Содержание к диссертации
Введение
Глава 1. Структуризация проблем и задач реорганизации промышленных территорий 9
1.1 Анализ состояния промышленных территорий г.Москвы 9
1.2 Средства и технологии поддержки принятия решений 16
1.3 Формирование инфологической модели процедуры принятия решений . 19
1.4 Анализ применимости и выбор методов для моделирования социально-экономического развития территорий и методов принятия согласованных решений 24
Глава 2. Разработка аналитических методов поддержки принятия решений 33
2.1 Разработка системы аналитического мониторинга 33
2.1.1 Алгоритм оценки текущего состояния и потенциала промышленных территорий 33
2.1.2 Формирование системы аналитического мониторинга на основе индикаторов текущего состояния, потенциала и участия в бизнес - стратегии города промышленного предприятия 39
2.2 Разработка имитационной модели формирования и анализа сценариев развития промышленных территорий 41
2.2.1 Назначение и концептуальное описание имитационной модели 41
2.2.2 Программная реализация имитационной модели 52
2.3 Формирование алгоритма согласования интересов лиц принимающих решение о реорганизации территории 59
Глава 3. Разработка общей концепции построения системы принятия решений 63
3.1 Архитектура системы принятия решений 63
3.2 Варианты ситуационных табло мониторинга реорганизации производственных территорий 70
3.3 Апробация разработанного инструментария 79
3.3.1 Результаты аналитического мониторинга 81
3.3.2 Результаты сценарных исследований развития промышленных территорий 87
3.3.3 Результаты выполнения процедуры согласования сценариев 105
Заключение 116
Список литературы
- Средства и технологии поддержки принятия решений
- Анализ применимости и выбор методов для моделирования социально-экономического развития территорий и методов принятия согласованных решений
- Формирование системы аналитического мониторинга на основе индикаторов текущего состояния, потенциала и участия в бизнес - стратегии города промышленного предприятия
- Варианты ситуационных табло мониторинга реорганизации производственных территорий
Введение к работе
Становление и развитие научно-промышленного комплекса (НІЖ) г.Москвы в современных условиях свидетельствует о наличии проблем. Промышленный облик города формировался хаотично. По мере разрастания города, расширения его экономических и социальных функций большинство промышленных предприятий оказалось в центре г.Москвы и на прилегающих территориях, т.е. там, где их не должно быть. Многие предприятия давно устарели, некоторые используют свои зачастую огромные площади неэффективно, предпочитая сдавать их в аренду. Территории, которые они занимают - единственный резерв города для строительства и развития. При остром дефиците городских земель возникает необходимость реформирования производств там, где есть значительные территориальные резервы. Одним из вариантов решения проблемы нехватки земельных ресурсов под муниципальное и коммерческое строительство, под дальнейшее развитие города является реорганизация производственных территорий, занимаемых предприятиями: улучшении состояния окружающей среды за счет ликвидации экологически опасных и ресурсоемких производств; санации сохраняемых и рекультивации высвобождаемых производственных территорий; необходимости комплексного благоустройства, озеленения, обводнения производственных территорий; использовании территорий, высвобождаемых в процессе реформирования, реорганизации и ликвидации предприятий и отдельных производств для жилищного строительства, общегородских центров, развития и реабилитации территорий природного комплекса [104-115].
В данной ситуации интересы города, отрасли и населения различны: население озабочено жилищным строительством, реабилитацией природного комплекса, созданием системы общегородских центров, город — ресурсообеспеченностью, потоком инвестиций, формированием доходов и расходов бюджета, реализацией градостроительных программ, отрасль -
5 увеличением объемов производства, созданием новых наукоемких технологий, увеличением прибыли предприятия. Решение проблем возможно лишь при условии отражения взаимных интересов всех участников жизни города.
Традиционные методы контроля и управления процессом реорганизации промышленных территорий, как правило, ограничены в возможностях проведения мониторинга, оценки ситуации в целом и интерактивного поиска приемлемых решений, планировании мероприятий по реновации и развитию территорий. Необходима выработка научных подходов, компьютерных методов принятия решений, ориентированных на поиск эффективных сценариев реорганизации промышленных зон с учетом анализа динамики социально-экономического развития территории, обусловленной состоянием научно-промышленного комплекса и территории в целом.
Цель диссертационного исследования состоит в формировании комплекса моделей, процедур, инструментальных решений в задачах реорганизации промышленных территорий.
Для достижения указанной цели решены следующие задачи:
проведен комплексный анализ проблематики и задач реорганизации производственных территорий;
проведен анализ методологических и технологических подходов к построению систем принятия решений (СПР) и сформирована базовая концепция, архитектура и комплексные инструментальные решения для СПР в области управления научно-промышленным комплексом города;
исследован и описан процесс принятия решений в задачах реорганизации промышленных территорий города Москвы;
систематизированы и выбраны методы принятия решений;
сформулированы требования к индикаторам системы аналитического мониторинга;
- разработана имитационная модель и инструменты формирования и
анализа сценариев развития промышленных территорий;
— разработан алгоритм выбора сценария развития территории;
Объектом исследования являются процессы реновации, развития и
застройки промышленных территорий города Москвы.
Предметом исследования являются инструментальные средства и компьютерные методы принятия решений по реорганизации и развитию промышленных территорий.
Теоретической основой исследования послужили работы отечественных и зарубежных авторов: Дж. Форрестера «Динамика развития города», 1974г., В.Н. Сидоренко «Системная динамика», 1998г., Т. Саати «Метод анализа иерархий», 1993г., А.Э. Трахтенгерца «Компьютерная поддержка переговоров при согласовании управленческих решений», 2003г., Н.Н.Лычкиной «Компьютерное моделирование социально - экономического развития регионов в СППР», 2004г., А.В. Борщева «Практическое агентное моделирование и его место в арсенале аналитика», 2005г. и других.
Научная новизна диссертационной работы
Формализована процедура принятия согласованного решения для выбора сценария развития промышленной территории города, включающая определение существующего состояния и потенциала промышленных предприятий, формирование и анализ сценариев развития территорий, согласование интересов при выборе варианта реорганизации. Непрерывная информационно-аналитическая поддержка этапов процедуры реализуется на основе предложенного в работе полнофункционального инструментария, разработанного на основе методов аналитического мониторинга деятельности предприятий, сценарного планирования с применением многоподходного имитационного моделирования, алгоритмов согласования интересов участников переговоров, и комплексировании высокотехнологичных решений в области хранения, обработки и визуализации данных,
7 компьютерного моделирования, геоинформационных технологий. Научные результаты:
предложен набор полнофункциональных инструментальных решений, ориентированных на непрерывную информационно-аналитическую поддержку процедур аналитического мониторинга, формирования и анализа сценариев реорганизации промышленных территорий и выработку решений на основе баланса интересов участников переговоров;
реализована система аналитического мониторинга на основе сформированных индикаторов текущего состояния промышленных предприятий, их потенциала и участия в бизнес-стратегии города;
разработана имитационная модель формирования сценариев развития промышленных территорий и их динамического компьютерного анализа;
реализована вычислительная процедура согласования интересов по результатам сценарных исследований на основе метода анализа иерархий;
предложены концептуальные и архитектурные подходы к построению СПР по управлению научно-промышленным комплексом города, в основу которой положены разработанные инструментальные решения и аналитические приложения.
Достоверность научных результатов подтверждается выполненными автором испытаниями на данных промышленной территории г.Москвы -промзоны №53 «Калошино».
Значение для теории и практики научных результатов. Предложенные методологические и архитектурные подходы к построению СПР и инструментальные решения могут применяться в СПР для региональных, территориальных и федеральных органов власти.
Предложенный в работе подход к формированию процедур сценарного
8 планирования и выработке по результатам сценарных исследований коллегиальных решений может служить инструментом компьютерной поддержки принятия решений в других управленческих ситуациях.
Апробация результатов исследования.
Основные положения диссертации докладывались и получили
положительную оценку на Второй международной конференции
«Управление развитием крупномасштабных систем MLSD 2008», 2008г.,
г.Москва, Всероссийских научно-практических конференциях
«Имитационное моделирование - теория и практика» (ИММОД), 2005 и 2007 гг., г. Санкт-Петербург, XV школе-семинаре «Новые информационные технологии», 2007г., г. Судак, Международной научно-практической конференции «Актуальные проблемы управления — 2007», 2007г., г.Москва, Всероссийских научных конференциях молодых ученых и „студентов «Реформы в России и проблемы управления», 2004, 2005, 2006 гг. г.Москва.
Внедрение результатов исследования.
Инструментальный комплекс апробирован, проведены исследования по данным одной из промышленных территорий города Москвы - промзоны №53 «Калошино».
Отдельные инструментальные решения, предложенные в диссертационном исследовании, использованы в проектах 000«Интеллсофт» для системы поддержки принятия решений Правительства г.Москвы.
Публикации. По теме диссертации в открытой печати опубликовано 10 научных трудов (в том числе 1 в рецензируемом журнале) общим объемом 5,8 п.л., лично автору принадлежит 4,8 п.л. Работы посвящены проблемам социально-экономического развития территорий и управления НПК города, компьютерной поддержки принятия решений в задачах реорганизации промышленных территорий.
Средства и технологии поддержки принятия решений
Противоречивость требований, неоднозначность оценки ситуаций, ошибки в выборе приоритетов сильно осложняют принятие решений.
Формализация методов принятия решений, их оценка и согласование является чрезвычайно сложной задачей. Увеличение объема информации, поступающей в органы управления и непосредственно к руководителям, усложнение решаемых задач, необходимость учета большого числа взаимосвязанных факторов и быстро меняющейся обстановки настоятельно требуют использовать вычислительную технику в процессе принятия решений. В связи с этим появился новый класс вычислительных систем -системы поддержки принятия решений (СППР).
Основное отличие систем данного класса от обычных информационных систем состоит в возможности аналитической обработки информации и визуализации результатов. СППР обычно применяются аналитиками и экспертами, высшим руководством (лицами, принимающими решения (ЛПР)) используются «усовершенствованные» системы, имеющие процедуру принятия решений и возможность оценки результатов применения этих решений. Системы данного класса называются системами принятия решений (СПР).
Если исходить из необходимости осуществления компьютерной поддержки на всех этапах принятия решения человеком, то СПР можно определить как человеко-машинную систему, позволяющую руководителям использовать свои знания, опыт и интересы, объективные и субъективные модели, оценки и данные для реализации компьютерных методов выработки решений и выполняющую следующие функции: — Производить анализ обстановки (ситуации); — Генерировать возможные управленческие решения (сценарии действий); — Осуществлять оценку сгенерированных сценариев (действий, решений) и выбирать лучший; - Моделировать принимаемые решения (в тех случаях, когда это возможно); - Осуществлять компьютерный анализ возможных последствий принимаемых решений; - Производить сбор данных о результатах реализации принятых решений и осуществлять оценку результатов. Компьютерные системы поддержки принятия управленческих решений легко обрабатывают большие объемы информации в реальном масштабе времени, позволяя им наряду с объективными оценками и точными математическими методами, вводить свои субъективные, присущие только им, методы анализа, генерации и оценки возможных вариантов принимаемых решений, используя при этом всю мощь программного обеспечения для реализации своего стиля управления [29, 30]. В следствии чего значительно сокращается время принятия решений, что особенно важно в условиях экстремальных ситуаций. СПР можно применять руководителям и экспертам наряду с устоявшимися, традиционными методами и объективными данными, свои субъективные, присущие только им методы генерации и оценки возможных вариантов управленческих решений. Эта субъективность возникает из-за неопределенности при анализе, генерации и оценки решений. Субъективные оценки и методы воспринимаются СПР в качестве входных данных и моделей, настраивая СПР на субъективные интересы руководителя [84-87].
Возможность обработки больших объемов информации достигается за счет использования в СПР технологии хранилищ данных (ХД). В основе концепции ХД лежит разделение информации, используемой в системах оперативной обработки данных, распределенных базах данных (БД) и в СПР. Хранилище действительно реализуется в виде реального интегрированного источника данных, а не как виртуальная их совокупность, сформированная на основе распределенных БД различных организаций-источников. Такое разделение позволяет улучшить характеристики производительности и объединить в Хранилище оптимально организованные для использования в задачах аналитической обработки данные, собранные из различных (возможно, неоднородных) внешних и внутренних источников.
Еще одной отличительной чертой СПР является дружественный интуитивно-понятный интерфейс. Это реализуется за счет использования интерактивных ситуационных табло, позволяющих лицу, принимающему решение (ЛПР) взаимодействовать с системой в режиме реального времени. Ситуационные табло представляют из себя плавающие окна, на которых с помощью различных метафор (таблиц, графиков, структурных схем) визуализируется информация, происходит анимация последствий принимаемых решений. В СПР часто используется мощнейший инструмент изображения информации, привязанной к географической сетке координат. Это очень быстро развивающийся сегодня арсенал ГИС-технологий (ГИС -геоинформационные системы). Электронная карта СПР используется в качестве подложки при решении задач размещения объектов в пространстве.
Опыт создания СПР показывает, что в них хорошо решены задачи создания ХД, применения современных технологий анализа данных, таких как OLAP, Data Mining, однако инструменты сферы сценарного планирования, как основы процесса выработки решений, развиты недостаточно.
Для решения проблем НПК и задач, описанных в пункте 1.1, в СПР необходима возможность проведения сценарных расчетов и анимации результатов, для наглядной оценки принимаемых по реорганизации промышленных территорий решений. Для формирования и анализа сценариев развития территорий должен быть использован сценарный подход, представляющий собой определенным образом организованную итеративную исследовательскую человеко-машинную процедуру построения возможного сценария развития рассматриваемой системы. На вход данной процедуры должны подаваться данные о существующем состоянии и потенциале промышленных предприятий территории для выявления тех из них, которые могут быть безболезненно для города ликвидированы или выведены за его пределы для выделения земельного резерва под дальнейшее развитие.
По результатам сценарного исследования должен быть предусмотрен механизм согласованного выбора сценария всеми участниками переговоров. Все разрабатываемые инструменты должны иметь единый источник информации и строиться на основе технологии ХД. Аналитические приложения должны быть представлены в виде интерактивных ситуационных табло с возможностью представления информационного наполнения с помощью различных метафор.
Анализ применимости и выбор методов для моделирования социально-экономического развития территорий и методов принятия согласованных решений
В настоящее время насчитывается свыше 150 различных методов прогнозирования и моделирования, однако в практике исследования и управления социально-экономическими системами используется только 15 20, среди которых выделяют методы экспертного оценивания, логические методы моделирования и прогнозирования, методы межотраслевого баланса, математические, эконометрические и имитационные методы моделирования.
При принятии решений помимо объективных оценок, существуют и субъективные оценки ЛПР. Для их обработки могут быть применены экспертные методы. Они базируются на информации, которую поставляют специалисты-эксперты в процессе систематизированных процедур выявления и обобщения мнения. Экспертные методы прогнозирования хорошо себя зарекомендовали в случаях, когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования, при наличии высокой степени неопределенности информации, имеющейся в прогностической базе, или вовсе при отсутствии информации об объекте прогнозирования [28, 48, 80]:
Экспертные оценки являются современными научными методами и широко используются в прогнозировании. Естественной областью их применения является прогноз социально-экономического развития, определение его основных направлений и темпов. Они могут быть также широко использованы для определения возможных изменений в параметрах экономико-математических моделей развития социально-экономической системы под влиянием различных факторов и мероприятий организационного и финансового характера. В условиях неопределенности и нестабильности развития социально-экономической системы России методы экспертных оценок приобретают большое значение.
Математические методы прогнозирования могут быть применены для определения существующего состояния и потенциала территорий. Наиболее простым видом моделей данного класса являются трендовые модели, в которых подбирается аппроксимирующая функция исходя из лучшего совпадения с имеющимися данными [25].
Одним из важнейших инструментов моделей данного класс является метод эконометрического моделирования, который наиболее эффективен в случае систем с устойчивыми, стабильными тенденциями развития. В общем случае эконометрическая модель представляет собой систему регрессионных уравнений и тождеств.
Факторные модели описывают зависимость уровня и динамики того или иного показателя от уровня и динамики влияющих на него экономических показателей - аргументов или факторов. Факторные модели могут включать различное количество переменных и соответствующих им параметров.
Структурные модели описывают соотношения, связи между отдельными элементами, образующими одно целое или агрегат. Такие модели имеют матричную форму и применяются для анализа и прогноза межотраслевых и межрайонных связей. С их помощью описывается взаимосвязи потоков [33].
При разработке моделей, относящихся к моделям социально-экономического развития региона следует учитывать, что регион является сложной системой, в которой зависимости между элементами не могут быть описаны линейными функциями, протекающие в этой системе процессы недетерминированы, стохастичны и не допускают точного однозначного описания. Сложные системы характеризуются наличием огромного количества цепей обратной связи, положительных и отрицательных, между влияющими друг на друга элементами систем. Каждое данное состояние какого-либо элемента определяется практически всей і историей существования системы, всем множеством взаимных связей других элементов, влияющих на состояние этого элемента. Изменение состояний происходит не непосредственно под влиянием одного или нескольких процессов, не тотчас же, а с некоторой отсрочкой. Эти обстоятельства не позволяет применить для исследования территории, как сложной системы, хорошо развитый аналитический аппарат современной математики, который более приспособлен для исследования именно линейных зависимостей, присущих простым системам.
Поэтому в настоящее время на первый план выходит динамическое компьютерное моделирование социально-экономического развития территории, предполагающее автоматизацию процесса на базе современных информационных технологий. Имитационное моделирование является одним из наиболее мощных инструментов, используемых для анализа и синтеза сложных систем. В последнее время оно получило широкое распространение при создании систем устойчивого социально-экономического развития регионов и городов. Имитационные модели могут учитывать и неформализованные связи и характеристики прогнозируемой системы, поэтому они способны наиболее адекватно отобразить ее развитие. Однако именно описание таких неформализованных характеристик и представляет основную трудность при построении имитационных моделей. Основной проблемой для успешного построения динамической модели является задача адекватного определения сущности узловых элементов системы, важнейших характеристик и параметров их динамики, а также установления между ними связей, влияющих на динамику процесса развития региона [17, 20, 21].
Прогнозирование социально-экономических процессов на основе имитационных моделей представляет собой эксперимент с разработанной компьютерной моделью путем варьирования ее параметров структуры, входных и управляющих воздействий. При этом основной задачей эксперимента является конструирование из возможных вариантов некоторой стратегии, обеспечивающей достижение наилучших результатов [9].
Формирование системы аналитического мониторинга на основе индикаторов текущего состояния, потенциала и участия в бизнес - стратегии города промышленного предприятия
Результаты расчетов Ті, Pi, и Bi выводятся на ситуационные табло с помощью различных метафор, самыми преимущественными из которых, являются графики «рассеивания» (Рисунок 2-1). Задача заключается в том, чтобы расчетными методами можно было бы получить интегральную оценку финансовой устойчивости предприятия и сгруппировать предприятия с различными соотношениями индикаторов — ТІ, Pi, и Bi, ориентируясь на эффективное функционирование отрасли. Рисунок 2-1 Пример ситуационного табло системы аналитического мониторинга. Метафора - график "рассеивания". При этом рекомендуется рассматривать шесть групп предприятий: - 1-я группа. Значения Ті, Pi и Bi максимальны, то есть, предприятия имеют хорошее текущее состояние, высокий потенциал и вносят существенный вклад в бизнес стратегию города. - 2-я группа. Значения Ті, Pi и Bi минимальны, то есть, текущее состояние предприятий ниже среднего, потенциал низкий и не вносят вклада в бизнес стратегию города. - 3-я группа. Значение Pi и Bi — максимальны, а Ті минимально, то есть, предприятия имеют высокий потенциал и вносят существенный вклад в бизнес стратегию города, но текущее состояние — ниже среднего. — 4-я группа. Значение Pi и Bi — минимальны, а Ті максимально, то есть, предприятия имеют хорошее текущее состояние, но низкий потенциал и не вносят вклада в бизнес стратегию города. — 5-я группа. Значения Ті и Bi минимальны, a Pi — максимально, то есть, предприятия имеют плохое текущее состояние и не вносят существенный вклад в бизнес стратегию города, но потенциал — высокий. — 6-я группа. Значения Ті и Bi максимальны, a Pi — минимально, то есть, предприятия имеют плохое текущее состояние и не вносят существенный вклад в бизнес стратегию города, но потенциал — высокий.
Достижение поставленной цели предполагает, с одной стороны, возможность рассмотрения и анализ каждого предприятия в отдельности для определения его текущего состояния и потенциала, а, с другой стороны, возможность анализа территории в целом, как системы, включающей в себя перечисленные комплексы, в социальном (население, рабочие места) и экономическом (доходы, расходы, бюджет) аспектах [11, 32].
Кроме того, метод системной динамики позволяет оценивать и прогнозировать показатели социально-экономического развития территории при различных значениях сценарных параметров. Этот подход позволит провести необходимые оценки по сформированным сценариям реорганизации территории.
В качестве вариантов (альтернатив), рассматриваемых на имитационной модели, будут выступать «комбинации» застройки территории комплексами различных функциональностей и сценарии ее дальнейшего развития. При таком подходе основной целью будет выбор рационального варианта застройки участка, определяемого по следующим критериям: — Экономика (эффективность использования территории) — Бюджет (экономическая выгода - доходы и расходы) — Социальный фактор (качество жизни населения) — Экологический фактор (уровень загрязнения окружающей среды)
Основными упрощениями при моделировании будет рассмотрение территории как совокупности 6 подсистем (уровней): промышленные предприятия, жилой фонд, общественные организации, природный комплекс, население и экономика (бюджет), т.е. абстрагирование от сложности инфраструктуры города, и выделение 4-х вышеупомянутых групп критериев для оценки текущего состояния, целесообразности реорганизации и перспектив развития территории.
Индикаторы текущего состояния и потенциала предприятия используются для осуществления его перехода из состояния в состояние. Состояния предприятия описываются с помощью диаграмм-состояний (Рисунок 2-4), включающих следующие переходы: — Стабильное состояние (предприятие экономически развивается, объемы продаж растут, отсутствие кризисов и вероятности возможной ликвидации) — Проблемное состояние (микроэкономика предприятия находится в состоянии кризиса, спад объемов продаж, возможны увольнения).
Динамика развития остальных подсистем (жилой фонд, общественные организации и природный комплекс) не рассматривается в агентной модели и характеризуется темпами увеличения количества объектов (строительство, озеленение, иммиграция) и темпами сокращения количества объектов (снос, вырубка, эмиграция) в системно-динамической модели. Причем на темпы увеличения жилого фонда, количества общественных организаций и природного комплекса оказывают влияние коэффициенты затрат бюджетных средств на соответствующие объекты (чем ниже коэффициент затрат, т.е. фактические затраты, тем ниже темп строительства). Темпы строительства зависят от застроенности территории. Эта зависимость проявляется в ограничении на общую площадь застройки территории. То есть если вся территория застроена, то темпы строительства становятся равными нулю. При сносе каких-либо объектов на территории, земля освобождается, и строительство возобновляется. Темпы являются основными регуляторами модели и определяют количество объектов каждого типа. Основными источниками загрязнения окружающей среды являются промышленные предприятия и население (антропогенное воздействие), очищение обеспечивает природный комплекс [8]. Влияние, оказываемое на окружающую среду промышленным комплексом, определяется количеством предприятий и уровнем загрязнения каждого предприятия; уровень антропогенного загрязнения определяется численностью населения, а темп очищения окружающей среды - объемом природного комплекса.
В модели формируются следующие индикаторы социально-, экономического состояния территории: доступность жилья, уровень безработицы и затраты на население. Доступность жилья зависит от объема жилого фонда, численности населения, плотности заселения и средней численности семьи [88]. Уровень безработицы определяется как отношение занятого населения к общей численности населения. Коэффициенты затрат на жилой фонд и на душу населения определяются процентами отчислений из бюджета на соответствующие нужды. Перечисленные индикаторы и уровень загрязнения окружающей среды определяют уровень жизни.
Варианты ситуационных табло мониторинга реорганизации производственных территорий
На карте г.Москвы (ПЗ "Калошино") с помощью градиентной закраски и активизации заданного интервала значений (в га) обеспечивается отображение соответствугощих организаций, расположенных на данной производственной территории.
На карте г.Москвы (ПЗ "Калошино") с помощью градиентной закраски и активизации заданного интервала значений (в га) обеспечивается отображение соответствующих организаций, расположенных на данной производственной территории.
Витражи территориальных показателей позволяют проводить сравнительный анализ реорганизационных работ по конкретным организациям, расположенным в выбранной производственной зоне (ПЗ "Калошино"), а также с учетом их отраслевой принадлежности.
Средняя численность промышп енно -производственно го персонале Рисунок 3-6 Вариант 3. ситуационного табло аналитического мониторинга предприятий
На карте г.Москвы (ПЗ "Калошино") с помощью градиентной закраски и активизации заданного интервала значений (в га) обеспечивается отображение соответствующих организаций, расположенных на данной производственной территории.
Витражи численности персонала позволяют проводить сравнительный анализ кадровой ситуации по конкретным организациям, расположенным в выбранной производственной зоне (ПЗ "Калошино"), а также с учетом профессионально-отраслевой классификации трудовых ресурсов.
На карте г.Москвы (ПЗ "Калошино") с помощью градиентной закраски и активизации заданного интервала значений (в га) обеспечивается отображение соответствующих организаций, расположенных на данной производственной территории.
Витражи отображают данные по выбранным финансовым показателям в разрезе отраслевой принадлежности организаций указанной ПЗ. Рисунок 3-8 Вариант 5. ситуационного табло аналитического мониторинга предприятий
На карте г.Москвы (ПЗ "Калошино") с помощью градиентной закраски и активизации заданного интервала значений (в га) обеспечивается отображение соответствующих организаций, расположенных на данной производственной территории.
На карте г.Москвы (ПЗ "Калошино") с помощью градиентной закраски и активизации заданного интервала значений (в га) обеспечивается отображение соответствующих организаций, расположенных на данной производственной территории.
На карте России с помощью градиентной закраски и активизации заданного интервала значений обеспечивается отображение распределения количества публикаций в СМИ по заявленной тематике по субъектам РФ (с возможностью детализации до уровня населенного пункта). Наличие фильтров позволяет выводить данные по избранным интересующим аспектам.
Витражи распределения общего количества публикаций позволяют проводить сравнительный анализ и локализацию "точек повышенного внимания" к заявленной тематике в разрезе источников СМИ и географического положения. Календарь-органайзер обеспечивает визуализацию любых показателей и текстовых документов в привязке к дате (публикации СМИ, контракты, распоряжения, решения, платежные поручения и т.п.). Цветовая гамма заливки соответствует интервалу значений показателя.
На карте г.Москвы (ПЗ "Калошино") с помощью градиентной закраски и активизации заданного интервала значений (экологический класс) обеспечивается отображение соответствующих организаций, расположенных на данной производственной территории.
Таблица экологической характеристики позволяет проводить сравнительный анализ экологического состояния территорий по конкретным организациям, расположенным в выбранной производственной зоне (ПЗ "Калошино"). Рисунок 3-12 Вариант ситуационного табло сравнения сценариев реорганизации территории
Производственная зона расположена в северо-западной части Восточного административного округа, в границах управы Богородское, Метрогородок, Гольяново. Общая площадь территории промзоны в границах красных линий составляет 507 га. Территория промзоны с севера граничит с территорией Государственного национального парка «Лосиный остров» с вклиниванием территории жилого района «Метргородок». С востока граничит территория жилых кварталов района «Гольяново», с запада - малое кольцо МЖД и жилые кварталы района Богородское. Щелковское шоссе и Амурская улица являются планировочной границей с южной стороны. Рельеф участка слабовыраженный.
В непосредственной близости расположены станции метро «Черкизовская» и «Ул. Подбельского». Промзона №53 «Калошино» состоит из объектов промышленного, коммунально-складского, жилищно-коммунального, специального и общественного назначения.
В восточном административном округе расположено порядка 160 промышленных предприятий, на которых работают ориентировочно 40-45 тыс. работающих. Предприятия занимают порядка 725 га территории, что составляет 12 % от территории размещения всей промышленности Москвы и 4,7 % территории округа, причем из них большая часть (порядка 80%) расположены в промзонах округа. Наибольший удельный вес в отраслевой структуре занимают предприятия машиностроения - более 50% занимаемой территории, химической промышленности 10 %, легкой промышленности около 8%.
Промзона №53 «Калошино» занимает 507 га территории. Из них на 217 га расположены промышленные предприятия, что составляет около 38 % от промышленных территорий в промзонах Восточного округа. Количество занятых на промышленных предприятиях промзоны составляет порядка 17000 человек, это 38 % от занятых в промышленности округа. В отраслевой структуре промзоны представлены предприятия базовых отраслей промышленности. Предприятия машиностроения занимают порядка 66 га, что составляет 21 % территорий предприятий машиностроения округа. Наиболее крупные предприятия машиностроения: ОАО «Метромаш», ОАО «Сантехпром», ОАО «МЭЛ», ОАО «Московский экспериментальный завод №1». Предприятия пищевой промышленности занимают порядка 23 га территории - 63 % территорий предприятий пищевой промышленности округа. Наиболее крупные предприятия пищевой промышленности: ОАО «Русский продукт», ОАО «Черкизовский молочный завод», ОАО «Черкизовский мясоперерабатывающий завод», ГУП «Экспериментальный завод «Хдадопродукт» Российской Академии сельскохозяйственных наук». Предприятия деревообрабатывающее промышленности занимают порядка 17 га - 60 % территорий предприятий деревообрабатывающей промышленности округа. Отрасль представлена v. предприятиями: ОАО «ПЭФ СОЮЗ», ООО «ВОСХОД-МЕТИЗ», ОАО «Интарком», ОАО «Тарная фабрика». Предприятия отрасли стройматериалов занимают порядка 32 га территории - 45 % территорий предприятий отрасли стройматериалов округа. Отрасль представлена предприятиями: ОАО «МОСПРОМЖЕЛЕЗОБЕТОН», ЗАО «ЭЗОИС», ОАО «Строительно промышленная компания Мосэнергострой». Предприятия легкой промышленности: ОАО «Сокол», ОАО «Поиск» занимают 3,3 га территории - 6 % территорий предприятий легкой промышленности округа.
