Главная Контакты Добавить в избранное Авторы Вопросы и ответы
,

УДК 681.3

МОДЕЛЬ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

ПРИ УПРАВЛЕНИИ РЫБОВОДНЫМ ПРЕДПРИЯТИЕМ

 

Скороход Е. Н.

 

Современное рыбоводное предприятие, как объект управления, представляет собой сложную систему, анализ которой возможен на основе его структуризации, т.е. выделения подсистем, совместное функционирование которых определяет динамику развития данного объекта. Исходя из традиционного системного подхода, рыбоводное предприятие может быть представлено в виде следующих подсистем: структурные подсистемы (технологические процессы; материально-техническое снабжение; реализация и сбыт продукции и др.); функциональные подсистемы (планирование, учет, отчетность, анализ деятельности, управление); информационные подсистемы (классификаторы, программы, базы данных и т.д.) [1-3]. Однако накопленный опыт работы и достигнутый уровень проектирования и исследований в области управления рыбоводным предприятием позволили сделать вывод о необходимости продолжения работ в данном направлении. В настоящей работе предпринята попытка на основе декомпозиции рыбоводного предприятия получить модель процесса принятия решений при решении задач выращивания гидробионтов. Под гидробионтами понимаются товарная рыба в различных ее стадиях развития (мальки, сеголетки и т.д.), моллюски, раки и другие объекты аквакультуры. Для модернизации методов и техники управления рыбоводным предприятием необходимо создать новую концептуальную модель, которая бы учитывала всю совокупность взаимосвязей элементов рассматриваемой системы, все сложности функционирования, связанные с плохой формализуемостью решения задач, нестационарностью процессов, противоречивостью ограничений, многовариантными технологиями производства гидробионтов, спецификой этого производства и т.д., позволяла объединить возможности современной вычислительной техники, передовые информационные технологии, передовые технологии в области ихтиологии, а также учесть существующий опыт разработок АСУ рыбоводной отраслью, накопленный раннее. Поэтому будем рассматривать рыбоводное предприятие как биопроизводственную систему.

Разработанная концептуальная модель биопроизводственной системы (рис.1) основывается на ее декомпозиции на производственную и биологическую компоненты и использовании следующих понятий: цели и задачи, планирование, реализация, контроль, анализ, ресурсы, производственные операции, инфраструктура, организация аквакультуры (стадия 1, стадия 2, стадия 3 и т.д), организация и контроль экосистемы, контроль роста и развития объектов аквакультуры .

На концептуальной модели выделены производственная и биологическая компоненты принятия решений при выращивании гидробионтов. Под производственной компонентой понимается управление ресурсами и операциями для реализации плана выращивания гидробионтов. Субъект управления здесь – инженерная и ихтиологическая службы. На этом уровне оперативного планирования решаются задачи разработки планов производства, организации и проведения операций распределения ресурсов по объектам работ. Управление дискретными персонифицированными ресурсами осуществляется путем конкретизации суточного плана работы ихтиологических и технических служб на предстоящие сутки. При этом наблюдаемы технологические и технические свойства ресурсов и операций, а управляемы – отношения между ресурсами, привлекаемыми для реализации плана производственного процесса.

  

 

 

 

 

 

 

 

 

 

 

 

 

Рис.1 Концептуальная схема рыбоводного предприятия

 

Для моделирования на производственной компоненте наиболее целесообразным может считаться логико-лингвистический подход и основанные на нем методы выработки и анализа решений.

На биологической компоненте осуществляется оперативное и перспективное планирование технологических мероприятий, организация и контроль экосистемы, контроль роста и развития. Субъект биологической компоненты – главный рыбовод рыбоводного предприятия. Он решает задачи оперативного и перспективного планирования, связанные с разработкой и экономическим обоснованием последовательности технологических мероприятий, проводимых на прудах. На биологической компоненте наблюдаемы свойства биологических структур и биологических процессов, а управляемы – технологические и технические свойства ресурсов и операций, привлекаемые для реализации плана технологических мероприятий.            Для моделирования на биологической компоненте недостаточно применять один метод моделирования, требуется перейти к объединению различных методов и моделей. В комплексе моделей, представляющем собой гибридную модель рыбоводного предприятия, предлагается использовать несколько моделей технических знаний, полученных вне наблюдений над живыми биосистемами в физике и химии, а также моделей знаний, полученных из наблюдений за живыми системами в биологии, ихтиологии. Таким образом, система поддержки принятия решений при выращивании гидробионтов должна разрабатываться в рамках теории искусственного интеллекта и давать возможность разработчикам и пользователям объединять информацию, получаемую из различных моделей.

            Первая группа моделей позволяет учесть формулы доз удобрений, извести, корма, плотности посадки гидробионтов и другую информацию, полученную в ходе эмпирических и теоретических исследований при выращивании гидробионтов (биокомпонента).

            Вторая группа моделей позволяет учесть статистические данные по стохастическим переменным, а также моделирующие алгоритмы для имитационных экспериментов по росту  и развитию гидробионтов, вредительству хищными рыбами, болезнями, состоянию водной среды (биокомпонента).

            Третья группа моделей формализует знания, которые зафиксированы в различных источниках: научных методиках и рекомендациях, научно-исследовательских разработках академических аграрных учреждений и сельскохозяйственных институтов, учебниках для подготовки ихтиологов, климатических особенностей региона, а также знания, находящиеся в памяти экспертов-ихтиологов, специалистов вспомогательно-технических служб (производственная компонента и биокомпонента).

            Создание именно гибридной модели принятия решений может гарантировать принципиальную возможность решения большинства научно-практических задач при выращивании гидробионтов. В качестве моделей нами используются: модель производства товарной рыбы с учетом многовариантности технологического процесса; модель поддержки принятия решений в оперативно-производственном планировании; модель поддержки принятия решений при прогнозировании рыбопродуктивности (оценивание влияния факторов, моделирование биопродукционного потенциала водохранилища, модель плотности посадки); модель поддержки принятия решений при формировании состава поликультуры рыбы в водоеме; модель выбора решения при выращивании рыб различных видов; модель поддержки принятия решений при прогнозировании динамики вылова рыбы в открытых водоемах; модель поддержки принятия решений в области управления функционированием рыбоводного предприятия (анализ хозяйственной деятельности рыбоводного предприятия, модель структуры управления предприятием).

            Интеллектуальная система поддержки принятия решений, удовлетворяющая требованиям гибридной модели, должна характеризоваться тесным взаимодействием с другими информационными системами для пополнения базы данных и знаний; открытостью, т.е. возможностью добавления новых компонент; наличием механизмов прогноза изменений внешнего мира и внесения корректировок в состав, структуру и функционирование системы; наличием многоуровневой иерархической структуры, т.е. упорядоченных по уровням абстрагирования компонент гибридной модели и т.д.

Таким образом, обоснована необходимость применения гибридной модели для: создания системы поддержки принятия решений в сложной предметной области «ихтиология»; разработки оригинальной концептуальной модели биопроизводственной системы; выработки требований к гибридной интеллектуальной системе поддержки принятия решений.

Прототип рассматриваемой системы разработан и использован в учебном процессе Херсонского государственного аграрного университета  в качестве программного средства поддержки дисциплины «Информационные технологии в рыбоводстве», для студентов специальности «Водные биоресурсы и аквакультура» и на действующем рыбоводном предприятии [4]. Система предназначена, как эксперт-консультант и как интеллектуальный помощник по выявлению и изучению закономерностей, общих принципов протекания биологических процессов, для специалистов по различным аспектам ихтиологии, позволила активизировать учебный процесс, повысить качество усвоения материала и расширить кругозор будущего специалиста-рыбовода в плане возможностей использования современных информационных технологий в рыбохозяйственной деятельности.

 

Necessity of application of hybrid model is proved for: creations of system of support of acceptance of decisions in a complex subject domain "ichthyology".

 

1.                  Рогальский Ф.Б., Курилович Я.Е., Цокуренко А.А. Математические методы анализа экономических систем: В 2-х т. – К.: Наукова думка, 2001. – т.1. – 435 с.

2.                  Скороход Е.Н.,  Рогальский Ф.Б. Автоматизация технологических процессов в рыбоводстве // Вестник Херсонского государственного университета – 2000. - № 1(7). – С. 222 – 225.

3.                  Скороход Е.Н. Информационная система управления рыбоводным предприятием // Вестник Херсонского государственного технического университета. - 2003. - № 2(18). – С. 149-153.

4.                  Скороход Е.Н., Шерман М.И. Использование информационных технологий в рыбоводстве и подготовке специалистов-ихтиологов // Матеріали Всеукр. наук.-метод. конф. “Проблеми наскрізної компютерної підготовки у вищій школі”. - Миколаїв: Вид-во УДМТУ.- 2003. - С.103-106.

 

 

 





Ответы на вопросы [_Задать вопроос_]

Читайте также

 
Рогальский Ф.Б. Информационная поддержка принятия решений при управлении социотехническими системами.

Ходаков В.Е., Граб М.В., Ляшенко Е.Н. Структура и принципы функционирования системы поддержки принятия решений при ликвидации лесных пожаров на базе новых геоинформационных технологий.

Тодорцев Ю.К., Бундюк А.Н., Студинский Е. Система принятия решений при управлении обучением персонала

Фарионова Н.А. Системный подход построения алгоритмов и моделей систем поддержки принятия решений при возникновении нештатных ситуаций

Бабенко Н.И., Крючковский Д.А., Маломуж Т.В. Методы снижения влияния факторов субъективности и неопределенности в системах поддержки принятия решений.

Григорова А.А., Чёрный С. Г. Формирование современной информационно-аналитической системы для поддержки принятия решений.

Исаев Е.А., Чернецкая И.Е., Завальнюк О.П. К вопросу принятия решений при оптимизации гранулирования рыбной муки в барабане.

Ходаков В.Е., Жарикова М.В., Ляшенко Е.Н. Применение когнитивного подхода для решения задачи поддержки принятия управленческих решений при ликвидации лесных пожаров

Передерий В.И., Еременко А.П. Математические модели и алгоритмы определения релевантности принимаемых решений с учетом психофункциональных характеристик пользователей при управлении автоматизированными динамическими системами

Соколов А.Е., Махова Е.О. Моделирование процесса принятия педагогического решения при компьютеризированном обучении

Богушевский В.С., Сухенко В.Ю., Сергеева Е.А., Жук С.В. Реализация модели управления конвертерной плавкой в системе принятия решений

Яковенко А.Е. Проектирование автоматизированных систем принятия решений в условиях адаптивного обучения с учетом требований болонского процесса

Еременко А.П., Передерий В.И. Принятие решений в автоматизированных системах с учетом психофункциональных характеристик оператора на основе генетических алгоритмов

Михайленко В.С., Ложечников В.Ф. Сравнительный анализ комплексного и нечеткого регуляторов при управлении многомерным объектом

Экономика научно-технического прогресса

Портянко Т. М. Формування інтегрованої моделі системи менеджменту якості на підприємствах фармацевтичної промисловості

Бойченко О.В., Яценко Л.Ф., Яловенко Ю.В. Информационно-аналитическая система мониторинга хозяйственной деятельности предприятия

Крючковский В.В., Бабичев С.А., Шарко А.В. Экспертная система оценки кредитоспособности банковских клиентов на основе методов нечеткой логики и сети Байеса

Власенко Н.А. Роль інноваційних технологій для підвищення конкурентоспроможності консервних підприємств

Прохоренко Д.В. Определение структуры и свойств организационного механизма управления промышленным производством

Данилец Е.В. Имитационное моделирование систем управления качеством в экономике

Ходаков В.Е., Чёрный С.Г., Мартыновец С.Н. Формирование экспертных оценок при решении задач размещения производств

Рогальский Ф.Б. Информационная поддержка принятия решений при управлении социотехническими системами.

Крючковський В.В. Прийняття рішень при бюджетному інвестустуванні на основі моделі аналізу вигід і витрат

Пляшкевич О.М. Моделі і методи інформаційних технологій виробництва

Пляшкевич О.М., Забитовська О.І. Моделі інформаційних технологій оптимізації поведінки виробника

Шеховцов А.В., Славич В.П., Крючковский В.В. Когнитивный анализ социально-экономических показателей.

Соколова Н.А., Петров К.Э., Ходаков В.Е. Необходимые условия развития объектов хозяйственной деятельности

Власенко Н.А. Ринок соків в Україні та одна з альтернатив підвищення конкурентоспроможності продукції

Тодорцев Ю.К., Бундюк А.М., Іщенко К.А. Реінжиніринг бізнес-процесів та ефективність бізнесу

Лошак Т.В., Ладанюк А.П. Ефективність реінжинірингу бізнес-процесів харчових виробництв.

Купцова Е.Е., Деменский А.Н., Быря А.П. Научно-технический прогресс и возобновляемые источники энергии.

Рогальська Н.Г. Моделі оптимізації фінансової діяльності великих економічних систем з використанням кореляційного аналізу

Крючковский Д.А., Полетаева А.Н. Динамическая система торговых отношений в интернете

Соколова Н.А., Ходаков Д.В., Ходаков В.Е. Организация координации в системах управления объектами хозяйственной деятельности.

Пляшкевич О.М. Виробничі функції в аналізі технологій підприємств

Пляшкевич О.М. Інформаційна модель оптимальної поведінки виробника в умовах конкуренції

Бундюк А.Н. Анализ бизнес – процессов теплогенерирующего предприятия

Бабенко Н.И., Крючковский Д.А., Маломуж Т.В. Методы снижения влияния факторов субъективности и неопределенности в системах поддержки принятия решений.