Содержание к диссертации
Введение
Глава 1 Краткая характеристика ЗАО «Технопарк ЛТА» 8
1.1. Характеристика предприятия 8
1.2. Характеристика производства 15
1.2.1. Производственная структура 15
1.2.2. Технологический процесс 18
1.3. Управление предприятием 25
1.4. Информационная система управления 31 Выводы 38
Глава 2 Общие принципы математического моделирования производственной деятельности 39
2.1. Структуры математических моделей 39
2.2. Критерии принятия решений в современных условиях 44
2.2.1. Критерии принятия решений в условиях риска 46
2.2.2. Критерии принятия решений в условиях неопределённости 48 Выводы 51
Глава 3 Модель производственной системы 53
3.1. Общее описание системы 53
3.2. Выбор и обоснование показателей эффективности 60
3.3. Расчёт основных характеристик системы 62
3.4. Анализ результатов расчётов основных показателей системы 68 Выводы 72
Глава 4 Модель управления запасами 73
4.1. Общие положения теории управления запасами 73
4.2. Однопродуктовая статическая модель 76
4.3. Однопродуктовые вероятностные модели 79
4.4. Многопродуктовая статическая модель с ограничениями на ёмкость складских помещений 85
Выводы 89
Глава 5 Производственный эксперимент 90
5.1. Цель эксперимента 90
5.2. Применяемое оборудование, объект исследований 90
5.3. Анализ результатов исследований 92
Основные выводы и рекомендации 101
Использованная литература 103
- Характеристика производства
- Критерии принятия решений в современных условиях
- Выбор и обоснование показателей эффективности
- Однопродуктовая статическая модель
Введение к работе
Одной из особенностей состояния производства является комплексная деятельность крупных и малых предприятий. В связи со спецификой предмета труда (лесной продукции) это особенно характерно для лесной отрасли. При этом если производственная деятельность крупных предприятий достаточно хорошо изучена, то особенности комплексной работы больших и малых производств требуют изучения и научного обоснования организационных форм и управления ими. Нетрудно заметить характерные особенности производственной деятельность малых предприятий. К этим особенностям следует отнести два основных фактора: требуемая гибкость производства, а также работа в условиях экономического риска и неопределённости. Оба этих фактора требуют, в свою очередь, особых методов управления, базирующихся на научно обоснованных новых методов.
К новым видам малых предприятий относятся «Технопарки» при ВУЗах. При этом на «Технопарки» помимо непосредственной производственной деятельности, способствующей экономике ВУЗа, возлагают задачи обеспечения научной работы, учебной деятельности, внедрения научных идей и т. д.
Поэтому при функционировании «Технопарка» требуется эффективное управление на основе научных методов и математических моделей.
Сказанное выше обуславливает высокую актуальность, теоретическую и практическую ценность работы А. Ю. Шестова.
Цель работы:
Целью данной работы является повышение эффективности функционирования лесообрабатывающего предприятия типа Технопарк при СПбГЛТА и обобщение организационно-технического опыта управления им.
Накопленный многолетний опыт не базируется на узком примере указанного выше предприятия, а обладает необходимой научной общностью.
Научная новизна:
1. Разработана и изучена модель природно-производственной базы
ЗАО «Технопарк», включающая организационно-экономическую систему
5 «поставщик-потребитель» и учитывающую природно-климатические и экономические условия лесосырьевой базы и транспортной сети.
Внедрена структурная блочно-иерархическая модель организации предприятия с учётом создания оптимальных информационных потоков.
Проанализированы критерии принятия решения в условиях риска и неопределённости. Подобран коэффициент значимости критерия Гурвица.
Создана и исследована модель производственной деятельности элемента структуры на основе теории массового обслуживания (ТМО).
Разработана модель функционирования лесного склада с учётом детерминированного и стохастического подходов на основе теории запасов.
Разработана модель оптимального размещения продукции в складском комплексе ограниченной ёмкости.
Произведён производственно-статистический эксперимент работы компьютеризированной линии лесного склада в оптимальном режиме.
Объекты и методы исследования:
Объектами исследования являлись структурные элементы общей системы, применяемое оборудование, информационно-технологическая система.
При решении конкретных задач были использованы методы многокритериальной оптимизации, модель управления запасами, функционирования производственных подразделений. В процессе математического моделирования применялись методы теории массового обслуживания, теории запасов, производственно-структурного моделирования. При решении задач использовались ППП «Statgraf», «Meth Cod - 2000», «Word - 97», «Exel», а также самостоятельный разработанные программные продукты TMS - 5,6 и др.
Научные положения и результаты, вносимые на защиту:
Результаты функционирования ЗАО «Технопарк» с технологической и экономической оценкой деятельности предприятия.
Методика определения оптимальных (межоперационных и длительных) запасов сырья на складе.
Результаты производственно-статистической оптимизации функционирования оборудования лесного склада в оптимальном режиме.
Результаты анализа производственной деятельности элементов структуры предприятия.
Результаты анализа производственной системы «поставщик-потребитель» ЗАО «Технопарк».
6. Математические модели технологических процессов.
Практическая значимость:
Анализ производственной деятельности ЗАО «Технопарк» на основе создания математической модели даёт возможность использовать результаты созданных моделей в комплексе крупных и малых лесных предприятий для решения практических задач с достаточно высокой эффективностью функционирования. Применение разработанных методов и моделей позволяет совмещение научно-производственной деятельности предприятия с научной и изобретательской деятельностью ВУЗа, а также повышение качества учебного процесса на основе совершенствования практических навыков студентов.
Апробация работы:
Основные положения, методический подход, математические модели и результаты работы докладывались и обсуждались в СПбГЛТА, на Российских и международных конференциях, в Финляндии, Германии, США.
Публикации:
По теме диссертации опубликовано 8 печатных работ.
Результаты работы:
Результаты работы, математические модели и система «поставщик — потребитель» были реализованы в ряде важных практических проектов:
Создание эффективной схемы заготовки и закупки круглого леса, с учётом соотношения качества сырья и готовой продукции.
Создание лесопильного участка для производства радиального распила.
Создание системы учета и контроля запасов в производстве трехслойного бруса из сырья с заданными параметрами.
Внедрение конструкторско-управленческой программы ProLogic.
Разработка конструкции и технологии изготовления исторического окна с современными теплофизическими свойствами.
Проект замены светопрозрачных конструкций Финансово-экономического университета и Строгановского дворца.
Структура и объём работы:
Диссертация состоит из Введения, 5 глав, основных выводов и результатов, списка использованных источников и приложений. Общий объём работы 105 с, 33 рис., 4 таблиц. Список использованных работ включает 38 наименований.
Характеристика производства
Говоря о продукции ЗАО «Технопарк ЛТА», следует отметить, что в настоящее время предприятие занимается производством широкого спектра товаров и услуг. Производственная структура предприятия изображена на рис. 1.1. и представляет собой совокупность нескольких производственных участков, а именно: - ДОЗ ТП (нижний склад, лесопиление, раскрой, сортировка); - ДОУ (производство ограждающих конструкций); - ЭМУ (электромеханический участок); - ОГУ (отдел главного инженера); - РМУ (ремонтно-механический участок); - ТУ (транспортный участок); - ЗУ (заточный участок). Каждый участок, несмотря на используемую на предприятии терминологию, наделён правами цеха и функционирует относительно автономно и управляется начальником цеха. ДОЗ ТП включает в себя нижний склад, цех лесопиления, сушки и сортировки пиломатериалов, в том числе и радиального распила. Здесь же находится компьютеризированная линия оптимизации раскроя и сортировки. После этого по транспортерам заготовки поступают на участок производства трехслойного бруса. ДОУ является профилирующим участком, на нём производятся элитные деревянные окна (оконные блоки и балконные двери) по технологии немецкой фирмы MICHAEL WEINIG AG, а также пиломатериалы (погонаж) высокого качества. Причём производство включает все стадии от склейки оконного бруса до окончательной сборки и установки на объекте заказчика. На электромеханическом участке (ЭМУ) производится и собирается оборудование для предприятий лесопильной и деревообрабатывающем промышленности: промышленные пылесосы (пылеулавливающие агрегаты), окрасочные и сушильные камеры, торцовочные станки, прессы, а также другое оборудование (под заказ); а также изделия художественной ковки и другие металлоизделия на заказ. ОГУ занимается обеспечением нормального функционирования как каждого производства в отдельности, так и предприятия в целом. Участок главного инженера включает в себя службу охраны, котельную, электриков, сантехников, строительный участок и бригаду по ремонту и монтажу оборудования.
В ремонтно-механическом участке (РМУ) производиться ремонт автомобилей, расточка коленвалов, блоков цилиндров, их плазменное напыление и шлифовка, как для нужд предприятия, так и для сторонних заказчиков. На заточном участке (ЗУ) производится высококачественная заточка, изготовление нового и ремонт старого режущего инструмента. Совокупность всех процессов, в результате которых сырьё и материалы превращаются в готовую продукцию, называется производственным процессом. В производственно-экономическом отношении в зависимости от количества выпускаемой продукции, повторяемости производимых изделий различают три типа производства: массовое, серийное и единичное. Каждому из которых соответствует свой метод организации производства. ЗАО «Технопарк ЛТА» организует заготовку круглых лесоматериалов для дальнейшего изготовления из них клееного многослойного бруса. Брус 82x110 и 82x86 мм производится и реализуется в России. Брус 72x86 мм экспортируется в Германию. Брус 63x71 мм — в Швецию. Для каждого из наименований требуется свой исходный круглый лесоматериал, так как это влияет на экономику конечного продукта. ЗАО «Технопарк ЛТА» использует для производства клееного оконного бруса для Швеции круглые лесоматериалы диаметром от 24 см (1-й и 2-й сорт по ГОСТу 9463-86), с сосновых делянок сплошной рубки. В случае закупки цена составляет от 30 до 35 евро. Для оконного бруса, изготовляемого для Германии, требуется пиловочник первого реза из хлыста диаметром более 32 см, без видимых сучков, ГОСТ 9463-86: 1-й сорт, предпочтительно харвестерной заготовки. Закупочная цена - 40-45 евро. К пиломатериалам для изготовления трёхслойного клееного оконного бруса сечением 82x110 и 82x86 мм предъявляются высокие требования по качеству. Пиломатериалы (ламель) с радиальным наклоном волокон (от 45 до 90 градусов) должны быть без сучков, смоляных кармашков, с расстоянием между годовыми кольцами не более 3 мм, без засмолков, с подбором по текстуре и цветовой гамме. Отсюда следуют высокие требования к качеству круглых лесоматериалов: - крупные диаметры — более 40 см; - отсутствие видимых сучков, в том числе и заросших; - кривизна не допускается; - расстояние между годовыми кольцами не более 3 мм; - засмолки не допускаются; - заболонная гниль и химическая окраска не допускаются.
На делянках, выбранные деревья (сосна), проходящие по этим требованиям, клеймятся и выборочно спиливаются. Первый, иногда второй, рез вывозится с делянки на нижний склад для дальнейшего учёта и проверки качества перед лесопилением. Обычно круглые лесоматериалы заготавливаются выборочной рубкой или отбором из штабелей на нижних складах. Цена таких пиломатериалов, на сегодняшний день, колеблется от 50 до 80 евро. В данном разделе диссертации остановимся на рассмотрении технологического процесса производства элитных деревянных окон по немецкой технологии. Организацию производства окон на ЗАО «Технопарк ЛТА» можно охарактеризовать следующим образом: - тип организации производства - единичный; - метод организации производства — индивидуальный. Подобная организация предполагает изготовление продукции единицами или мелкими партиями (по заказам) неограниченной номенклатуры на универсальном оборудовании высококвалифицированными рабочими.
Критерии принятия решений в современных условиях
Все задачи принятия решений и управления можно разделить на два класса. В первом случае полагают, что все исходные данные задач известны. При этом для получения наилучшего (оптимального) решения применяется обширный набор классических методов, часто объединённых единым термином «классическое программирование». Однако, как указывалось ране, одной из характерных особенностей функционирования малых предприятий, особенно в рыночных условиях, является наличие фактора неопределённости. Ограниченность или неточность информации, особенно в условиях быстро изменяющихся внутренних или внешних социальных или экономических условий (коньюктуры) приводит двум-трём новым типам ситуаций, в которых приходится принимать решение: 1) принятие решений в условиях риска; [5], [8] 2) принятие решения при наличии неопределённости; [5], [8] 3) принятие решений в условиях стохастических условий; [10] 4) принятие решений на основе рефлексивного управления. [2] Отметим здесь, что по существу первые два пункта, также предполагают наличие случайности. Мы сознательно выделяем здесь третий пункт, так как: - во-первых, задачи третьего типа требуют наличие условия статистической устойчивости; - во-вторых, задачи третьего типа опираются на хорошо развитый математический аппарат, в настоящее время широко применяемый и позволяющий получать результативную информацию, на основе которой можно принимать обоснованные решения.
Принятие решений в условиях риска выражается при наличии функции распределения вероятностей. В случае же неопределённости, такой уверенности нет. Иными словами, с точки зрения характеристики исходных данных, определённость и неопределённость представляют два крайних случая, а риск является промежуточной ситуацией.
Например, в условиях риска, доход предприятия точно неизвестен и представляет собой случайную величину, точное значение которой неизвестно, но может характеризоваться какой-либо функцией распределения. Естественно, при этом, сама случайная величина должна обладать статистической устойчивостью.
В условиях неопределённости функция распределения либо неизвестна, либо не может быть определена. При этом требование статистической устойчивости уже не является обязательным. Отметим здесь, что описанный выше третий случай требует не только статистической устойчивости случайной величины, но и оговаривается кроме этого некоторыми дополнительными условиями, о которых будет говориться ниже (дискретность, непрерывность, время, причины, последствия, стационарность и т. д.).
В четвёртом случае под рефлексивным управлением (РУ) понимается управление, в котором элементами системы являются люди или группы людей (субъекты), причём процесс принятия решений происходит на основе передачи истинной (или ложной) информации от субъекта к субъекту. Под субъектами (персонажами) могут приниматься, как указывалось, люди, группы людей, фирмы, компании, страны и т. д. Процесс РУ является сравни тельно новой математической моделью, которая также может быть отнесена к неопределённости особого типа, так как в этой модели, разработанной В. Л. Лефевром [2], присутствуют чисто логические элементы, находящиеся на грани математических и психологических аспектов. В последнее время, однако, делаются небезуспешные попытки математизации логических рассуждений В. Л. Лефевра, на основе которых удаётся получить результативные и доказательные основы принятия решений [3].
После изложенного краткого обзора, рассмотрим указанные выше методы принятия решений в условиях риска и неопределённости. Строгое определение риска относят чаще всего к математической теории игр. Здесь, риском игрока в антагонистическом варианте относят разность между выигрышем, который он получил, если бы знал заранее стратегию «природы» Пи и выигрышем собственной стороны Aij, т. е. у = Рц ач (2»8), где Ру = max a(J, a(J - элемент матрицы выигрышей. Поскольку здесь речь идёт о статистических играх, то очевидно, и риск является случайной величиной, имеющей свой закон распределения, обладающей такими статистическими характеристиками, их математическое ожидание M/j и дисперсией Dy. Теория игр — раздел математики, имеющий самостоятельное значение и достаточно развитый математический аппарат, обладающий значительной степенью неопределённости и поэтому, сравнительно редко применяемый в производственных условиях, где требуется большая степень конкретизации. Более часто применяемыми в этих случаях являются более грубые, но зато более простые методы. В частности, в условиях риска применяются следующие упрощённые критерии: К ним относятся: 1) критерий ожидаемого значения; 2) критерий «ожидаемого значения - дисперсия»; 3) критерий предельного уровня; 4) критерий наиболее вероятного исхода. Остановимся кратко на преимуществах и недостатках указанных критериев. 1. Критерий ожидаемого значения (КОЗ). Данный критерий преследует цель максимизации ожидаемой прибыли (соответственно, минимизации ожидаемых затрат). Отметим сразу существенный недостаток этого критерия, заключающийся в разной значимости прибыли (или потерь) для разных участников деловых операций. Например, потеря N у. е., будет для одного участника, не обладающего большим первоначальным капиталом, несущественной и значимой для другого участника, не имеющего резерва. Поэтому данный критерий часто подвергается обоснованному сомнению. Другим существенным недостатком этого критерия является чисто математический аспект. Дело в том, что ожидаемое значение является средним значением выборки из П вариантов, т. е. является достаточно близким к математическому описанию лишь при больших выборках. Из-за этих двух причин КОЗ применяется сравнительно редко и только при большом числе повторений, что несвойственно для малых предприятий. 2. Критерий «ожидаемого значения - дисперсия» (КОЗ+Д(х)). Предыдущий случай может быть существенно улучшен и может приме няться и при меньшем числе повторений и на малых предприятиях.
Выбор и обоснование показателей эффективности
Совокупность показателей эффективности (критериев) рассматриваемой системы должна отражать основные цели её функционирования. SnP - прибыль за счёт реализации НТП; Ток - срок окупаемости НТП. Таким образом, как указывалось, задача носит многокритериальный (многоцелевой) характер, что естественно, осложняет процедуру принятия решений. [24]
Особенностью задачи является также иерархическая структура совокупности критериев, которая может быть представлена в виде следующей схемы (рис. 3.3). конкретного показателя. Обычно в СМО в качестве компонентов вектора « фигурируют: - скорость (интенсивность) обслуживания - /Л ; - количество каналов обслуживания - с; - допустимая длина очереди - lSUn. Таким образом, в общем случае вектор п будет иметь вид: X 3 = Ai,c,Ndon (зло) Видно, что вектор - з , по существу, даёт возможность экономически обосновать общий уровень (качество) обслуживания, который является компромиссом между: - прибылью, получаемой за счёт предоставления услуг; - потерями прибыли, обусловленной задержками в предоставлении услуг. Первый показатель связан с функционированием активностью СМО, тогда как второй — с пребыванием системы в состоянии покоя или её неспособностью удовлетворить все потребности в обслуживании.
Увеличение функциональной способности системы приводит к ухудшению качества обслуживания и наоборот. Естественно, что, с одной стороны улучшение качества обслуживания ведёт к возрастанию прибыли, но, с другой стороны требует и увеличения затрат. Это означает, что существует оптимальный набор компонентов вектора з , позволяющий получить наиболее выгодные условия функционирования СМО.
Из рассмотренных выше стоимостных показателей наибольшую трудность вызывает определение «цены» ожидания. Эта трудность становится особенно ощутимой, если в качестве «заявки» выступает человек, у которого «цена» ожидания может существенно отличатся по степени его потребности в удовлетворении услуги во времени, транспортной ситуации и других, трудно учитываемых причин. Проще дело обстоит, если объектами обслуживания являются технические устройства (станки или машины, требующие ремонта). Тогда, в первом случае, очевидно, требуются экспериментальные исходные данные. Во втором случае можно воспользоваться технико-экономическим анализом работы предприятия. Указанные выше трудности могут быть также преодолены с помощью моделирования, учитывающего предпочтительный уровень обслуживания. После этих общих рассуждений рассмотрим конкретные примеры составления моделей для определения оптимальных характеристик СМО. Предварительно, однако, следует заметить, что не все указанные выше компоненты вектора з и некоторых из них, в частности, вероятность Ру, t могут определяться прямым путём с использованием обычных соотношений ТМО. Так, рекомендуется определять характеристики СМО согласно следующему алгоритму: Pn- Lt=%nPm Wt=Lalk-+W4=Wr\ln- L4=kW4 . (3.11) Соответствующие математические зависимости будут определяться в дальнейшем, исходя из конкретного типа СМО. В частности, для представленных выше типов моделей СМО расчётные формулы для определения основных характеристик имеют вид: 1)
Таким образом, приведённый выше математический аппарат является основой для проведения оптимизации управляемых переменных системы. Из перечисленных допущений наиболее «жёстким» является второе (марковость потоков). Однако, во-первых, как показал анализ реальные входные и выходные потоки представляют широкий спектр распределений, удовлетворяющий критериям Колмогорова-Смирнова. Отметим, что указанные выше приближённые формулы справедливы лишь при С = 1 — (однокомпонентные системы), однако, любая многокомпонентная система легко сводится к однокомпонентной, если положить интенсивность выходного потока Мс = с№\ 3.4. Анализ результатов расчётов основных характеристик системы
Машинные расчёты основных характеристик системы производится на основе приведённых выше в п. 3.3. математических моделей с использованием программного продукта TMS — 6v. 2.
Как указывалось выше, эта модель описывает функционирование системы обслуживания, если входной и выходной потоки Марковские, дисциплина обслуживания - произвольная (GD) и на ёмкость системы и генератор заявок не накладывается никаких ограничений. [4] Результаты расчёта в соответствии с приведёнными исходными данными и принятыми допущениями приведены в табл. З.1., гдеЯ ,// , Ws—с, Wq —с.
Данная модель описывает функционирование ремонтно-обслуживающей подсистемы. При этом снова принимаются допущения о Марковских потоках поступающих в ремонт машин и экспоненциальном распределении времени ремонта. В данном случае под ремонтом понимается не только непосредственное устранение какого-либо отказа, но и проведение всех необходимых работ по обслуживанию машины в конце рабочего дня или во время профилактических работ.
Однопродуктовая статическая модель
В соответствии с принятой выше классификацией эта модель представляется наиболее простейшей. Она характеризуется постоянным по времени спросом, мгновенным пополнением запаса и отсутствием дефицита. Естественно, что в производственных условиях указанные допущения сравнительно редки, поэтому нами эта модель приводится, в основном, в методических целях.
При указанных простейших допущениях оптимальный уровень заказа определяется формулой экономического размера заказа Уилсона.
В пересчёте на интенсивность использования запаса получается график (Рис. 4.10). В результате преобразования графиков (рис.4.8) можно получить более общую зависимость интеграла F(t) от параметра у рис. 4.9 и 4.10 Выше, все выкладки базировались на допущении о детерминированности начального запаса уо -det.
Прежде чем приступать к решению задачи необходимо проверить вы полняемость ограничения для случая у - экономического заказа Уилсона (см. формулу 4.4.). Если ограничение выполнять в виде неравенства, то им можно пренебречь и решать задачу без ограничений. Ограничение действует, если оно не выполняется для значения у . В этом случае находится у , удовлетворяющее ограничение в виде равенства.
Сначала используется упрощённая формула Уилсона (оптимальный размер заказа 20 .1). Учёт стохастичности с вероятностью истощения Р = 0,05. Требуется величина резервного запаса 10 м3. Применение более сложных моделей, основанных на уравнениях с аргументами в виде двух случайных величин, позволило получить закон распределения случайных величин запасов в виде & - распределений и на их основе оценить вероятность безотказной работы при различных интенсивностях расходования запасов.
Целью эксперимента является экспериментальный анализ функционирования оборудования, а также получение на этой основе наиболее благоприятных (оптимальных) режимов работы. Кроме этого, производственный эксперимент обеспечивает минимум непроизводительного расходования материальных ресурсов и максимальной степени превращения всех видов сырья в предметы труда.
Эффективность функционирования системы и корректность получаемых при этом результатов обеспечивается применением современной вычислительной техники, а также высокоточными средствами измерений, преобразования и передачи информации.
Производственный эксперимент функционирует на базе современного моделирования и программ статистической оптимизации. [23] Основанная деятельность системы экспериментальной статистической оптимизации базируется на оборудовании, установленном в структурном подразделении «Технопарка ЛТА» ООО «ДОЗ Технопарк-Сосново». ООО вырабатывает, в основном, клеёный брус различного сечения. Технологический процесс состоит из трёх главных этапов: лесопиления, сушки пиломатериалов и деревообработки.
Машина считывает информацию и распиливает доску согласно заданным параметрам, внесённым оператором в компьютер. Если L 900 мм, деталь сбрасывается в накопительную корзину и далее перемещается на линию сращивания по длине, остальные детали подают в сторону на 4-х сторонний станок и далее двигаются по транспортёру, где сортируются (сбрасываются) в накопительные карманы согласно длинам. Из накопительных карманов рабочие комплектуют детали на склейку и перемещают к гидропрессу для склейки по толщине в течение 30-35 мин. Готовая продукция укладывается в пакеты, связывается стальной лентой, обматывается плёнкой и складируется для отправки.
В процессе исследования анализируются следующие результаты: а) временные характеристики б) качественные геометрические данные в) процент отходов г) данные по загрузке линии и общая производительность линии Полученные результаты подлежат качественному и статистическому анализу. Кроме того, учитывалась взаимосвязь различных факторов. 1. Временные характеристики: Общее среднее время прохождение заготовок по линии: 45" - без строжки, Г30" — сосна (с острожкой), 2 30" - лиственница (с острожкой), 3 - дуб (с острожкой). 2. Качественные характеристики Все остальные характеристики сведены в таблицы 5.1 и 5.2. Эти характеристики существенно зависят от первоначальной геометрии древесного сырья, а также поставленных задач по получению окончательных геометрических данных продукции. В приведённых таблицах обозначены
