Содержание к диссертации
Введение
1. Производство как большая система 10
1.1. Система: понятие, характеристики, принципы организации 11
1.2. Управление большими системами 16
1.3. Модели управления производственными процессами 18
1.4. Адекватность моделей управления 29
1.5. Технология моделирования 32
1.6. Производственные системы 37
1.7. Пример производственной системы 42
Основные выводы по первой главе 57
2. Модели основных направлений управления производственной деятельностью 58
2.1. Постановка задачи оптимизации 59
2.2. Модели управления запасами 64
2.3. Модели стратегического планирования 72
2.4. Модели оперативного планирования 77
2.5. Модели оптимизации перевозок 82
2.6. Имитационные модели управления 88
Основные выводы по второй главе 93
3. Модели обработки данных 94
3.1. Базы данных 96
3.2. Технология проектирования баз данных 104
3.3. Системы доступа к данным 109
3.4. Надежность информации 113
Основные выводы по третьей главе 121
4. Моделирование процесса управления производственной деятельностью 122
4.1. Технология создания комплексной автоматизированной системы управления 123
4.2. Постановка задачи моделирования основных направлений управления производственной деятельностью 126
4.3. Автоматизированная система планирования производства продукции 134
4.5. Анализ эффективности функционирования автоматизированной системы управления 145
Основные выводы по четвертой главе 148
Заключение 149
Список литературы 151
Приложение 157
- Модели управления производственными процессами
- Модели управления запасами
- Технология проектирования баз данных
- Постановка задачи моделирования основных направлений управления производственной деятельностью
Введение к работе
Управление производственным предприятием подразумевает своевременное решение множества задач на внутрифирменном и внешнем уровнях. Основной задачей управления в долгосрочном аспекте является получение максимальной прибыли. Достижение этой цели требует принятия оперативных и стратегических управленческих решений, влияющих в той или иной степени на технологию производства, маркетинговую политику, финансовые отношения, работу с персоналом и т.п. В условиях жесткой конкуренции выработка таких решений может сказаться критическим образом на деятельность и даже на само существование предприятия как субъекта экономических отношений. В связи с этими особую ценность представляют автоматизированные системы, облегчающие процесс принятия управленческих решений [1, 12, 53]. Следует заметить, что такие системы способны только выдавать рекомендации и советы, а окончательное решение принимает человек (оператор автоматизированной системы). Создать полностью автоматическую систему управления для такой сложной системы, как предприятие, в ближайшем будущем не представляется возможным из-за множества объективных (например, невозможность оценить влияние постоянно меняющихся условий внешней среды) и субъективных факторов (трудно представить себе автомат, управляющий людьми) [42].
Основной целью представленной работы является разработка математических моделей, алгоритмов и программ, автоматизирующих некоторые процессы управления на промышленном предприятии. Существует несколько категорий систем автоматизации управления предприятием. В литературе выделяют системы автоматизации управления технологическими процессами, информационные и контролирующие системы, системы комплексной автоматизации [9, 39, 40]. В данной работе основное внимание уделено, так называемым, системам поддержки принятия управленческих решении, как наиболее динамично развивающемуся в настоящее время классу задач. Подобного рода системы строятся на основе моделей производственных отношений и направлены на повышение уровня управляемости производственных систем.
Моделирование деятельности производственной системы подразумевает формализацию моделируемого процесса, определение минимально достаточных входных и выходных параметров, построение математической модели, выбор методики интерпретации результатов [48, 22, 33, 56]. Необходимо заметить, что в любом случае, результаты моделирования будут отличаться от реально существующих. Такое отклонение, показывает величину адекватности (точности отображения) модели и является основной качественной оценкой моделирования. Часто этот показатель может быть определен только с помощью экспериментальной или пробной модели. В настоящее время большой популярностью пользуются методы имитационного моделирования, позволяющие добиться высокой степени адекватности при относительно низких затратах на формализованное описание и реализацию самой модели [17, 37]. В этом случае описываются все процессы, происходящие в объекте моделирования, и в соответствии с ними выводятся зависимости поведения объекта при изменении некоторых входных параметров системы. При этом сами параметры определяются либо случайным образом, либо непосредственно задаются оператором. В отличие от имитационных, оптимизационные модели управления основаны на строгих формализованных зависимостях входных параметров и результата. Результатами такого моделирования являются четкие основанные на математических формулах оптимальные рекомендации, при принятии которых можно добиться наилучшего значения целевого показателя, заложенного в модель. Основными недостатками оптимизационных моделей является невозможность учета достаточного количества факторов изменения внешней среды, что ведет к снижению показателя адекватности модели, а также требует больших затрат на алгоритмическую и программную реализацию модели.
Оптимизационные методы моделирования процессов управления практикуются достаточно давно и широко освещены в литературе [7, 16, 23, 25]. В настоящее время некоторые авторы призывают совсем отказаться от чисто оптимизационных методов и сосредоточить все усилия на теоретическом обосновании и развитии имитационных моделей производства [19]. Такой подход представляется преждевременным. Во-первых, знание оптимального решения безусловно полезно для управления даже в условиях, когда его достижение невозможно в силу объективных причин. Во-вторых, имитационные модели еще не получили столь широкого развития, чтобы отказываться от существующих, может быть, и не самых точных методов. Возможно, для достижения наиболее эффективных результатов в настоящее время требуется разработка и применение некоторых смешанных методов имитационного оптимизационного моделирования.
Исходя из целей работы, можно выделить несколько задач, решение которых обеспечит создание эффективной автоматизированной системы управления производственными процессами.
В первую очередь требуется определить и описать область автоматизации. Современные принципы управления требуют применения системного анализа [3, 5, 19] на всех этапах построения автоматизированной системы, от момента возникновения проблемы, до программной реализации. Для этого, во-первых, необходимо описать производственную систему с позиций системного подхода, выделить основные составляющие элементы, определить связи и зависимости между подсистемами. Во-вторых, требуется сформулировать доступные для моделирования процессы, функциональная автоматизация которых может помочь в управлении системой предприятия целиком. Кроме того, необходимо подвести теоретическую базу, на основе которой можно оценить качество моделей управления и результаты их функционирования. В данной работе методически рассмотрены следующие вопросы: классификация моделей управления; оценка эффективности управления; технология поэтапного моделирования; особенности моделирования производственных систем; адекватность моделей.
Для построения эффективных моделей управления предприятием требуется выделить общие и специфические условия процесса производства, разбить систему на составляющие, обозначить характер взаимодействия между эими элементами системы. Необходимо произвести декомпозицию предприятия до уровня подсистем, повышение уровня управляемости которых, может наилучшим образом сказаться на эффективности деятельности всей системы.
На основе теоретического описания производственной системы ставится задача моделирования конкретных процессов управления. Оценивая рынок современных программных разработок в области информатизации и управлении предприятием, можно сказать, что имеется множество нерешенных задач в такой важно области, как планирование производства. Подавляющее большинство программных продуктов ориентировано на задачи учета и автоматизации документооборота. Специфика задач планирования заключается в индивидуальности подходов к данной проблеме на каждом конкретном производстве. Соответственно, такие задачи практически невозможно алгоритмизировать и реализовать в универсальной программе. Тем более ценной является тема описания математических методов в планировании и разработки соответствующих оптимизационных и имитационных моделей. В данной работе рассматриваются следующие математические модели: управление запасами; планирование выпуска продукции; распределение ресурсов при календарном планировании; маршрутизация перевозок; управление финансовыми потоками.
К другому классу проблем при разработке автоматизированной системы управления относится вопрос организации хранения и передачи данных. Существует несколько вариантов реализации моделей обработки и хранения информации [50, 57]. В настоящее время большинство малых и средних автоматизированных комплексов используют программы, основанные на технологии "клиент-сервер", которая не лишена недостатков. Большие автоматизированные комплексы уже используют другие современные способы организации хранилищ данных, многоуровневые объектно-ориентированные базы данных, мультимедийные геоинформационные системы и т.п. [55] Проблема в данном случае заключается в стандартизации методов доступа и возможности переносимости программного обеспечения для работы с различными системами хранения информации. Отсутствие таких методов привело, в частности, к, широко разрекламированной, проблеме двухтысячного года, когда устаревшие базы данных не поддерживали даты в разных тысячелетиях. За последнее десятилетие сделаны значительные позитивные изменения в этой области. Так, практически стандартом стал язык доступа к данным SQL (структурный язык запросов), появилось универсальное средство к базам данных - ODBC и т.п. Наконец, это привело к появлению концепции, так называемых, открытых систем, которые позволяют использовать различные языковые средства программирования, структурные средства проектирования моделей, форматы хранения данных [9, 27].
Обычно решение задач, связанных с управлением производством, не требует срочного внедрения дорогостоящей комплексной информационной системы. Возникающие задачи быстрее и лучше могут быть решены собственным отделом АСУ предприятия, либо с привлечением одного-двух специалистов-разработчиков, что доступно даже для малого бизнеса. В процессе использования таких разработок управленческий персонал предприятия лучше вникает в суть поставленных задач, так как разработка ведется при непосредственном участии пользователя. В итоге специалисты предприятия повышают свою квалификацию, как в своей непосредственной работе, так и в области информационных технологий, что положительно скажется на эффективности внедрения в будущем комплексной автоматизированной системы.
На основе взаимодействия систем хранения данных и моделей управления можно разработать простейшую комплексную автоматизированную систему. Программная реализация такой АСУ на первоначальном этапе не потребует значительных расходов. Тем не менее, на основе подобной системы можно оценить эффективность использования методов комплексной автоматизации. При разработке комплексной системы автоматизации необходимо учитывать возможность ее развития и адаптации к изменяющимся условиям. Для этого используются принципы, положенные в основу методологии открытых систем: модульность, ориентация на объекты, распределенный доступ к данным, использование универсальных форматов хранения информации. Открытость системы для доработок позволит существенно продлить срок ее полезного функционирования.
Модели управления производственными процессами
Модели производственных, хозяйственных и финансовых процессов обычно создаются в качестве инструмента управления деятельностью предприятия. Производственные проблемы часто вызываются комплексом причин, вследствие чего возникает необходимость сконцентрировать внимание на главных моментах, отделив их от запутывающих ситуацию деталей. Грамотная модель может помочь, ее структура направлена на обработку главных свойств системы и одновременное упрощение ее посредством отбрасывания несущественных факторов. Математический аппарат позволяет с достаточной степенью вероятности прогнозировать и просчитывать последствия принятия тех или иных решений. Оптимизирующие модели могут на порядок упростить процесс управления в сложных ситуациях.
Кроме того, моделирование может быть полезно в качестве наглядного средства отображения реально происходящих процессов. Модель позволяет руководителю четко отслеживать все взаимодействия в системе предприятия, своевременно выявлять недостатки и проблемные области. Часто объективные форму представления результатов можно получить только с помощью имитационной модели, которая шаг за шагом воспроизводит процесс, реально происходящий в системе. Этот метод, возможно, не является оптимальным и высокоточным, но позволяет моделировать очень сложные системы с множеством взаимодействующих элементов.
Процессы, реально происходящие на предприятии, не всегда поддаются четким математическим описаниям, в этом случае использование методов имитационного моделирования значительно облегчает задачу построения полной модели хозяйственной деятельности предприятия. Перечислим основные типы моделей, используемые при проектировании систем управления производственными процессами [36].
Модели могут относиться к различным типам. Иконографические модели являются физическим представлением реальных систем, хотя часто и в другом масштабе. Например, модель космической ракеты может быть значительно меньше самой ракеты, модель молекулы ДНК - значительно больше своего природного оригинала. Аналоговые модели могут быть совсем не похожи на оригинал, однако они обладают характеристиками, имеющимися и у реальной системы, но представленными в модели в более удобной среде. Модель экономики, в которой потоки товаров и услуг между ее различными отраслями представляются потоками воды, движущимися по системе взаимосвязанных труб, представляет собой аналоговую модель.
Модели производственного и финансового менеджмента не являются ни иконографическими, ни аналоговыми, они всегда символические модели. Символические модели представляют свойства реальных объектов в виде символов, которыми проще манипулировать, чем реальной действительностью. В таких моделях принято использовать математическую символику, поэтому модели называются математическими. Обычно такие модели могут быть построены с применением алгоритмических и программных средств.
Математические модели описывают систему с помощью математических выражений. Для математического описания системы некоторые свойства реального объекта представляют в модели в виде переменных. Например, общая стоимость предполагаемой модернизации может быть представлены как ТС, а уровень активности - как AL. Другие свойства реальной системы представляются соответствующими переменными, и если предполагается, что на общую стоимость будет влиять уровень активности, при котором начинается реализация программы, то ТС = FC + VC AL. В этой простой линейной модели стоимости FC - постоянные затраты периода, VC - переменные затраты на единицу уровня активности.
Простая модель стоимости представляет собой пример математического выражения, в котором функция дает значения зависимой переменной, когда определены значения одной или нескольких независимых переменных. При моделировании полезно разделять экзогенные и эндогенные переменные. Различие состоит в том, что значения экзогенных переменных поступают в модель извне, тогда как значения эндогенных переменных вырабатываются самой моделью. В случае модели стоимости {ТС = FC + VC AL) переменная AL является экзогенной, а ТС - эндогенной. В компьютерных моделях экзогенные переменные часто называют входными переменными, а эндогенные -выходными.
Простая модель стоимости предыдущего раздела есть описательная модель. Они описывают систему таким образом, чтобы облегчить рассмотрение конкретной проблемы или задачи. Например, создают модель данных при разработке информационной системы для руководства. Такая модель строится исходя из предполагаемых информационных потребностей пользователя.
Изобилующие в бизнесе и многих предпринимательских "системах" примеры описательных моделей могут рассматриваться как базирующиеся на основных описательных моделях, хотя этот факт часто не признается. Сами информационные системы могут рассматриваться как описательные модели среза реальной действительности. То же самое касается и систем бухгалтерского учета. Принимая во внимание толкование, данное слову "реальность" при финансовом моделировании, было бы целесообразно сделать акцент на то, что описательные модели часто дают "описания" будущего. Иногда такие модели называют имитационными моделями, так как они имитируют влияние альтернативных решений, или альтернативных оценок на будущие условия.
Предписывающие модели идут дальше, чем описательные, они указывают направление действий. К такому типу часто относятся рабочие исследовательские модели. При установке системы управления запасами, например, полезно создать более совершенную систему, чем основанную на описательной модели (т.е. модели, которая только описывает имеющиеся в распоряжении уровни запасов). Может появиться желание расширить систему таким образом, чтобы она указывала наилучшее время осуществление заказа на пополнение запасов и оптимальный объем заказа в любой момент времени. Такие модели управления запасами называются моделями наиболее экономичного размера заказа, так как они определяют оптимальный объем заказа, который необходимо сделать в любой момент времени.
Модели управления запасами
В условиях рыночной экономики решающую роль в конкурентной борьбе часто приобретает оперативность и своевременность выполнения обязательств. В таких условиях, промышленные компании вынуждены пересматривать свою политику хранения и управления запасами, включая и сырье, и конечную продукцию.
Если некоторая компания имеет товарные запасы, то капитал, овеществленный в этих товарах, замораживается. Этот капитал, который нельзя использовать, представляет для компании потерянную стоимость в форме невыплаченных процентов или неиспользуемых возможностей инвестирования. Кроме того, наличие запасов влечет за собой определенные издержки, поскольку для их хранения необходимо создать определенные условия и выделить определенные площади; необходимо оплачивать работу персонала, осуществляющего управление запасами; запасы должны быть застрахованы и т.п. В этой связи разумно предположить, что целью любой компании является хранение по возможности наименьшего запаса. Однако следует принять во внимание и другие соображения. Спрос на продукцию чаще всего содержит долю неопределенности. Поэтому чем меньше уровень запаса, тем больше вероятность того, что возникнет дефицит продукции. Наличие дефицита тех или иных товаров уже само по себе является для компании источником определенных убытков либо в сфере производства, либо в связи с потерей клиентов.
Если компания создает товарный запас исходя из размера производственной партии деталей, то вероятнее всего экономически выгодным окажется производство крупных партий деталей, однако, такая политика подразумевает высокий уровень исходного запаса, В данной области существует множество проблем, которые предстоит решить. На сегодняшний день все более важной функцией администрации большинства компаний становится анализ эффективности и оценка политики управления запасами. В отдельных компаниях теория управления запасами находит все более широкое применение. Если в некоторой компании используются современные методы управления, такие, например, как метод "точно в срок", то особую важность приобретает знание менеджерами компании механизма функционирования системы управления запасами. Методы моделирования систем управления запасами были разработаны еще несколько лет назад. Диапазон этих моделей достаточно обширен - от базисных моделей простых детерминированных систем до более сложных моделей, учитывающих неопределенность спроса или сроков поставки заказа. Если система управления запасами является достаточно сложной, то для ее моделирования можно использовать имитационные методы. В любом случае цель процесса моделирования состоит в том, чтобы помочь лицу, принимающему решение, определить с учетом некоторого критерия принятия уровень заказа и срок его подачи.
Целью практически любого решения является минимизация общих издержек, связанных с хранением запасов. Не менее важен анализ последствий применения неоптимальной схемы запаса, что предполагает анализ модели на чувствительность. Определение оптимальной партии закупки и запаса
Рассмотрим простейший случай модели. Предприятию требуется на технологические цели определенный вид сырья, закупаемый у внешнего поставщика. Поставки происходят по циклической схеме. Предположим, что спрос на продукцию предприятия является постоянным. Отсутствие запаса сырья на предприятии недопустимо. Необходимо построить модель, рассчитывающую стоимость годового запаса сырья и оптимальный размер партии закупки.
Все циклы запасов являются одинаковыми. Максимальное количество продукции, которая находится в запасе, совпадает с размером заказа q. Хранение запасов требует от предприятия дополнительных затрат. Это, например, содержание складских помещений, охрана, сортировка и т.п. Такие издержки могут иметь переменную и постоянную части. Для основной модели будем рассматривать только переменную составляющую, которая прямо зависит от объема и срока хранения запаса. Введем следующую систему обозначений: D - ежегодный спрос на запас, ед. сырья / год; Со - переменная стоимость подачи одного заказа, руб. / заказ; Ch - переменная стоимость хранения единицы сырья в запасе, руб на ед. продукции / год; С - цена покупки единицы сырья в запасе, руб. / год; q - объем заказа, единиц сырья / заказ.
Технология проектирования баз данных
Обычно выделяют два принципиально различных подхода к моделированию предметной области: функциональный и объектный.
Функциональный подход. При этом подходе учитываются все особенности приложения, предназначенного для работы с проектируемой БД. В первую очередь составляется список всех необходимых операций приложения. Затем на основе этого списка определяются необходимые таблицы и структуры. Использование функционального подхода позволяет максимально оптимизировать структуру БД для выполнения указанного списка задач. Недостатком такого подхода является жесткая привязка приложения к существующей структуре БД и низкая приспособляемость к изменениям в предметной области.
Объектный подход. Этот подход предполагает рассматривание предметной области независимо от требований проектируемого приложения. При разработке структуры необходимо выделить в предметной области наиболее важные объекты. Обычно каждому объекту соответствует отдельная таблица БД. Использование объектного подхода обеспечивает минимальное число ошибок проектирования и позволяет проследить и зафиксировать реальные связи между объектами предметной области. Созданные таким образом БД лучше приспособлены к изменениям, которые требуется вносить в приложения. Для таких баз данных с одинаковыми трудозатратами можно создать приложения, выполняющие разные функции.
Современный подход к проектированию информационных систем предполагает автоматизацию большинства рутинных функций разработки и сосредоточение основного внимания разработчика на особенностях реализации и специфических требованиях пользователя. Использование универсальной методологии проектирование баз данных привело к созданию систем автоматизации разработки БД. Этому способствовало наличие технологического опыта в организации и компьютерной поддержке систем разработки программного обеспечения и, с другой стороны, использование активных интегрированных словарей-справочников данных (DD/D, Data Dictionary/Directory). Так возникли системы CASE (Computer Aided System Engineering) - системы для структурного проектирования БД и связанных с ними информационных систем, ориентированные на модели данных, реализованные в различных СУБД. Наибольшую популярность получили CASE-системы для реляционных СУБД с SQL-моделями данных, a DD/D переименовался в CASE-репозиторий проектируемой информационной системы.
Со временем возникло два основных направления развития CASE-систем и технологий проектирования: CASE-системы для проектирования собственно БД (или т. н. Upper-CASE) и интегрированные инструменты, позволяющие и проектировать БД, и разрабатывать использующие их прикладные программы. Upper-CASE системы имеют много средств для описания функций обработки информации и хранения этих описаний в репозитории. Это подтверждает положение о сильной связи проекта БД и проекта ИС, базирующейся на этой БД. Вместе с тем эта связь не абсолютна, и принцип отделения БД от программ сохраняется. Возникли практически работающие стандарты работы с данными (например, ODBC). CASE-средства позволяют моделировать объекты предметной области до их реального воплощения, предоставляя тем самым возможность выполнить анализ взаимодействия элементов еще до их создания. Кроме того, CASE-средства помогают выполнять техническую работу по проектированию, а также предупреждают о потенциальных проблемах в принимаемых решениях. Применение CASE-средств возможно на нескольких этапах проектирования [54]:
Моделирование процессов предметной области Приложение состоит из взаимосвязанных процессов, выполняющих основные функции данного приложения. Моделирование процессов предметной области включает разработку диаграмм таких процессов и связей между ними. Примерами систем реализующих этот способ моделирования являются программы PowerDesigner компании PowerSoft, SOverrun BMP компании CSA и др. Моделирование "сущность-связь" Диаграммы "сущность-связь" (так называемые ER-диаграммы) помогают отделить логическое представление данных от их физической реализации. ER-диаграммы представляют элементы данных в терминологии объектов реального мира. Примерами систем моделирования "сущность-связь" являются программы ERWin компании Logicworks, ER/1 компании Embarcadero и др. Моделирование реляционных структур данных Упомянутое выше ER-моделирование является составной частью процесса моделирования реляционных структур данных. Кроме диаграмм "сущность-связь", существует множество методов представления реляционных данных. Примерами систем, предназначенных для разработки полных логических схем баз данных, являются Silverrun-MDM компании CSA, PowerDesigner компании Powersoft и др.
Постановка задачи моделирования основных направлений управления производственной деятельностью
Рассмотрим практический пример комплексной автоматизации процессов управления. На ОАО "Петмол" имеются определенные трудности, непосредственно связанные с управлением. В период предпроектного обследования было установлено, что предприятие имеет резервы при распределении и использовании различного рода ресурсов (денежные средства, сырье, транспорт и т.п.). Вследствие некачественного управления предприятия теряет значительные средства, в частности, из-за нерационального использования сырья и транспортных ресурсов, недостаточного развития оперативного планирования, отсутствия системы анализа прогнозирования рынка. Очевидно, что основные проблемы связаны с информационным развитием системы управления ОАО "Петмол".
Для устранения основных недостатков было предложено разработать комплексную автоматизированную систему поддержки принятия управленческих решений. Общую концепцию назначения и реализации данной системы можно представить с помощью дерева целей, представленного на рис 4.2. 1. Получение дополнительной прибыли. Основная цель разработки и внедрения автоматизированной системы. 2. Повышение уровня управляемости. Метод достижения основной цели. 2.1. Разработка оптимального оперативного плана производства продукции. Промежуточная цель повышения уровня управляемости. Решается при помощи следующих методов: 2.1.1. Автоматизация расчета калькуляции себестоимости продукции. На основе предложенной модели реализуется программная составляющая комплекса АСУ. Внедрение осуществляется непосредственно на рабочем месте экономиста планового отдела предприятия. 2.1.2. Оптимизационное планирование выпуска продукции. Автоматизируется рабочее место начальника планово-экономической службы, информация также доступна на рабочем месте финансового директора. 2.2. Повышение эффективности взаимодействия с поставщиками и потребителями. Промежуточная цель повышения уровня управляемости. Решается при помощи следующих методов: 2.2.1. Разработка модели управления запасами. Программная составляющая реализуется на рабочем месте экономиста службы логистики, доступ к данным возможен со стороны планового и финансового отделов. 2.2.2. Разработка модели учета заявок и заказов. Компьютерная реализация подсистемы позволяет передавать заявки непосредственно с рабочих мест поставщиков и потребителей по локальным или глобальным компьютерным сетям. 2.3.3. Разработка модели маршрутизации транспортных перевозок. Программная составляющая комплекса АСУ представляет собой независимую систему оптимального планирования и учета транспортных перевозок, место использование - транспортное подразделение отдела логистики. 2.3. Внедрение системы контроллинга. Промежуточная цель повышения уровня управляемости. Решение может потребовать значительной реорганизации системы учета на предприятии. На первом этапе комплексной автоматизации реализуется один метод: 2.3.1. Разработка системы анализа и прогнозирования финансовых потоков. На основе имитационной модели строится программный комплекс автоматизации финансовой службы. Внедрение осуществляется во взаимодействии с бухгалтерией предприятия, с учетом имеющегося программного обеспечения. На начальном этапе технического проектирования описанные программные составляющие реализуются в виде компьютерных моделей промежуточного уровня с использованием электронных таблиц и локальных баз данных. Описание примеров моделей приводятся в главе 2. Обеспечение взаимодействия моделей на уровне данных также обеспечивается на начальном этапе технического проектирования.
Похожие диссертации на Алгоритмическое и программное обеспечение автоматизированного управления производственными процессами
