Введение

Актуальность темы

Связь работы с научными программами, планами, темами

Цель и задачи разработки и исследования

Цель работы

Идея работы

Основные задачи разработки и исследований

Предмет разработки и исследований

Объект разработки и исследований

Методология и методы исследований

Планируемая научная новизна

Практическое значение полученных результатов

Апробация работы

Обзор исследований и разработок по теме

На локальном уровне

На национальном уровне

На глобальном уровне

Описание разрабатываемой подсистемы

    Сущность прогнозирования и планирования выпуска продукции состоит в обосновании целей и способов их достижения на основе выявления комплекса задач и работ, а также определения эффективных методов и способов, ресурсов всех видов, необходимых для выполнения этих задач и установления их взаимодействия. Планирование является одним из важнейших условий организации эффективной работы предприятия. Планирование охватывает основные направления хозяйственной деятельности – продажи, закупки, производство, управление денежными средствами во взаимодействии между собой. Планирование опирается на прогнозирование спроса, анализ и оценку имеющихся ресурсов, перспектив развития предприятия.
    Оптимизация структуры сырья при планировании выпуска продукции является существенным источником резервов увеличения суммы прибыли. Логично предположить, что предприятию выгодно увеличивать доли тех изделий, которые приносят максимальную прибыль. Но всегда следует помнить о ряде ограничений, не позволяющих отказаться от менее рентабельной продукции:
1) потенциальный спрос на продукцию достаточно динамичен и дифференцирован во времени и пространстве. Те изделия и торговые марки, которые востребованы в данный момент времени, могут потерять свою потребительскую привлекательность через некоторые промежутки времени;
2) основные производственные фонды нуждаются в постоянной эксплуатации, наладке и обслуживании. Простои оборудования – это всегда неблагоприятный фактор для производства.
    Планом выпуска продукции определяются:
а) количественные показатели производства;
б) объем выпуска продукции, который зависит от следующих факторов:
    - исходного размера наличных производственных мощностей;
    - количества и вида установленного на предприятии оборудования, его производительности, возможности наилучшего использования, плана ремонта;
    - количества рабочего времени в планируемом периоде;
    - ассортимента продукции (заказов клиентов), который зависит от сезона (времени года), моды и потребностей населения;
    - ресурсов сырья и лимитов расхода его на единицу продукции и его качества.
    Для каждого периода, охватываемого планом, необходимо определить две переменные: объём производства в данный период; количество ресурсов, используемых в данный период. План выпуска продукции отражает номенклатуру и ассортимент производства продукции в соответствии с планом реализации, обязательствами предприятия и экономическими условиями.
    Планирование и прогнозирование выпускаемой продукции включает решение ряда задач. Прежде всего, прогнозируется спрос на продукцию, выпускаемую предприятием. Далее планируется номенклатура, ассортимент и объем выпуска продукции в соответствии с прогнозом. Номенклатура производства представляет собой перечень изделий (готовых изделий, полуфабрикатов и т. п.), подлежащих изготовлению на предприятии в плановом периоде. Ассортимент продукции характеризует соотношение удельных весов отдельных видов изделий в общем выпуске продукции. Номенклатура, ассортимент и объем изготовляемой предприятием продукции устанавливаются на основе централизованного задания по поставкам важнейших видов продукции и портфеля заказов предприятия с учетом его специализации. При этом учитываются и договоры по кооперированным поставкам, заключенные предприятием.
    Номенклатура выпускаемой продукции может быть достаточно обширной, предприятие оснащается большим количеством оборудования различного профиля и назначения. В этом случае целесообразно совершенствовать структуру выпуска только той продукции, удельный вес которой в общем объеме выпуска достаточно высок.
    Необходимым условием увеличения количества производства определенных изделий является универсальность оборудования для их производства. План выпуска продукции может повлиять на величину целого ряда издержек, в том числе: издержки хранения готовой продукции; издержки ведения портфеля отложенных заказов; издержки, связанные с внеурочной работой или простоем работников; издержки, связанные с передачей части работ субподрядчикам; издержки, связанные с наймом и увольнением работников.
    Задача оптимизации структуры сырья при планировании выпуска продукции должна решаться на каждом промышленном предприятии, которое заинтересовано в максимизации прибыли от продажи выпускаемой продукции.
    Функционально-структурная схема подсистемы приведена на рис. 1.

Рисунок 1 – Функционально-структурная схема подсистемы планирования и прогнозирования выпуска продукции

Методы и средства исследования и решения поставленной задачи

Постановка задачи оптимизации

    Для планирования и прогнозирования выпуска продукции применяются методы системного анализа, математического моделирования, многокритериальной оптимизации, экспертных оценок и новые информационные технологии.
    Для решения задачи оптимизации выявляется тот параметр, который определяет степень совершенства решения возникшей проблемы. Этот параметр обычно называют целевой функцией или критерием качества. В экономических задачах это, как правило, максимизация прибыли. Далее устанавливается совокупность величин, которые определяют целевую функцию. Наконец, формулируются все ограничения, которые должны учитываться при решении задачи. После этого строится математическая модель, заключающаяся в установлении аналитической зависимости целевой функции от всех аргументов и аналитической формулировки сопутствующих задаче ограничений. Итак, пусть в результате формализации прикладной задачи установлено, что целевая функция

,

(1)

где множество Х – обобщение ограничений, его называют множеством допустимых решений. Существо проблемы оптимизации заключается в поиске на множестве Х – множестве допустимых решений такого решения , при котором целевая функция f достигает наименьшего или наибольшего значения (2).

(2)

    В качестве критериев оптимизации выбираем следующие: ограничениями будут максимальная загрузка оборудования и минимальное использование ресурсов, а целевой функцией – максимум прибыли (3). На основании этого получаем необходимое нам решение, т.е. план выпуска продукции.

,

(3)

Решение задачи планирования с помощью генетических алгоритмов

    Генетические алгоритмы – это аналитические технологии, созданные и выверенные самой природой за миллионы лет ее существования. Они позволяют решать задачи прогнозирования, классификации, поиска оптимальных вариантов, и совершенно незаменимы в тех случаях, когда в обычных условиях решение задачи основано на интуиции или опыте, а не на строгом (в математическом смысле) ее описании.
    Пусть дана некоторая сложная функция (целевая функция), зависящая от нескольких переменных, и требуется найти такие значения переменных, при которых значение функции максимально. Задачи такого рода называются задачами оптимизации и встречаются на практике очень часто.
    Один из примеров – задача планирования выпуска продукции. В этой задаче переменными являются объемы выпуска продукции, а функцией, которую нужно максимизировать, суммарный доход предприятия. Также даны значения цен реализации продукции, всех затрат по каждому изделию, норм расходов и фонда времени.
    Попытаемся решить эту задачу, применяя известные нам природные способы оптимизации. Будем рассматривать каждый вариант выпуска продукции (набор значений переменных) как индивидуума, а доходность этого варианта – как приспособленность этого индивидуума. Тогда в процессе эволюции (если мы сумеем его организовать) приспособленность индивидуумов будет возрастать, а значит, будут появляться все более и более доходные варианты планов. Остановив эволюцию в некоторый момент и выбрав самого лучшего индивидуума, мы получим достаточно хорошее решение задачи.
    Генетический алгоритм – это простая модель эволюции в природе, реализованная в виде компьютерной программы. В нем используются как аналог механизма генетического наследования, так и аналог естественного отбора. При этом сохраняется биологическая терминология в упрощенном виде.
    Метод моделирования генетического наследования приведен в табл. 1.

    Таблица 1 – Моделирование генетического наследования

Хромосома	Вектор из нулей и единиц. Каждая позиция называется геном
Индивидуум = Генетический код	Набор хромосом = вариант решения задачи
Кроссинговер	Операция, при которой две хромосомы обмениваются своими частями
Мутация	Случайное изменение одной или нескольких позиций в хромосоме

    Чтобы смоделировать эволюционный процесс, сгенерируем вначале случайную популяцию – несколько индивидуумов со случайным набором хромосом (числовых векторов). Генетический алгоритм имитирует эволюцию этой популяции как циклический процесс скрещивания индивидуумов и смены поколений. Жизненный цикл популяции – это несколько случайных скрещиваний (посредством кроссинговера) и мутаций, в результате которых к популяции добавляется какое-то количество новых индивидуумов.
    Отбор в генетическом алгоритме – это процесс формирования новой популяции из старой, после чего старая популяция погибает.
    Отбор в генетическом алгоритме тесно связан с принципами естественного отбора в природе. Эта связь представлена в табл. 2.

    Таблица 2 – Связь отбора в генетическом алгоритме с принципами естественного отбора в природе

Приспособленность индивидуума	Значение целевой функции на этом индивидууме
Выживание наиболее приспособленных	Популяция следующего поколения формируется в соответствии с целевой функцией. Чем больше приспособлен индивидуум, тем больше вероятность его участия в кроссинговере

    После отбора к новой популяции опять применяются операции кроссинговера и мутации, затем опять происходит отбор, и так далее.
    Таким образом, модель отбора определяет, каким образом следует строить популяцию следующего поколения. Как правило, вероятность участия индивидуума в скрещивании берется пропорциональной его приспособленности. Часто используется так называемая стратегия элитизма, при которой несколько лучших индивидуумов переходят в следующее поколение без изменений, не участвуя в кроссинговере и отборе. В любом случае, каждое следующее поколение будет в среднем лучше предыдущего. Когда приспособленность индивидуумов перестает заметно увеличиваться, процесс останавливают и в качестве решения задачи оптимизации берут наилучшего из найденных индивидуумов.
    Возвращаясь к задаче построения оптимального плана, необходимо пояснить особенности реализации генетического алгоритма в этом случае:
- Индивидуум = вариант решения задачи = набор из m хромосом Хj, где m – количество изделий, производимых предприятием;
- Хромосома Хj= объем выпуска продукции j = 16 – разрядная запись этого числа.
    Так как объемы продукции ограничены, не все значения хромосом являются допустимыми. Это учитывается при генерации популяций.
    Вследствие вышерассмотренных особенностей генетического алгоритма, можно сказать, что он представляет собой комбинацию переборного и градиентного методов. Механизмы кроссинговера (скрещивания) и мутации реализуют переборную часть, а отбор лучших решений – градиентный спуск.
    То есть, если на некотором множестве задана сложная функция от нескольких переменных, тогда генетический алгоритм является программой, которая за допустимое время находит точку, где значение функции находится довольно близко к максимально возможному значению. Выбирая приемлемое время расчета, получаем лучшие решения, которые можно получить за это время.
    Простой генетический алгоритм случайным образом генерирует начальную популяцию. Работа генетического алгоритма представляет итерационный процесс, который продолжается до тех пор, пока не выполнится заданное число поколений или любой другой критерий остановки. В каждом поколении генетического алгоритма реализуется отбор пропорционально приспособленности, одноточечный кроссинговер и мутация.
    Сначала, пропорциональный отбор назначает каждой структуре вероятность Ps(i) равную отношению ее приспособленности к суммарной приспособленности популяции:

(4)

Нейронные сети для решения задачи прогнозирования

Описание полученных и планируемых результатов

    По результатам анализа описания подсистемы планирования и прогнозирования выпуска продукции:
    - уточнены и дополнены принципы планирования в условиях неопределенности, а также введено понятие адаптивного планирования производственной программы предприятия;
    - проведена идентификация системообразующих факторов, оказывающих влияние на планирование выпуска продукции на предприятии и отражающих отраслевую специфику;
    - определена входная информация, необходимая для построения подсистемы.
    Методологическую основу исследования составили положения системного анализа, методы планирования производственной программы предприятия, методы математической статистики, экономико-математические методы и модели, экспертные методы, методы принятия управленческих решений в условиях неопределенности.
    В работах многих авторов делаются попытки учета неопределенности путем использования различных методологических подходов. Предлагаемые подходы, безусловно, представляют как научный, так и практический интерес. Вместе с тем мы пришли к выводу, что не существует достаточно универсальных способов формирования плана выпуска продукции предприятия, в которых были бы комплексно учтены все факторы, обеспечивающие эффективность данного процесса.
    К сожалению, классические методики оказываются малоэффективными во многих практических задачах. Это связано с тем, что невозможно достаточно полно описать реальность с помощью небольшого числа параметров модели, либо расчет модели требует слишком много времени и вычислительных ресурсов. Из-за недостатков традиционных методик в последние 10 лет идет активное развитие аналитических систем нового типа. В их основе – технологии искусственного интеллекта, имитирующие природные процессы, такие как деятельность нейронов мозга или процесс естественного отбора. Наиболее популярными и проверенными из этих технологий являются нейронные сети и генетические алгоритмы, которые можно использовать для решения задачи планирования и прогнозирования выпуска продукции на предприятии.
    В результате выполнения работы был разработан алгоритм работы подсистемы планирования и прогнозирования выпуска продукции в условиях швейного предприятия АОЗТ «ДОТИ» (рис. 2).
    В работе также планируется создание программы, реализующей разработанный алгоритм работы подсистемы.

Заключение

    Проведя исследования по выбранной теме, можем сделать следующие выводы:

•   успех деятельности любого предприятия зависит от правильно разработанной стратегии выпуска продукции;
•   планирование выпуска продукции включает в себя определение ассортимента, объема продукции и сроков выпуска, на основе разработанного прогноза;
•   произведен анализ существующих систем и подсистем, в заключение которого обоснована актуальность создания подсистемы планирования и прогнозирования выпуска продукции в условиях предприятия АОЗТ «ДОТИ»;
•   проведен обзор методов планирования и прогнозирования выпуска продукции. Анализ показал, что наиболее подходящим является использование нейронных сетей и генетических алгоритмов в связи с тем, что оба эти метода позволяют решать задачи, в которых исходные данные могут быть неполными, что вполне соответствует требованиям, предъявляемым для решения поставленной задачи.

Список литературы