• Мета і завдання дослідження.
  • Наукова новизна результатів досліджень.
  • Достовірність результатів роботи.
  • Публікації.
  • ОСНОВНИЙ ЗМІСТ РОБОТИ
  • Постановка завдання планування вивезення ТПВ
  • ОСНОВНІ РЕЗУЛЬТАТИ РОБОТИ
  • Основний зміст дисертації опубліковано в наступних роботах
  • В інших журналах і матеріалах наукових конференцій


  • Дата конвертації03.04.2017
    Розмір33.69 Kb.
    Типавтореферат

    Скачати 33.69 Kb.

    Математичні моделі, методи і засоби обробки інформації при управлінні житлово-комунальним господарством регіону

    Вступ

    Актуальність проблеми. З розвитком обчислювальної техніки інформаційні технології стали широко використовуватися в різних областях діяльності людини, в тому числі і в галузі управління житлово-комунальним господарством регіонів РФ. Однією з основних завдань, що стоять перед Міністерством будівництва, архітектури та житлово-комунального господарства, є економія ресурсів і забезпечення високого рівня якості надання житлово-комунальних послуг населенню. Одним з напрямків вирішення цього завдання є створення та впровадження автоматизованої системи підтримки прийняття рішення (СППР) житлово-комунального господарства (ЖКГ).

    В даний час для інформаційного забезпечення прийняття управлінських рішень використовуються розрізнені банки даних автоматизованих інформаційних систем, що зберігають детальну інформацію технологічної діяльності фахівців ЖКГ. Такий підхід має ряд недоліків:

    1. Високий рівень деталізації даних призводить до великих тимчасових витратах на їх обробку та отримання статистичних даних.

    2. Істотними є тимчасові втрати фахівців Міністерства на інтеграцію даних, що надходять від великої кількості різнорідних інформаційних систем, що діють в ЖКГ.

    3. Відсутність візуального відображення результатів аналізу статистичної інформації знижує ступінь об'єктивності прийнятих управлінських рішень.

    Сучасні прикладні інформаційні технології, засновані на концепціях технології OLAP і сховищ даних, дозволяють знизити трудомісткість інтеграції статистичних даних, реалізувати математичні методи їх аналізу, оперативно формувати інформацію, необхідну для прийняття управлінських рішень.

    Таким чином, актуальним завданням є завдання створення СППР ЖКГ, що відповідає за підготовку прийняття управлінських рішень.

    Мета і завдання дослідження. Метою роботи є створення моделей, методів, алгоритмів і програмних засобів рішення задачі автоматизації аналітичної діяльності фахівців ЖКГ для підвищення ефективності процесів прийняття управлінських рішень.

    Для досягнення поставленої мети необхідно вирішити такі завдання:

    1. Проаналізувати інформаційне забезпечення існуючих автоматизованих інформаційних систем (АІС) ЖКГ, необхідне для забезпечення аналітичної діяльності фахівців.

    2. Розробити методику рішення аналітичної задачі оцінки функціонування житлово-комунального господарства регіону.

    3. Розробити математичну модель, метод і алгоритм вирішення задачі планування вивезення твердих побутових відходів (ТПВ) на заводи по їх переробці.

    4. Застосувати розроблені математичні моделі і методики для побудови інформаційного забезпечення СППР в рамках завдань оцінки функціонування житлово-комунального господарства регіону і завдання планування вивезення ТПВ.

    5. Розробити математичну і інфологічну моделі формату вивантаження даних з АІС ЖКГ СППР.

    6. Розробити математичну і інфологічну моделі форми введення додаткової інформації.

    7. Розробити і реалізувати функціональну модель програмного засобу для вивантаження інформації в СППР Міністерства.

    8. Розробити та реалізувати інформаційно-технологічну модель взаємодії користувачів, АІС ЖКГ та СППР.

    Методи дослідження. При вирішенні поставлених завдань використовувалися математичні моделі і методи системного аналізу, кластерного аналізу, класичні методи вирішення завдань лінійного і цілочисельного програмування.

    Наукова новизна результатів досліджень.

    1. Методика оцінки функціонування житлово-комунального господарства на основі методу самоорганізованих карт Кохонена.

    2. Математична модель задачі планування вивезення ТПВ, метод і алгоритм її вирішення.

    3. Математичні моделі формату вивантаження інформації для СППР і форми введення додаткової для вивантаження інформації.

    4. Функціональна модель програмного засобу «Підсистема вивантаження», що забезпечує надходження інформації, що задовольняє вимогам СППР.

    5. модифікування структура СППР в умовах розрізнених банків даних АІС ЖКГ та забезпечення доступності населенню інформації житлово-комунальної галузі.

    Достовірність результатів роботи. Наукові результати дисертаційної роботи отримані на підставі достовірних знань прикладної інформатики, систем управління базами даних і використання строгого математичного апарату. Отримані результати підтверджені обчислювальними експериментами, практичним застосуванням розроблених методик для побудови інформаційного забезпечення ряду завдань управління в області ЖКГ, актами використання в діяльності науково-технічного центру з розробки програмних продуктів, Міністерства будівництва, архітектури та житлово-комунального господарства, актами впровадження в навчальний процес.

    Практична цінність полягає в застосуванні запропонованих в роботі моделей і методик при розробці системи підтримки прийняття рішень в галузі житлово-комунального господарства. Запропоновані методи, методики і інфологічної моделі, а також рішення задачі планування можуть бути використані в різних прикладних областях, де виникають аналогічні завдання, наприклад, в галузі соціального захисту населення.

    Реалізація роботи. Результати виконаних досліджень і розробок використовувалися відділом АСУ Науково-технічного центру «Лайн» при розробці та впровадженні системи підтримки прийняття рішень в Республіці Татарстан в рамках розвитку існуючої розподіленої автоматизованої системи організаційного управління "Комунальні платежі". Розробка виконувалася в рамках госпдоговірних науково-дослідних робіт з Міністерством будівництва, архітектури та житлово-комунального господарства. Результати дисертації використані в навчальному процесі Казанського Державного технічного університету ім. А.Н. Туполєва на кафедрі «Прикладна математика та інформатика» у вигляді курсових і дипломних робіт бакалаврів, магістрів і інженерів.

    Апробація роботи. Основні результати дисертації доповідалися і обговорювалися на наступних міжнародних, всеукраїнських, республіканських конференціях:

    Дев'ята міжнародна науково-практична конференція "Системний аналіз в проектуванні та управлінні" (Санкт - Петербург, 2005); XVI міжнародна науково-технічна конференція «Математичні методи та інформаційні технології в економіці, соціології та освіті» (Пенза, 2005), Восьма міжнародна науково-практична конференція "Фундаментальні та прикладні проблеми приладобудування, інформатики та економіки" (Сочі, 2005); "Новітні технологічні рішення і обладнання" (Москва, 2006); Десята міжнародна науково-практична конференція "Системний аналіз в проектуванні та управлінні" (Санкт - Петербург, 2006); Всеросійська наукова конференція "Інформаційні технології в науці, освіті і виробництві" (Казань, 2007); Одинадцята міжнародна науково-практична конференція "Системний аналіз в проектуванні та управлінні" (Санкт - Петербург, 2007); Міжнародна молодіжна наукова конференція п'ятнадцяті туполевских читання (Казань, 2007).

    Публікації. За темою дисертації опубліковані дев'ять наукових робіт, в тому числі одна стаття в журналі, рекомендованому ВАК ( "Вісник КДТУ").

    Структура і обсяг роботи.

    Дисертаційна робота складається з вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. Робота містить 170 сторінок основного тексту, 45 рисунків, 22 таблиці. Список використаної літератури включає 92 найменування.

    ОСНОВНИЙ ЗМІСТ РОБОТИ

    У першому розділі розглядаються основні завдання та функції Міністерства будівництва, архітектури та житлово-комунального господарства, структура розподіленої автоматизованої інформаційної системи житлово-комунального господарства, структура і склад типової системи підтримки прийняття рішень, способи організації зберігання інформації в сховищі даних.

    Структура розподіленої АІС, а також її функції на різних рівнях представлені на рис. 1. До постачальників інформації відносяться: відділи соціального захисту, паспортно-візової служби, філії підприємств ЖКГ та ін.

    Детальна інформація нижнього рівня ієрархії передається на верхній рівень. Крім детальних даних на верхній рівень передається деяка кількість узагальнених даних для оперативного отримання регламентованих звітів. Чим вище рівень ієрархії, тим більший обсяг доводиться обробляти для отримання зведеної інформації. Спеціальні OLAP технології, призначені для роботи з великими обсягами даних, і спеціальні структури зберігання даних - сховища даних, оптимізовані для подальшого аналізу зберігається в них інформації, дозволяють подолати існуючі недоліки в підготовці прийняття управлінських рішень.

    Стандартна автоматизована система підтримки прийняття рішень на основі технологій OLAP і сховища даних (рис. 2) включає: 1) підсистему збору і завантаження даних; 2) підсистему адміністрування; 3) сховище даних; 4) підсистему аналізу і представлення даних.

    Для зниження трудомісткості обробки (узгодження, перевірки, коригування) надходять в СППР даних слід розширити стандартну структуру системи підтримки прийняття рішень, включивши до складу підсистеми збору підсистему вивантаження узгоджених даних з оперативних систем. Таким чином, більша частина роботи за погодженням даних буде проводитися в АІС - джерелах даних, що дозволить оперативно знаходити і коригувати помилково введені дані і підвищить якість що надходить в СППР інформації.

    Для створення програмного та інформаційного забезпечення систем підтримки прийняття рішень використовуються стандартні програмні засоби, наявні в більшості сучасних систем управління базами даних (СКБД). Вони дозволяють: проектувати структуру сховища даних (основний і оперативний склади), організовувати процес завантаження інформації в сховищі, розробляти процедури обробки даних в СППР і надавати можливість перегляду сховища. Тому для створення СППР ЖКГ необхідно розробити:

    1. математичні постановки аналітичних задач управління, методи і алгоритми їх вирішення, що визначають склад інформації, яка має бути присутня в сховище даних;

    2. інфологічну модель оперативного та основного складу сховища даних ЖКГ;

    3. математичну і інфологічну моделі форматів, що завантажуються в сховище даних з АІС - джерел інформації.

    4. математичну і інфологічну моделі форматів, що завантажуються в сховище даних з АІС - джерел інформації.

    Очевидно, що для скорочення трудовитрат при створенні СППР в різних прикладних областях потрібно:

    1. розробити технологічну модель функціонування СППР, що забезпечує інваріантність програмного забезпечення при зміні інформації предметної області;

    2.

    3.модернізувати стандартну структуру і склад програмного та інформаційного забезпечення СППР, враховуючи инвариантность програмного забезпечення.

    Провідними компаніями, що надають інструментальні засоби розробки систем підтримки прийняття рішень, є Oracle, Microsoft, IBM, Informix, SAS Institute, Sybase. Аналіз функціональних специфікацій програмних засобів різних компаній показав, що для створення системи підтримки прийняття рішень в області ЖКГ доцільно вибрати продукти компаній Oracle або Microsoft. Однак, з точки зору візуалізації та надання даних в зручному для користувача вигляді стандартні засоби компаній Oracle і Microsoft далекі від досконалості. Тому для візуалізації та публікації даних СППР в Інтернет доцільно використовувати продукти компаній Business Objects / Crystal Decision, Cognos, MicroStrategy.

    Другий розділ присвячено розробці методики аналізу функціонування житлово-комунальної галузі, постановці завдання планування вивезення ТПВ, розробці її математичної моделі, методів і алгоритмів вирішення.

    Завдання обробки інформації житлово-комунального господарства підрозділяються на статистичні, прогнозні і завдання планування. Завдання вирішуються на основі зібраної інформації банків даних розрахункових центрів і підприємств галузі з використанням математичних методів і алгоритмів. До статистичних завдань ЖКГ відносяться побудова розподілу платежів населення за календарними датами, обчислення середніх тарифів по послугах на одиницю обслуговується площі, розподіл житлового фонду в залежності від комфортності і впорядкованості житла, а також інші завдання.

    До прогнозним завданням ЖКГ відносяться завдання прогнозування в розрізі міст і районів регіону: збирання платежів, заборгованості населення з оплати за ЖКП, зростання обсягів і тарифів на житлово-комунальні послуги, обсягів капітального ремонту житлово-комунальних комунікацій і інші завдання.

    До завдань планування в ЖКГ відносяться: планування доходів і витрат галузі, складання розкладу для вивезення твердих побутових відходів, визначення оптимальних місць забудови будівель і споруд, планування інвестиційних вкладень і ін.

    Для вирішення більшості перерахованих вище завдань житлово-комунального господарства можна застосувати відомі математичні моделі і методи. Однак, існують завдання, які вимагають розробки математичних моделей і методик для їх реалізації в програмному забезпеченні системи підтримки прийняття рішень. До таких завдань відносяться, зокрема, завдання оцінки функціонування житлово-комунального господарства та завдання планування вивезення ТПВ.

    Для розв'язання задачі оцінки функціонування житлово-комунального господарства розроблена методика, заснована на кластерному аналізі, а саме на методі самоорганізованих карт Кохонена. Кластеризація здійснюється за чотирма показниками: частка недопоставки ЖКП, частка заборгованості по оплаті за ЖКП, частка оплати нарахувань за ЖКП, частка субсидії держави населенню на оплату ЖКП. Всі райони розбиваються на 6 кластерів: райони з високим рівнем якості надання ЖКП, з рівнем вище середнього, середнім, нижче середнього і райони з незадовільною якістю, райони з недостовірними даними. Для кожного кластера обчислюються середні значення по кожному з показників: по зворотній величині до частки оплати -, частці заборгованості - , Частці недопоставки -, а також частці субсидії -. Під узагальненим показником кластера розуміється довжина вектора. Кластеру з меншою довжиною даного вектора відповідають кращі (менші) значення показників. Кластери ранжуються за узагальненим показником.

    Для кожного кластера виробляються попередні типові управляючі дії з метою поліпшення показників. Далі будуються графіки динаміки зміни узагальнених показників районів залежно від календарних дат (місяців року). Аналіз отриманих графіків для кожного району дозволяє групі експертів - фахівців робити висновки про стабільність або нестабільність, а також про тенденції розвитку району. Аналіз типових керуючих впливів для кластерів розглянутого району спільно з динамікою зміни його чотирьох вихідних параметрів дозволяють уточнити керуючі впливу на фактори, що поліпшують показники.

    Приклад використання методики наведено на рис. 3.

    З рис. 3 видно, що район Набережні Челни протягом року стабільно належав до кластеру з рангом 2, Така стабільність говорить про належний рівень оплати ЖКП і низької частки недопоставок, але в той же час значна заборгованість попереднього періоду. Для поліпшення ситуації в районі необхідно посилити роботу з боржниками.

    Лаішевскій район навпаки демонстрував високу динаміку зміни рангу району, що свідчить про проблеми з оплатою житлово-комунальних послуг і зростання заборгованості. Для поліпшення ситуації в районі необхідно посилити роботу з боржниками і передбачити комплекс заходів по збільшенню субсидій малозабезпеченим громадянам на оплату ЖКП.

    Постановка завдання планування вивезення ТПВ полягає в наступному. Для кожного підприємства потрібно визначити необхідну кількість машин, що забезпечують вивіз ТПВ з прикріплених до підприємства територій за мінімальний інтервал часу. Також для кожної машини потрібно визначити маршрут, оптимальний з точки зору вартості вивозу ТПВ.

    Рішення даної задачі пропонується розбити на послідовне вирішення трьох підзадач: 1) завдання кластеризації безлічі майданчиків збору твердих побутових відходів; 2) завдання побудови оптимальних маршрутів об'їзду майданчиків одного кластера; 3) завдання визначення необхідного числа машин і розкладу збору ТПВ.

    Математична модель задачі кластеризації безлічі майданчиків збору ТПВ має такий вигляд. Нехай R - число майданчиків збору ТПВ; N - безліч всіх майданчиків; - максимальний обсяг, - максимальна вага ТПВ, що вміщаються -ої майданчиком, - координати i -ої майданчика; - обсяг кузова, -Вантажопідйомність машини.

    Потрібно розбити безліч майданчиків на кластери, визначивши при цьому їх число k, таким чином, щоб виконувалися наступні умови:

    (1)

    Залежно від вихідних даних ефективними можуть бути різні методи кластеризації. Тому для вирішення даної задачі в програмному забезпеченні СППР розробляються і реалізуються наступні алгоритми кластеризації: ітеративний метод k-середній; алгоритм кластеризації з вибором першої точки, найближчої до базової точці, в якості якої може використовуватися початок координат, підприємство, завод по переробці ТПВ, «центр ваги» всіх точок; алгоритм кластеризації з вибором перших двох точок, евклідова відстань між якими мінімально.

    Математична модель задачі побудови оптимального маршруту об'їзду майданчиків одного кластера.

    Передбачається, що машина починає свій перший маршрут на підприємстві, організуючим вивезення ТПВ, і закінчує на заводі з переробки ТПВ. Другий і наступні маршрути починаються безпосередньо з заводу. Таким чином, необхідно визначити оптимальні маршрути двох типів:

    1) Маршрут «підприємство - кластер - завод».

    введемо змінні

    (2)

    де - число майданчиків збору ТПВ в кластері, включаючи завод. При цьому підприємству присвоюється номер 0, а заводу з переробки ТПВ -. Відстань між q -ої і i -ої точками визначається за векторній карті міста як довжина найкоротшого шляху. Поставлена ​​задача зводиться до задачі комівояжера наступним чином. Покладемо все відстані між майданчиками і підприємством, а також відстані між заводом і майданчиками, рівними нескінченності. Відстань між заводом і підприємством приймемо рівним нулю. Після цих змін будь-який замкнутий маршрут кінцевої довжини буде містити перехід нульової довжини між заводом і підприємством. Якщо ж виключити даний перехід, то залишився маршрут починатиметься на підприємстві і закінчуватися на заводі.

    Цільова функція, яка визначає довжину маршруту, і обмеження мають вигляд:

    (3)

    (4)

    2) Маршрут «завод - кластер - завод».

    введемо змінні

    (5)

    де - число майданчиків зі збору ТПВ в кластері. Заводу присвоюється номер 0.

    Тоді цільова функція, яка визначає довжину маршруту, і обмеження мають вигляд:

    (6)

    (7)

    Розглянуті математичні моделі (2) - (7) є моделями завдання комівояжера. Для вирішення завдання комівояжера використовується одна з реалізацій методу гілок і меж - алгоритм Літтла, Мурті, Суїні і Керел.

    Математична модель задачі визначення необхідного числа машин і розкладу збору ТПВ полягає в наступному. Нехай тривалість робочого дня водія і для кожного кластера визначені маршрути і. Тоді вивезення побутових відходів за маршрутами займаємо час і: де середня швидкість машина, сумарний час зупинок для збору відходів з майданчиків кластера і, де - число контейнерів на i -ої майданчику кластера, - середній час забору відходів з контейнера. Вартості вивозу відходів з майданчиків кластера за маршрутами, рівні:,, де - середня вартість експлуатації машини в годину.

    Припустимо, що відомо число машин N, необхідне для вивезення всіх побутових відходів, і перший кластер, який кожна машина обслуговує, виїжджаючи з підприємства. Тоді для того, щоб розподілити між машинами залишилися кластери сформулюємо наступну задачу цілочисельного лінійного програмування (ЗЦЛП).

    Позначимо через номери всіх кластерів,

    номера перших кластерів,

    розподіл кластерів по обслуговуючим машинам, де:

    .

    Тоді цільова функція, яка визначає сумарну вартість вивезення відходів, і обмеження мають вигляд:

    (8)

    (9)

    (10)

    (11)

    Обмеження (9) означає, що кожна машина працює в межах часу. Обмеження (10) означає, що відходи з одного кластера може забрати лише одна машина.

    Завдання (8) - (11) може бути вирішена класичним методом - методом Ленда і Дойга, якщо змінні і відомі. Для знаходження значень змінних і пропонується метод і алгоритм їх визначення.

    У третьому розділі розглядаються математичні, інфологічної моделі формату вивантаження і форми введення інформації, необхідної для її вивантаження, а також технологічна модель функціонування програмного засобу «Підсистеми вивантаження».

    Структура формату вивантаження може бути описана на теоретико-множині рівні у вигляді такої моделі: M = {S, N, C, R}. (11)

    1. Опис параметрів формату вивантаження: S = {(S1, S2, S3, S4, S5, S6)}, де S1 - унікальний ідентифікатор формату; S2 - семантичний опис формату; S3 - період вивантаження (щорічній, піврічний, щоквартальної, щомісячної, щотижневої, щоденної, одноразової); S4 - маска імені електронного файлу вивантаження; S5 - адресат - джерело формату вивантаження; S6 - версія формату вивантаження.

    2. Опис вивантажуються елементів формату: N = {(N1, N2, N3, N4, N5, N6, N7, N8, N9, N10, N11, N12)}, де N1 - унікальний номер вивантажується елемента; N2 - тег на мові XML (довільної довжини з букв латинського алфавіту); N3 - семантичний опис елемента вивантаження; N4 - неможливість (1) або можливість (0) пропуску даного елемента при вивантаженні; N5 - мінімальна кількість входжень елемента даного типу; N6 - максимальна кількість входжень елемента даного типу; N7 - умова вивантаження елемента, яке повертає істину або брехня в залежності від конкретних даних, або ІСТИНА в разі безумовної вивантаження; N8 - ім'я файлу, в який буде розвантажуватися елемент; N9 - ідентифікатор стовпця в термінах СУБД, який відповідає елементу формату; N10 - ідентифікатор запиту, що відповідає за вибірку елемента, що співпадає з деяким значенням з безлічі R1; N11 - тип вивантажуються даних (рядок, число, дата); N12 - ідентифікатор формату, до якого належить елемент, що співпадає з деяким значенням з безлічі S1.

    3.Опис зв'язків елементів: C = {(C1, C2, C3, C4, C5)}, де C1 - унікальний ідентифікатор зв'язку; C2 - ідентифікатор формату вивантаження, що співпадає з деяким значенням з безлічі S1; C3 - унікальний ідентифікатор батьківського елемента, що співпадає з деяким значенням з безлічі N1; C4 - унікальний ідентифікатор дочірнього елемента, що співпадає з деяким значенням з безлічі N1; C5 - номер зв'язку в межах розглянутого рівня ієрархії.

    4. Опис використовуваних запитів на вибірку елемента: R = {(R1, R2, R3)}, де R1 - унікальний ідентифікатор запиту; R2 - текст запиту; R3 - коментарі до запиту.

    На рис. 4 представлена ​​інфологіческая модель формату вивантаження, побудована на основі математичної моделі.

    Структура форми введення може бути описана на теоретико-множині рівні у вигляді такої моделі: M = {S, N, C, T, R, L} (12)

    1. Опис параметрів форми: S = {(S1, S2, S3, S4, S5)}, де S1 - унікальний номер форми введення; S2 - семантичний опис форми; S3 - період, за який збирається інформація (щорічний, піврічний, щоквартальний, щомісячний, щотижневий, щоденний, одноразовий); S4 - організація - споживач інформації; S5 - версія форми введення.

    Опис елементів форми введення: N = {(N1, N2, N3, N4, N5, N6, N7, N8, N9, N10)}, де N1 - унікальний номер вивантажується елемента; N2 - семантичний опис елемента вивантаження; N3 - тип даних (рядок, число і т.д.); N4 - ідентифікатор довідника, що співпадає з деяким значенням з безлічі R1; N5 - обмеження на введення, що представляє собою рядок, що містить деякий логічне умова мовою SQL на значення поля; N6 - ідентифікатор форми введення, до якої належить елемент, що співпадає з деяким значенням з безлічі S1; N7 - значення за замовчуванням, якщо елемент не пов'язаний з довідником; N8 - код значення з довідника, якщо елемент пов'язаний з довідником; N9 - номер елемента по горизонталі в формі; N10 - номер елемента по вертикалі в формі.

    2. Опис показників: Т = {(Т1, Т2, Т3)}, де Т1 - унікальний ідентифікатор показника; Т2 - семантичний опис показника; Т3 - ідентифікатор довідника, що співпадає з деяким значенням з безлічі R1.

    3. Опис зв'язків елементів і показників C = {(C1, C2, C3, C4, C5, С6)},

    де C1 - унікальний ідентифікатор зв'язку; C2 - ідентифікатор форми введення, що співпадає з деяким значенням з безлічі S1; C3 - унікальний ідентифікатор елемента, що співпадає з деяким значенням з безлічі N1; C4 - унікальний ідентифікатор показника, що співпадає з деяким значенням з безлічі Т1; C5 визначає розташування показника по вертикалі або по горизонталі в таблиці форми введення; C6 - номер рівня показника в ієрархії, показник верхнього рівня, більш загальний, наприклад, «організація» більш загальний показник, ніж «філія», і повинна знаходиться на більш високому рівні ієрархії.

    4. Опис використовуваних довідників R = {(R1, R2, R3)}, де R1 - унікальний ідентифікатор довідника; R2 - найменування довідника; R3 - коментар.

    5. Опис значень використовуваних довідників L = {(L1, L2, L3)}, де L1 - унікальний ідентифікатор значення; L2 - унікальний ідентифікатор довідника, що співпадає з деяким значенням з безлічі R1; L3 - значення довідника.

    Инфологическая модель форми введення, будується за тими ж правилами, що і інфологіческая модель формату вивантаження.

    Технологічна модель функціонування «Підсистеми вивантаження» представлена ​​на рис. 5.

    Четверта глава присвячена видам забезпечення системи підтримки прийняття рішень житлово-комунального господарства. Описується інформаційне забезпечення задачі оцінки функціонування житлово-комунального господарства регіону та вивезення ТПВ.

    На основі сформульованих вимог до технічного забезпечення обрані сервера фірми Hewlett Packard, робочі станції на основі процесором сімейства Pentium III, Pentium IV, принтери HP LaserJet 9000 для великих обсягів друку та HP LaserJet 1200 для середніх і малих обсягів друку.

    Алгоритмічне забезпечення включає в себе: алгоритми, розроблені в розділі 2, а також алгоритми обробки інформації бази даних відповідно до вимог звітних форм Міністерства.

    Сформульовано вимоги до програмного забезпечення, згідно з якими обрані операційна система Windows Server 2003 EE для серверів і Windows 2000, Windows XP, Windows Vista для робочих станцій, СУБД Microsoft SQL Server 2000, засіб побудови багатовимірних кубів Microsoft Analysis Server, засіб проектування підсистем Borland Delphi Studio 2006, Web-сервер Microsoft Internet Information Server.

    В рамках інформаційної взаємодії СППР із зовнішніми інформаційними системами забезпечена сумісність з діючими і створюваними інформаційними системами ЖКГ регіону за допомогою відкритих програмних API інтерфейсів, файлового обміну та доступу за допомогою технології Web-сервісів в єдиному узгодженому форматі на основі XML мови. Крім того, для взаємодії з населенням в області житлово-комунального господарства до складу підсистем СППР (рис. 6.) включений інформаційний портал, що забезпечує відкритість і доступність інформації в сфері ЖКГ регіону для громадян і організацій. Сірим кольором показані підсистеми, додані до стандартної структурі СППР для побудови СППР ЖКГ.

    ОСНОВНІ РЕЗУЛЬТАТИ РОБОТИ

    1. Проведено системний аналіз функціональності використовуваних в галузі АІС ЖКГ, виявлені недоліки існуючих рішень. Обґрунтовано необхідність використання системи підтримки прийняття рішень (СППР) в житлово-комунальному господарстві. Проведено огляд програм - інструментальних засобів створення СППР, дані рекомендації з вибору засоби проектування для реалізації в області ЖКГ.

    2. Обґрунтовано необхідність включення до складу СППР ЖКГ кошти вивантаження інформації з АІС ЖКГ, розроблена її технологічна модель функціонування. Розроблено математичні та інфологічної моделі формату вивантаження, форми введення інформації, необхідної для вивантаження інформації з АІС ЖКГ в СППР.

    3. На основі кластерного аналізу розроблено методику оцінки функціонування житлово-комунальної галузі. Здійснено постановку задачі планування вивезення ТПВ у вигляді послідовності трьох завдань: завдання кластеризації безлічі майданчиків збору ТПВ, завдання побудови оптимальних маршрутів об'їзду майданчиків одного кластера, завдання визначення необхідного числа машин і розкладу збору ТПВ. Розроблено математичні моделі та алгоритми вирішення перерахованих вище завдань.

    4. Сформульовано вимоги до технічного та інформаційного забезпечення СППР ЖКГ. Розроблено модифіковану структура і технологія функціонування СППР ЖКГ в умовах розрізненості банків даних АІС ЖКГ, а також вимоги доступності інформації житлово-комунальної галузі населенню.

    Основний зміст дисертації опубліковано в наступних роботах:

    У наукових журналах, рекомендованих ВАК:

    1. Емалетдінова Л.Ю., Новикова С.В., Максютіна С.А. Методика аналізу функціонування житлово-комунальної галузі регіону на основі банків даних і методу кластеризації .// Вісник КДТУ ім. А.Н. Туполєва., 2008., №1. С.75-78

    В інших журналах і матеріалах наукових конференцій:

    1. Емалетдінова Л.Ю., Максютіна С.А. Автоматизована інформаційна система управління підприємствами житлово-комунального господарства // Системний аналіз в проектуванні та управлінні: Праці IX Міжнар. наук.-практ. конф. 30 червня - 8 липня 2005 року, СПб .: Изд-во Політіехніческого університету, 2005., С.408-410

    2. Максютіна С.А. Завдання збільшення збирання платежів в рамках системи підтримки прийняття рішень житлово-комунальної галузі // Математичні методи та інформаційні технології в економіці, соціології та освіті: збірник статей XVI Міжнародній науково-технічній конференції, 27-28 грудня 2005 року, Пенза: Изд-во Пенза, 2005., С.122-125.

    3. Максютіна С.А. Автоматизована система організаційного управління житлово-комунальним господарством Республіки Татарстан // Наукові праці VIII Міжнародної науково-практичної конференції "Фундаментальні та прикладні проблеми приладобудування, інформатики та економіки", книга "Інформатика", Московська державна академія приладобудування і інформатики, 2005 року, Москва, 2005., С.122-127

    4. Максютіна С.А., Кайнов А.С. OLAP технології в житлово-комунальній галузі регіону // IV загальноросійська конференція з міжнародною участю, г. Москва, 11-13 травня 2006 р .: Успіхи сучасного природознавства., 2006., №6. С.38-39

    5. Емалетдінова Л.Ю., Вдович Н.М., Максютіна С.А. Моделі даних системи підтримки прийняття рішення // Системний аналіз в проектуванні та управлінні: Праці X Міжнар. наук.-практ. конф. Ч. 2. 28 червня - 10 червня 2006 року, СПб .: Изд-во Політіехніческого університету, 2005., С.191-194.

    6. Максютіна С.А. Завдання і функції підсистеми вивантаження інформації в сховищі даних системи підтримки прийняття рішень // Системний аналіз в проектуванні та управлінні: Праці XI Міжнар. наук.-практ. конф., 28 - 30 червня 2007 р СПб .: видавництво Політехнічного університету, 2007., С.312-314

    7. Максютіна С.А. Схема формування електронного файлу для системи підтримки прийняття рішень // XV туполевских читання: Міжнародна молодіжна наукова конференція, 9 - 10 листопада 2007 року: Матеріали конференції, Том III, Казань: Изд-во Казан. держ. техн. ун-ту. 2007., С.143-145

    8. Максютіна С.А. Адаптивна підсистема вивантаження інформації з банків даних підприємств обслуговуючих житлово-комунальне господарство регіону // Матеріали всеросійської наукової конференції "Інформаційні технології в науці, освіті і виробництві". - Казань: Изд-во Казан. держ. техн. ун-ту, 2007., С.566-568.

    9. Максютіна С.А. Організація підготовки інформації для передачі в систему підтримки прийняття рішень житлово-комунального господарства // Заочна електронна конференція "Нові інформаційні технології та системи", 15-20 грудня 2008 року: Російська Академія природознавства.



    Головна сторінка


        Головна сторінка



    Математичні моделі, методи і засоби обробки інформації при управлінні житлово-комунальним господарством регіону

    Скачати 33.69 Kb.