Содержание к диссертации
Введение
1 Анализ развития направления компьютерной поддержки принятия решений при управлении сложными системами 14
1.1 Информационные системы в рамках системного анализа 14
1.2. Анализ существующих методов и приемов поддержки принятия решений 18
1.2.1 Обобщенная схема поддержки принятия решений . 19
1.2.2 Методы поддержки принятия решений. 21
1.3 Анализ существующих систем поддержки принятия решений. 31
1.3.1 Применение систем поддержки принятия решений в различных областях деятельности. 31
1.3.2 Системы поддержки принятия решений 32
1.3.3 Системы поддержки решений 40
1.4 Цели и задачи исследования. 47
1.5 Выводы. 49
2 Математический аппарат поддержки принятия решений для управления сложными системами . 51
2.1 Математическая модель информационной системы поддержки принятия решений. 51
2.2 Теоретическое описание методов поддержки принятия решений 61
2.2.1 Метод оценки альтернатив по Парето. 65
2.2.2 Метод многокритериальной оптимизации с использованием интегрального критерия. 68
2.2.3. Метод экспертной оценки предлагаемых альтернатив при принятии решений в сложных системах 73
2.3 Концепция применения методов поддержки принятия решений для управления сложными системами. 77
2.4 Выводы.
3 Разработка алгоритмов и выбор средств создания программного обеспечения системы поддержки принятия решений 82
3.1 Алгоритм работы поддержки принятия решений для управления сложными системами. 85
3.2 Обоснование выбора технологии программирования 93
3.2.1 Сравнение INTERBASE с SYBASE SQL SERVER, MS SQL SERVER 95
3.2.2 Архитектура работы INTERBASE. 97
3.23 Обоснование выбора языка программирования. ... 102
3.3 Описание механизмов доступа к базе данных на основе выбранных технологий 105
3.4 Выводы 111
4 Разработка системы поддержки принятия решений «СОЛЯРИС» для управления региональной тарифной политикой на электрическую И; тепловую энергию 113
4.1 Анализ процесса управления тарифной политикой на региональном рынке поставщиков электрической и тепловой энергии ..114
4.2 Корректировка значения «идеальной точки» тарифов на энергоресурсы в соответствии с локальными требованиями 122
4.3 Алгоритм поддержки принятия решений СППР «СОЛЯРИС»... 123
4.4 Применение метода многокритериальной оптимизации Парето и оптимизации при помощи интегрального критерия в СППР «СОЛЯРИС».. 129
4.5 Структура БД СППР «СОЛЯРИС» 139
4.6 Описание СППР «Солярис» и ее применения при анализе тарифов на энергоресурсы 141
4.7 Выводы 144
5 Применение системы поддержки принятия решения и анализ эффективности в задачах расчета и анализа тарифов на электрическую и тепловую энергию 146
5.1 Описание применения системы поддержки принятия решений при управлении тарифами на энергоресурсы в Краснодарском крае
5.1.1 Характеристика и анализ предприятий в группах 148
5.1.2 Расчет и анализ данных предприятия и экспертов РЭК 150'
5.1.3 Анализ отклонений и расчет коэффициентов завышения тарифов от «идеальной точки» 154
5.1.4 Использование процедуры оптимизации с использованием выведенных коэффициентов 164
5.2 Анализ экономической эффективности и оценка перспектив развития 167
5.3 Выводы ... 172
Заключение 174
- Обобщенная схема поддержки принятия решений
- Теоретическое описание методов поддержки принятия решений
- Обоснование выбора технологии программирования
- Анализ процесса управления тарифной политикой на региональном рынке поставщиков электрической и тепловой энергии
Введение к работе
В настоящее время, с ростом объемов и учетом недостоверности информации, возникают трудности при управлении сложными системами. Под термином «недостоверная информация» подразумевается искаженный или неполный объем данных об объекте. Она возникает в случае изменения или трактовки показатели работы предприятия в свою пользу, получая при этом дополнительную прибыль или преимущества в управлении. Построение и эффективное использование сложных систем является актуальной задачей во многих отраслях человеческой деятельности. Современные условия управления и принятия решений в таких системах ставят задачу повышения уровня оперативности и качества обработки поступающей информации, устранения неопределенности при ее анализе, выработки правильных, выверенных по многим факторам решений. Поэтому еще более актуальной задачей является создание систем поддержки принятия решений (СППР), которые помогали бы лицу принимающему решения (ЛПР) работать с недостоверной информацией. Еще до недавнего времени при управлении сложными системами средства автоматизации использовались не в полной мере. В этой связи, имела место весьма высокая трудоемкость процесса управления, и как вследствие этого - недостаточная оперативность и точность проводимых работ. Кроме того, возникали проблемы предоставления результатов для принятия управленческих и иных решений. Все это остро поставило вопрос о создании системы поддержки принятия решений при управлении сложными системами.
Исходя из вышеизложенного, диссертационная работа посвящена актуальной научно-технической задаче разработки математической модели, и программного обеспечения СППР для помощи в управлении сложными системами в условиях недостоверной информации.
Объект исследования: информационные системы, работающие в условиях недостоверной информации.
Предмет исследования: математическое и программное обеспечение системы поддержки принятия решений для управления системами в условиях недостоверной информации.
Целью диссертационной работы является совершенствование методологии, математической модели, разработка алгоритма и программной реализации системы поддержки принятия решения для управления системами в условиях недостоверной информации..
Для достижения цели в работе поставлен и решен ряд задач:
осуществлен анализ структуры сложных систем, а также существующих теоретических и практических работ в области поддержки принятия решений. Проведено сопоставление методов и систем поддержки принятия решений с задачами, решаемыми в народно-хозяйственном комплексе;
усовершенствована концепция применения методов поддержки і принятия: решений для управления сложными системами. Разработана последовательность применения методов поддержки і принятия решений для различных этапов управления сложной системой;
усовершенствована структура и выдвинуты требования к системе поддержки: принятия решений. Предложен алгоритм поддержки принятия решений для: управления сложными системами;
выбраны средства для создания системы поддержки принятия решений;
-- усовершенствован алгоритм поддержки принятия решений для управления региональной тарифной: политикой на основе предложенного алгоритма поддержки принятия решениями для управления сложными системами при недостоверной информации;
разработана БД "Солярис", а также описана ее структура и состав таблиц. Создано математическое и программное обеспечение системы поддержки принятия решений «Солярис»;
проведен практический расчет задачи анализа данных по тарифам предприятий для получения корректирующих коэффициентов и их использования
при выборе предприятия имеющего наиболее предпочтительный для потребителя тариф на тепловую энергию;. - проведен анализ и расчет интегральной экономической эффективности и анализ перспектив применения СППР «Солярис» в Региональной Энергетической комиссии Департаменте цен и тарифов (РЭК) Краснодарского края и других субъектов РФ и сделан вывод о выгодности использования данного продукта в деятельности РЭК.
В первой главе проведен углубленный анализ видов информационных систем, изучена их структура. Определена область применения систем поддержки принятия решений в системе управления.. Проанализированы отечественные и зарубежные работы в области компьютерной поддержки принятия решений, из которого следует, что в процесс управления сложными многокритериальными системами с нечеткой входной информацией можно включить систему принятия решений, как связующую систему между системой управления и объектом управления, которая бы позволила уменьшить затраты времени экспертов и лица принимающего решения, а также повысила бы качество принимаемых решений. При этом показано, что для успешного применения компьютерных методов поддержки принятия решений нужно представить весь процесс принятия решения в управлении сложными системами как систему и применить к ней научно-методологический аппарат системного анализа. Такой подход позволяет более четко определить предметную область и задачи исследования.
Результатом проведенных исследований явилось соответствие методов и систем поддержки принятия решений к задачам, которые возникают при управленческой деятельности. Также одним из выводов данного исследования было заключение использовать для управления сложными системами с нечеткой информацией метод многокритериального выбора, так как он позволяет оперативно оценить и выбрать лучшую альтернативу, исходя из представленных критериев и уровня их значимости и метод многокритериальной оптимизации
8 тернатив, позволяющий оценить предложенные альтернативы при помощи экспертов. Построена концепция применения методов поддержки принятия решений при управлении сложными информационными системами с нечеткой входной информацией. Показано применение методов компьютерной поддержки принятия решений в разрезе системного анализа. Рассмотрены методы поддержки принятия решений в их взаимодействии друг с другом для выбора наиболее рациональной альтернативы при решении задач с неопределенной информацией. При анализе применения методов учитывалось их применение на различных этапах управления сложными системами.
В третьей главе Разработана структура программного обеспечения системы поддержки принятия решений. Описаны основные элементы и указаны требования которым должна соответствовать СППР. Данная работа позволила систематизировать имеющиеся знания об архитектуре и построении СППР.
Проведено создание схемы принятия решения для управления сложными многокритериальными системами с нечеткой входной информацией. Подробно проанализированы каждый из этапов принятия решений и была выдвинута последовательность шагов или методов для реализации каждого этапа. В результате получилась четкая последовательность шагов, в которой видны области, которые можно формализовать и автоматизировать. На основании данной работы был построен алгоритм принятия решений в терминах IDEF0 с учетом использования методов, лиц и факторов, наиболее хорошо подходящих для управления сложными системами с нечеткой входной информацией. Схема принятия решений, поддерживаемая системой, предполагает использование многокритериальных методов оценки (т.е. каждый проект решения оценивается по нескольким критериям), экспертных суждений и выработку коллективных мнений.
Подробно рассматриваются технологии и средства, использованные при создании системы принятия решений, такие как система управления базами данных, языки и подходы программирования. Также был проведен анализ и
обоснование выбора технологии программирования, результатом которого стал выбор в качестве СУБД Borland Interbase, как одной из самых мощных и надежных среди систем среднего звена. После этого были детально рассмотрены механизмы и особенности работы Interbase. Детальное изучение архитектуры Borland Interbase позволило существенно повысить надежность и безопасность передачи и хранения данных, что, несомненно, является важным элементом любой информационной системы и системы принятия решений в частности. В качестве языка программирования баз данных был использован язык структу* рированных запросов SQL, который ориентирован специально на реляционные базы данных. Также были рассмотрены средства идентификации и разграничения доступа к базе данных. Следующим важным моментом, который отражен в третьем разделе был анализ и обоснование выбора языка программирования. В соответствии с требованиями, предъявляемыми к системе корпоративного уровня, был проведен анализ языка программирования Borland Delphi и приведено краткое описание его возможностей. На основе полученных аналитических данных был реализован и описан механизм доступа к данным, используя выбранные технологии.
Четвертый раздел посвящен созданию системы поддержки принятия решений для управления региональной тарифной политикой на электрическую и тепловую энергию. Разработан алгоритм поддержки принятия решений для управления региональной тарифной политикой на основе предложенного алгоритма поддержки принятия решениями для управления сложными многокритериальными системами с нечеткой входной информацией. Предложена и реализована в СППР «Солярис» вариация метода сведения текущего состояния к целевому. Традиционная трактовка метода была изменена в соответствии с требованиями многокритериального выбора тарифов на электрическую и тепловую энергию. Применены методы многокритериальной оптимизации для выбора наиболее рационального тарифа на электрическую и тепловую энергию. Данные методы были модифицированы в соответствии с требованиями к выбору в
10 условиях предъявляемых региональной тарифной ситуации. Определены основные критерии, которые влияют на процесс выбора рациональных решений. Критерии были выявлены посредством анализа экспертных мнений. Модель построена с учетом принципов соответствия тарифов реальным затратам а также равноприбыльности теплоснабжения различных групп потребителей. Введенные в стандартную схему расчета тарифов изменения позволили автоматизировать процесс расчета тарифов, а также гораздо упростили анализ и обработку данных. Разработана БД,"Солярис", а также описана ее структура и состав таблиц. Структура БД «Солярис» приведена к 3-й нормальной форме, т.е. связь между сущностями осуществляется с помощью не ключевых атрибутов. Для обеспечения безопасности и достоверности данных создана возможность протоколирования времени изменения и имени пользователя, который проводил изменения над записью. Проведено проектирование системы «Солярис» на основе модульного принципа. Представлена схема взаимодействия модулей СППР «Солярис» и описание основных классов, на которых базируется разработанная система. При создании базы данных СППР «Солярис» были учтены все возможности, которые давали выбранные технологии, как отдельно взятые, так и в комплексе. В заключительной части главы была описана поэтапно работа с системой поддержки принятия решений «Солярис». Представлена последовательность операций, который аналитик должен проделать для получения результатов.
Пятый раздел содержит реализацию построенной методологии к решению задачи выбора предприятия имеющего наиболее предпочтительный для потребителя средний отпускной тариф на тепловую энергию. Был рассмотрен в качестве примера средний отпускной тариф на тепловую энергию. Представленная методика, позволяет выбрать рациональный тариф или группу тарифов одного или нескольких предприятий. Решение данной задачи включает все этапы принятия решений, начиная с подготовительных, таких как подбор критериев и заканчивая получением итоговых отчетов. Также в пятой главе со-
держится усовершенствованная схема принятия решений с использованием СППР «Солярис» в области управления тарифами на энергоресурсы. Данная схема является примерными образцом принятия решений в области управления тарифной политикой энергоресурсов региона и отражает, все этапы принятия управленческого решения ответственным лицом. Проанализирован интегральный эффект от внедрения СППР «Солярне» в процесс управления тарифами на региональном рынке поставщиков энергоресурсов. Проведен расчет экономической эффективности применения СППР «Солярис» в Региональной Энергетической комиссии Департаменте цен и тарифов (РЭК) Краснодарского края и рассмотрен и сделан вывод о > выгодности использования данного продукта в деятельности РЭК. Выявлен эффект от использования СППР, заключающийся: в повышении точности и уменьшении временных затрат для анализа тарифов. Для оценки эффективности системы были изучены общие вопросы оценки экономической эффективности от внедрения программных комплексов на предприятия и вопросы оценки рациональности тарифов. В заключение главы были; оценены перспективы дальнейшего развития СППР «Солярис» были предложены и оценены с экономической точки зрения перспективы от внедрения системы на предприятия-поставщики энергии на региональный рынок и от внедрения во все РЭК Российской Федерации, то есть от создания единой сетевой системы координирования тарифов на энергоресурсы.
В заключении перечислены научные и практические результаты, полученные автором в ходе его исследований. Предложены направления дальней* ших исследований в области поддержки принятия решений при управлении тарифами на электрическую и тепловую энергию.
Для решения поставленных задач исследования использовались методы системного анализа, теории принятия решений, теории; многокритериальной оптимизации, теории реляционных баз данных, методы моделирования сложных систем.
12 Научная новизна выполненных в диссертации исследований заключается в разработке математического и программного обеспечения поддержки принятия решений в области управления тарифами на энергоресурсы и состоит в следующем:
Разработана, методика нахождения рациональной альтернативы базирующаяся на сочетании метода принятия решения Парето и метода оптимизации при помощи интегрального критерия с использованием неформальных процедур. Данная методика была применена для анализа и ранжирования альтернатив в сложных системах в условиях недостоверной информации. Разработана последовательность методов, позволяющая определить рациональную альтернативу, наиболее полно отвечающую установленным критериям.
Усовершенствован и применен метод сдвига положения идеальной точки на основании привлечения экспертных знаний для оптимизации сложных систем в условиях недостоверной информации. Данный метод позволил: осуществить концепцию по применению методов принятия решений для задач управления в= сложных системах. При анализе альтернатив выявлены закономерности отклонений, сходных по характеристикам и исключены необоснованные отклонения от параметров, определенных аналитическим путем.
Улучшены элементы алгоритма выработки системы критериев для анализа информации в сложных многокритериальных системах с нечеткой входной информацией. Предложена вербальная и числовая шкалы оценки критериев и проведено соответствие между ними. Включена возможность выбора и оценки важность тех или иных параметров, входящих в различные статьи, составляющих альтернативу,
Проведено алгоритмизирование принятых методов оптимизации и принятия решения, построена модель программного комплекса, и создана структура БД, обеспечивающие принятие решений для сложных много-
ІЗ критериальных систем с нечеткой входной информацией.. Использованы новейшие технологии программирования и защиты данных. 5. Система поддержки принятия решений была разработана на основании предложенной методики, новизна, которой подтверждена авторским свидетельством [72]. Основные положения, выносимые на защиту:
математическая модель системы поддержки принятия решений при управлении сложными системами;:
метод сдвига идеальной точки при нахождении рационального решения на основе экспертных знаний в условиях недостоверности информации;
методика создания СППР для управления сложными системами;
алгоритмы основных методов и этапов поддержки принятия решений;
набор критериев, которым должна удовлетворять СППР для управления сложными системами;
программное обеспечение СППР для управления региональной тарифной политикой на энергоресурсы.
Практическая ценность работы заключается в том, что создана и апробирована система подцержки принятия решений «Солярис», которая включает подсистему ввода и корректировки данных, подсистему принятия решений, генерации отчетов и может быть рекомендована для; использования экспертами при анализе и принятии решении: по вопросам формирования и выбора тарифов. Также создана и апробирована база данных, созданная для хранения и обработки информации по предприятиям-производителям электрической и тепловой энергии. Система поддержки принятия решений была успешно создана и внедрена в Региональную Энергетическую комиссию Департамент цен и тарифов Краснодарского края, о чем свидетельствует акт внедрения.
Обобщенная схема поддержки принятия решений
В последнее время интерес к технологиям поддержки принятия решений и системам поддержки принятия решений неуклонно возрастает. Увеличивается и число публикаций по этим вопросам. При этом авторы излагают порой совершенно разные методы и подходы. В большинстве таких публикаций рассматривается отдельный аспект принятия решений [71].
Ряд авторов относит: к; системам поддержки принятия; решений любые программные средства, применяемые в процессе подготовки и принятия решений. Другие детально рассматривают в качестве средств поддержки принятия решений информационно-поисковые и аналитические системы, основанные на методах статистики и оптимизации, системы On-Line Analytical Processing (OLAP) и технологии Data Mining (добыча данных), методы математического моделирования и логического вывода в базах знаний, программы финансово-бухгалтерской оценки: предприятий и проектов, правовые информационно-поисковые системы и т.д. [103]. Это аспект программно-технологический. Он исключает методические, организационные и концептуальные вопросы.
На принятие решения влияет новизна: рассматриваемой, проблемы. Если проблема встречается неоднократно то вырабатываются типовые методы ее решения. Эти методы включают в регламентирующие решения и обеспечивают решение проблемы на операционном уровне, снижая нагрузку на верхнем и среднем уровне управления.
Рассмотрим процесс принятия решения в стандарте IDEF0, как одного из основных стандартов при описании процессов и систем. Он включает следующие этапы [71,106]:
Перечисленные блоки образуют иерархическую последовательность. Переход к последующему этапу невозможен без реализации предыдущего.
Согласно работе [70, 106] современные информационные методы и технологии требуют применения формализованных данных. Поэтому эффективность методов получения и поддержки принятия решений зависит от степени формализации задачи. Так, при декомпозиции сложной задачи до операционного уровня и полной формализации условий решения задачи на этом уровне эффективно использование методов исследования операций. При невозможности декомпозиции: и полной формализации используют методы статистической оценки, теорию нечетких множеств и др.
При возможности использования дихотомических переменных для анализа решений применяют методы формальной логики. При возможности выбора неких критериев оптимальности используют критериальный подход для оптимизации решений. На практике при формулировке задач на вербальном уровне описания целей и условий всегда субъективны. Поэтому возникает задача обобщения ин 21 формации и исключения субъективных факторов при получении решения [75, 106].
Одной из основных проблем оценки и выбора решений является представление эксперту и управленцу полученных специалистами-аналитиками решении в доступном и понятном виде. Как правило, лицо, принимающее решение, не владеет профессиональными навыками получения решений. По этой причине для формирования не одного, а ряда решений требуется наряду с решением иметь некие критерии для его оценки экспертом.
Решение конкретной задачи требует определенных затрат ресурсов на приобретение и освоение системы поддержки принятия решений либо на решение ее собственными: силами. Затраты на приобретение и освоение системы безусловно окупятся только при решении особо сложной задачи с высокой ценой последствии от принятия неправильных решений или при достаточно частом использовании такой системы [106].
Теоретическое описание методов поддержки принятия решений
Программа обучения должна обладать некоторыми возможностями к обобщению, что позволяет увеличить полезность при рассмотрении аналогичных проблем решения. В процессе обучения ЛПР действует одним из следующих способов. Обучается событиям или узлам сети. В базе знаний хранится большое количество фактов, но только некоторые из них релевантны рассматриваемой ситуации. Обучение заключается в выделении подмножества фактов (утверждений), релевантных ситуации. Обучается дугам байесовской причинной сети, т.е. производит выделение подграфа, релевантного проблеме. Обучается параметрам. Это обучение заключается в том, что ЛПР не может и не знает, какие количественные характеристики следует ввести о проблеме, в том числе и данные о предпочтениях (полезности) [109, 111].
Лицо принимающее решения рассматривает укрупненное или качественное описание проблемы, находит прототип в базе знаний и делает в новой структуре оценки недостающих или пропущенных параметров, опираясь на аналогию с другими примерами.
Определим объединение множества актов решения и множество исходов как множество событий. Состояние, в котором находится в данный момент система, назовем действительным миром. Совокупность возможных состояний, в которые система переходит в результате событий, называется возможными мирами.
Пусть Р = {рь р2, ..., рп} — множество предложений, описывающих события в момент t Определим предложение как истинное по отношению к возможному миру, если он интерпретируется как истинное, используя интерпретацию, связанную с возможным миром.
Определим множество возможных миров в момент t как 2Р. Каждое подмножество Р описывает возможный мир 0(t); в момент времени t и каждая возможная комбинация событий представлена в некотором возможном мире. Представим множество возможных миров в момент t двоичной матрицей 0=[0(t)ij], где j-й столбец соответствует j-му событию и і-я срока представляет i-ый возможный мир. События, которые ЯВЛЯЮТСЯ ИСТИННЫМИ В І-М возможном мире, представлены единицами в соответствующем столбце в строке і. Проблема генерирования множества возможных миров и идентификация ближайшего к действительному миру является проблемой экспоненциальной сложности. В случае m событий число возможных миров в момент t равно 2Ш. Но это еще не включает переходы от возможных миров в O(t) в возможным мирам в 0(t+l). В этом и заключается проблема обучения правилам перехода. Пусть d(t)i — акт решения, который ЛПР может выполнить, Предполо-жимт что принятие решения и имшгементация выполняются одновременно. Определим мир решения как возможный мир, который существует до текущего момента и который до некоторой степени походит на тот мир, в котором ЛПР приняло решение выполнить d(t)i в момент t. Пусть dO(t)j — мир решения, который в момент t является ближайшим миром к реальному миру. Лицо принимающее решения приняло решение, которое максимизирует его оценку полезности, основанную на его предсказании возможных миров, которые являются достижимыми из множества миров решения [2, 34, 37,114]. Вследствие недостатка информации о реальном мире и ограниченных вычислительных ресурсах будет существовать не один возможный мир, а много. Пусть ЛПР генерирует матрицу возможных миров в момент t+І. Определим отношение перехода r(dO(t)i , 0(t+l)) между ближайшим миром решения в момент t и і-м подмножеством возможных миров 0(t+l)j, в которое dO(t)i могут быть переведены. Обозначим возможный мир, ближайший к действительному миру, проистекающему из dO(tj) (это тот мир, который ЛПР принимает за реальный), как 0(t+l); . Если бы вселенная была детерминированной, и ЛПР овладел совершенной информацией и был всезнающим, тогда он бы знал отношение r(dO(t;) tO(t+l)j ). Ограниченные ресурсы и несовершенная информация заставляет его довольствоваться обобщением 0(t+l)i, представленным некоторым подмножеством возможных миров ИЗ 0(t+l)i . Для того чтобы бороться с экспоненциальным ростом сложности задачи, мы должны постараться ограничиться только малым подмножеством возможных миров и отношений перехода. Один из возможных подходов заключается в анализе причинных, зависимостей. С этой целью могут быть использованы абдуктивные выводы, попытки объяснить, почему наступило то или иное решение. Абдуктивные выводы по отношению к проблеме решения можно описать как поиск наиболее вероятного мира решений dO(t-l)i из множества возможных миров W(t—1) при условии наличия данных 0(t)t. Когда дана проблемная ситуация в момент t, ЛПР должен понять причины и условия в момент t—1 для того, чтобы принять решение, максимизирующее полезность в момент t+1. Множество действий, доступных лицу принимающему решения в данной ситуации, может быть представлено переменной или группой переменных. Выбирая действия, он оценивает последствия своего выбора. Для каждого состояния m множества М, m є М мы принимаем меру полезности U(m), представляющую степени желательности, тогда общая ожидаемая полезность, связанная с действием d, определяется U(d) = sU(m)P(m/d,x), где P(s/d,x) — распределение вероятностей последствий состояния m при условии выбора действия d и наблюдаемых данных х. Решение ЛПР принимается на основе максимума ожидаемой полезности.
Обоснование выбора технологии программирования
Для эффективного использования СППР среди экспертов и лиц принимающих решения необходимо обеспечить высокое быстродействие системы для ее работы в локальной сети.
На сегодняшний день работа с сетевые базами данных ведется в двух основных технологических направлениях: файл-сервер и клиент-сервер [7, 13, 20]. Файл-сервер — более старое направление в сетевых базах данных. Работа в этой технологии характеризуется тем, что локальной сети файл-сервер используется прежде всего в качестве дополнительного жесткого диска, к которому могут обращаться несколько пользователей. Если рабочей станцией необходимо получить данные, размещенные на файл-сервере, на него посылается запрос. Файл-сервер передает требуемые данные на рабочую станцию, где они в дальнейшем обрабатываются. Одним из существенных недостатков использования файл-сервера при работе с базами данных является большой поток данных в сети, что приводит к снижению ее производительности. Это явилось основным аргументом для отказа от данной технологии для создания системы поддержки принятия решений. Так как ввод-извлечение данных рассчитывается t вести с большого количества рабочих мест и данные об одном предприятии занимают большой объем. Также предполагается,. что общее количество записей будет велико. Следовательно, скорость работы в сети при технологии файл-сервер резко снижается. Что является неприемлемым для оперативной и плодотворной работы, а значит, для выполнения данной задачи необходимо использовать технологию клиент-сервер...
В отличие от файл-сервера [18, 19, 30, 32], сервер баз данных, в технологии клиент-сервер используется не только для хранения информации, но и для обработки запросов к базе данных. Запросы рабочей станции обрабатываются сервером базы: данных и обратно возвращается только результат выполнения запроса. Такой подход уменьшает поток данных в сети. Кроме того, обработка; запросов сервером осуществляется быстрее, чем на рабочей станции, поскольку: - в качестве сервера базы данных использую обычно более мощный компьютер; - система управления базами данных, используемая в качестве сервера базы данных, обладает более совершенными средствами обработки данных. Таким образом для эффективной работы системы поддержки принятия решений целесообразно выбрать технологию клиент-сервер, поскольку именно она позволяет осуществить быстрый и защищенный обмен данными в локальной сети. Также эта технология обладает возможностями легкого масштабирования и реконфигурации, что позволит успешно развивать систему в будущем.
Выбор СУБД для реализации довольно сложен и зависит от многих факторов рассмотрим СУБД Borland Interbase, Sybase SQL Servera Microsoft SQL Server в разрезе критериев быстродействия, надежности, цены и легкости в обслуживании.
Результаты тестов на производительность в основном зависят от механизмов блокировок, используемых в тестируемом СУБД.. Страничные и табличные блокировки SQL серверов Microsoft и Sybase могут сильно влиять на тем же данным (или находящимся на близлежащих страницах). Например, в реальных ситуациях, страничные блокировки в SQL Server могут замедлять доступ к данным (ожидание освобождения блокировок страниц, индексов или таблиц). Этот эффект может быть заметен в системах с большим объемом данных или когда пользователи выполняют создание длительных отчетов по данным в тот момент, когда другие пользователи модифицируют данные. Архитектура многоверсионности записей в Interbase гарантирует доступность данных на чтение для любых пользователей и в любое время. Клиентское приложение никогда не ждет доступности таблиц, записей или индексов, независимо то числа пользователей в системе или длительности и сложности: какой - либо транзакции. Разработчики, использующие Interbase, автоматически получают максимум производительности приложений, безотносительно сложности обработки данных [20] 96
Interbase обеспечивает автоматическую обработку 2РС в соответствии со всеми требованиями ACID без дополнительного программирования на любых платформах (Windows NT, DEC UNIX, HP - UX, Ых). Это обеспечивает максимум легкости сопровождения при отсутствии дополнительных затрат.
Поскольку Interbase не требует модификации ядра ОСт он защищен от проблем совместимости при обновлении ядра ОС. Это позволяет разработчику сопровождать операционную систему без, оглядки на работоспособность РСУБД.
Восстановление базы в Borland Interbase происходит автоматически при запуске, без вмешательства администратора БД. Транзакции, которые не успели завершиться на момент сбоя, будут полностью отменены, и БД останется в целостном состоянии. Этот процесс занимает несколько секунд,. Такая особенность была ключевым фактором при выборе Interbase для американского танка; Ml Abrams. Когда происходит выстрел из пушки танка, возникает весьма сильный электромагнитный импульс, который "перегружает" компьютер танка. После перезагрузки компьютера, Interbase мгновенно восстанавливает БД в целостное состояние и тут же делает ее доступной для работы. Это свойство, не доступное в любой другой РСУБД, гарантирует доступность базы данных в жизненно важных ситуациях [20].
Анализ процесса управления тарифной политикой на региональном рынке поставщиков электрической и тепловой энергии
Энергетика,как отрасль экономики является важнейшей составляющей успешного и динамичного развития любой индустриально развитой страны. Энергетический фактор в жизни государства является не только важнейшим промышленным показателем, но и фактором во многом определяющем экономическое и социальное благосостояние страны, а значит и , народа, который проживает на ее территории.
В:- бывшем СССР, процесс управления энергетическими.; ресурсами был строго централизованным. Тарифы на тепловую и электрическую энергию устанавливались жестко и не учитывали региональных особенностей производства и распределения энергии. В основном такое положение дел наносило урон по самим производителям и поставщикам электрической и тепловой энергии. Ущерб при этом покрывался самим государством, за счет дотаций из госбюджета страны.
В настоящее время, с переходом на рыночные экономические отношения,, основной целью деятельности любого предприятия является извлечение максимальной прибыли. Неконтролируемые цены; на электрическую и тепловую энергию могут создать угрозу развитию промышленности региона, понизить уровень жизни населения а также снизить уровень прогнозирования экономической обстановки. Динамика тарифов и цен естественных монополий существенно влияет на издержки отраслей и макроэкономические показатели экономики страны. Их доля в себестоимости продукции отраслей может достигать 30%, а в воздействии на инфляцию - от 25% до 50% ее годового прироста [47].
Необходимость регулирования цен в естественных монополиях обусловлена не только отрицательными последствиями монопольного поведения. Существует и обратная сторона медали: разумная дифференциация цены на продукцию естественных монополий может служить мощным инструментом экономической политики государства, позволяющим регулировать хозяйственную активность различных отраслей и сглаживать ее сезонные колебания. Иными словами, механизм воздействия на экономику через систему регулируемых цен является эффективным дополнением; к фискальной макроэкономической; политике[11, 14,15,113].
С общим сокращением производства в России спрос на продукцию и услуги отраслей - естественных монополий, за исключением отраслей связи, постоянно снижался. Эти отрасли являются чрезвычайно капиталоемкими, значительная часть их издержек носит постоянный характер. В результате росла доля постоянных издержек в цене единицы продукции. Кроме того, до последнего времени субъекты естественных монополий финансировали инвестиции в значительной мере за счет внутренних источников (инвестиционные и стабилизационные фонды, формируемые за счет себестоимости и прибыли), что определило чрезмерную нагрузку на тарифы[113]. Потребители стали оказывать давление на правительство вплоть до выдвижения требования замораживания цен.
Быстрый и значительный рост цен в электроэнергетике обусловил необходимость постановки вопроса об обосновании издержек (расходы на заработную плату, социальные выплаты, инвестиционную деятельность) и о соответствии качества предлагаемых продукции и услуг уровню цен. Во всех отраслях, содержащих естественно-монопольные сегменты, заработная плата превышала среднюю, и их: работники пользовались большими социальными льготами по сравнению с другими отраслями[113].
Учитывая основообразующую сущность этих отраслей, очевидно, что рост цен на производимую ими продукцию явился мощнейшим фактором макроэкономической инфляции, которая справедливо охарактеризована экономистами как инфляция издержек. Однако нельзя однозначно утверждать, что отрасли - естественные монополии за годы перехода к рынку обеспечили себе процветание за счет всей остальной экономики [35, 36].
Следствие ценовой дискриминации - катастрофические неплатежи -больнее всего ударило именно по собственному источнику. По данным отраслевых структур, входящих в систему Минтопэнерго, задолженность дебиторов по расчетам и платежам предприятиям электроэнергетики составила к 1 августа 1994г. 12,9 трлн... руб. и продолжала увеличиваться дальше в среднем на 36 млрд. руб. в день, половина отпущенной энергии не оплачивалась в срок[113].
К ноябрю 1995г неплатежи потребителей достигли 27 трлн.рублей, и уже 86% отпущенной электроэнергии не оплачивалось своевременно. Понятно, что важнейшая роль в этом механизме накачки дебиторской задолженности принадлежала тарифной политике отрасли. Кроме того, высокая цена на электроэнергию влияет на стоимость промышленной продукции, отчего страдают и сами энергетики. К концу 1995г оплата за поставленную электроэнергию уже на; 70% осуществлялась в форме бартерных сделок. Теперь товар дебиторов, полученный в качестве оплаты за электроэнергию, сам подлежит реализации через сеть торговых посредников [113].
Вследствие более жесткого регулирующего воздействия правительства на цены естественных монополий в первом полугодии 1996г их рост был значительно ограничен. Результаты не заставили себя ждать: с начала лета было достигнуто резкое сокращение инфляции [113]. В; 1993-1996гг. отраслевые цены российских естественных монополий росли более быстрыми темпами, чем в других отраслях экономики. Они приблизились к уровню мировых, а в некоторых случаях превзошли их; На период 1999 - 2002гг. внутренние цены на энергоресурсы продолжали подниматься, в общем, отражая динамику роста цен на энергоресурсы во всем мире. Так, например, цены на мазут выросли на 55-70 %, а на природный газ на 20-25% [113]:. Однако жесткое сдерживание роста тарифов, по мнению отраслевых специалистов, привело к резкому ухудшению финансового состояния отраслей --естественных монополий. При этом в условиях закрытости финансовой информации и без проведения независимого аудита соответствующих предприятий трудно поддержать или опровергнуть такие выводы. Так или иначе, в ряде случаев уже сами естественные монополии нуждаются в защите от необоснованного давления со стороны определенных политических сил, которые приводит к подрыву финансовой устойчивости этих жизненно необходимых для государства отраслей [35, 38].
