Содержание к диссертации
Введение
Глава 1. Проблемы использования современных программных средств в автоматизированной системы делопроизводства 11
1.1. Особенности организации ДОУ на базе системы Lotus 12 Notes/Domino
1.2. Базы данных в ДОУ 23
1.3. Системы искусственного интеллекта в ДОУ 40
Выводы 50
Глава 2. Проблемы интеграции информационных технологий в ДОУ 51
2.1. Принципы организации функционирования автоматизированной системы делопроизводства 51
2.2. Интеграция автоматизированной системы делопроизводства и оптимизационных компьютерных технологий 78
2.3. Анализ возможных интеграционных платформ для 86
поддержки принятия решений в ДОУ
Выводы 96
Глава 3. Экономико-математическая модель и алгоритмы оптимизации маркетингового планирования 97
3.1. Математическая модель оптимального маркетингового планирования 97
3.2. Содержательное описание соотношений модели 104
3.3. Аналитические методы решения задачи 110
3.4. Универсальный алгоритм оптимизации 112 Выводы 113
Глава 4 Применение оптимизационных информационных технологий поддержки принятия решений в ОАО «Аэрофлот» 115
4.1. Структура исходной информации, источники информации и способы сбора данных 115
4.2. Рабочие места и ситуационная комната 117
Выводы 127
Выводы и результаты исследования 128
Литература
- Системы искусственного интеллекта в ДОУ
- Интеграция автоматизированной системы делопроизводства и оптимизационных компьютерных технологий
- Содержательное описание соотношений модели
- Рабочие места и ситуационная комната
Введение к работе
Актуальность темы исследования. Информационное
(документационное) обеспечение управления к настоящему времени превратилось в область деятельности, которая обеспечена достаточно эффективными техническими и программными специализированными средствами. Электронный документооборот переживает период быстрого роста во всем мире. По данным журнала «Профиль»1 сегодня все крупные и средние предприятия в мире имеют системы с функциями электронного документооборота. Автоматизация документационного обеспечения управления (ДОУ) обеспечена за границей более чем на 70-80%. В российской финансовой отрасли - более, чем на 50%, в остальных отраслях — не более 20%.
В частности, документе - ориентированные программные комплексы, например, Lotus Notes/Domino, обеспечивают коллективную работу с документами в сетевой среде. При этом, полностью обеспечивается полный жизненный цикл документа, начиная с его создания и заканчивая списанием в архив. Совместимая с Lotus Notes/Domino реляционная база данных (БД) (например, DB2 или Orakl) позволяет автоматизировать подготовку документов и их анализ.
Сказанное, разумеется, не означает, что все технические, программные и методические проблемы ДОУ исчерпаны. В настоящее время особенно актуальной становится проблема интеграции в ДОУ оптимизационных методов поддержки принятия решений (ПНР). Экономическая эффективность автоматизации ДОУ достигается именно при применении оптимизационных методов принятия решений. Размер экономического эффекта существенно зависит от конкретных особенностей предприятия,
'См:
Энциклопедия автоматизации делопроизводства и документооборота. М: НТЦ ИРМ, 2004.
«ЕВФРАТ-Документооборот», Cognitive Technologies Ltd.
«і-Комплекс», М.: ПО Комплектсервис, 2004.
А. Давыдов. Основной спрос на документооборот в России еще впереди. M.: Профиль, июнь 2004.
М. Сорочин. Выбор системы документооборота. М.: СЮ, 2003.
применяемой системы автоматизации ДОУ и методов оптимизации. По данным литературных источников экономический эффект может достигать 3%, а в некоторых случаях и 11% процентов от прибыли.
Вместе с тем применение математических методов оптимизации до настоящего времени остается задачей, в значительной мере обособленной от ДОУ. Как правило, для применения математических методов оптимизации необходима разработка соответствующих экономико-математических моделей, сбор и анализ данных, привлечение высококвалифицированных специалистов. Применение оптимизационных методов или систем искусственного интеллекта оказывается, как правило, разовым или, в лучшем случае, эпизодическим.
Такое положение дел имеет ряд объективных причин, в частности, оно порождается специфическими трудностями, связанными с необходимостью применения сложной математики и специального программного обеспечения.
Это положение существенно изменяется в связи с разработкой современных оптимизационных компьютерных технологий (ОКТ). Важное значение имеет возможность с применением современных инструментальных средств исследовать равновесие на рынках, решать маркетинговые задачи, снижать исходную неопределенность за счет оптимизации, учитывать логические связи. Это открывает принципиально новые возможности для создания в рамках ДОУ удобных для управленческого персонала подсистем ППР, которыми может активно пользоваться персонал, не владеющий математической или иной специальной подготовкой. При этом ППР в ДОУ может использоваться для анализа информации, прогнозирования, исследования сценариев, подготовки справочных материалов и проектов решений.
Подсистема ППР в ДОУ, основанная на применении ОКТ способна снабдить руководство компании информацией, которая, с одной стороны,
Там же
может иметь определяющее значение для принимаемых решений и, которую, с другой стороны, принципиально невозможно получить каким-либо иным способом. Это касается всех уровней управления в производственной, финансовой и экономической областях, как в штатных, так и в кризисных ситуациях.
В целом, таким образом, проблема создания подсистем ГШР в ДОУ носит комплексный характер, требует учета специфических особенностей предприятия или организации. Тем не менее, несмотря на трудоемкость, данный подход экономически оправдан, причем не только на крупных предприятиях с распределенной структурой, но так же на средних и даже малых предприятиях. Создание в рамках ДОУ подсистем ППР способно поднять эффективность управления на качественно новый уровень.
Все названные проблемы применения методов ППР в ДОУ, с одной стороны, имеют важное практическое и теоретическое значение но, с другой стороны, до настоящего времени остаются недостаточно разработанными, чем и определяется актуальность темы диссертационного исследования.
Целью диссертационного исследования является разработка методического и математического обеспечения поддержки принятия решений в системе ДОУ на базе оптимизационных технологий.
Для достижения указанной цели в диссертации были поставлены и решены следующие задачи:
1. Сформулированы научно-методические проблемы создания подсистем
ППР в ДОУ крупных компаний.
Разработана обобщенная экономико-математическая модель маркетингового планирования.
Разработаны аналитические методы решения экономико-математической модели маркетингового планирования.
4. Разработан универсальный алгоритм поиска решения экономико-
математической модели маркетингового планирования.
Определены источники информации и формы представления исходной информации, формы и графики выходной информации.
Определены инструментальные средства для ППР в ДОУ и разработаны способы интерпретации результатов оптимизационных расчетов.
7. Выполнены практические расчеты и получен экономический эффект.
Решение этих задач обеспечивает возможность проводить анализ рынка,
маркетинговое планирование объемов предоставляемых услуг и цен на них, а также прогнозировать конъюнктуру.
Объектом исследования является государственные и коммерческие предприятия, поставляющей на рынок товары или услуги.
Предметом исследования модели и методы, обеспечивающие организацию оптимизационных технологий поддержки принятия управленческих решений.
Методология исследования. Теоретическую и методологическую базу исследования составляет системный подход к моделированию сложных социально-экономических систем, основу которого составили ключевые положения микроэкономики, кибернетики, общей теории систем экономико-математического моделирования.
В ходе проведения исследований использовались труды отечественных и зарубежных ученых в области ДОУ. При решении конкретных задач были использованы научные работы в области теории вероятностей, математической статистики, статистической оптимизации, искусственного интеллекта.
Диссертационная работа по своему содержанию соответствует Паспорту специальности 08.00.13 - Математические и инструментальные методы экономики пункты 1.4 и 2.3.
Научную новизну содержат следующие положения.
Сформулированы научно-методические проблемы создания подсистем ГШР в ДОУ в крупных компаниях, использование которых позволяет формализовать процесс поддержки принятия управленческих решений;
Проведен анализ программных платформ по организации ДОУ, с целью интеграции документооборота предприятия с оптимизационными технологиями принятия решений.
3. Разработана обобщенная экономико-математическая модель
маркетингового планирования, базирующаяся на принципе равновесия на
товарном рынке или рынке услуг. С помощью этой модели можно
осуществлять прогнозирование платежеспособного спроса, ожидаемых
объемов продаж и цен. Модель учитывает основные факторы и показатели,
определяющие конъюнктуру рынка, а так же основные внутренние условия
работы фирмы и стимулы, определяющие ее поведение на рынке.
Разработан универсальный алгоритм поиска решения экономико-математической модели маркетингового планирования, который позволяет приближенно находить решение среди реализаций FACTgood, получаемых в статистических испытаниях с помощью соответствующих имитационных моделей и без каких-либо аналитических аппроксимаций.
Выведена формула аналитического алгоритма при допущениях, издержек Z1 и Z2 являются линейными, с помощью которой можно получать оптимальные решения исходной задачи.
Проведен анализ источников информации и формы представления исходной информации, формы и графики выходной информации, а также аналитические расчеты, которые интересуют руководство предприятия.
7. На основе экспериментальных расчетов по формированию
маркетингового плана предприятия показана применимость и экономическая
эффективность предложенной технологии поддержки принятия решений на
базе ДОУ.
Практическая ценность работы заключается в том, что основные положения, выводы и рекомендации диссертации ориентированы на широкое
применение математических и инструментальных программных средств для создания подсистем ППР в ДОУ.
Проведенные исследования и полученные результаты составляют теоретическую и практическую основу экономико-математического моделирования при решении задач маркетингового планирования в режиме диалога на рабочих местах и в ситуационных комнатах. Разработанная модель, аналитические методы и алгоритмы оптимизации направлены на решение практической задачи - повышения эффективности управления предприятием. Результаты исследований доведены до конкретных методик, алгоритмов и рекомендаций.
Основные результаты исследования, имеющие практическое значение -это инструментальные средства, реализующие комплексные методики решения задач маркетингового планирования в рамках ДОУ.
Апробация и внедрение результатов исследования.
Проведенные в диссертации исследования непосредственно связаны с реализацией Федеральных целевой программы «Электронная Россия», а также планами научно-исследовательских работ ВНИИПВТИ по региональной информатизации.
Для компании ОАО «Аэрофлот», на базе разработанной автором макета программной системы, которая выполнялась в рамках Договора № 28/4.1/2005 от 17 июля 2005 г. и Договора № 01/03-03 от 29 марта 2007 г., проводились экспериментальные исследования для маркетингового планирования объемов продаж и цен на авиаперевозки. В частности, в работе компании ОАО «Аэрофлот» был использован экспериментальный участок подсистемы поддержки принятия решений (ППР) в системе электронного документооборота. Подсистема ППР в ДОУ использовалась для планирования объемов авиаперевозок на направлении Москва-Сеул в режиме советчика, а так же для оптимизации цен. Иначе говоря, рекомендации, полученные от подсистемы, проверялись специалистами, сравнивались с рекомендациями, полученными традиционными методами и,
в случае их эффективности, были рекомендованы для принятия.
Результаты подтвердили работоспособность подсистемы и ее экономическую эффективность.
Теоретические и практические результаты диссертации были использованы при чтении курса «Информационные технологии управления» для студентов факультета Информатики Российского государственного гуманитарного университета.
Основные положения диссертации докладывались и получили одобрение на следующих конференциях и семинарах: Международной НТК «Информатизация и глобализация экономических процессов в XXI веке: теория и практика»(Москва, ВЗФЭИ, 2006); XIII Международной НІЖ «Документация в информационном обществе: современная технология документооборота» (Москва, ВНРШДАД, 2006), а также кафедре «Автоматизированной обработки экономической информации» ВЗФЭИ и кафедре «Математических методов обработки информации» РГГУ.
Публикации. По теме диссертации опубликовано 3 научных работы (авторский объём 1,6 п.л.).
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложения, содержащего акт о внедрении. Общий объем диссертационной работы 130 страниц, содержащих машинописный текст, 15 рисунков и 22 таблицы.
Системы искусственного интеллекта в ДОУ
Системы искусственного интеллекта (СИИ) используются для обработки информации в БД, как компоненты БД и как средства для предоставления информационных услуг при принятии решений. Вместе с тем, СИИ могут явится и инструментами для ДОУ.
Отчасти, рассмотренные ранее методы обработки информации в БД являются одновременно СИИ. При этом, однако, возникает новый важный аспект обработки данных, на рассмотрении которого мы и остановимся в данном параграфе.
Модель представления знаний (МПЗ) - является основным понятием при разработке систем искусственного интеллекта (СИИ). Под «представлением знаний» (нотацией) понимается соглашение о способе описания предметной области (ПрО) (понятия и отношения). МПЗ определяет форму представления знаний и является формализмом, призванным отобразить объекты, связи между ними и отношения, иерархию понятий и изменение отношений.
Выбор МПЗ важен потому, что, во-первых, существует большое их разнообразие, во-вторых, размыты критерии выбора и, в-третьих, при неудачном выборе МПЗ СИИ становится не работоспособной или не реализуемой.
Проблемы представления знаний в компьютерных системах решаются на трех уровнях: техническом - реализация сложных представлений знаний, требующая электронно-вычислительной техники (ЭВТ) с чрезвычайно сложной функциональной архитектурой, обеспечивающей параллельные вычисления и гарантирующей протекание процесса представления в режиме реального времени, а также мощными запоминающими устройствами; программном (логическом) - создание программ, которые обеспечивают выполнение всех алгоритмов, необходимых для представления знаний; концептуальном - выработка концепций, моделей, образующих методологию искусственного интеллекта.
В СИИ используются в основном четыре типа МПЗ: логические, продукционные, семантические сети и фреймы.
Логические схемы представляют знания в виде формул, которые состоят из констант, переменных, функций, предикатов, логических связок и кванторов. Каждая логическая формула дает частичное описание состояния ПрО. В основе всех логических схем представления знаний лежит понятие формальной системы, задаваемой четверкой: M= T,P,A,F где Г- множество базовых элементов (алфавит формальной системы); Р - множество синтаксических правил, позволяющих строить синтаксически правильные выражения А из Т; А - множество априорно истинных аксиом (любое множество синтаксически правильных выражений); F - правила вывода, позволяющие расширять множество аксиом.
Среди реализаций логических схем представления знаний различают системы дедуктивного типа (имеют фиксированную систему правил вывода) и индуктивного типа (правила вывода порождаются системой на основе конечного числа обучающих примеров).
В логических схемах синтаксис задается набором правил построения правильных синтаксических выражений, а семантика - набором правил преобразования выражений и разрешающей процедурой, позволяющей однозначным образом и за конечное число шагов определить, является ли данное выражение семантически правильным.
Достоинства: высокий уровень модульности знаний, лаконичность представления, наличие тела анализа и определение понятия логического вывода, позволяющее получить формальным путем новые знания.
Недостатки: чрезмерный уровень формализации знаний; слабая наглядность, трудность прочтения логических формул и сложность их
понимания; низкая производительность СИИ при отработке знаний и большая требуемая память; отсутствие выразительных средств для отражения особенностей ПрО и структурирования знаний; громоздкость при описании больших объемов знаний.
Логические схемы в силу присущих им недостатков самостоятельно применяются в СИИ крайне редко. Обычно они используются в сочетании с другими МПЗ. Продукционные модели (ПМ) ранее нами были рассмотрены достаточно подробно. Напомним, что правила продукции задаются в виде выражений: ЕСЛИ условие ТО действие; ЕСЛИ причина ТО следствие; ЕСЛИ ситуация ТО решение. В дополнение к сказанному отметим, что продукционные модели могут быть реализованы как процедурно, так и декларативно. В процедурных системах присутствуют три компонента: база данных, продукционные правила и интерпретатор, который последовательно определяет, какие продукции могут быть активированы. При этом, база данных представляет собой переменную часть, а правила и интерпретатор не изменяются.
Применение каждого текущего продукционного правила изменяет ситуацию на объекте, поэтому на следующем цикле нужно проверить весь набор правил, пока не встретиться условие останова. И левая и правая часть правила строятся на основе знаний в виде «объект-атрибут-значение» или более сложных конструкций, построенных на их основе.
Продукционные системы используют модульный принцип организации знаний (этим они отличаются от традиционных систем, т.к. те используют модульный принцип организации алгоритмов). В продукционных моделях предполагается полная независимость правил продукции (эвристик) друг от друга. Это значит, что правило продукции одного уровня иерархии не может вызвать другое правило продукции того же уровня.
Интеграция автоматизированной системы делопроизводства и оптимизационных компьютерных технологий
Способы автоматизированной обработки управленческой экономической информации определяются не только потребностями высшего руководства и структурных подразделений Компании в решении разнообразных задач управления, но так же возможностями, которые предоставляет современная наука в области экономико-математического моделирования и принятия решений.
В последнее время, в частности, большое значение уделяется проблеме неопределенности в экономике. Смысл этой проблемы состоит в осознании того факта, что исходная информация, предоставляемая для принятия любых экономических решений, неизбежно является не полной и не точной, зависящей от многочисленных внешних, в том числе субъективных факторов.
В частности, Компании действует на рынке по оказанию транспортных услуг. Все основные характеристики этого рынка, которые в значительной мере определяют экономические результаты, зависят от таких факторов, как спрос на транспортные услуги, предпочтения покупателей, действий конкурентов, внутри экономической и внешнеэкономической конъюнктуры. Неопределенность создает экономические риски (конъюнктурные риски), которые, в конечном итоге, и определяют поведение субъектов рынка (одним из которых является Компании), а так же экономическую эффективность этого поведения.
Для решения экономических и маркетинговых задач с учетом неопределенности разработаны специальные высокоэффективные методы, которые позволяют в процессе решения существенно (на 1 - 2 порядка) снижать неопределенность за счет оптимизации.13
Учет наличия неопределенности имеет особенно большое значение при решении задач, связанных с анализом ситуации на рынке и с нормированием.
Методологические проблемы маркетингового планирования и производственного планирования, а так же нормирования, это прежде всего проблемы учета в рамках математической модели сочетания функций плана, конкретных экономических, организационных и административных форм осуществления этих функций, технологических и технических особенностей осуществления плановых заданий.
Каждая из математических формулировок задачи планирования (балансовая модель, модели линейного, нелинейного, динамического, дискретного, стохастического программирования и др.) воплощает некоторую совокупность методологических принципов планирования, которые в каждом конкретном случае могут оказаться адекватными или неадекватными той или иной практической задаче планирования. Иными словами, различные математические формулировки задачи планирования позволяют с разной полнотой и в различном сочетании учитывать такие особенности производства и управления, как характер производства (дискретность и непрерывность), структура производства (наличие горизонтальных и вертикальных связей в системе управления, наличие иерархической соподчипенности), динамика производства и т. п.
Анализируя методологические свойства основных математических формулировок задачи планирования и нормирования, можно увидеть, что эти достаточно разнообразные формулировки не полностью охватывают все многочисленные и важные в практическом отношении ситуации. Более того, встречаются такие задачи планирования, которым не адекватна ни одна из названных математических формулировок.
В частности, ни одна из названных математических формулировок задачи планирования не позволяет с необходимой точностью и полнотой учесть стимулирующую функцию плана или норматива, иначе говоря, экономический риск связанные с не выполнением плана или норматива и экономический риск от его перевыполнения в виде не рациональных затрат. Это непосредственно видно из того, что все названные математические формулировки задачи планирования, будь то матричная или условно-экстремальная модель, модель детерминистическая или стохастическая, предполагают, что теоретически найденный (т. е. найденный в результате решения математической задачи) план (обозначим его Хт) будет строго и точно выполнен и фактические значения планируемых показателей (обозначим Хф) будут неотличимы от теоретических, т. е. Хт = Хф.
Напротив, предположение, что факт может отличаться от плана, т. е. что ХТ ХФ лишает смысла любую из названных математических формулировок задачи планирования. Например, какой смысл искать оптимальный план Xх, служащий решением задачи линейного программирования:
СХ - max, АХ В, Х 0, если заведомо известно, что фактические значения будут отличаться от теоретически рассчитанного плана? Это же можно сказать, если модель нелинейная либо дискретная или сведена к одной из стохастических постановок: жесткой, двух- или многоэтапной, игровой, с вероятностными ограничениями, со случайным планом и решением.
Содержательное описание соотношений модели
Модель, предложенная в предыдущем параграфе имеет достаточно сложную структуру и допускает разнообразные варианты содержательной интерпретации. Причем содержательная интерпретация модели определяет возможные направления ее практических приложений. Содержательная интерпретация в данном случае не является простой или чисто технической задачей. В данном параграфе мы остановимся на рассмотрении этих вопросов.
Множество W потенциальных покупателей товаров или услуг (клиентов) -образует один из целевых секторов рынка, иначе говоря, это физические или юридические лица, для удовлетворения некоторых потребностей которых и намечается производство товара, либо услуги. Подмножества Vj , і = 1 IR, k = 1,..,К множества W, выделенные на основе признаков Qk, k = 1,...,К (причем каждый признак к может выделить конечный набор подмножеств с номерами і = 1,...,Ik) - это категории клиентов в пределах рассматриваемой целевой категории. Так, например, если речь идет об услугах авиаперевозок на определенном направлении, то W представляет собой множество всех потенциальных пассажиров данного направления перевозок, то Vj,k, і = 1 U, k = 1,..,К представляют собой категории пассажиров, выделенные по возрасту, доходу, мотивации перелетов.
Признак Qk есть отображение W в множество значений признака Ок. Иначе говоря: Qk: W - 0 В простейшем случае множество Ок может состоять из двух элементов, например, «Да» и «Нет», либо «О» и «1». Иначе говоря если w є W и Qk(w) є Ок, то клиент W принадлежит категории к.
Очевидные требования, чтобы, во-первых, охватить всех потенциальных клиентов, во-вторых, чтобы деление клиентов на категории было таким, чтобы ни один клиент не мог оказаться клиентом более, чем одной категории и, в-третьих, чтобы не было ни одного клиента, не принадлежащего ни одной категории, выражается условиями: v/,v ViV/ .V Введенные обозначения являются достаточно универсальными. Сами по себе они не ограничивают область возможных приложений. Они в равной мере могут быть отнесены к любому рыночному товару или услуге.
Доходы покупателей подвержены многочисленным случайным воздействиям и в принципе могут быть охарактеризованы некоторым законом распределения вероятностей. То, что доходы образуют вероятностное пространство означает в данном случае лишь допущение о существовании распределения вероятностей, но не предполагает знания этого закона. В частности, как мы увидим в последующем изложении, для решения задач маркетингового планирования с применением алгоритма, предложенного в следующем параграфе, достаточно иметь возможность получать реализации с помощью имитационных моделей. Сказанное относится не только к доходам, но и к другим вероятностным пространствам, использованным в предложенной модели.
Понятие вероятностного пространства является наиболее точным и наиболее универсальным применительно к случайным величинам. В равной мере это понятие применимо и к случаю субъективной вероятности, то есть к случаю, когда речь идет не о каких-либо реальных статистических массивах, а о экспертных оценках прогнозируемых величин. В частности, при решении задач маркетингового планирования основными источниками исходной информации являются именно экспертная информация.
Разные категории потенциальных клиентов имеют разные законы распределения вероятностей значений доходов. При этом очевидно, что количества вариантов законов распределения вероятностей не больше количества категорий потенциальных клиентов. Так что не любой закон распределения вероятностей доходов является отображением какой-либо реальной ситуации. Так что совокупность реальных законов распределения вероятностей доходов не исчерпывает всех возможных вероятностных мер на R. Сказанное мы отмечаем для общности изложения, хотя содержание этого утверждения уже вытекает из того факта, число категорий клиентов конечно и, как правило, не велико, в то время как мощность множества законов распределения вероятностей над полем действительных чисел не меньше мощности множества действительных чисел.
Требование, чтобы модель была разрешима, делает необходимым принимать некоторые упрощающие и предположения. В частности, мы принимаем допущение, что каждый покупатель имеет индивидуальный закон распределения вероятностей распределения доходов, который совпадает с индивидуальными законами распределения вероятностей доходов распределения вероятностей доходов других покупателей этой категории.
Важное значение имеет учет времени. Дело в том, что все характеристики рынка остаются относительно стабильными только в определенном промежутке времени, причем этот промежуток времени может быть очень коротким. Стабильность имеет значение так же и для определения длины планового периода. Соотношение между длиной планового периода и стабильностью имеет важное самостоятельное значение и подробное рассмотрение этих вопросов выходит за рамки нашего рассмотрения. Тем не менее, необходимо отметить, что длина планового периода определяется, с одной стороны, технологическими и организационными вопросами и, с другой стороны, требованием стабильности.
Чтобы согласовать эти условия в некоторых случаях может оказаться необходимым выбирать периоды относительной стабильности и составлять планы продаж для этих периодов, а затем объединять их до размера, необходимого по технологическим и организационным условиям.
Итак, пара: {VI RJQ ,Р/,А)} характеризует категорию клиентов по заданным признакам и распределение вероятностей их доходов в определенный период времени Т, а совокупность: {Viik,(R,QR,p/jfc)}T, і =1,..., Ik, k = 1,..,К -весь массив клиентов на рассматриваемом секторе рынка.
Рабочие места и ситуационная комната
Планы разрабатывается в режиме диалога. При этом применяются математические оптимизационные методы и алгоритмы, предложенные в главе 3 и учитываются все основные факторы, определяющие конъюнктуру на рассматриваемом секторе рынка в рассматриваемом периоде времени. В частности, при планировании пассажироперевозок учитываются такие факторы, как доходы основных категорий клиентов, их предпочтения, конкуренция, сравнительное качество обслуживания и др. При планировании грузоперевозок учитываются такие факторы, как структура грузооборота, конкуренция, сравнительное качество обслуживания и др.
Показатели представленные в таблице, показанной на рисунке 4, образуют систему: изменение любого из них ведет к изменению всех остальных. В частности, рекомендуемый объем авиаперевозок может быть достигнут только при предлагаемой средней цене. Причем именно предлагаемое сочетание объема перевозок и средней цены обеспечивают либо получение максимальной прибыли, либо, достижение максимально возможной доли на рыке (в зависимости от тактических и стратегических целей компании на рассматриваемом секторы рынка на рассматриваемый промежуток времени).
Показатель «(Риск завышения)/(Риск занижения)» характеризует насколько отступление от рекомендуемых значений показателей в сторону увеличения более рискованно (если «(Риск завышения)/(Риск занижения)» больше единицы) или менее рискованно (если меньше единицы), чем такое же по величине отступление в сторону уменьшения. Этот показатель имеет особенно большое значение в кризисных ситуациях и в случае, если Компании на рассматриваемом секторе рынка занимает значительную долю (является олигополистом или монополистом). В этом случае компания имеет возможность влиять на устойчивость рынка и принять меры для его стабилизации.
Выбирая «активную тактику поведения», либо «пассивную тактику поведения» можно ориентироваться на значение показателя «(Риск завышения)/(Риск занижения)». При этом, под активной тактикой поведения понимается инициатива в изменениях цен или объемах предлагаемых услуг. Если показатель «(Риск завышения)/(Риск занижения)» существенно больше единицы то активность может вызвать такую реакцию клиентов, которая вынудит компанию к новым подобным инициативам, что, в конечном итоге приведет к быстро возрастающим колебаниям. При этом, рынок идет «в разнос» и, не исключен обвал. Если же показатель «(Риск завышения)/(Риск занижения)» существенно меньше единицы то активность может быть не только полезной, но и необходимой для увеличения прибыли или доли на рынке (сохранения статус-кво или минимизации потерь).
При наличии подсистемы ПНР в ДОУ имеется возможность в режиме диалога строить прогностические зависимости прибыли и объемов от намечаемой цены. Характерный пример зависимости прибыли от цены показан на рисунке 13.
Предметная область включает набор объектов, каждый из которых имеет структуру, показанную на рис. 16. Объект, свойство и признак могут иметь собственное индивидуальное название. При этом, признак может быть названием или списком названий (ссылками на названия) других объектов.
Каждый объект может иметь индивидуальное число свойств, а каждое свойство - индивидуальное число признаков. Признак может иметь только конкретный вид значения, иначе говоря, быть цифрой, текстом, рисунком и т.д. (см. рисунок 15). - обеспечения возможности централизованного хранения информации в реляционной базе данных при этом выборка может быть сделана для любого набора объектов, свойств, или признаков; - автоматизированного анализа информации с применением методов ГТП; - автоматизированного формирования документов: если объект содержит обращение к другим объектам, то информация, содержащаяся в этих объектах может автоматически заполняться как для входных так и для выходных документов; - разработки процедур автоматического извлечения исходной информации из БД и записи результатов оптимизационных расчетов в БД.
Ниже приведены объекты предметной области, обеспечивающие работу подсистемы 111 IP в ДОУ для предприятия, предоставляющего услуги авиаперевозок. ПрО включает объекты: Представительство; Объем пассажирских перевозок; Продажи пассажирских перевозок; Продажи грузовых перевозок; Трансфертные пассажиры; Пассажирские перевозки; Регион; Направление; Конкуренция; Рейс; Аэропорт; Расписание; Канал продаж; Линия (маршрут); Коммерческая работа. Каждый объект представлен в виде соответствующей таблицы, которая одновременно является электронной формой документа.
