Содержание к диссертации
Введение
Глава I. Обзор применений генетических алгоритмов в задачах САПР 8
1.1 Обзор генетических алгоритмов 8
1.1.1 Генетические алгоритмы, как инструмент стохастической оптимизации 8
1.1.2 Эволюционные стратегии 10
1.1.3 Генетическое программирование 13
1.1.4 Эволюционный алгоритм 14
1.1.5 Генетические алгоритмы 15
1.1.5.1 История появления генетических алгоритмов 18
1.1.5.2 Общие сведения 21
1.1.5.3 Выбор способа кодирования 25
1.1.5.4 Определение размера популяции 27
1.1.5.5 Содержание стандартного генетического алгоритма 28
1.1.5.6 Сходимость стандартного генетического алгоритма 30
1.1.5.7 Эффективность генетических алгоритмов 31
1.1.6 Применение генетических алгоритмов 33
1.1.7 Символьная модель простого ГА 35
1.2 Особенности задачи оптимизации вычислительных сетей при автоматизированном проектировании 39
1.2.1 Особенности современных ВС. Корпоративные сети. Intranet-технологии 39
1.2.2 Возможности сетевого администратора по оптимизации трафика в ВС 48
1.3 Особенности задачи размещения элементов, как задачи автоматизированного проектирования 63
1.3.1 Задача размещения 63
1.3.2 Структура задачи размещения разногабаритных элементов 65
1.3.3 Содержание задачи автоматизированного размещения элементов 66
1.3.4 Традиционные алгоритмы размещения элементов 68
1.4. Основные цели и задачи исследования ГА в САПР 69
1.5 Критерии оценки результативности ГА в задачах САПР 71
Глава 2. Модель вычислительной сети организации и адаптация генетических алгоритмов к оптимизации ВС 72
2.1 Модель вычислительной сети организации, адаптированная к особенностям стохастической оптимизации 72
2.2 Определение трафика вычислительных сетей 76
2.3 Адаптация генетических алгоритмов к задаче оптимизации ВС 78
2.4 Анализ применимости генетических алгоритмов разных видов
к задаче оптимизации 80
2.5 Вычислительная эффективность применения ГА для оптимизации ВС
Глава 3. Адаптация мобильного ГА к задачам размещения 86
3.1 Адаптация стандартного генетического алгоритма 86
3.1.1 Кодирование решение - формирование хромосомы 87
3.1.2 Инициализация исходной популяции решений 89
3.1.3 Функция оптимальности 89
3.1.4 Оператор селекции 89
3.1.5 Оператор рекомбинации 89
3.1.6 Оператор мутации 90
3.1.7 Оператор формирования нового поколения 90
3.1.8 Условия окончания поиска решения 90
3.2 Мобильный генетический алгоритм 91.
3.2.1 Кодирование решение - формирование хромосомы 91
3.2.2 Общая схема мобильного генетического алгоритма 91
3.2.3 Инициализация исходной популяции решений 92
3.2.4 Функция оптимальности 92
3.2.5 Оператор селекции 92
3.2.6 Операторы CUT и SPLICE 93
3.2.7 Оператор мутации 93
3.2.8 Оператор формирования нового поколения 93
3.2.9 Условия окончания поиска решения 94
Глава4. САПР ВС и программа размещения элементов на основе ГА 95
4.1 Программная система оптимизации трафика на основе измерений 95
4.1.1 Программы мониторинга ВС, Измерение трафика. Особенности клиент-серверной реализации 95
4.1.2 Представление ВС в форме, требуемой ГА 97
4.1.3 Структура и функции программ оптимизации ВС 101
4.1.4 Особенности объектно-ориентированной реализации САПР ВС 103
4.2 Программная система оптимизации трафика на базе прогнозных значений. 105
4.2.1 Ограничения для проектируемой сети 105
4.2.1.1 Виды коммуникационного оборудования 105
4.2.1.2 Ограничение по структуре сети 106
4.2.1.3 Оптимизация трафика с помощью переподключения узлов сети 106
4.2.2 Общее описание программы., 111
4.2.3 Библиотека алгоритмов оптимизации 112
4.2.4 Структура данных программы и реализация процедур оптимизации ... 112
4.2.4.1 Параметры сети, закладываемые в программу 112
4.2.4.2 Алгоритм оптимизации трафика 114
4.3 Проектирование инструментальной среды исследования
мобильных генетических алгоритмов 115
4.3.1 Выбор среды реализации 115
4.3.2 Структуры данных. Класс Популяция. Тип flag terminate 115
4.3.3 Реализация стандартного генетического алгоритма 119
4.3.4 Реализация мобильного генетического алгоритма 123
4.3.5 Структура программных модулей 127
Глава 5. Анализ эффективности ГА в задачах САПР 128
5.1 ГА в задачах оптимизации трафика ВС 128
5.1.1 Анализ результатов оптимизации ВС вуз 128
5.1.2 Проектирование ВС предприятий дорожного строительства на основе анализа бизнес-процессов 135
5.1.2.1 Бизнес-процесс - реинжиниринг и проектирование ВС 135
5.1.2.2 Анализ бизнес-процессов и проектирование ВС
в ГП"У.тьяновскавтодор" 137
5.1.2.3 Описание Информационной системы предприятия дорожного строительства 141
5.1.3 Проектирование ВС предприятия АОЗТ "Ульяиовсккровля" 146
5.2 Моделирование ірафика в ходе проектирования ВС. Вычислительные эксперименты по моделированию вычислительных сетей 147
5.3 Мобильный ГА в задачах размещения. Результаты
вычислительных экспериментов 148
5.3. J Набор задач размещения как тестовый набор 148
5.3.2 Решение задач тестового набора с помощью стандартного генетического алгоритма 150
5.3.3 Решение задач тестового набора с помощью мобильного генетического алгоритма 151
5.3.4 Сравнение результатов экспериментов. Основные выводы
из исследования 153
5.3.5 Стоимость решения задачи размещения на предприятии 154
Заключение 157
Библиографический список
- Генетические алгоритмы, как инструмент стохастической оптимизации
- Адаптация генетических алгоритмов к задаче оптимизации ВС
- Функция оптимальности
- Структура данных программы и реализация процедур оптимизации
Генетические алгоритмы, как инструмент стохастической оптимизации
История эволюционных вычислений началась с разработки ряда различных независимых моделей. Основными из них были генетические алгоритмы и классификационные системы Голланда (Holland), опубликованные в начале 60-х годов и получившие всеобщее признание после выхода в свет книги, ставшей классикой в этой области, - "Адаптация в естественных и искусственных системах" ("Adaptation in Natural and Artifical Systems", 1975). В 70-х годах в рамках теории случайного поиска Расгригиным Л.А. был предложен ряд алгоритмов, использующих идей бионического поведения особей. Развитие этих идей нашло отражение в цикле работ Букатовой И.Л. по эволюционному моделированию. Развивая идеи Цетлина МЛ. о целесообразном и оптимальном поведении стохастических автоматов, Меймарк Ю.И. предложил осуществлять поиск глобального экстремума на основе коллектива независимых автоматов, моделирующих процессы развития и элиминации особей. Большой вклад в развитие эволюционного программирования внесли Фогел (Fogel) и Уолш (Walsh). Несмотря на разницу в подходах, каждая из этих "школ" взяла за основу ряд принципов, существующих в природе, и упростила их до такой степени, чтобы их можно было реализовать на компьютере.
Усилия, направленные на моделирование эволюции по аналогии с природными системами, к настоящему времени можно разбить на две большие категории: 1) системы, которые смоделированы на биологических принципах. Они успешно использовались для задач типа функциональной оптимизации и могут легко быть описаны на небиологическом языке, 2) системы, которые яатяются биологически более реалистичными, но которые не оказались особенно полезными в прикладном смысле. Они больше похожи на биологические системы и менее направлены (или ненаправлсны вовсе). Они обладают сложным и интересным поведением, и, видимо, вскоре получат практическое применение.
Конечно, на практике мы не можем разделять эти вещи так строго. Эти категории - просто два полюса, между которыми лежат различные вычислительные системы. Ближе к первому полюсу - эволюционные алгоритмы, такие как Эволюционное Программирование (Evolutionary Prograirnning), Генетические Алгоритмы (Genetic Algorithms) и Эволюционные Стратегии (Evolution Strategies). Ближе ко второму полюсу - системы, которые могут быть классифицированы как Искусственная Жизнь (Artificial Life).
В последние годы алгоритмы глобальной оптимизации, имитирующие определенные принципы живой природы, доказали свою пользу в разных сферах применения. Особенно полезными оказалось взять те принципы от природы, где она "облюбовала" устойчивые островки в бурном океане возможных решений. Такой феномен можно найти в процессах переработки, деятельности центральной нервной системы и биологической эволюции, которые в свою очередь привели к следующим методам оптимизации: искусственные нейросети, а также область эволюционных вычислений.
В ЭВ могут быть на сей день выделены следующие направления: генетические алгоритмы, эволюционное стратегии, эволюционное программирование, системы классификации, генетическое программирование. Эволюционные алгоритмы (ЭА)
ЭА - это объединяющий термин, используемый для описания компьютерных систем решения, которые используют вычислительные модели эволюционных процессов в качестве ключевых элементов в их разработке и осуществлении.
Было предложено большое количество разнообразных эволюционных алгоритмов. Основными являются: генетические алгоритмы, эволюционное программирование, эволюционные стратегии, системы классификации и генетическое программирование. Все они основаны на общей концепции подражания эволюции индивидуальных структур в процессах отбора (селекции), мутации и воспроизводства (репродукции). Эти процессы зависят от осознанного поведения индивидуальных структур в условиях среды.
Более точно, ЭА создают популяцию структур, которые развиваются в соответствии с правилами отбора и другими операторами, которые называются "поисковые операторы" или "генетические операторы", такие как рекомбинация и мутация.
Каждому индивидууму в популяции присваивается мера его соответствия в условиях среды. Репродукция фокусирует внимание на индивидах с высокими параметрами, т.е. использует "полезные" индивиды. Рекомбинация и мутация перемешивают эти индивиды, обеспечивая основной набор для дальнейшего воспроизводства. Хотя с точки зрения биологии эти алгоритмы упрощены, но они достаточно сложны для того, чтобы обеспечить крепкие и мощные приспосабливаемые поисковые механизмы, (см. алгоритм в конце)
В 1963 г. в Берлинском техническом университете были проведены эксперименты, используя аэродинамическую трубу для поиска оптимальных форм тела в потоке. Попытки использовать координатные и простые градиентные методы были неудачными, тогда один из исследователей, И. Резенберг, сделал упор на идее случайного изменения параметров, определяющих форму, следуя примеру естественных мутаций. Так родилась эволюционная стратегия. Далее было построено автоматическое устройство, работающее на основе правил мутации и отбора.
Итак, ЭС были изобретены для решения технических задач оптимизации, как альтернатива стандартным решениям.
Первые попытки имитации принципов органической эволюции на компьютере напоминают итерационные методы оптимизации, известные в то время: в двойной (1+1) ЭС один родитель генерирует одно потомство за цикл с помощью нормально распределенной мутации, пока потомок не займет место родителя, имея более высокую степень соответствия. По причине простоты этой структуры, теоретические результаты контроля размера шага и скоростной сходимости могут быть получены. Отношение количества успешных мутаций ко всем должно быть -1/5: было открыто так называемое "правило успеха 1/5". Этот алгоритм, использующий только мутацию, был затем расширен до стратегии (ш+1), которая включала "воспроизводство благодаря нескольким", т.е. были доступны m родителей. Схема мутации и внешний контроль размера шага были взяты без изменений из ЭС (1+1).
Позже появилась стратегия (т+1) или (т,1), которая имитировала следующие основные принципы органической эволюции: популяция, ведущая к возможности рекомбинации со случайным подбором пар, мутации и отбору. Эти стратегии называются Стратегия Плюс и Стратегия Комма. В первом случае родительское поколение берется в расчет во время отбора, во втором же - только потомки подвергаются операции отбора, а родители "вымирают". М(ц.) определяет размер популяции, а 1(Х) - количество потомков, появляющихся за один цикл.
Вещественные s-i - размеры шага, определяющие способность x-i к изменению. Они представляют стандартное отклонение a(0,s-i) распределения Гаусса, добавляемое к каждому x-i как ненаправленная мутация. Со значением вероятности 0 родитель произведет потомство, похожее на него, в среднем. Для того, чтобы удвоить или уменьшить в два раза размер шага, s-i мутирует по логарифмическому закону, т.е. ехр (распределение Гаусса), от поколения к поколению. Эти размеры шагов "прячут" внутреннюю модель, которую популяция создала из среды обитания, т. е. самоадаптация размера шага заменила внешний контроль в стратегии (1+1).
Адаптация генетических алгоритмов к задаче оптимизации ВС
Возникает вопрос, какой метод необходимо использовать, чтобы решить эту задачу. В литературе описаны результаты исследований различных методов численной оптимизации и приведены основные свойства рассмотренных методов, в том числе градиентных, квазиньютоновских методов, методов прямого поиска, многоэкстремальных методов, методов нелинейного программирования и безусловной оптимизации. Из результатов анализа следует, что ни одна группа методов не может быть эффективно применена для решения задачи размещения элементов, т.к. не обеспечивает достаточно высокой вероятности получения удовлетворительного решения. Для решения данной задачи необходимы новые процедуры структурного синтеза.
Поэтому для решения поставленной задачи предлагается использовать генетические алгоритмы (ГА), широко применяющиеся в последнее время для различных задач оптимизации. Генетические алгоритмы - алгоритмы поиска оптимума, основанные на естественном отборе и природной геиегике. Они комбинируют моделирование борьбы за выживание наиболее приспособленных особей с моделированием случайных явлений, подобных природным катаклизмам.
Характерные особенности генетических алгоритмов: ГА оперируют с наборами параметров, т.е. возможными решениями задачи оптимизации, а не с отдельными параметрами. Они изначально создавались для решения многопараметрических задач оптимизации. На каждой итерации алгоритма формируется не одно, а множество возможных решений задачи оптимизации, т.е. существенно расширяется область поиска и соответственно ускоряется процесс оптимизации. ГА устойчивы к виду оптимизируемой функции, которая в общем случае может быть нелинейной, недифференцируемой, разрывной и многоэкстремальной, а область определения функции может быть дискретным множеством. В процессе поиска вычисляется только значение самой функции, не требуется вычисление производных и т.д. ГА позволяют найти решение задачи, близкое к глобальном) оптимуму или, по крайней мере, достаточно хорошее. 1.3.4 Традиционные алгоритмы размещения элементов
Размещение элементов - это задача определения такого местоположения элементов на коммуникационном поле (КП) в конструктивном модуле, при котором создаются наилучшие условия для решения задач трассировки соединений, условий эксплуатации с учетом конструктивно-технологических требований и ограничений [75].
В САПР находят применение следующие критерии размещения: суммарная длина всех соединений; расстояние между элементами, соединенными наибольшим числом связей; число пересечений проводников на КП; длина наиболее длинных связей; число цепей с возможно более простой конфигурацией; число перегибов проводников; число межслойных переходов; параметры паразитных связей между элементами и проводниками; равномерность температуры по поверхности КП и другие.
Наиболее трудной является задача размешения разногабаритных элементов на КП произвольной конфигурации. Исходной информацией для задач размещения являются габариты и конфигурация КП, геометрические размеры всех типов размещаемых элементов, ограничения на взаимное расположение отдельных элементов.
Алгоритмы размещения делятся на ряд групп. Алгоритмы, использующие силовые функции, в которых задача размещения сводится к задаче определения статического состояния механической системы материальных точек. Алгоритмы этой группы сложны для реализации на ЭВМ.
Алгоритмы последовательного размещения предусматривают первоначальное размещение части элементов. Па следующем шаге рассматривается упорядоченное множество неразмещенных элементов, множество свободных позиций и матрица длин связей. Для каждой позиции определяется суммарная длина соединений элементов. После размещения очередного элемента процесс повторяется для оставшихся элементов. Алгоритмы этой группы просты в реализации и быстродействующие.
Алгоритмы перестановки элементов предполагают наличие первоначального размещения и используются для его улучшения. Например, в итерационном алгоритме парных замен каждый элемент меняется с каждым и при каждой пробе просматривается, сокращается ли средняя длина соединений. Время решения пропорционально п и при больших размерностях применение алгоритма нецелесообразно.
Алгоритмы: использующие принцип случайного размещения, предусматривают решение многокритериальной и многоэкстремальной задачи о назначении. Решение получается точным, но требует большого машинного времени из-за полного перебора. Сюда относятся алгоритмы случайного поиска.
Алгоритмы, использующие комбинаторные методы целочисленного (дискретного) программирования, обеспечивают получение точного решения, но требуют большого машинного времени. Наиболее распространены алгоритмы метода ветвей и границ.
В настоящем исследовании предложено использовать генетические алгоритмы для решения задачи размещения. При применении генетических алгоритмов на практике возникают трудности, как с формулировкой первоначальной популяции решений, так и функцией оптимальности. Первоначальная популяция и функция оптимальности связаны с конкретной проблемной областью. Примерами закодированных решений могут быть: размещение элементов в ограниченном пространстве, формы конструктивных элементов. Примеры функции оптимальности: сопротивление воздушного потока крыла заданной формы, средняя длина проводников при заданном размещении элементов, средняя доходность валютного портфеля.
Функция оптимальности
Бизнес - процесс - реинжиниринг и проектирование ВС Направление бизнес - процесс - реинжинеринга предполагает обязательное использование современных информационных технологий для проектирования бизнеса. Бизнес — процесс - реинжиниринг можно рассматривать как идейное обоснование экспансии инженерных методов на традиционные проблемные области экономики предприятия, так же как финансовая инженерия обоснование использования инженерных технологий в области управления финансов. [50]
Инжиниринг бизнеса это набор приемов и методов, которые компания использует для проектирования бизнеса. Бизнес - цроцесс это множество внутренних шагов/видон деятельности, начинающихся с одного или более входов и заканчивающихся созданием продукции, необходимой клиенту. По словам Хаммера «реинжиниринге это фундаментальное переосмысление т радикальное перепроектирование деловых процессов для достижения резких улучшений в решающих показателях деятельности компании. Средством достижения новых деловых целей признается использование самых современных информационных технологий. Одной из таких технологий служит компьютерное моделирование бизнеса.
Моделирование бизнеса предшествует реализации, при этом статическое описание рассматривает структуру модели, а динамическое описание это поток событий. Выделяют внутренние и внешние модели, процессы моделируют при помощи прецедентов, а окружение при помощи действующих лиц (субъектов). Прецедент - моделью (П-моделью) называют внешнюю модель, способа использования бизнеса клиентом, без описания внутренних рабочих задач. Внутренняя модель бывает двух видов: идеальная и реальная. Внутреннее описание обычно основывается на принципах объекто - ориентированного проектирования, на основном понятии объекта и называется Омоделью.
Прямой инжиниринг включает и формирование технического проекта информационной системы будущего бизнеса, поэтому средства БПР включают в себя САПР корпоративных сетей, современные САБЕсредетва. В [511 приведены коммерческие системы БПР. В России в основном известно средство ReThink на базе G2 (Gensym).
Моделью бизнес - процесса в большинстве систем служит диаграмма из блоков и соединений. Блок это задача, а соединение это потоки сущностей (документов, информации). Разные инструменты предоставляют пользователю различные стандартные блоки: источник заявок, принятия решений, обработки задачи. Свойства и поведение объектов могут описываться как точными, так и случайными или нечеткими величинами. ReThink позволяет формировать стоимостные и временные характеристики проектов, проверять гипотезы "что если" по заданным сценариям.
Таким образом, БПР это распространение идей автоматизации проектирования технических систем на сферу проектирования бизнеса. Именно экономические сущности определяют параметры работы корпоративных сетей (сетей учрежлений) таких как объемы баз данных, частота транзакций, количество и качество узлов сети, требуемые виды сервисов. Проектирование бизнеса определяет техническое задание на проектирование сети.
1. В ходе автоматизированного проектирования необходимо учитывать экономические показатели, например, себестоимость, стоимость проектных работ, маркетинговые данные по аналогичным изделиям. Распространенным методом учета экономических аргументов при принятии проектного решения является функционально-стоимостной анализ. Но ограничиваться только использованием ФСА недостаточно, необходимо использовать системы экономического анализа.
2. Современная концепция бизнес - процесс - реинжиниринга - это проектирование электронной компании, объединяющее методы и средства автоматизированных систем управления, САПР, CASE-средств. Информационная система проектируется параллельно с бизнес - процессами компании и включает в себя проектирование корпоративной сети в том числе [57,59].
3. В настоящее время существует дефицит методов и средств автоматизации проектирования вычислительных сетей. Исходные данные для проектирования вычислительной сети формируются в ходе анализа или реинжиниринга бизнес процессов предприятия. Анализ бизнес - процессов и проектирование ВС л ГП "Ульяновскавтодор"
Идея единого проектирования производственной (финансово экономической) деятельности, информационной системы и локальной сети предприятия проверена в ходе комплексной автоматизации таких разнородных предприятий как предприятия дорожного строительства (Дорожно-ремонтное строительное управление ДРСУ) и АОЗТ «Ульяновсккровля». В обоих случаях ставилась задача полного финансово-экономического анализа, реорганизации основных бизнес - процессов на основе результатов анализа , проектирования и внедрения информационной системы, в том числе проектирования локальной вычислительной сети учреждения, адекватной деловым процессам.
Далее кратко описываются основные решения, принятые в ходе проектирования. Чтобы подчеркнуть связь бизнес - инжиниринга и проектирования информационной системы организации, приведем следующие сведения: описание бизнес - процессов предприятия; описание информационной системы; данные для автоматизированного проектирования ЛВС, полученные в ходе бизнес - процесс - реинжиниринга; описание топологии спроектированной ЛВС.
Основной целью автоматизации предприятия дорожного строительства являлась реорганизация управления ресурсами, которая позволила бы выполнять содержание дорожного фонда в требуемом объеме. Производственная деятельность предприятий сводится к следующим бизнес - процессам: капитальное строительство участков дорог и дорожных сооружений (мостов, трубопроводов, оборудованных остановок); ремонт дорог и дорожных сооружений (мостов, трубопроводов, оборудованных остановок); зимнее содержание дорог и дорожных сооружений (мостов, трубопроводов, оборудованных остановок); предоставление автоуслуг физическим и юридическим лицам; продажа (изготовление) стройматериалов. Все перечисленные процессы заканчиваются предоставлением иользователям-клиентам продукции или услуг.
Перечисленные бизнес - процессы состоят из внутренних рабочих задач, связанных потоками документов, принятых решений. Далее описываются основные рабочие задачи и связи между ними. Описание задач позволяет определить данные для проектирования ЛВС: количество рабочих станций и распределение АРМ между ними, количество и функции АРМ, состав и количество разделяемых данных нормативно-справочной информации, состав и количество локальных оперативных данных, расписание выполнения задач, гипотетический трафик, генерируемый каждым АРМ,
Структура данных программы и реализация процедур оптимизации
Задача "Горюче-смазочные материалы" предназначена для учета расхода ГСМ, учета пробега автомобилей, формирования сведений о расходе ГСМ для задач "Учет движения материалов" и "Учет заработной платы". Учет расхода ГСМ ведется на основе ввода и последующего
ведения баз данных нарядов, сменных рапортов, путевых листов. В задаче ведется картотека учета работы автомобиля. Задача используется ежедневно по мере поступления и обработки путевых листов, нарядов и сменных рапортов. Ритм использования задачи "Учет ГСМ" диктует связь с задачей "Учет заработной платы" и "Учет движения материалов". До начисления очередной заработной платы и формирования сводных данных по учету движения материалов должна быть закончена обработка расхода ГСМ. Данные о ГСМ используются справочной системой руководителя,
Задача "Учет движения материалов" предназначена для учета прихода, расхода и остатков материалов на складах (движения материалов), учета доверенностей на получение материалов, комплектации и списания затрат по форме М-29, формирования журнала-ордера N 10 С, учета товарно-транспортных накладных. Функционально задачу "Учет движения материалов" можно разбить на четыре подзадачи: "Обработка ТТН", "Учет движения материалов" и "Комплектация и списания", "Обработка доверенностей". Подзадача "Обработка ТТН" - это ведение базы данных ТТН, таксировка и подготовка счетов по организациям и сводных документов но поставкам и транспортным расходам. Подзадача "Учет движения материалов" включает в себя ведение базы данных приходно-расходных документов, корректировку движения материалов, подготовку выходных форм и сведений для задачи "Справочная система руководителя" Подзадача "Комплектация и списания" включает следующие функции: ввод и распечатку нормативов по М-29,ввод фактически выполненных объемов работ, ввод нормативной потребности материалов на объект. Подзадача "Обработка доверенностей" предназначена для учета доверенностей, отчетов, возвратов. Сведения о доверенностях используются в "Справочной системе руководителя".
Задача "Учет движения материалов" используется ежедневно, требуется подготовка к расчетам следующего месяца.
Задача "Касса" представляет собой АРМ кассира. Программа позволяет выполнять следующие функции: ввод остатков по кассе, ввод документов по приходу (дебет счета 50),ввод документов по расходу (кредит счета 50), просмотр движения средств по кассе, формирование выходных ведомостей (в том числе журнала-ордера N 1), запись удержаний в задачу "Учет заработной платы".
Задача "Баик" выполняет следующие функции: ввод остатков на р/с; ввод документов по приходу (дебет 51 счета); ввод документов по расходу (кредит 51 счета); формирование выходных ведомостей в том числе журнала-ордера N 2;предоставляет формируемую базу данных прихода-расхода по счету 51 задаче "Журнал-ордер 8".
Справочная система дли руководителя предприятия предназначена для получения оперативной информации из подсистем автоматизированной бухгалтерии. Эффективность справочной системы определяется заполненностью баз данных задач автоматизированной бухгалтерии. Если учесть, что большинство задач эксплуатируются с месячным расчетным периодом, то оперативность информации в лучшем случае - I месяц.
Задача "Журналы-Ордера" представляет собой задачу получения журналов-ордеров по вводимым операциям. По замыслу (оставшемуся не реализованным) сальдо из журналов - ордеров должны сбрасываться в главную книгу, на основе которой строится бухгалтерский баланс.
Разработанный комплекс, представляющий собой совокупность автоматизированных рабочих мест (АРМ) сотрудников бухгалтерии предприятий дорожного строительства, предназначен для автоматизации работ бухгалтерии по учёту основных средств, материшіов, заработной платы, финансово-хозяйственных операций (в том числе кассовых, с банком, дебиторами и кредиторами, поставщиками и заказчиками), затрат и капитальных вложений; по ведению журнального - ордерного учета, формированию главной книги и бухгалтерского баланса; для формирования сводных отчётных документов предприятия.
Комплекс способствует повышению качества бухгалтерского учета и контроля за правильностью и своевременностью управленческих решений. В состав комплекса входит информационно-справочная система для руководителя предприятия дорожного строительства. В состав комплекса входят следующие программы: программа "Кадры"; программа "Заработная плата"; программа "Горюче-смазочные материалы"; программа "Основные средства"; программа "Учет движения материалов. Доверенности. Списания"; программа "Товарно-транспортные накладные"; программа "Журналы-ордера", программа "1С-бухгалтерия" (главная книга, баланс).
Для обеспечения функционирования вышеперечисленных задач в комплексе используется нормативно-справочная информация (НСИ), представляющая собой машинные справочники. Функции ведения НСИ не выделены в отдельную (самостоятельную) задачу, за ведение отдельных справочников отвечают различные АРМ. IАРМ "Учет заработной платы" і 2 4—ГСМ ir 3 Касса + АГМ главного бухгалтераЖурналы-ордера главная книга 4 АРМ материалы 4— 51 анк б 4-ттн АРМ 7 Основные средства 8 LPM отдел кадров 1 1 9 \РМ руководителясправочноинформа иконная система 2 4 6 7 8 5lilUi рис. 5.1 Структурная схема инфор мационной истемы ДРСУ Ввод комплекса в эксплуатацию представляет собой переход от ручной обработки данных к компьютерной и должеи включать в себя обязательное обучение сотрудников основам работы за персональным компьютером. Такое обучение можно считать нулевым этапом ввода комплекса в эксплуатацию. В нулевой этап автоматизации следует включить исследование масштаба документооборота конкретного предприятия, проектирование локальной вычислительной сети.
Из проекта информационной системы следует перечень основных АРМ: АРМ руководителя ДРСУ, АРМ главного бухгалтера, АРМ учета основных средств, АРМ учета движения материалов, АРМ учета горюче-смазочных материалов, АРМ товарно-транспортных накладных, АРМ по учету трудовых ресурсов (кадры), АРМ учета заработной платы, АРМ кассира, АРМ учета операций с банком, АРМ журнальна-ордерного учета, в том числе дебиторов-кредиторов, затрат на производство. С учетом расписания выполнения задач на одной рабочей станции можно расположить АРМ учета горюче-смазочных материалов, АРМ товарно-транспоргных накладных; АРМ учета основных средств и АРМ учета заработной платы. Следовательно, необходимо 8 рабочих станций, сервер и инструментальный компьютер.
Объем нормативно-справочной базы данных на основе предварительной экспертизы был оценен в 10 Mb, сосредоточенной в более чем 20 справочниках. Объем оперативной информации АРМ - в 5 Mb.
Расписание выполнения задач позволяет разделить задачи бизнес -процессов на три категории: ежедневные, выполняемые в режиме поступления заявок; задачи, выполняемые один раз в период (декаду, неделю, месяц, квартал, год); служебные задачи (архивирования, контроля выполняемые ежедневно, но в служебном режиме). С точки зрения трафика критичными являются задачи АРМ кассира, банк, учета движения материалов, горюче-смазочных материалов и критичное сочетание одновременного выполнения периодических задач.
Изучение бизнес - процессов позволяет прогнозировать обработку определенного количества кассовых, банковских операций, нарядов, товарно-транспортных накладных, сменных рапортов и нарядов.
Топология сети - "общая шина". Все станции подключены через сетевые карты (интерфейсы) к коаксиальному кабелю. На сервере установлена одна сетевая карта, через которую сервер подключен к коаксиальному кабелю. ИС ДРСУ размешена на сервере. Станции получают доступ к серверу и запускают с него приложения. Спецификация оборудования приведена в таблице 5.3.
