановыми зада-

ниями и оценивает эффективность трех основных активов: процессов, персонала и оборудования. Выгоды от применения достигают от 1,0% процентов от объёма производства и потерь продукции.

В соответствии с этим, процесс оперативного планирования производственного процесса содержит ряд обязательных этапов (рис. 1.1).

I

Оперативный контур управления

—————> Информация

Административный контур

управления

Информация

- Управление - г_________,

__ | ппан^по продукции Jn Директор PO

План по продукции *" X - ■ . -И I «-irr.

Оперативным производству

.........1t"~T"

KPI (Statys) & Event

технолог

KPI

(Statys)

&_Event ff- —

Линия-Ns 3

ЙЭЙГ" *

' у Линия № 2 I ---- -" -¿,1

-» План по продукции р

План по продукции , »с ",, .-г- » Начал=ник

^ KPI (Stags) & Event/г ^ смены

: Производственные 1 >,

Оперативный персонал

"" л .'Ж' 'А

гПро1«водстве*нна"я шнТ

Зам нач _ie>a

. ,.i . . технолог

----^ KPI (Statys) & Event - р • .

Ж р

^lis

ШиИШшВв

щштщщщ

ОН

Шнмжнр

Рис. 1.1. Процесс оперативного планирования производственного процесса

На начальном этапе производит анализ поступившей номенклатуры. Проверяется выполнимость номенклатуры (по оборудованию, технологии и пр.), комплектация (материалы, оснастка и пр.), необходимость опережающего изготовления специального инструмента и оснастки, приоритеты для деталей и узлов. При анализе входных данных МЕБ-система использует базы данных технологических процессов, оборудования (основного и вспомогательного), персонала, материалов, справочно-нормативную информацию.

На следующем этапе диспетчер производства формирует в МЕ^-системе модель планирования в соответствии с поступившей номенклатурой, текущим состоянием производственных мощностей, необходимостью оперативного ре-

монта оборудования и ряда дополнительных требований. Дополнительно диспетчер выбирает тип модели планирования (имитационной, численной и др.), критерии и ограничения, и алгоритм для формирования расписания, основываясь на знании технологии и организации производства.

На заключительном этапе, МДО-системой производится расчет оперативного плана-графика работы, и формируются следующие документы: расписания работы основных и вспомогательных единиц оборудования; расписания работы персонала; расписания планово-предупредительных и оперативных ремонтов оборудования; документы на рабочие места; документы отчетности (использование оборудования, планируемые параметры качества и др.).

В процессе работы диспетчер, пользуясь оперативной информацией мастеров и операторов, фиксирует ход выполнения всех спланированных работ, информацию об инцидентах производственного процесса: отказах оборудования, запаздывание или опережение при изготовлении отдельных изделий, брак при изготовлении изделий, отсутствие материалов или оснастки и пр.

В соответствии с полученной информацией, МЕБ-система, с учетом введенных отклонений, осуществляет пересчет расписания и производит оценку возможности своевременного выполнения полного перечня работ, нарушения директивных сроков выпуска отдельных изделий, возможно ли уплотнение загрузки персонала и оборудования и пр.

При условии, что несоответствия с расписанием незначительны, диспетчер может утвердить текущий план без изменений. Если данное условие не выполняется и инциденты становятся следствием возникновения значительных финансовых издержек, то возникает необходимость оперативного изменения диспетчером текущего плана, который вступает в силу для разных производственных линий по мере выполнения текущих заданий.

Таким образом, наличие контура оперативного планирования и управления в МЕЗ-системе позволяет не только обеспечивать устойчивость выполнения производственных заданий на горизонте планирования при возникновении возмущений, но также оперативно вносить в существующие планы изменения.

1.2. Проблемы снижения надежности оперативного персонала мелкосерийного производства в процессе деятельности

Работа управленческого и оперативного персонала мелкосерийного производства характеризуется высоким нервно-эмоциональным напряжением, обусловленным динамикой деятельности, необходимостью систематической переработки большого объема поступающей информации, зачастую в условиях дефицита времени. Частотное распределение производственных заданий и внеплановых задач по сложности показал, что большое количество запросов должно решается в течение рабочей смены (рис. 1.2) [10].

ЕЮ Частота —♦— Интегральный %

1400 т

1200

1000 --

5 8 24 48 168 672 еще

Время решения, часы

Рис. 1.2. Частотное распределение внеплановых задач по трудоемкости

В соответствии с этим можно выделить два кластера внеплановых задач, различающихся по трудоемкости (рис. 1.3). При анализе полученных кластеров по частоте возникновения выявлен еще один общий критерий - частота возникновения внеплановых задач.

Редко (до 5 запросов в неделю)

1070, 94%

■МНМННННННННННННННННННЯЯНННР

Часто (более 5 запросов в неделю) 69, 6%

Редко (до 5 запросов в неделю)

Простые запросы 3152, 88%

(решаются за время до 24

часов) 3652, 76% Часто (более 5 запросов в

неделю) 500, 12%

Сложные запросы (решаются за время больше 24 часа) 1139, 24%

Все запросы (4791)

Рис. 1.3. Кластеры внеплановых задач по частоте возникновения

На основании неопределенности и динамики мелкосерийного производства, напряженность деятельности, характерная в большей мере для управленческого, оперативного и оперативно-ремонтного персонала оперативно-производственного уровня, может быть отнесена к 3-у классу условий труда 1-ой и 2-ой степени. [11, 12].

Для обеспечения надежности профессиональной деятельности (НПД) и сохранения здоровья персонала мелкосерийного производства важным является достижение высокого уровня работоспособности, оптимального состояния психофизиологической адаптации к факторам производственного процесса и поддержание этого уровня в течение всего периода деятельности. [11, 12].

Результаты исследования функционального состояния (ФС) центральной нервной системы с использованием методики простой зрительно-моторной реакции оперативного и оперативно-ремонтного персонала оперативно-производственного уровня управления позволил выделить три класса уровня активации центральной нервной системы (ЦНС) (рис. 1.4) [11, 12].

Оптимальное функциональное состояние ЦНС для большинства работников в неблагоприятных условиях труда обеспечивается за счет компенсаторного напряжения адаптационных механизмов, проявляющегося в выраженном

напряжении и неустойчивом состоянии регуляторных механизмов сердечнососудистой системы (ССС).

Январь Март Июнь

в Класс 1 (высокий уровень активации ЦНС)

■ Класс 2 (средний уровень активации ЦНС)

■ Класс 3 (низкий уровень активации ЦНС)

Рис. 1.4. Динамика состояния ЦНС оперативного персонала.

Исследование состояния регуляторных механизмов ССС оперативно-ремонтного персонала по данным методики вариабельности сердечного ритма (ВСР), позволило сделать вывод, что наиболее распространенным является состояние напряжения регуляторных механизмов ССС (2-ой класс) - в среднем у 64%. Также велика доля работников с высоким уровнем напряжения - в среднем 12,4% (рис. 1.5) [13, 14].

Январь Март Июнь

■ Класс 1 низкий уровень напряжения)

■ Класс 2 (средний уровень напряжения) в Класс 3 высокий уровень напряжения)

Рис. 1.5. Динамика состояния регуляторных механизмов ССС.

Полученные данные свидетельствуют о выраженной "психофизиологической цене" профессиональной деятельности оперативно-ремонтного персонала. Данные об устойчивости функционального состояния (ФС) регуляторных механизмов ССС оперативного персонала представлены в таблице 1.2.1.

Таблица 1.2.1 Устойчивость ФС регуляторных механизмов ССС

Класс функционального состояния регуляторных механизмов ССС Число обследованных

Чел. %

1 (высокий) 18 5,7

2 (средний) 109 34,3

3 (низкий) 7 2,1

Неустойчивое состояние 184 57,9

Интегральная оценка функционального состояния организма оперативно-ремонтного персонала показала, что большая часть обследованных (в среднем -76,3%) находится в состоянии напряжения адаптационных механизмов. К классу ФС определяющего перенапряжение адаптационных механизмов было отнесено от 5,3 до 13,8% персонала в разное время обследований (рис. 1.6) [14].

Январь Март Июнь

И Класс 1 (удовлетворительная адаптация) ■ Класс 2 (напряжение адаптационных механизмов) Класс 3 (срыв адаптационных механизмов)

Рис. 1.6. Распределение классов ФС адаптационных механизмов организма по

времени.

Наибольшая распространенность группы риска (12,6%) психофизиологической дезадаптации отмечена у оперативно-ремонтного персонала (рис. 1.7).

100 -1

■ Класс 1 (удовлетворительная адаптация)

■ Класс 2 (напряжение адаптационных механизмов)

■ Класс 3 (срыв адаптационных механизмов)

Рис. 1.7. Распределение классов ФС адаптационных механизмов организма в

профессиональных группах персонала.

1 - управленческий персонал,

2 - оперативный персонал,

3 - оперативно-ремонтный персонал,

4 - вспомогательный персонал,

5 - другие специалисты и служащие.

Анализ устойчивости ФС на основе интегральной оценки показал, что 55,3% сотрудников имеют устойчивые показатели, из них всего у 0,9% (3 человека) отмечено устойчивое ФС, характеризующееся удовлетворительной адаптацией к факторам производственной деятельности. У 52,8% выявлено постоянное напряжение механизмов адаптации (табл. 1.2.2) [14, 15].

Таблица 1.2.2 Устойчивость ФС организма (интегральная оценка)

Класс функционального состояния регуляторных механизмов ССС Число обследованных

Чел. %

1 (удовлетворительная адаптация) 3 0,9

2 (напряжение механизмов адаптации) 168 52,8

3 (перенапряжение механизмов адаптации) 5 1,6

Неустойчивое функциональное состояние 142 44,7

Наиболее чувствительным к неблагоприятным факторам производственного процесса, является функциональное состояние регуляторных механизмов сердечнососудистой системы (рис. 1.8) [15, 16].

2.0 3.1 3.2 3.3

■ Класс 1 (низкое напряжение регуляторных механизмов ССС)

■ Класс 2 (среднее напряжение регуляторных механизмов ССС) Я Класс 3 (высокое напряжение регуляторных механизмов ССС)

Рис. 1.8. Влияние условий труда оперативно-ремонтного персонала

на ФС ССС.

Выделенные классы ФС организма по степени психофизиологической адаптации оказались чувствительными индикаторами воздействия производственных и профессиональных факторов на организм работающих (рис. 1.9).

2.0

3.1

3.2

3.3

Класс 1 (удовлетворительная адаптация) I Класс 2 (напряжение адаптационныхмеханизмов) Класс 3 (срыв адаптационныхмеханизмов)

Рис. 1.9. Влияние условий труда на ФС организма оперативно-ремонтного персонала.

Так, у персонала электростанции, работающего в благоприятных условиях труда (класс 2.0) группа риска составляет 4,3%, в то время как у работников, занимающихся производственной деятельностью в неблагоприятных условиях (классы 3.1 - 3.3) группа риска возрастает в более чем в 3 раза (до 13%) [15, 16].

Таким образом, комплексное воздействие неблагоприятных производственных факторов оказывает негативное влияние на ФС организма оперативного персонала, что сказывается на снижении уровня надёжности профессиональной деятельности.

На основании этого, в современных условиях большую актуальность приобретает разработка мер по обеспечению надежности профессиональной деятельности персонала в процессе функционирования, по критерию устойчивости профессионально значимых психофизиологических качеств.

1.3. Обеспечение требуемой надежности действий персонала мелкосерийного производства на основании методов оперативно-календарного планирования

В процессе функционирования мелкосерийного производства работоспособность способность оперативного персонала и функциональное состояние организма подвергаются изменениям. Поддержание работоспособности на оптимальном уровне - основная цель рационального режима труда и отдыха.

Режим труда и отдыха - это устанавливаемые для каждого вида работ порядок чередования периодов работы и отдыха и их продолжительность. Рациональный режим - такое соотношение и содержание периодов работы и отдыха, при которых высокая производительность труда сочетается с высокой и устойчивой работоспособностью человека без признаков чрезмерного утомления в течение длительного времени. Такое чередование периодов труда и отдыха соблюдается в различные отрезки времени: в течение рабочей смены, суток, недели, года в соответствии с режимом работы предприятия [17].

Один из основных вопросов установления рациональных режимов труда и отдыха - это выявление принципов их разработки. Таких принципов три:

- удовлетворение потребности производства;

- обеспечение наибольшей работоспособности человека;

- сочетание общественных и личных интересов.

В связи с этим следует отметить, что научно обоснованным режимом труда и отдыха на предприятиях является такой режим, который наилучшим образом обеспечивает одновременное сочетание повышения работоспособности и производительности труда, сохранение здоровья трудящихся, создание благоприятных условий для всестороннего развития человека [18].

Динамика работоспособности человека - это научная основа разработки рационального режима труда и отдыха. Физиологами установлено, что работоспособность - величина переменная и связано это с изменениями характера протекания физиологических и психологических функций в организме [19].

Работоспособность человека в течение рабочей смены характеризуется фазным развитием (рис 1.10). Основными фазами являются [20, 21]:

Продуктивность

Фаза Фаза наивысшей Фаза утомления

врабатываемости работоспособности

•—сангвиник —♦—меланхолик--холерик флегматик

Рис. 1.10. Динамика работоспособности в течение рабочей смены

Фаза врабатывания, или нарастающей работоспособности. В течение этого периода происходит перестройка физиологических функций от предшествующего вида деятельности человека к производственной. В зависимости от характера труда и индивидуальных особенностей эта фаза длится от нескольких минут до 1,5 часа.

Фаза устойчивой высокой работоспособности. Для нее характерно, что в организме человека устанавливается относительная стабильность или даже некоторое снижение напряженности физиологических функций. Это состояние сочетается с высокими трудовыми показателями. В зависимости от степени тяжести труда фаза устойчивой работоспособности может удерживаться в течение 2 - 2,5 и более часов.

Фаза развития утомления и связанного с этим падения работоспособности длится от нескольких минут до 1 - 1,5 часа и характеризуется ухудшением функционального состояния организма и технико-экономических показателей трудовой деятельности.

Динамика работоспособности человека за смену, графически представляет собой кривую, нарастающую в первые часы, проходящую затем на достигнутом высоком уровне и убывающую к обеденному перерыву. Описанные фазы работоспособности повторяются и после обеда. При этом фаза врабатывания протекает быстрее, а фаза устойчивой работоспособности ниже по уровню и менее длительна, чем до обеда. Во второй половине смены снижение работоспособности наступает раньше и развивается сильнее в связи с более глубоким утомлением.

Для динамики работоспособности человека на протяжении суток характерна та же закономерность, что и для работоспособности в течение смены. В различное время суток организм человека по-разному реагирует на физическую и нервно-психическую нагрузку. В соответствии с суточным циклом работоспособности, наивысший ее уровень отмечается в утренние и дневные часы: с 8 до 12 часов первой половины дня, и с 14 до 17 часов второй. В вечерние часы работоспособность понижается, достигая своего минимума ночью. В дневное время наименьшая работоспособность, как правило, отмечается в период между 12 и 14 часами, а в ночное время - с 3 до 4 часов.

При построении недельных режимов труда и отдыха следует исходить из того, что работоспособность человека не является стабильной величиной в течение недели, а подвержена определенным изменениям. В первые дни недели работоспособность постепенно увеличивается в связи с постепенным вхождением в работу.

Достигая наивысшего уровня на третий день, работоспособность постепенно снижается, резко падая к последнему дню рабочей недели. В зависимости от характера и степени тяжести труда, колебания недельной работоспособности бывают большими или меньшими. Основываясь на знании изменений

недельной кривой работоспособности, можно решать ряд практических вопросов. Характер кривой недельной работоспособности служит обоснованием целесообразности установления рабочего периода продолжительностью не более шести дней.

Режим работы предприятия предусматривает количество смен в сутки, длительность смены в часах, продолжительность рабочей недели и общее время работы предприятия, цеха, в течение календарного периода (сутки, месяц, квартал, год). Исходя из этого, режимы труда и отдыха подразделяются на внутрис-менные, суточные, недельные и годовые.

Внутрисменный режим труда и отдыха - порядок чередования времени работы и отдыха в течение рабочей смены. Основой для разработки любого внутрисменного режима труда и отдыха является динамика работоспособности. При разработке внутрисменного режима работы с учетом условий производства и особенностей каждого конкретного вида работ определяется общая величина времени на отдых, распределение этого времени на протяжении смены, характер отдыха.

Продолжительность отдыха в течение смены зависит в основном от тяжести труда и условий его осуществления. В соответствии с рекомендациями физиологов при определении продолжительности отдыха в течение рабочего времени необходимо учитывать следующие десять производственных факторов, вызывающих утомление: физические усилия, нервное напряжение, темп работы, рабочее положение, монотонность работы, микроклимат, загрязненность воздуха, производственный шум, вибрация, освещение [22]. В зависимости от силы влияния каждого из этих факторов на организм человека устанавливается время на отдых.

Внутрисменный режим труда и отдыха должен включать в себя кратковременные перерывы на отдых. Отдых должен быть регламентированным, так как он более эффективен, чем перерывы, возникающие нерегулярно, по усмотрению работника.

Кратковременные перерывы на отдых предназначены для уменьшения развивающегося в процессе труда утомления и являются частью рабочего времени и назначаются одновременно для коллектива всего цеха или участка. При их разработке предварительно необходимо в каждом случае решать следующие задачи: общее время на регламентированные перерывы, длительность одного перерыва, время назначения перерывов, содержание отдыха (активный, пассивный, смешанный).

Количество и длительность кратковременных перерывов определяют исходя из характера трудового процесса, степени интенсивности и тяжести труда. Ориентиром для установления начала перерывов на отдых служат моменты снижения работоспособности. Что бы предупредить ее спад, перерыв на отдых назначается до наступления утомления организма.

Физиологами установлено, что для большинства видов работ, оптимальная продолжительность перерыва 5-10 минут. На работах, требующих большого напряжения и внимания, рекомендуются частные, но короткие перерывы (5 -10 минут), на тяжелых работах с большими физическими усилиями - менее частые, но более длительные перерывы (до 10 минут), на особо тяжелых работах необходимо сочетать работу в течение 15-20 минут с отдыхом такой же продолжительности. При глубоком утомлении необходимо увеличивать количество перерывов и их длительность. Но перерывы длительностью более 20 минут нарушают уже сложившееся состояние врабатывания [22].

В каждом конкретном случае подбирают соответствующий типовой режим труда и отдыха либо по показателю утомления, установленному на основании данных физиологических исследований, либо по показателю количественной оценки условий труда, полученному расчетным способом, на основе оценки отдельных факторов условий труда. Однако данный подход не позволяет учитывать индивидуальные особенности оператора и ограничивает эффективность получаемых решений по обоснованию структуры персонала и оптимизации планирования деятельности в условиях изменяющейся интенсивности типовых и внеплановых задач.

1.4. Обоснование методов эволюционных вычислений для решения задачи оперативного планирования загрузки персонала мелкосерийного производства в условиях неопределенности состояния его надежности

Вероятность (возможность) и последствия возникновения внеплановых задач и инцидентов производственного процесса при снижении надежности персонала определяется широким перечнем факторов, которые могут изменяться во времени.

Управление инцидентами производственного процесса представляет собой итерационный процесс. Повторный анализ эффективности производственного процесса целесообразно проводить таким образом, чтобы новую информацию о них можно было использовать при планировании очередной итерации процесса управления. Современные средства предупреждения инцидентов не всегда позволяют извлечь требуемые знания из потока данных МЕЗ.

Перспективным направлением решения задач предупреждения инцидентов производственного процесса при снижении надежности персонала является развитие методов формализации, анализа и моделирования на основе их обобщений для случаев информации нестатистической природы, в том числе информации, имеющей качественный характер, характеризующейся различного рода неопределенностью, оценкой и агрегированием с помощью различных шкал [23, 24].

Одно из новых направлений современной теории поддержки и принятия решений заключается в когнитивном моделировании процессов исследования и управления слабоструктурированными системами и ситуациями, которое развивается в нескольких научных подразделениях Института проблем управления им. В.А. Трапезникова РАН [25, 26, 27].

Развитие методов когнитивного моделирования в значительной мере обусловлено необходимостью исследования слабоструктурированных систем и ситуаций, которые включают в себя множество элементов различной природы, зависимости между которыми носят как количественный, так и качественный

характер. Когнитивный подход был предложен Р. Аксельродом и Ф. Робертсом из-за ограниченности применения точных методов построения моделей, подготовки и принятия управленческих решений по разрешению слабоструктурированных проблем и ситуаций, возникающих при функционировании и развитии слабоструктурированных систем и ситуаций [26, 27].

Задачи анализа ситуаций на основе когнитивных карт можно разделить на два типа: статические и динамические [28]. Статический анализ, или анализ влияний - это анализ исследуемой ситуации посредством изучения структуры взаимовлияний когнитивной карты. Анализ влияний выделяет факторы с наиболее сильным влиянием на целевые факторы, значения которых требуется изменить. Динамический анализ лежит в основе генерации возможных сценариев развития ситуации во времени. Таким образом, возможности решения задач анализа и управления определяются типом используемых моделей - статических или динамических.

В работах В. В. Кульбы и В. И. Максимова предложен подход к анализу устойчивости слабоструктурированных систем и ситуаций с применением когнитивных карт, поскольку оценка устойчивости лучше поддается корректной предметной интерпретации исследуемых явлений [29, 30]. В качестве входных параметров моделирования задаются начальные темпы изменения факторов (начальные тенденции), характеризующие предысторию изменения исследуемой ситуации. Значения факторов не фиксируются, т.е. моделируется динамика изменения ситуации на основе приращений факторов.

Особое внимание в исследованиях уделяется поиску и разработке методов структуризации первичных представлений субъекта управления, направленных на построение когнитивных карт, и повышению технологичности, научно-методической и инструментальной поддержки решения практических задач управления [31, 32].

Разработан метод структурно-целевого анализа развития слабоструктурированных систем: подход к исследованию конфликтных ситуаций, порождаемых противоречиями в интересах субъектов, которые оказывают влияние на

развитие исследуемой системы и методы решения слабоструктурированных проблем на основании формирования сценариев развития ситуации [32, 33, 34, 35, 36, 37, 38, 39]. При этом проблема определяется как несоответствие существующего состояния системы требуемому, которое задано субъектом управления. Комплексное применение перечисленных методов позволяет проводить статический и динамический анализ при исследовании слабоструктурированных систем.

Актуальными являются современные направления когнитивного подхода для моделей, основанных на применении нечетких когнитивных карт, активное использование которых в качестве средства моделирования систем обусловлено возможностью наглядного представления анализируемой системы и легкостью интерпретации причинно-следственных связей между концептами. Для решения данных проблем разработаны алгоритмы автоматического построения когнитивных карт на основе выборки данных [40, 41, 42].

В соответствии с рассмотренными преимуществами применения методов когнитивного моделирования, решение задачи построения устойчивой стратегии загрузки персонала мелкосерийного производства, для обеспечения требуемого значения целевых концептов, моделирующих процесс возникновения инцидентов производственного процесса при изменении надежности персонала, является конструктивной.

С точки зрения класса решаемой задачи, построение устойчивой стратегии загрузки персонала мелкосерийного производства относится к задачам многокритериального календарного планирования, где в качестве группы критериев принятия решения, можно выделить: оптимальные по всем целевым показателям, оптимизированные по одному или нескольким показателям, приемлемые по всем ограничениям.

Согласно результатам большинства исследований, задачи календарного планирования относятся к Л/Р-трудным задачам упорядочения и носят комбинаторный характер [43, 44, 45, 46]. Выбор оптимального, или близкого к оптимальному, расписания осуществляется с помощью одного из четырех подходов:

комбинаторного, математического программирования, эвристического и статистического моделирования.

Алгоритмы построения расписаний без проведения полного или частичного перебора вариантов являются решающими эвристическими правилами и играют важную роль в прикладной теории расписаний. Однако эвристические алгоритмы основаны на приеме, который называется снижением требований. Методы, применяемые для построения алгоритмов такого типа, сильно зависят от специфики задачи [47, 48]. Не существует универсального алгоритма и использование различных эвристических правил нужно начинать после того, как конкретная производственная задача была решена разными методами и выбрано более подходящее решение, согласно экспертным оценкам с учетом требуемых ограничений и критериев оптимальности.

Научное направление Natural Computing, интенсивно развивающееся в последнее время, основано на принципах природных механизмов принятия решений и включает генетические алгоритмы, нейро-сетевые вычисления, клеточные автоматы, муравьиные алгоритмы, метод роящихся частиц, табуиро-ванный поиск и др. [49].

Преимуществом генетических алгоритмов перед другими является простота их реализации, относительно высокая скорость работы, параллельный поиск решения сразу несколькими особями, позволяющий избежать попадания в ловушку локальных оптимумов

Недостаток - сложность выбора схемы кодирования, то есть выбора параметров и вида их кодирования в хромосомах, возможность вырождения популяции, сложность описания ограничений планирования. В силу этих факторов, генетические алгоритмы нужно рассматривать как инструмент научного исследования, а не средство анализа данных.

Метод роящихся частиц - наиболее простой и один из самых молодых методов эволюционного программирования, который благодаря своей простоте (менее десяти строк кода) и скорости считается очень перспективным для задач планирования.

Табуированный поиск - представляет собой вариацию метода градиентного спуска с памятью. В процессе поиска ведётся список табуированных (запрещённых для перехода) позиций из числа уже рассчитанных. Критическими параметрами алгоритма является диапазон запретов. В процессе поиска осуществляются операции включения в запрещённый список состояний вокруг текущего состояния, что вносит фактор случайности в процесс поиска [50].

Оптимизация многопараметрических функций - наиболее популярное приложение генетических алгоритмов. При формировании расписания некоторые параметры имеют случайный характер, что влияет на ход производства и исполнение плана. Расписание является идеализацией технологического процесса. В реальных условиях возникают отклонения, которые могут быть связаны с поломками оборудования или инструмента, отсутствием сырья на складах, браком какой-либо детали. Возникает необходимость внесения изменений в расписание. Поэтому качество составленного в процессе перепланирования расписания зависит от того, какие данные можно ввести в систему в рамках контроля отклонений и сколько на это потребуется времени. Перепланирование является одним из важных элементов поддержания расписания в актуальном состоянии.

По сравнению с другими методами муравьиный алгоритм дает наилучшие решения, но требует больше времени на вычисления, чем, например, табуированный поиск, который находит хорошее решение (но не оптимальное) в разы быстрее. Использование генетического алгоритма для решения задачи распределения заданий персоналу и равномерной их загрузки позволяет получить решение, почти такое же, как и муравьиный алгоритм. При этом время поиска решения на 15% меньше, результат отличается не более чем на 2%. Сравнивая муравьиный алгоритм с точными методами, например динамическим программированием или методом ветвей и границ, можно сказать, что он находит близкие к оптимальному решению за значительно меньшее время даже для задач небольшой размерности.

Вышеописанные алгоритмы оптимизации для составления детальных производственных расписаний относятся к классу ^Р^-систем {Advanced Planning & Scheduling), относительно новому направлению корпоративных информационных систем. Являясь инструментами имитационного моделирования производственной деятельности, Л/^-системы применяются для поддержки принятия решений при оперативном управлении предприятием [50].

В результате анализа существующих систем планирования выявлены следующие недостатки:

- разработанные модели не позволяют учитывать многие факторы, влияющие на ход производства, которые для разных предприятий могут быть индивидуальны;

- использование только математических методов ограничивается невозможностью быстрого реагирования на возникающие ситуации, требующие немедленной корректировки планов.

Для исключения недостатков подобных разработок необходимо использовать эволюционные методы, которые позволили бы получать оптимальные решения проблем реальных ситуаций за малое время. При решении такие методы рассматривают систему планирования как чёрный ящик, когда на входе задаются различные значения параметров планирования, после чего оценивается эффективность получаемых расписаний с точки зрения ключевых показателей эффективности.

На основе анализа существующих разработок в области эволюционных методов перспективным решением сложных комбинаторных задач оптимизации является гибридное использование методов когнитивного моделирования и генетических алгоритмов. Это позволит существенно улучшить систему оперативного планирования, тем самым, сократив время получения оптимальных или приемлемых производственных расписаний. Также при появлении случайных событий, влияющих на процесс производства, позволит быстро реагировать на изменение и внесение корректив в исходные данные.

1.5. Постановка задачи оперативного планирования параметров загрузки персонала мелкосерийного производства в условиях неопределенности состояния его надежности.

Одним из направлений повышения эффективности функционирования подсистемы MES является совершенствование методов планирования и оперативного перераспределения производственных заданий по состоянию надежности персонала для предупреждения инцидентов производственного процесса.

Содержательное описание задач планирования и оперативного перераспределения заданий по состоянию надежности персонала в службе MES предполагает рассмотрение следующих этапов:

- описание производственного процесса, предполагающие активизацию конечного множества операций, которые могут быть классифицированы по нескольким уровням, и должны оперативно контролироваться и отображаться автоматизированными средствами MES;

- формализация процесса деятельности персонала, реализующего перечень функциональных обязанностей по приему, классификации и выполнению производственных операций в соответствии с доступным временным и функциональным ресурсом;

- оценку издержек производственного процесса, возникающих при выполнении производственных операций персоналом, для обеспечения функционирования производства в соответствии с заданным критерием.

Общая схема процесса планирования и оперативного перераспределения производственных заданий в MES при снижении надежности персонала включает в себя:

- оценку надежности персонала по показателям позволяющим осуществлять их оперативный контроль, и обеспечивающим требуемую достоверность процесса оценивания;

- решение оптимизационной задачи по перераспределению производственных заданий для предупреждения инцидентов;

- решение задачи стратегического планирования производственного процесса с учетом перераспределения производственных заданий по требуемому уровню надежности персонала, позволяющей обеспечить требования к значениям ключевых показателей эффективности производственных операций. Исходные параметры модели.

Пусть: L - множество производственных линий, G - множество операторов на производственной линии, U— множество производственных заданий, V— множество производственных операций на которое разбивается задание, Z -последовательность выполнения операции задания, R - множество оценок надежности операторов, Т — множество тактов планирования, cuj — доход выполнения и-то задания / -й ПЛ, cui - издержки невыполнения и-го задания / -й 2^

ПЛ, cui - издержки несвоевременного выполнения и-то задания I -й ПЛ, С^ -

издержки содержания g-ro оператора / -й производственной линии, - оценка пригодности g-ro оператора для обеспечения v-ro показателя оперативности на t-м этапе планирования, - оценка пригодности g-ro оператора для обеспечения v-ro показателя точности на t-м этапе планирования, - нагрузка g-

го оператора 1-й производственной линии на интервале планирования Т, Tguv -

время восстановления g-ro оператора при выполнении v -й операций производственной линии на заданном интервале планирования Т. Варьируемые параметры модели

Обозначим через X = {xg.uv, g е G, и G U, v = 1, kv }, где xvug - момент начала выполнения операции v задания и оператором g ; Y = {yguv> g £ G, и G U,v = 1 ,kv}, где yguv E {0, l}, yguv =1, если v-я операция и -го задания выполняется оператором g ; уguv — 0, если v -я операция и- го задания не выполняется оператором g;

^ ~ \zguv £ е и е и, V = где - номер по порядку выполнения

g-ы оператором у-ой операции и-то задания, е (О, N — ^к.

V '

g е £/, у = 1 .

Ограничения математической модели

Каждая операция любого задания выполняется на одним оператором:

Начало любой операции может наступить лишь после завершения всех операций, предшествующих ей по технологии Если у§иу =1 и =1,

_ , (1.2)

то х§иу > + V = 1 Ду, и е и, g, £ е в

Начало выполнения любой операции оператором может начаться лишь после завершения выполнения им предыдущей операции и восстановления Если у^ = 1, Уд^ = 1, 2дм = 2^ + 1,

(1.3)

то > + + т§иу, geG, = 1,^,иеи

Условие назначения оператора для выполнения операции может наступить при условии выполнения требований по надежности

(1.4)

Условия непротиворечивости на введенные переменные:

>0, у§ш е {0, 1}, 2ёт е {0,1,. ..,#}, geG,ueU, у = 1,£у. (1.5)

— верхнее ограничение среднего количества производственных заданий на / производственных линиях содержащих и источников;

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Смирнов, Сергей Владиславович

4.5. Выводы:

Предложен вариант реализации разработанных предложений в виде системы идентификации параметров загрузки персонала по уровню надежности его действий и системы распределения производственных заданий по допустимому уровню загрузки в качестве дополнения распределенной системы "Matrix MES".

Обосновано применение системы Matlab для реализации имитационной модели оценки эффективности процесса распределения производственных заданий. Показано, что возможности динамического моделирования, предоставляемые системой Matlab, не ограничены анализом динамического поведения систем во времени, а допускают также событийное моделирование возникновения инцидентов производственного процесса. Раскрыт механизм синтеза и описан состав и назначение блоков при реализации алгоритма нечеткого вывода при помощи редактора FIS. Результатом работы имитационной модели является получение оценок допустимых стратегий предупреждения инцидентов производственного процесса.

Проведено моделирование процесса предупреждения инцидентов с применением нечеткого когнитивного моделирования в системе Matlab. Полученные результаты показали, что предложенный подход, позволяющий выявлять и исследовать закономерности взаимного влияния показателей производственного процесса с учетом влияния с нечетким типом неопределенности и учесть изменение надежности персонала.

Для обеспечения требований по адекватности получаемых результатов в работе предложен механизм идентификации параметров модели по данным мониторинга записей системы "Matrix MES" с применением открытого стандарта XML.

Найдены аппроксимирующие зависимости, определяющие уровень издержек процесса предупреждения инцидентов производственного процесса при изменении численности оперативного персонала, среднее время разрешения инцидентов при изменении численности персонала отдельных подразделений, эффективность возможных сценариев предупреждения инцидентов производственного процесса.

Применение методов планирования и оптимизации загрузки оперативного персонала предприятия по требуемому уровню надежности действий позволило сократить среднее количество операций выполненных не своевременно соответственно на 25 % - на 1-й, 9 % - на 2-й, 12 % - на 3-й производственных линиях, среднее время выполнения операций на 20 % - на 1-й, 5 % - на 2-й, 16 % - на 3-й производственных линиях и среднее количество не выполненных операций на 18 % - на 1-й, 4 % - на 2-й, 2 % - на 3-й производственных линиях за счет оперативного перераспределения производственных заданий на оптимизированной структуре персонала мелкосерийного производства.

ЗАКЛЮЧЕНИЕ

В диссертационной работе решена задача повышения эффективности производственного процесса с учетом перераспределения производственных заданий на основании индивидуализации загрузки персонала. Получены результаты:

1. В результате анализа влияния надежности действий персонала на изменение показателей эффективности мелкосерийного производства, предложен подход к повышению эффективности производственного процесса за счет совершенствования методов планирования деятельности персонала на основании индивидуализации загрузки операторов.

2. Разработана методика идентификации параметров загрузки оператора с учетом надежности его действий, отличающаяся процедурой оперативного прогнозирования показателей производственного процесса на последующих интервалах планирования от уровня функционального состояния и надежности действий оператора на предыдущих этапах деятельности.

3. Формализована процедура оценки функционального состояния оператора с применением косвенного метода анализа физиологических механизмов регуляции сердечного ритма на основании трехфакторной модели Машина В.А. на интервале трех отсчетов, предшествующих моменту принятия решения, без снижения точности оценивания.

4. Предложена структура системы идентификации показателей загрузки персонала на базе аппарата гибридных нейро-нечетких сетей, чтобы получать оценки с заданной достоверностью при ограничении объема обучающей выборки.

5. Обоснована конструктивность применения метода сценарного планирования для согласования значений частных показателей устойчивости производственного процесса с применением аппарата нечетких когнитивных карт, что позволяет учесть неопределенность влияния надежности персонала, прогнозировать общие тенденции к возникновению издержек производственного процесса.

6. Разработана методика планирования деятельности персонала на основании индивидуализации загрузки операторов, отличающаяся процедурой оценки эффективности производственного процесса базирующейся на аппарате нечетких когнитивных карт и способом перераспределения производственных заданий.

7. Предложена структура нечеткой когнитивной карты процесса возникновения инцидентов производственного процесса, которая включает структурные и функциональные показатели мелкосерийного производства, а так же формализованный критерий эффективности планирования, в основу которого положена оценка устойчивости с применением метод оперативного функционально-стоимостного анализа производственного процесса.

8. Разработан генетический алгоритм процесса распределения производственных заданий, где для учета их приоритета и допустимого уровня загруженности разработана функция пригодности, основанная на среднегеометрическом значении издержек производственного процесса с учетом текущих оценок применимости персонала

9. Разработана имитационная модель оценки эффективности производственного процесса с учетом перераспределения производственных заданий на основании индивидуализации загрузки персонала, при изменении надежности его действий, где для идентификации параметров на основе стандарта XML разработаны программные реализации адаптеров для сопряжения с интерфейсом MES.

10. Найдены аппроксимирующие зависимости, определяющие требуемые параметры загрузки персонала при изменении его надежности, среднее количество инцидентов и время их разрешения при индивидуализации загрузки персонала, устойчивость показателей производственного процесса при изменении численности персонала отдельных производственных линий.

11. Применение методов планирования деятельности персонала на основании индивидуализации загрузки операторов позволило сократить среднее количество операций выполненных не своевременно соответственно на 25 % - на 1 -й, 9 % - на 2-й, 12 % - на 3-й производственных линиях, среднее время выполнения операций на 20 % - на 1-й, 5 % - на 2-й, 16 % - на 3-й производственных линиях и среднее количество не выполненных операций на 18 % - на 1-й, 4 % - на 2-й, 2 % - на 3-й производственных линиях за счет оперативного перераспределения производственных заданий на оптимизированной структуре персонала.

Список литературы диссертационного исследования кандидат технических наук Смирнов, Сергей Владиславович, 2013 год

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

1. Ермошкин, H. Н., Тарасов А. А. Стратегия информационных технологий предприятия. - М.: Изд-во Московского гуманитарного университета, 2003.

2. Киселев, А. Г. Корпоративная и комплексная система управления промышленного предприятия (КИС): учебник. - Новосибирск, 2010. - 408с.

3. Киселев, А. Г. Практические технологии реализации MES- системы в КИС промыш. предприятия [MES]: методическое пособие/ Сб. статей. - Новосибирск, 2008- 190 с.

4. Фролов, Е. Б. Производственные исполнительные системы MES: реальная эффективность. - М.: Вестник компьютерных и информационных технологий. - 2005. - №5. - С.48 - 50.

5. Фролов, Е. Б. Современные концепции управления в производственной логистике: MES для дискретного производства - метод вычисляемых приоритетов (рус.) // САПР и графика : журнал. - М.: Компьютер Пресс, 2011. -№ 1.-С. 71-75.

6. Загидуллин, Р. Р., Фролов, Е. Б. Управление машиностроительным производством с помощью MES-систем (рус.) // СТИН : журнал. - М., 2007. -№ 11.-С. 2-5.

7. ANSI/ISA-95.00.02-2001 Enterprise-Control System Integration Part 2: Object Model Attributes Office of Government Commerce (OGC) UK/The Officiai Introduction to ITIL Service Lifecycle / TSO, 2007.

8. ANSI/ISA-95.00.02-2001 Part 3: "Activity Models of Manufacturing Operations Management" UK/The Officiai Introduction to ITIL Service Lifecycle / TSO, 2007.

9. Методическое руководство для подготовки к профессиональным экзаменам ISO 20000 Foundation и ISO 20000 Foundation Bridge / Будкова Л., Журавлёв Р. - M.: Клевер икс, 2010.- 124 с.

10. Терехов, И. А. Гигиеническая характеристика условий труда персонала электростанции. // Медицинские науки. - 2006. - №3. - С. 29 - 30.

11. Терехов, И. А. Результаты мониторинга функционального состояния персонала ОАО "Ставропольская ГРЭС". // Медицинские науки. - 2006. - №4. -С. 72 - 74.

12. Талалаев, А. А., Терехов, И. А., Миннибаев, Т. Ш. Оценка психофизиологической адаптации работников электростанции. // Эко лого-физиологические проблемы адаптации: материалы XII международного симпозиума. - М.: РУДН, 2007. - С. 430 - 432.

13. Медведев, В. И., Функциональные состояния оператора. - В кн.: Эргономика. Принципы и рекомендации. М., 1970, Т. 1. - С. 35 - 48.

14. Медведев, В. И., Психологические реакции человека в экстремальных условиях. В кн.: Экологическая физиология человека, М., 1979. - С. 12 - 14.

15. Деревянко, П. А. Взаимоотношения между некоторыми физиологическими и психологическими факторами при развитии утомления в трудовой деятельности. - В кн.: Тезисы докладов I Всесоюзного съезда общества психологов СССР. М., 1959. С. 111 - 112.

16. Инженерная психология. Под ред. Г. Ф. Ломова, В. Ф. Рубахина и

B. Д. Венды. М., 1977.415 с.

17. Основы организации труда на предприятии. Учебное пособие. Под редакцией А. И. Рофе М.1994.

18. Основы научной организации труда на предприятии. Учебное пособие. Под редакцией И.А. Полякова. М.1987.

19. Бычин, В. Б. , Малинин, С. В. Нормирование труда в условиях перехода к рыночной экономике. - М.: РЭА, 1995.

20. Небылицын, В. Д. К изучению надежности работы человека-оператора в автоматизированных системах // Вопросы психологии. 1961. № 6.

21. Раевский, В. С. Динамика работоспособности человека как критерий рациональности режимов труда и отдыха. - Социалист, труд., 1971,. № 4 -

C. 61-63.

22. Шибанов, Г. П. Количественная оценка деятельности человека в системах "человек-техника" - М.: Машиностроение, 1983 - 263 с.

23. Taxa, X. A., Введение в исследование операций, 6-е издание: пер. с англ. - М: Издательский дом "Вильяме", 912 с.

24. Теория и практика неопределенного программирования / Б. Лю; Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2005. 416 С.

25. Axelrod, R. Structure of Decision: the Cognitive Maps of Political Elites. - Prinston Univ. Press, N. Y., 1976.

26. Роберте, Ф. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. - М.: Наука, 1986.

27. Кузнецов, О. П., Кулинич, А. А., Марковский, А. В. Анализ влияний при управлении слабоструктурированными ситуациями на основе когнитивных карт / В кн.: Человеческий фактор в управлении / Под ред. Н. А. Абрамовой, К. С. Гинсберга, Д. А. Новикова. - М.: КомКнига, 2006. - С. 313 - 344.

28. Корноушенко, Е. К., Максимов В. И. Управление процессами в сла-боформализованных средах при стабилизации графовых моделей среды // Тр. И-та проблем управления РАН. - М., 1999. - Т. 2. - С. 82 - 94.

29. Кульба, В. В., Миронов, П. Б., Назаретов, В. М. Анализ устойчивости социально-экономических систем с использованием знаковых орграфов // Автоматика и телемеханика. - 1993. - № 7. - С. 130-137.

30. Максимов, В. И., Корноушенко, Е. К. Аналитические основы применения когнитивного подхода при решении слабоструктурированных задач // Там же.-С. 95- 109.

31. Максимов, В. И., Корноушенко, Е. К., Качаев, C.B. Когнитивные технологии для поддержки принятия управленческих решений // Институт проблем управления РАН, Москва.

32. Максимов, В. И. Структурно-целевой анализ развития социально-экономических ситуаций // Проблемы управления. - 2005. - № 3. - С. 30-38.

33. Горелова, Г. В., Захарова, Е. Н., Гинис, Л. А. Когнитивный анализ и моделирование устойчивого развития социально-экономических систем. - Ростов н/Д: Изд-во Рост, ун-та, 2005. - 288 с.

34. Модели, методы и автоматизация управления в условиях чрезвычайных ситуаций / С. А. Косяченко, Н. А. Кузнецов, В. В. Кульба, А. Б. Шелков // Автоматика и телемеханика. - 1998. - № 6. - С. 3 - 66.

35. Круглов, В. В., Борисов, В. В. Гибридные нейронные сети. - Смоленск: Русич, 2001.

36. Круглов, В. В., Борисов, В. В. Искусственные нейронные сети. Теория и практика. - 2-е изд., стереотип. - М.: Горячая линия - ТЕЛЕКОМ, 2002.

37. Круглов, В. В., Борисов, В. В., Харитонов, Е. В. Нейронные сети: конфигурации, обучение, применение. - Смоленск: Изд-во Моск. энерг. ин-та, фил-л в г. Смоленске, 1998.

38. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова. - М.: Наука, 1986.

39. Kosko, В. Fuzzy cognitive maps // Intern. Journal of Man-Machine Studies. - 1986. - Vol. 1. - P. 65 - 75.

40. Силов, В. Б. Принятие стратегических решений в нечеткой обстановке. - М.: ИНПРО-РЕС, 1995. - 228 с.

41. Силов, В. Б. Оптимизация многокритериальных систем нечетко-целевого управления // Известия РАН. Техническая кибернетика, № 4, 1992.

42. Саати, Т., Керне, К. Аналитическое планирование. Организация систем. - М.: Радио и связь, 1991.

43. Коврига, С. В., Максимов, В. И. Применение структурно-целевого анализа развития социально-экономических ситуаций // Там же. - С. 39 - 43.

44. Коврига, С. В. Методические и аналитические основы когнитивного подхода к SWOT-анализу // Проблемы управления. - 2005. - № 5. - С. 58 - 63.

45. Павлов, А. А. Основы системного анализа АСУ. - К.: Техника, 1990. -367 с.

46. Беллман, Р., Заде JI. Принятие решений в расплывчатых условиях// Вопросы анализа и процедуры принятия решений: Сб. переводов / Под ред. И.Ф. Шахнова. - М.: Мир, 1976.

47. Люгер, Дж. Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем. - 4-е изд. - М.: Вильяме, 2005. - 864 с.

48. Штовба, С. Д. Муравьиные алгоритмы // Научно-практический журнал Exponenta Pro. Математика в приложениях. - 2003. - 4. - С. 70-75.

49. Маляренко, И. Планирование и оптимизация // Корпоративные системы. - 2006. - 27. - С. 29 - 32.

50. Тюленев, Л. В. Организация и планирование машиностроительного производства: Учебное пособие. - СПб: Бизнес-пресса, 2001. - 304 с.

51. Прилуцкий, М. X., Кумагина, Е. А. Задача упорядочения работ как задача о назначениях // Вестник Нижегородского государственного университета. Математическое моделирование и оптимальное управление. Нижний Новгород: Изд-во ННГУ, 1999. Вып. 21. С. 18 - 24.

52. Прилуцкий, М. X., Батищев, Д. И., Гудман, Э. Д., Норенков И. П. Метод декомпозиций для решения комбинаторных задач упорядочения и распределения ресурсов // Информационные технологии. 1997. № 1. С. 29 - 33.

53. Прилуцкий, М. X., Нефедов, Д. С., Попов, Д. В. Распределение ресурсов в дискретно управляемых системах// Электронный журнал "Исследовано в России", 2002 г., стр. 322 - 337.

54. Прилуцкий, М. X., Вяхирев, Д. В. Многостадийные задачи альтернативного распределения ресурсов // Вестник Нижегородского государственного университета. Математическое моделирование и оптимальное управление. Нижний Новгород: Изд-во ННГУ, 2002. Вып. 25(1) с. 224 - 233.

55. Прилуцкий, М. X. Многокритериальные многоиндексные задачи объёмно-календарного планирования // Известия АН. Теория и системы управления. 2007. № i.e. 78-82.

56. George D. Т., Nutt D. J., Walker W. V., Porges S. W., Adinoff В., Linnoila M. Lactate and hyperventilation substantially attenuate vagal tone in normal volunteers. A possible mechanism of panic provocation? Arch Gen Psychiatry, 1989, V. 46, No 2, p. 153 - 156.

57. Машковцев, С. В., Бедило, М. М. KPI для поддерживающих подразделений // Справочник кадровика. 2009. №5. - С. 129 - 131.

58. Ломов, Б. Ф., Прохоров, А. И. К вопросу о контроле за состоянием человека-оператора // Вопросы бионики. М., 1967.

59. Ломов, Б. Ф., Николаев, В. И., Рубахин, В. Ф. Некоторые вопросы применения математики в психологии // Психология и математика. М., 1976.

60. Леонова, А. Б. Психодиагностика функциональных состояний человека, М: Изд-во Моск. Ун-та, 1984. 200 с.

61. Инженерная психология. Под ред. Г. Ф. Ломова, В. Ф. Рубахина и В. Д. Венды. М., 1977. 415 с.

62. Автоматизированные медико-технологические системы в 3-х частях; Монография / А. Г. Устинов, В. А. Ситарчук, Н. А. Кореневский; Под ред, А. Г. Устинова. Курск, гос. техн. Ун-т. Курск, 1995. - 390 с.

63. Ипатов, П. Б., Мартене, В. К., Сорокин, А. В., Бобров, А. Ф., Басов, В.И. Профессиональная надежность персонала АЭС: Концепция и технология количественной оценки, практика управления. Саратов: Изд-во Сарат. ун-та, 2003. 232 с.

64. Махутов, Н. А., Крышевич, О. В., Переездчиков, И. В., Петров, В. П., Тарташов, Н. И. Особенности применения методов анализа опасности систем "Человек-машина-среда" на базе нечетких множеств / Проблемы безопасности при чрезвычайных ситуациях. Вып. 1, 2001. С. 99 - 110.

65. ISO 10075-1:2000 Принципы эргономические, относящиеся к нагрузке при умственной деятельности. Часть 1. Общие принципы и определения 19.07.2000.

66. Ильин Е.П. Психофизиология состояний человека. СПб.: Питер, 2005,412 с.

67. Анохин, П. К. Очерки по физиологии функциональных систем. М.: Медицина, 1974, 446 с.

68. Судаков, К. В. Системное построение функций человека. М.: ИНФ им. П.К. Анохина РАМН, 1999, 15 с.

69. Ананьев, Б. Г. Комплексное изучение человека и психологическая диагностика. - Вопр. психол., 1968, №6. - С. 58 - 65.

70. Анри, В., Бине, А. Умственное утомление. М., 1989. - 325с.

71. Баевский, Р. М., Берсенева, А. П. Оценка адаптационных возможностей организма и риск развития заболеваний. М; Медицина, 1997. - 235 с.

72. Баевский, П. М., Казначееев, В. П. Диагноз дозологический. М.: БМЭ, 1978. С.-252-255.

73. Баевский, Р. М., Кудрявцева, В. И. Особенности регуляции сердечного ритма при умственной работе Физиол. Человека. 1975, №2. - С 58 - 61.

74. Деревянко, П. А. Взаимоотношения между некоторыми физиологическими и психологическими факторами при развитии утомления в трудовой деятельности. - В кн.: Тезисы докладов I Всесоюзного съезда общества психологов СССР. М., 1959. С. 111 - 112.

75. Зинченко, В. П., Леонова, А. Б., Стрелков, Ю. К., применение ЭВМ для получения экспресс информации о функциональном состоянии оператора. -В кн.: Эргономика. Принципы и рекомендации. М, 1974 Т. 5, - С. 215 - 218.

76. Леонова, А. Б. Психодиагностика функциональных состояний человека, М: Изд-во Моск. Ун-та, 1984. 200с.

77. Леонида, А. Б., Медведев, В. И. Функциональное состояние человека в трудовой деятельности. М.. 1981. - 125с.

78. Машин, В. А. Психическая нагрузка, психическое напряжение и функциональное состояние операторов систем управления. Вопросы психологии, 2007b, № 6, с. 86 - 96.

79. Dussault, С., Jouanin, J. С., Guezennec, С. Y. EEG and ECG changes during selected flight sequences. Aviat Space Environ Med., 2004, V. 75, No 10, p. 889-897.

80. Lee, Y. H., Liu, B. S. Inflight workload assessment: comparison of subjective and physiological measurements. Aviat Space Environ Med., 2003, V. 74, No 10, p. 1078- 1084.

81. Veltman, J. A., Gaillard, A. W. Physiological workload reactions to increasing levels of task difficulty. Ergonomics, 1998, V. 41, No 5, p. 656 - 669.

82. Prinzel, L. J. 3rd. Research on hazardous states of awareness and physiological factors in aerospace operations. Technical Memorandum. Technical Paper NASA/TP-2002-211444. Hampton: NASA Langley Research Center, 2002, 80 p.

83. Scerbo, M. W., Freeman, F. G., Mikulka, P. J., Parasuraman, R., Nocero, F. D., Prinzel, L. J. The efficacy of psychophysiological measures for implementing adaptive technology. Technical Publication. Technical Paper NASA/TP-2001-211018. Hampton: NASA Langley Research Center, 2001, 71 p.

84. Miyake, S. Multivariate workload evaluation combining physiological and subjective measures. Int J Psychophysiol., 2001, V.40, No 3, p. 233 - 238.

85. Healey, J. A., Picard, R. W. Detecting stress during real-world driving tasks using physiological sensors. In: Intelligent Transportation Systems, IEEE Transactions on Publication Date: June 2005, V.6, No 2, p. 156 - 166.

86. Hart, S. G., Hauser, J. R. Inflight application of three pilot workload measurement techniques. Aviat Space Environ Med., 1987, V.58, No 5, p. 402 - 410.

87. Душков, Б. А., Ломов, Б. Ф., Рубахин, В. Ф., Смирнов, Б. А. Основы инженерной психологии. Под ред. Б.Ф. Ломова. М., Высшая школа, 1977, 335 с.

88. Леонова, А. Б., Медведев, В. И. Функциональные состояния человека в трудовой деятельности. М.: Изд-во МГУ, 1981, 112 с.

89. Lenneman, J. К., Shelley, J. R., Backs, R. W. Deciphering psychological physiological mappings while driving and performing a secondary memory task. In: Proceedings of the 3rd International Driving Symposium on Human Factors in Driver Assessment, Training and Vehicle Design. Rockport, Maine, 2005, p. 493 - 498.

90. Парин, В. В., Баевский, Р. М., Геллер, Е. С. Процессы управления в живом организме. В. В. Парин (Ред.) Философские вопросы в биокибернетике. М.: Наука, 1969, с. 65-73.

91. Jorna, P. G. Heart rate and workload variations in actual and simulated flight. Ergonomics, 1993, V. 36, No 9, p. 1043 - 1054.

92. Kramer, A. F. Physiological metrics of mental workload: A review of recent progress. In: D. L. Damos (Ed.) Multiple-Task performance. London: Taylor and Francis, 1991, p. 279-328.

93. Tattersall, A. J., Hockey, G. R. Level of operator control and changes in heart rate variability during simulated flight maintenance. Hum Factors, 1995, V. 37, No 4, p. 682 - 698.

94. Wilson, G. F., Eggemeier, F. T. Physiological measures of workload in multi-task environments. In: Damos D. L. (Ed.) Multiple-task performance. London: Taylor and Francis, 1991, p. 329 - 360.

95. Рабочая группа Европейского кардиологического общества и Севе-ро-Американского общества стимуляции и электрофизиологии. Вариабельность сердечного ритма. Стандарты измерения, физиологической интерпретации и клинического использования. Вестн. Аритмол- 1999.- №11- С. 53 - 78.

96. Смирнов, С. В. Способ прогнозирования трафика в системе / В. И. Козачок, С. Н. Семкин, С. В. Гребенев, А. Н. Цибуля, О.В. Крюков, С.В. Смирнов // Свидетельство о государственной регистрации в Государственном реестре изобретений РФ № 2258316, 10.08.05.

97. Машин, В. А. Трехфакторная модель вариабельности сердечного ритма. Часть 1: Исследование психических нагрузок при моделировании операторской деятельности. Труды психологической службы в атомной энергетике и промышленности. Том. 3. Обнинск: Изд-во ИГ-СОЦИН, 2007с, с. 181-189.

98. Машин, В. А. Трехфакторная модель вариабельности сердечного ритма. Часть 2: Исследование тревожных состояний при моделировании операторской деятельности. Труды психологической службы в атомной энергетике и промышленности. Том. 3. Обнинск: Изд-во ИГ-СОЦИН, 2007d, с. 190 - 198.

99. Заде, JI. Понятие лингвистической переменной и его применение к принятию приближенных решений [Текст] / JI. Заде, под ред. Н.Н. Моисеева, С.А. Орловского; пер. с англ. - М.: Мир, 1976. - 168 с.

100. Ярушкина, Н. Г. Основы теории нечетких и гибридных систем: Учебное пособие. - М.: Финансы и статистика, 2004.

101. Леоненков, A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH. - СПб. : БХВ-Петербург, 2003.

102. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. M.: Горячая линия - Телеком. - 2007. - 288 с.

103. Рутковская, Д., Пилиньский, В., Рутковский, Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польского И. Д. Рудинско-го. М: Горячая линия - Телеком, 2004.

104. Смирнов, С. В. Идентификация параметров загрузки оператора по требуемому уровню надежности / С. В. Смирнов // Информационные системы и технологии. - 2012. № 4 (72). - С. 78 - 85.

105. Смирнов, С. В. Модель системы оперативного управления надежностью структуры персонала опасных производственных объектов / Смирнов С. В., Тамилин А. Г., Хорохоркина Е.И. // Материалы 33-й Всероссийской научно-технической конференции: "Сети, системы связи и телекоммуникации", Рязанский ВВКУС. - Рязань: 2008. - С. 186 - 188.

106. Свидетельство об официальной регистрации программ для ЭВМ № 2011617529 Система нейронечеткой идентификации показателей надежности оператора "Operator reliability neuro fuzzy identification system" Смирнов С. В., Мусакаев Р. И., Прохоров С. В.

107. Garey, M., Johnson, D. Computers and intractability: a guide to the theory ofNP-Completeness. - New York: W.H.Freeman and Co., 1990.

108. Kirkpatrick, S. and Gelatt, C. D. and Vecchi, M. P., Optimization by Simulated Annealing, Science, Vol 220, Number 4598, pages 671 - 680, 1983.

109. Костенко, В. А., Калашников, А. В. Исследование модификаций алгоритмов имитации отжига для решения задачи построения многопроцессорных расписаний / Дискретные модели в теории управляющих систем. Труды VII Международной конференции. М.: МАКС Пресс, 2006. - С. 179 - 184.

110. Лазарев, А. А., Кварацхелия, А. Г., Гафаров, Е. Р. Алгоритмы решения iVP-трудной проблемы минимизации суммарного запаздывания для одного прибора // Доклады Академии Наук, 2007. Том 412. № 6. С. 739 - 742.

111. Каплан, Р. С. Нортон, Д. П. Сбалансированная система показателей. От стратегии к действию // Пер. с англ. М.: ЗАО "Олимп-Бизнес", 2003.

112. Кульба, В.В., Кононов, Д.А., Косяченко, С.А., Шубин А.Н. Методы формирования сценариев развития социально-экономических систем. М.: Син-тег, 2004.

113. Максимов, В. И. Структурно-целевой анализ развития социально-экономических ситуаций // Проблемы управления. 2005. № 3.

114. Юдицкий, С. А., Мурадян, И. А., Желтова, JI. В. Анализ слабоструктурированных проблемных ситуаций в организационных системах с применением нечетких когнитивных карт // Приборы и системы. Управление, контроль, диагностика. 2007. № 7.

115. Корноушенко, Е. К. Максимов, В. И. Управление ситуацией с использованием структурных свойств её когнитивной карты // Тр. ИПУ РАН. 2000. Т. XI.

116. Анализ взаимодействий в сложных системах на основе нечетких когнитивных и игровых моделей Борисов В. В., Устиненков Е. С. Нейрокомпьютеры: разработка, применение. 2009. № 8. С. 4 - 11.

117. Обобщенные нечеткие когнитивные карты Борисов В. В., Федулов А. С. Нейрокомпьютеры: разработка, применение. 2004. № 4.

118. Борисов, В. В., Мнев, В. И. Многокритериальный выбор на основе нечеткого логического вывода с идентификацией теоретико-множественных операций / Сб. науч. тр. по материалам Междунар. конф. "Высшее профессиональное заочное образование на железнодорожном транспорте: настоящее и будущее". - Москва: РГОТУПС, 2001. - С. 492 - 493.

119. Смирнов, С. В. Построение нечеткой когнитивной модели возникновения аварийных ситуаций при изменении надежности профессиональной деятельности персонала / Известия ОрелГТУ. Серия "Информационные системы и технологии". - 2007. № 4-2/268(535) - С. 237 - 242.

120. Мониторинг рисков на основе нечетких когнитивных моделей Борисов В.В., Абраменкова И.В., Балабаев М.А., Бояринов Ю.Г. Программные продукты и системы. 2007. Т. 78. № 2. С. 61.

121. Балабаев, М. А. Процедуры динамического мониторинга рисков в сложных социально-экономических системах // Информационные технологии моделирования и управления - 2007 - №4 - С. 16-23.

122. Балабаев, М. А. Информационная система для управления рисками в региональных социально-экономических системах // Экономика. Менеджмент. Логистика. Корпоративные информационные системы: Межв. сб. науч. тр. - Смоленск: Смоленский ЦНТИ - 2005 - С. 22 - 26.

123. Балабаев, М. А., Абраменкова, И. В. Оптимизация структура НС с использование генетических алгоритмов // Системы компьютерной математики и их приложения Международной конференции: Сб. тр. Межд. науч. конф, -Смоленск: СмолГУ - 2006 - С. 6 - 10.

124. Dickerson, J. A., Kosko, В. Virtual worlds as fuzzy cognitive maps. -Presence vol. 3, 1994, pp. 173 - 189.

125. Stylios, C. D., Groumpos, P. P. Application of fuzzy cognitive maps in large manufacturing systems. - In Proc. of the IF AC LSS'98, Rio, Patras, Greece, vol. 1, 1998, pp. 531 -536.

126. Stylios, C. D., Groumpos, P. P. Fuzzy cognitive maps in modeling supervisory control systems. - Journal of Intelligent & Fuzzy Systems, vol. 8, no. 2, 2000, pp. 83 - 98.

127. Kosko, B. Fuzzy cognitive maps. - Int. Journal of Man-Machine Studies, vol. 24, 1986, pp. 65 - 75.

128. Лагерев, Д. Г. Особенности построения нечетких когнитивных карт для моделирования социально-экономических систем / Д. Г. Лагерев, А. Г. Подвесовский // Экономические проблемы становления рыночных отношений в Российской Федерации: сборник статей II международной научно-практической конференции. Часть I. - Брянск: БГТУ. - 2007. - С. 185-189.

íCso) /Ùpyf

129. Шаповалов, Т. С. Генетический алгоритм составления расписания запуска параллельных заданий в GRID / Многопроцессорные вычислительные системы 2010. №4 Препринт ВЦ ДВО РАН. - Хабаровск, 2012 - С. 115 - 126.

130. Эволюционные вычисления и генетические алгоритмы. Составители Гудман Э.Д., Коваленко А.П. Обозрение прикладной и промышленной математики, том 3, вып. 5, Москва, ТВП, 1996, 760с.

131. Смирнов, C.B. Проектирование автоматизированных систем поддержки и принятия решения по обеспечению надежности профессиональной деятельности персонала // Известия ОрелГТУ. Серия "Информационные системы и технологии". - 2007. № 4-2/268(535) - С. 231 - 236.

132. Смирнов, С. В. Методика определения оптимального количества структуры персонала опасных производственных объектов / Смирнов С. В., Тамилин А. Г., Хорохоркина Е. И. // Материалы 33-й Всероссийской научно-технической конференции: "Сети, системы связи и телекоммуникации", Рязанский ВВКУС. - Рязань: 2008. - С. 205 - 207.

133. Смирнов, С. В. Методика оптимизации затрат при обеспечении надежности структуры персонала опасных производственных объектов [Текст] / Смирнов С. В., Тамилин А. Г., Хорохоркина Е. И. // Материалы 33-й Всероссийской научно-технической конференции: "Сети, системы связи и телекоммуникации", Рязанский ВВКУС. - Рязань: 2008. - С. 193 - 195.

134. Ужаринский, А. Ю. Вопросы интеграции программных средств при построении систем административного мониторинга [Текст] / А.Ю. Ужаринский // Неделя науки - 2010. Материалы 43-й студенческой научно-технической конференции. В 2-х т. Т. 2. - Орел: ОрелГТУ, 2010. - С 82 - 84.

135. Константинов, И. С. Модель хранения данных в адаптивной автоматизированной системе административного мониторинга [Текст] / И. С. Константинов, А. И. Фролов, Н. А. Кравцова // Информационные системы и технологии. - Орел: ОрелГТУ, 2010. - №4(60). - С. 66 - 73.

136. Современный эксперимент: подготовка, проведение, анализ результатов / В. Г. Блохин, О. П. Глудкин, А. И. Гуров, М. А. Ханин; Под ред. О. П. Глудкина. - М.: Радио и связь, 1997. - 232 е.: ил.