Помощь в написании студенческих работ
Антистрессовый сервис

Диалоговая процедура расчета потребности в исходных материалах и управление сырьевыми запасами в условиях многовариантности технологий использования сырья

Диссертация: Диалоговая процедура расчета потребности в исходных материалах и управление сырьевыми запасами в условиях многовариантности технологий использования сырья
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Актуальность работы. Особенностью любого современного производства является наличие большого количества материальных потоков, характеризующихся достаточно разнородной номенклатурой используемых в производственном цикле ресурсов. Так на предприятиях авиакосмического сектора, относящегося к одному из наиболее высокотехнологичных производств, используются различные комплектующие изделия и материалы… Читать ещё >

Диалоговая процедура расчета потребности в исходных материалах и управление сырьевыми запасами в условиях многовариантности технологий использования сырья (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ И МОДЕЛЕЙ, ИСПОЛЬЗУЕМЫХ ПРИ РЕШЕНИИ ЗАДАЧ МАТЕРИАЛЬНО ТЕХНИЧЕСКОГО СНАБЖЕНИЯ, ПОДГОТОВКИ ПРОИЗВОДСТВА И УПРАВЛЕНИЯ СЫРЬЕВЫМИ ЗАПАСАМИ
    • 1. 1. Развитие конкурентоспособности промышленных предприятий в условиях современного рынка
    • 1. 2. Прогнозирование объема потребительского спроса на продукцию предприятия
      • 1. 2. 1. Методы интеллектуального анализа данных
      • 1. 2. 2. Обзор математических моделей прогнозирования
    • 1. 3. Оптимизация состава исходных материалов и управление сырьевыми запасами при производстве вторичных алюминиевых сплавов
      • 1. 3. 1. Значение оптимизации состава исходных материалов
      • 1. 3. 2. Задачи и методы расчета состава исходных материалов
    • 1. 4. Обзор программного обеспечения, используемого для интеллектуального анализа данных, оптимизации состава исходных материалов и управление сырьевыми запасами
  • ВЫВОДЫ ПО ГЛАВЕ 1.36^
  • ГЛАВА 2. РАЗРАБОТКА МЕТОДИКИ РАСЧЕТА ПОТРЕБНОСТИ В ИСХОДНЫХ МАТЕРИАЛАХ И УПРАВЛЕНИЕ СЫРЬЕВЫМИ ЗАПАСАМИ В УСЛОВИЯХ МНОГОВАРИАНТНОСТИ ТЕХНОЛОГИЙ ИСПОЛЬЗОВАНИЯ СЫРЬЯ
    • 2. 1. Разработка моделирующего алгоритма расчета унифицированного набора комплектования в условиях v многовариантности комбинаций используемых составов исходных материалов
      • 2. 1. 1. Обоснование необходимости разработки новой методики
      • 2. 1. 2. Структурная схема моделирующего алгоритма расчета унифицированного набора комплектования
    • 2. 2. Разработка модели прогнозирования величины потребительского спроса на основе данных об истории объемов плавок сплавов АК12 и АК
      • 2. 2. 1. Разработка алгоритма прогнозирования величины потребительского спроса на основе данных об истории объемов плавок
      • 2. 2. 2. Разработка типового сценария прогнозирования величины потребительского спроса с использованием информационно-аналитической платформы Deductor

      2.3 Разработка математической модели решения задачи технологической подготовки производства, на примере расчета конечного множества рациональных вариантов шихтовок для производства вторичных алюминиевых сплавов АК5М2 и ADC12.

      2.3.1 Этапы расчета состава шихты для производства вторичных алюминиевых сплавов.

      2.3.2 Оптимизация состава исходных материалов. v 2.3.3 Разработка математической, модели решения задачи определения оптимального варианта шихтовки.

      2.3.4 Разработка математической модели решения, задачи* определения конечного множества рациональных вариантов * шихтовок.

      2.4 Разработка математической* модели расчета^. графика использования конечного набора' вариантов шихтовок в краткосрочном и долгосрочном периодах с учетом^ наличия сырья на складе предприятия.

      2.4.1 Разработка математической модели расчета конечного множества рациональных вариантов шихтовок для сплавов АК5М2 и ADC12c учетом наличия сырья на складе предприятия.

      2.4.2 Разработка математической модели формирования плана дозакупки исходных материалов.

      S ВЫВОДЫ ПО ГЛАВЕ 2.

      ГЛАВА 3. РЕЗУЛЬТАТЫ ПРАКТИЧЕСКОГО ПРИМЕНЕНИЯ ПРЕДЛОЖЕННОГО ПОДХОДА.

      3.1 Результаты, прогнозирования величины потребительского спроса на основе данных об истории объемов плавок для сплавов АК12 и АК9.

      3.2 Результаты решения задачи определения оптимального варианта шихтовки для сплавов АК5М2 и ADC12.

      3.3 Результаты решения задачи определения конечного множества рациональных вариантов шихтовок для сплавов АК5М2 и ADC12.

      3.4 Результаты использования конечного множества рациональных вариантов шихтовок для сплавов АК5М2 и ADC12c учетом наличия сырья на складе предприятия.

      3.5 Результаты решения задачи формирования плана дозакупки исходных материалов для сплава АК5М2 при различных сценариях начальных условий.

      ВЫВОДЫ ПО ГЛАВЕ 3.

Актуальность работы. Особенностью любого современного производства является наличие большого количества материальных потоков, характеризующихся достаточно разнородной номенклатурой используемых в производственном цикле ресурсов. Так на предприятиях авиакосмического сектора, относящегося к одному из наиболее высокотехнологичных производств, используются различные комплектующие изделия и материалы. В литейной промышленности на металлургических предприятиях в качестве таких ресурсов служат как чистые металлы и неметаллические материалы, так и заранее приготовленные сплавы (лигатуры, вторичные сплавы), а также вторичное сырье, такое как, лом и отходы собственного производства. Кроме того, широкий перечень используемого сырья характерен для золотодобывающей, легкой и пищевой промышленности, лесопромышленного комплексастроительства и, многих других отраслей.

Одним из факторов, характеризующих представленные производства является то, что при определении номенклатуры и количества используемых при производстве готовой продукции исходных материалов могут применяться различные методы и технологии, расчета. На сегодняшний день существует большое количество разнообразных методов расчета вариантов комплектования исходными материалами, к числу которых можно отнести такие методы, как, использование расходных коэффициентов, таблиц потребности, технологических карт, расчет вариантов шихтовок и другие методы. В то же время, при расчете состава исходных материалов, в каждой сфере производства имеются свои характерные особенности.

Одной из локальных задач, решаемых в диссертационной работе, является прогнозирование спроса на продукцию предприятия. Данная задача носит достаточно общий характер и принципы её решения одинаковы для различных сфер производств. В отличие от прогнозирования спроса, решение другой задачи диссертационной работы — разработки технологических вариантов использования сырья в условиях многовариантности комбинаций составов исходных материалов требует привязки к конкретной сфере производства.

Учитывая, что алюминиевая промышленность является стратегически важной отраслью экономики России, дальнейшее изложение материала будет представлено на примере металлургических предприятий, производящих алюминиевые сплавы и использующих в процессе производства вторичное сырье.

Россия является одним из крупнейших производителем, алюминия* в мире (вторым после Китая) и самым крупным экспортером этого металла. Объем производства алюминия вырос в 2003 году по отношению к уровню 1990 года на 19%, а к уровню 1994 года (экстремальному минимуму) — на 30%, выпускглинозема увеличился, соответственно, на 5% и на 64%. Алюминиевый бизнес ежегодно привлекает в. страну валютных ресурсов в объеме 3−4 миллиардов, долларов США. Позитивные количественные и качественные изменения в российской алюминиевой промышленности начались в, 1995 — 1997 годы. Процесс интеграции российского алюминиевого бизнеса хорошо вписывается в общий процесс, глобализации мировой экономики, что повышает конкурентоспособность отечественного алюминия.

Алюминий — металл высоких технологий. Конструкционные материалы на основе алюминия широко используются в оборонной промышленности, автомобилестроении, авиации, строительстве и электротехнике, в производстве бытовых, пищевых и медицинских товаров. На его основе создаются новые материалы, и техника, которые радикально и благоприятно изменяют условия жизнеобеспечения человека, и способствуют решению глобальных мировых проблем — энергосбережения и экологической безопасности.

С использованием специальных сплавов можно добиться значительного повышения механической прочности этого металла, что позволяет изготавливать из него относительно легкие, но прочные конструкции, достаточно востребованные на современном рынке. Кроме того, современные марки алюминиевых сплавов отличаются малой объемной массой и повышенными пластическими характеристиками при низких температурах. Изделия и конструкции из них при ударе не дают искр, обладают антимагнитностью, огнеи сейсмостойкостью.

С началом использования алюминиевых сплавов возник вопрос подбора необходимого состава исходных материалов, которые должны обеспечить возможность получения сплава требуемого качества. Однако, один и тот же сплав может быть получен с применением различных исходных материалов, затраты на которые могут составлять до 90% себестоимости сплава. Поэтому одним из самых важных становится, вопрос оптимизации состава шихты, которая позволила бы сократить себестоимость продукции за счет рационального иэкономного расходования всех видов ресурсов, снизить, их потери и улучшить использование вторичных ресурсов и отходов производства.

Работы по изучению методов, подбора необходимого состава шихты ведутсяначиная, с 40-х годов XX века. В настоящее время предложено большое количество разнообразных моделей и подходов, позволяющих решить задачу расчета оптимальных вариантов её состава. Однако именно наличие большого количества предполагаемых вариантов решений даже для однотипных производств характеризует сложность и актуальность данной проблемы.

Цель и задачи диссертационной работы. Целью настоящей диссертационной работы является разработка диалоговой процедуры расчета потребности в исходных материалах и управления сырьевыми запасами в условиях многовариантности комбинаций используемых составов сырья.

Для достижения поставленной цели в диссертационной работе были решены следующие задачи исследования:

• исследование существующих методов интеллектуального анализа данных и методов прогнозирования величины потребительского спроса и создание на их основе гибкого, многоуровневого алгоритма прогнозирования величины потребительского спроса на продукцию предприятия;

• исследование существующих методов расчета оптимального состава шихты и анализ основных причин затрудняющих их использование в условиях производства вторичных алюминиевых сплавов;

• построение математической модели и алгоритмов расчета множества рациональных шихтовок;

• построение математической модели и алгоритмов расчета интенсивности использования множества рациональныхшихтовок с учетом наличия сырья на складе предприятия при суточном планировании производства;

• решение задачи расчета использования рациональных шихтовок при долгосрочном планировании производства с учетом наличия сырья на складе предприятия;

• построение математической модели' решения задачи формирования плана закупок при долгосрочном планировании производства;

• разработка структурной схемы моделирующего алгоритма диалоговой человеко-машинной системы автоматизации процессов долгосрочного планирования и управления производственным процессом предприятия;

• проверка работоспособности предполагаемого метода на примере металлургического завода по производству вторичных алюминиевых сплавов.

Методы исследования. Научные исследования были выполнены на основе методов интеллектуального анализа данных с применением систем интеллектуального анализа и обработки информации, методов решения задач непрерывного и дискретного программирования, алгоритмов векторной оптимизации, целевого программирования.

Для разработки программного обеспечения использовались CASE-средства и технологии создания информационных систем, объектно-ориентированный язык программирования и язык структурированных запросов.

Научная новизна. Основным научным результатом диссертационной работы является разработка диалоговой человеко-машинной процедуры решения задачи автоматизации процессов долгосрочного планирования и управления процессом подготовки производства. При этом:

• в целях повышения качества решения задачи долгосрочного планирования, производства, разработан гибкий, многоуровневый сценарий прогнозирования величины потребительского спросана продукцию предприятия;

• сформулированаи решена задача расчета множества рациональных шихтовок в виде задачи векторной оптимизации;

• на основе рассчитанного множества рациональных шихтовок сформулирована, и решена задача определения графика расхода шихтовых материалов с учетом их наличия на складе для краткосрочного и долгосрочного планирования;

• сформулирована и решена задача формирования плана закупок при долгосрочном и оперативном планировании производства.

Практическая значимость полученных результатов. Практическая значимость полученных результатов состоит в томчто предложенный в диссертационной работе подход к решению задачиавтоматизации процессов долгосрочного планирования' и управленияпроизводственным процессом предприятия может быть использована в любых отраслях промышленности, не зависимо от типа выпускаемой предприятием продукции.

В настоящее время фрагменты структурной схемы моделирующего алгоритма находятся в стадии опытной эксплуатации в Федеральном государственном унитарном предприятии «Научно-производственное предприятие — Всероссийский Научно Исследовательский Институт Электромеханики с заводом имени А.Г. Иосифьяна», Москва. Апробация работы. Основные положения и результаты диссертационной работы обсуждались на:

1) Международной казахско-российско-японской научной конференции и VI российско-японском семинаре «Перспективные технологии, оборудование и аналитические системы для материаловедения и наноматериалов» в 2008 году;

2) XI Международной конференции Когнитивное моделирование в лингвистике «Обработка текста и когнитивные технологии» в 2009 году. Публикации. По теме диссертационной, работы опубликовано 7 работ включая две работы в изданиях рекомендованных ВАК РФ. Структурами объем работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы, включающего 149 наименований и приложения. Основной объем работы изложен на 120 страницах и включает 21 рисунок и 51 таблицу.

ВЫВОДЫ ПО ГЛАВЕ 3.

В данной главе диссертационной работы был предложен новый подход расчета оптимального состава шихты для производства алюминиевых сплавов. Новый подход включает следующие основные этапы: прогнозирование величины потребительского спроса на продукцию предприятия, расчет множества рациональных шихтовок в виде задачи векторной оптимизации при планировании производства с учетом наличия сырья на складе, формирование плана закупок шихтовых материалов при планировании производства.

Для оценки качества прогностических моделей на этапе определения производственного плана, использовался метод инверсной верификации. В качестве ретроспективного периода был выбран временной интервал равный двум неделям. На основании данных об объемах плавок за последние шесть месяцев были получены значения спрогнозированных величин объема производства.

Использование различных методов прогнозирования показало, что все рассмотренные методы корректно отражают общую тенденцию изменения величины потребительского спроса на один ближайший период.

Увеличение горизонта прогнозирования до двух периодов, показало, что три из четырех рассмотренных модели смогли правильно рассчитать тенденцию изменения величины потребительского спроса. Лучший результат показала модель нейронной сети состоящей из двух нейронов в скрытом слое. Следует подчеркнуть, что в рамках данной диссертационной работы, при прогнозировании величины потребительского спроса на продукцию предприятия была принята гипотеза о том, что на величину будущего спроса влияет только один фактор — объем спроса на продукцию предприятия прошлых периодов. В реальных же условиях необходим предварительный анализ, направленный на выявление всех факторов, влияющих на прогнозируемую величину, например, маркетинговые мероприятия, конъюнктуру рынка, действия конкурентов и т. д. Факторы.

119 выясняются при помощи таких методов, как: опрос экспертов, которыми могут выступать менеджеры по закупкам, сотрудники отдела логистики и другие лица, занимающиеся управлением объемов производства в компании, а так же, с использованием математических инструментов таких, как факторный и корреляционный анализы. Комплексный учет всех факторов может значительно повысить качество прогноза.

В диссертационной работе была предложена методика определения конечного набора рациональных шихтовок. Данная методика позволяет подобрать конечное множество вариантов шихтовок для заданных сплавов. При определении множества рациональных шихтовок в работе предлагается использование одного из доступных методов. Реализация первого метода заключается в использовании математических инструментов оптимизации. Другим методом решения задачи является использование диалоговых процедур с привлечением ЛПР.

Результаты практических расчетов показали, что использование предложенного подхода при расчете оптимального расхода шихтовых материалов при производстве алюминиевых сплавов позволяет получить рациональные варианты реализации производственного плана плавок в зависимости от состояния складских запасов сырья на предприятии.

В результате проделанной работы становится очевидным, что использование предложенной модели при суточном планировании неудобно. Тем не менее, предложенная модель подходит для долгосрочного планирования, когда необходимо подобрать оптимальные шихтовки при условии выполнения месячного плана производства.

При формировании плана закупки шихтовых материалов использовались методы целевого программирования. В результате расчета получаются варианты шихтовок, не соответствующие минимальным затратам, но при использовании этих вариантов не используется в качестве исходного материала группа сырья, отсутствующая в данный момент на складе, т. е. предложенная модель реагирует на вносимые изменения.

Практическое применение целевого программирования при формировании плана закупки позволило сделать следующие выводы:

1) Изменяя вес переменной отклонения в целевой функции, пользователь имеет возможность контролировать перерасход отдельных групп сырья.

2) Изменяя приоритет цели в целевой функции, пользователь имеет ч возможность получить решение для следующих задач:

Какой объем сплава можно получить, используя только имеющийся запас шихтовых материалов.

Какие шихтовые материалы и в каком объеме потребуется приобрести дополнительно для выполнения поставленного производственного плана.

3) Изменяя вес переменных отклонения в целевой функции, пользователь имеет возможность получить различные решения реализации производственного плана.

Таким образом, использование предложенного подхода при подготовке производства алюминиевых сплавов позволит существенно повысить качество принимаемых решений при выборе оптимальных вариантов шихтовок.

ЗАКЛЮЧЕНИЕ

.

В настоящей диссертационной работе проведено исследование основных методов и моделей, используемых при прогнозировании величины потребительского спроса на продукцию предприятия, рассмотрены используемые в настоящее время при производстве вторичных алюминиевых сплавов методы расчета оптимальных вариантов состава шихты.

В ходе выполнения работы выяснилось, что на сегодняшний день уровень автоматизации учетной информации на предприятиях Российской промышленности можно признать довольно высоким. Во многих их них накоплена большая история производственной и технической информации. В связи с этим, появляется возможность использования широкого спектра аналитических инструментов для решения задачи прогнозирования величины потребительского спроса на продукцию предприятия. Установлено, что используемые в настоящее время на металлургических предприятиях методы подбора оптимальных вариантов шихтовок обладают рядом существенных недостатков, к числу которых можно отнести: отсутствие стандартов унификации возможных вариантов шихтовок, отсутствии оценки объемов предстоящих плавок, при планировании расхода сырья, отсутствие возможности расчета оптимального объема закупок сырья.

Данная работа, в свою очередь, направлена на разработку нового подхода, позволяющего устранить недостатки традиционных подходов. В основе нового подхода лежит расчет одного ограниченного набора оптимальных шихтовок. В дальнейшем при производстве сплавов из полученного набора выбирается такой вариант шихтовки, который удовлетворяет складским запасам исходных шихтовых материалов. На основе расчета прогнозного значения объема предстоящих плавок и определения интенсивности использования сырья, решается задача оценки потребности в дополнительных материальных ресурсах, а также организации планирования их последующей закупки.

Предложенная в результате работы модель позволила существенно повысить качество принимаемых решений при выборе оптимальных вариантов шихтовок с учетом наличия сырья на складе. В результате предприятия алюминиевой промышленности смогут оптимизировать товарные запасы, путем их более рационального использования и планировать закупку недостающего для выполнения прогнозного производственного плана сырья.

Проделанная работа привела к следующим практическим результатам:

• проведено исследование существующих методов интеллектуального анализа данных, методов прогнозирования величины потребительского спроса;

• исследованы существующие методы расчета оптимального состава шихты и проведен анализ основных причин затрудняющих их использование в условиях производства вторичных алюминиевых сплавов;

• построена математическая модель и алгоритм расчета множества рациональных шихтовок с учетом наличия сырья на складе предприятия;

• решена задача расчета рациональных шихтовок при суточном планировании производства с учетом наличия сырья на складе предприятия;

• решена задача расчета рациональных шихтовок при стратегическом планировании производства с учетом спрогнозированного спроса на продукцию предприятия и наличия сырья на складе предприятия;

• построена математическая модель решения задачи формирования плана закупок при долгосрочном планировании производства;

• разработана структурная схема моделирующего алгоритма диалоговой человеко-машинной системы расчета потребности в исходных материалах и управление сырьевыми запасами при производстве вторичных алюминиевых сплавов Предложенный в диссертационной работе метод позволяет не только подобрать оптимальный с химической точки зрения состав исходных материалов, но и оптимизировать их складские запасы для более рационального и экономичного использования.

Показать весь текст

Список литературы

  1. , Н. П. Разработка практического метода нейросетевого прогнозирования / Н. П. Абовский и др. // Нейрокомпьютеры и их применение: Труды VIII Всероссийской конференции, Москва, 21−22 марта 2002 г. Москва, 2002. — С. 1089−1097.
  2. , С. А. Прикладная статистика : Классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков. М.: Финансы и статистика, 1989. — 608 с.
  3. , С. А. Прикладная статистика и основы эконометрики / С. А. Айвазян, В. С. Мхитарян. -М.: ЮНИТИ, 1998. 656 с.
  4. , И. Л. Математическое программирование в примерах и задачах / И. Л. Акулич. М.: Высшая школа, 1986. — 319 с.
  5. , И. Я. Машинная арифметика в остаточных классах / И. Я. Акушский. -М.: Советское радио, 1968. 440 с.
  6. , М. Б. Основы теории плавления алюминиевых сплавов / М. Б. Альтман, Г. С. Макаров // Технология легких сплавов. 1983. — № 6.-С. 17−29.
  7. , Т. Статистический анализ временных рядов / Т. Андерсон. -М.: МИР, 1976.-756 с.
  8. , В. И. Вероятностные модели управления экономической динамики / В. И. Аркин, И. В. Евстигнеев. М.: Наука, 1979. — 176 с.
  9. , С. А. Математические модели и методы в экономике / С. А. Ашманов. -М.: Изд. МГУ, 1981. 158 с.
  10. , Д. И. Генетические алгоритмы решения экстремальных задач / Д. И. Батищев. Воронеж: ВГУ, 1994. — 135 с.
  11. , Э. Г. Сравнительный анализ методов прогнозирования / Э. Г. Бирман // НТИ. 1986. — № 1. — С. 11−16.
  12. , Дж. Анализ временных рядов. Прогноз и управление: в 2 т. / Дж. Бокс, Г. Дженкинс. М.: Мир, 1974. — 608 с.
  13. , Б. Многомерные статистические методы для экономики / Б. Болн, К. Д. Хуань. М.: Наука, 1979. — 348 с.
  14. Бур до, А. И. К вопросу систематизации методов и алгоритмов прогнозирования / А. И. Бурдо, Э. Е. Тихонов // Материалы межрегиональной конференции «Студенческая наука экономике научно-технического прогресса» / СевКав ГТУ. — Ставрополь, 2001. -С. 33−34.
  15. , А. И. К вопросу совершенствования систем прогнозирования / А. И. Бурдо, Э. Е. Тихонов // Материалы XXXVIII юбилейной отчетной научной конференции за 1999 год: в 3 ч. / Воронеж, гос. технол. акад. Воронеж, 2000. — Ч. 2. — С. 211−215.
  16. , А. И. Об одном подходе к проблеме прогнозирования количественных характеристик производственных систем / А. И. Бурдо, Э. Е. Тихонов // Материалы XXX НТК профессоркопреподавательского состава / СевКав ГТУ. — Ставрополь, 2000. С. 225−226.
  17. , Ф. П. Методы оптимизации / Ф. П. Васильев. — М.: Факториал Пресс, 2002. 824 с.
  18. , Ю. В. Упреждающее управление на основе информационных технологий : учеб. пособие / Ю. В. Вертаков, Э. Н. Кузьбожев — под ред. д-ра экон. наук Э. Н. Кузьбожев. Курск.: Курск.гос.техн.ун-т, 2001. — 152 с.
  19. , JI. П. Прогнозирование и планирование в условиях рынка: учебное пособие / JI. П. Владимирова. М.: Издательский дом «Дашкови К», 2000. — 308 с.
  20. , Д. А. К разработке классификации алюминий-содержащих шлаков / Д. А. Волков, А. Г. Жолнин, С. Б. Новичков // Цветная металлургия -2001.- № 2−3. С. 49−51.
  21. , В. Н. Основы теории систем и системного анализа / В. Н.
  22. , А. А. Денисов. СПб.: СПбГПУ, 2003. — 520 с.126
  23. , Г. К., и др. Генетические алгоритмы, нейронные сети и проблемы виртуальной реальности / Г. К. Вороновский и др. — X.: ОСНОВА, 1997.-112 с.
  24. , Р. Методы оптимизации / Р. Габасов, Ф. М. Кирилова. — Минск: БГУ, 1975. 350 с.
  25. , Г. В. Металлургия вторичного алюминия / Г. В. Галевский, Н. М. Кулагин, М. Я. Минсцис. Новосибирск: Наука, 1998. — 289 с.
  26. , А. И. Теория нейронных сетей : учеб. пособие для вузов / А. И. Галушкин. -М.: ИПРЖР, 2001.-385 с.
  27. , И. М. Вариационное исчисление / И. М. Гельфан, С. В. Фомин. -М.: Мир, 1961. -321 с.
  28. , Ф. Практическая оптимизация / Ф. Гилл, У. Мюррей, М. Райт. -М.: Мир, 1985. 509 с.
  29. , А. И. Методы и модели отраслевого экономического прогнозирования / А. И. Гладыщевский. М.: Экономика, 1997. — 143 с.
  30. , В. В. Прогнозирование / В. В. Глущенко. 3-е издание. -М.: Вузовская книга, 2000. — 208 с.
  31. , Н. Б. Методические вопросы использования межотраслевого баланса в прогнозных расчетах / Н. Б. Голованова, Ю. Г. Кривов // Взаимосвязи НТП и экономического развития: сб.науч.тр. / АН СССР. СО, ИЭиОПП. Новосибирск, 1987. — С. 62−77
  32. , В. А. Нейронные сети: обучение, организация и применение / В. А. Головко- общая ред. А. И. Галушкина. М.: ИПРЖР, 2001. -256 с.
  33. , А. Н. Обучение нейронных сетей / А. Н. Горбань. -М.: СП «Параграф», 1990.-159 с.
  34. ГОСТ 1583–93. Сплавы алюминиевые литейные. Технические условия. Введ. 1997−01−01. — М.: Издательство стандартов, 1996. -25 с.
  35. , К. Спектральный анализ временных рядов в экономике / К. Гренджер, М. Хатанака- пер. с англ. — М.: Статистика., 1972. — 312 с.
  36. , Е. Статистические игры и их применение / Е. Грень. М.: Наука, 1975.-243 с.
  37. , А. А. Математические методы построения прогнозов / А. А. Грешилов, В. А. Стакун, А. А. Стакун. — М: Радио и связь, 1997. 112 с.
  38. , А. Н. Подход к послойному обучению нейронной сети прямого распространения / А. Н. Гусак и др. // Нейрокомпьютеры и их применение: Труды VIII Всероссийской конференции, Москва, 21−22 марта 2002 г. Москва, 2002. — С. 931−933.
  39. , Б. Я. Методы прогнозирования спроса / Б. Я. Давидович и др. -М.: Экономика, 1972. 193 с.
  40. , Г. М. Экспертные оценки в научнотехническом прогнозировании / Г. М. Добров, Ю. В. Ершов и др. — Киев: Наукова Думка, 1974.-159 с.
  41. Дюк, В. Data Mining: учебный курс / В. Дюк, А. Самойленко. -СПб.: Питер, 2001. 368 с.
  42. , Б. Кластерный анализ / Б. Дюран, П. Оделл: пер. с англ. Е. 3. Демиденко -М.: Статистика, 1977. 128 с.
  43. , Н. Е. Применение моделей и методов прогнозирования спроса на продукцию сферы услуг / Н. Е. Егоровна, А. С. Мудунов. — М.: ЦЭМИ РАН, 2000. 54 с.
  44. , Д. М. Система управления с применением нейронных сетей / Д. М. Еремин // Приборы и системы. Управление, контроль, диагностика. 2001. — № 9. — С. 8−11.
  45. , А. Г. Флюсовая обработка алюминия и его сплавов / А. Г. Жолнин С. Б. Новичков. Иркутск: ИрГТУ, 2007. — 302с.
  46. , А. Г. Влияние физико-химических процессов, протекающих прихранении шлаков и переработки вторичного сырья, на извлечение128алюминия / А. Г. Жолнин, С. Б. Новичков, А. Г. Строганов, С. Д. Цымбалов // Цветная металлургия 2001. — № 1. — С. 21−24.
  47. , А. Г. Направление исследований процессов плавки вторичного алюминиевого сырья / А. Г. Жолнин, С. Б. Новичков, И. А. Погодаева // Цветная металлургия. 2001. -№ 5−6. — С. 22—26
  48. , И. В. Нейронные сети: основные модели / И. В. Заенцев. -Воронеж: ВГУ, 1999. 76 с.
  49. , В. Б. Синергитическая экономика. Время и перемены в нелинейной экономической теории / В. Б. Занг. М.: Мир, 1999. — 216 с.
  50. , А. Г. Моделирование сложных систем по экспертным данным / А. Г. Ивахненко, Ю. П. Юрачков. М.: Радио и связь, 1987. -119 с.
  51. , А. Г. Особенности применения метода группового учета аргументов в задачах прогнозирования случайных процессов / А. Г. Ивахненко, В. С. Степаненко // Автоматика. -1986. № 5. — С. 3−14
  52. , А. Г. Предсказание случайных процессов / А. Г. Ивахненко, Р. Г. Лапа. Киев: Наукова думка, 1971. -416 с.
  53. , А. Г. Долгосрочное прогнозирование и управление сложными системами / А. Г. Ивахненко. Киев: Наукова думка, 1975. -340 с.
  54. , Р. Основные концепции нейронных сетей / Р. Калан: пер. с англ. — М.: Издательский дом «Вильяме», 2001. 287 с.
  55. , С. П. Синергетика и прогнозы будущего / С. П. Капица, С. П.
  56. , Г. Г. Малинецкий. М.: Наука, 1997. — 236 с.129
  57. , В. Г. Математическое программирование: учеб. Пособие / В. Г. Карманов. 5-е изд. — М.: ФИЗМАТЛИТ, 2004. — 264 с.
  58. , Д. Дж. Конечные цепи Маркова / Д. Дж. Кемени, Дж. Д. Снелл — пер. с англ. С. А. Молчанов и др. М.: Наука, 1970. — 271 с.
  59. , М. Временные ряды / М. Кендэл — пер. с англ. Ю. П. Лукашина. -М.: «Финансы и статистика», 1979. 198 с.
  60. , Г. С. Анализ временных рядов и прогнозирование / Г. С. Кильдинов, А. А. Френкель. — М.: Статистика, 1973. — 432 с.
  61. , Д. И. Прогнозирование экономических показателей с помощью метода простого экспоненциального сглаживания. Статистический анализ экономических временных рядов и прогнозирование / Д. И. Клеопатров, А. А. Френкель. М.: Наука, 1973.-298 с.
  62. , В. Н. Системный анализ и принятие решений / В. Н. Козлов. -СПб.: СПбГТУ, 2000. 190 с.
  63. , Б. А. Металловедение и термическая обработка цветных металлов и сплавов / Б. А. Колчаев, В. И. Елагин, В. А. Ливанов. М.: МИСиС, 2005.-432 с.
  64. , Г. Справочник по математике для научных работников и инженеров / Г. Корн, Т. Корн. М.: Наука, 1970. — 831 с.
  65. , К. Рециклинг алюминия. От исходного материала до готового сплава: учебное пособие / К. Кроне и др. — пер. с немецкого — под общей редакцией С. Б. Новичкова. -М.: Изд. АСТШ, 2003. 702 с.
  66. , Б. И. Методы и модели управления фирмой : учебник для вузов / Б. И. Кузин, В. Н. Юрьев, Г. М. Шахдинаров. СПб.: Питер, 2001.-432 с.
  67. , Ю. П. Шахтная плавка вторичного сырья цветных металлов / Ю. П. Купряков. М.: ЦНИИцветмет экономики и информации, 1995.-164 с.
  68. , А. В. Расчет оптимального состава шихты на ЭВМ / А. В. Курдюмов, Э. Б. Тен. — М.: Металлургия, 1984. 71 с.
  69. , А. Я. Синтез алгоритмов обучения нейронных сетей / А. Я. Лащев, Д. В. Глушич // Нейрокомпьютеры и их применение: Труды VIII Всероссийской конференции, Москва, 21−22 марта 2002 г. — Москва, 2002. С. 997−999.
  70. , И. Л. Минимальные веса в задаче выделения тренда случайного процесса / И. Л. Легостаева, А. Н. Ширяев. // Теория вероятностей и ее применение, 1971, — Т. 16, — № 2. — С. 339—345
  71. , А. Ю. Введение в синергетику: учеб. Руководство / А. Ю. Лоскутов, А. С. Михайлов. М.: Наука, 1990. — 272 с.
  72. , Ю. П. Адаптивные методы краткосрочного прогнозирования временных рядов / Ю. П. Лукашин. М.: Финансы и статистика, 2003. — 415 с.
  73. , Б. Г. Основы теории и практики прогнозирования: учебное пособие / Б. Г. Мазманова. Екатеринбург: ИПК УГТУ, 1998. — 128 с.
  74. , Ю. А. Алгоритмы линейного и дискретного программирования / Ю. А. Максимов. М.: МИФИ, 1980. — 72 с.
  75. , Г. Г. Современные проблемы нелинейной динамики / Г. Г. Малинецкий, А. Б. Потапов. М.: Эдиториал УРСС, 2000. — 336 с.
  76. , В. С. Нейронные сети / В. С. Медведев, В. Г. Потемкин — под общ. ред. В. Г. Потемкина. М.: ДИАЛОГ-МИФИ, 2002. — 496 с.
  77. , М. Персептроны / М. Минский, С. Пайперт. М.: Мир, 1971.-261 с.
  78. , Ю. Б. Алгоритм выбора прогнозирующей зависимости, обеспечивающей наилучшую точность прогноза / Ю. Б. Михайлов // Приборы и системы. Управление, контроль, диагностика, 2000. -№ 12. -С. 11−19
  79. Моделирование функционирования развивающихся систем с изменяющейся структурой: сб. науч. тр. / АН УССР. Ин-т кибернетики им. В. М. Глушакова. — Киев: 1989. — 140 с.
  80. , Т. Г. Прогнозирование и планирование в условиях рынка : учеб. пособие для вузов / Т. Г. Морозова, А. В. Пикулькин, В. Ф. Тихонов, и др. — под ред. Т. Г. Морозовой, А. В. Пикулькина. М.: ЮНИТИ-ДАНА, 1999. — 318 с.
  81. Нейронные сети. STSTISTICA Neural Networks / под редакцией В. П. Боровиков: пер. с англ. — 2-е изд., пер. и доп. — М.: Горячая линия -Телеком, 2008. 392 с.
  82. , А. В. Метод поиска экстремума функционала оптимизации для нейронной сети с полными последовательными связями / Новиков
  83. A. В. и др. // Нейрокомпьютеры и их применение: Труды VIII Всероссийской конференции, Москва, 21—22 марта 2002 г. Москва, 2002.-С. 1000−1006.
  84. , С. Б. Оптимизация состава шихты при производстве вторичных алюминиевых сплавов / С. Б. Новичков, А. П. Шалтырев, О. С. Шалтырева // Цветные металлы. 2003. — № 1. — С. 92−95.
  85. , С. Б. Использование компьютерного моделирования при разработке технологических процессов во вторичной металлургии алюминия / С. Б. Новичков. Иркутск: ИрГТУ, 2006. — 252с.
  86. , М. Обработка знаний / М. Осуга. М.: Мир, 1989. — 239 с.
  87. , Н. Б. Бизнес аналитика: от данных к знаниям / Н. Б. Палкин,
  88. B. И. Орешков. СПб.: Питер, 2009. — 624 с.
  89. , В. А. Оценивание точности и адекватности моделей экономического прогнозирования / В. А. Половников и др. // Математическое моделирование экономических процессов: сб. науч. тр. / МЭСИ. Москва, 1986. — С. 37−47.
  90. , Б. Т. Введение в оптимизацию / Б. Т. Поляк. М .: Наука, 1983. -384 с.
  91. , В. Е. Имитационное моделирование процесса создания обучающихся систем / В. Е. Пятецкий, А. И. Бурдо — под. ред. Н. Б. Мироносецкого // Имитационное моделирование производственных процессов: сборник. Новосибирск, 1979. — 68 с.
  92. Рабочая книга по прогнозированию / отв. ред. Бестужев-Лада. — М.: Мысль, 1982.-462 с.
  93. , JI. А. Статистические методы поиска / Л. А. Растригин. -М.: Наука, 1968.-376 с.
  94. , Г. Оптимизация в технике / Г. Реклейтис, А. Рейвиндран, К. Рэгсдел. -М.: Мир, 1986. Т. 1−2. — 669 с.
  95. , Л. Н. Выбор оптимального параметра сглаживания в методе экспоненциального сглаживания. Основные проблемы и задачи научного прогнозирования / Л. Н. Рожков, А. А. Френкель. М.: Наука, 1972.-154 с.
  96. , Ф. Принципы нейродинамики: Персептрон и теория механизмов мозга / Ф. Розенблат: пер. с англ. — М.: Мир, 1965. — 175 с.
  97. , А. С. Методы системного анализа: многокритериальная и нечеткая оптимизация, моделирование и экспертные оценки / А. С. Рыков. -М.: Экономика, 1999. 192 с.
  98. , А. С. Методы системного анализа: оптимизация / А. С. Рыков. -М.: Экономика, 1999.-255 с.
  99. , О. Нейроуправление и его приложения / О. Сигеру и др.: пер. с англ.- под ред. А. И. Галушкина. -М.: ИПРЖР, 2001. -321 с.
  100. , В. П. Новый принцип построения самообучаемых нейросетей / В. П. Статевич, Е. А. Шумков // Нейрокомпьютеры и их применение: Труды VIII Всероссийской конференции, Москва, 21−22 марта 2002 г. Москва, 2002. — С. 1037−1040.
  101. , А. Г. Курс методов оптимизации / А. Г. Сухарев, А. В.
  102. , В. В. Федоров. -М.: Наука, 1986. 328 с.133
  103. , М. Б. Цветные металлы и сплавы : справочник: в 2х томах / М. Б. Таубкин и др. -М.: Металлургия, 1975.-424 с.
  104. , А. Логический подход к искусственному интеллекту / А. Тозе, Р. И. Грибомон и др. М.: Мир, 1990. — 428 с.
  105. , Ю. Н. Статистический анализ данных на компьютере / Ю. Н. Тюрин, А. А. Макаров. — М.: Финансы и статистика, Инфра-М, 1998. -528 с.
  106. , Дж. Библия пользователя Excel 2002 / Дж. Уокенбах, Б. Андердал. -М.: Диалектика, 2004. 832 с.
  107. , Ф. Нейрокомпьютерная техника: теория и практика / Ф. Уоссермен. М.: ЮНИТИ, 1992. — 240 с.
  108. , В. Вторичный алюминий важное сырьё XXI века / В. Фёдоров // Вторичные ресурсы. № 4−5. — С. 58−59.
  109. , А. А. Математические методы анализа динамики и прогнозирования производительности труда / А. А. Френкель. М.: Экономика, 1972.-190 с.
  110. , Д. Э. Бизнес-прогнозирование / Д. Э. Ханк, Д. У. Уичерн, А. Дж. Райте. 7-е издание: пер. с англ. — М.: Издательский дом «Вильяме», 2003. — 656 с.
  111. , Н. И. Применение нейронных сетей для задач прогнозирования и проблемы идентификации моделей прогнозирования / Н. И. Червяков, Э. Е. Тихонов // Нейрокомпьютеры: разработка, применение. М.: Радиотехника, -2003.-№ 10.-С. 25−31
  112. , Ю. В. Прогнозирование количественных характеристик процессов / Ю. В. Чуев, Ю. Б. Михайлов, В. И. Кузьмин. — М.: Сов. радио, 1975.-400 с.
  113. Шибхузов, 3. М. Конструктивный TOWER алгоритм для обучения нейронных сетей из УП — нейронов / 3. М. Шибхузов // Нейрокомпьютеры и их применение: Труды VIII Всероссийской конференции, Москва, 21−22 марта 2002 г. Москва, 2002. — С. 10 661 072.
  114. , Г. Детерминированный хаос: Введение / Г. Шустер: пер. с англ. М.: Мир, 1988. — 240 с.
  115. Янч, Э. Прогнозирование научно-технического прогресса / Э. Янч. -М.: Прогресс, 1974. 568 с.
  116. Ardeni, P. G. Is There Trend Reversion in Purchasing Power Parity / P. G. Ardeni, D. Lubian // European Economic Review. July, 1991. — Vol. 35. -Issue 5.-P. 1035−1055.
  117. Breiman, L. Classification and Regression Trees / L. Breiman, J. H. Friedman, R. A. Olshen, C. J. Stone. Monterey, Calif., U.S.A.: Wadsworth, Inc, 1984.
  118. Brin, S. Dynamic Itemset Counting and Implication Rules for Market Basket Data / S. Brin // Proc. ACM SIGMOD Int’l Conf. Management of Data. New York: ACM Press, 1997. — P. 255−264.
  119. Brown, R. G. Smoothing, Forecasting and Prediction of Discrete Time-Series / R. G. Brown. Prentice-Hall: New Jersey. — 480 p.
  120. Charnes, A. Measuring the Efficiency of Decision Making Units / A. Charnes, W. W. Cooper, E. Rhodes // European Journal of Operations Research. November, 1978. — Vol. 2. — № 6. — P. 429−444.
  121. Charnes, A. Optimal estimation of executive compensation by linear programming / A. Charnes, W. W. Cooper, R. Ferguson // Management Science, 1955.-Vol. 1.-P. 138−151.
  122. Flavell, R. B. A new goal programming formulation/ R. B. Flavell // Omega, 1976. Vol. 4. — P. 731−732.
  123. Fletcher, R. Practical methods of optimization / R. Fletcher. 2nd ed. -Great Britain: John Wiley & Sons, 1987. — 515 p.
  124. Fuller, W. A. Introduction to Statistical Time Series / W. A. Fuller. 2nd ed. — New York: Wiley, 1996. — 736 p.
  125. Gass, S. I. A process for determining priorities and weights for large scale linear goal programmes / S.I. Gass // Journal of the Operational Research Society, 1987. Vol. 37. — P. 779−785.
  126. Ghysels, E. The Effect of Seasonal Adjustment Filters on Tests for a Unit Root / E. Ghysels, P. Perron // Journal of Econometrics. 1993. — Vol. 55. -P. 57−98.
  127. Hamilton, J. D. Time Series Analysis / J. D. Hamilton. Princeton: Princeton University Press, 1994. — 820 p.
  128. Han, J. Data Mining: Concepts and Techniques / J. Han, M. Kamber. 2nd ed. — New York: Morgan Kaufmann, 2006. — 770 p.
  129. Holt, С. C. Forecasting Seasonals and Trends by Exponentially Weighted Moving Averages / С. C. Holt // Journal of Economic and Social Measurement. 2004. — Vol. 29. — P. 123−125.
  130. Hunt, E. B. Experiments in induction / E. B. Hunt, J. Marin, P. J. Stone. -New York: Academic Press. 1966. — 247 p.
  131. Ian, H. Data Mining: Practical Machine Learning Tools and Techniques / H. Ian, F. Eibe. 2nd ed. — San Francisco: Morgan Kaufmann, 2005. — 5251. P
  132. Ignizio, J. P. Goal Programming and Extension / J. P. Ignizio. Lexington Books, 1976.-261 p.
  133. Ignizio, J. P. Linear programming / J.P. Ignizio, T.M. Cavalier. NJ.: Prentice Hall, 1994. — 666 p.
  134. Lee, S. M. Goal programming for decision analysis / S. M. Lee. -Philadelphia: Auerbach Publications, 1972. 387 p.
  135. Muller, J.A. Self-Organising Data Mining / J. A. Muller, F. Lemke // Systems Analysis Modelling Simulation. 2003. — Vol. 43. — Issue 2. — P. 231−240.
  136. Nelder, J. A. Simplex method for function minimization / J. A. Nelder, R. A. Mead // Compute Journal. 1964. — Vol. 7. — P. 308−313.
  137. Nelson, C. R. Trends and Random Walks in Macroeconomic Time Series / C. R. Nelson, С. I. Plosser // Journal of Monetary Economics. 1992. -Vol. 33.-P. 661−680.
  138. Park, J. S. An Effective HashBased Algorithm for Mining Association Rules / J. S. Park, M. S. Chen, S.Y. Philip // Proc. ACM SIGMOD Int’l Conf. Management of Data. -New York: ACM Press, 1995. -P. 175−186.
  139. Romero, С. Handbook of critical issues in goal programming / C. Romero.- Oxford: Pergamon Press, 1991. 124 p.
  140. Savasere, A. An Efficient Algorithm for Mining Association Rules in Large Databases / A. Savasere, E. Omiecinski, S. Navathe // Proc. 21st Int’l Conf. Very Large Data Bases. San Francisco: Morgan Kaufmann, 1995. — P. 432−444.
  141. Scniederjans, M. J. Goal programming methodology and applications / M. J. Scniederjans. Boston: Kluwer publishers, 1995. —236 p.
  142. Wang, K. Clustering transactions using large items / K. Wang, C. Xu, B. Liu // Proceedings of the eighth international conference on Information and knowledge management. — Kansas City: Missouri, 1999. P. 483490.
  143. Winters, P. R. Forecasting Sales by Exponentially Weighted Moving Averages / P. R. Winters // Management Science, 1960. Vol. 6. — P. 324 342.
  144. История металла Электронный ресурс. Режим доступа: http://www.aluminiumleader.com/facts/history, свободный. — Загл. с экрана. — Яз. рус.
  145. Проблемы очистки металла Электронный ресурс. / С. Карпел. -Режим доступа: http://www.eurasmet.ni/online/2007/l/mb 01 .php, свободный. Загл. с экрана. — Яз. рус.
  146. Сортировка шихты и контроль температуры при переплаве лома цветных металлов Электронный ресурс. / Ю. В. Моисеенко. Режим доступа: http://litvo.use-info.ru/li/s 17. html, свободный. — Загл. с экрана.- Яз. рус.
Заполнить форму текущей работой

Сессия? Спокойно!