Введение к работе
-.--
ел- л.-.^іі.ч '
Актуальность проблеш. Перевод предприятий народно-" хозяйства
на реальную самостоятельность, переход в их взаимоотношениях с распределительных на рыночные (договорные) отношения привел к резкому обострению проблемы материально-техническсго обеспечения производства сырьем, комплекту ицими и т.д. Все большая часть такого обеспечения приходится на прямые договора поставки между предприятиями. Более того, в условиях: тотального дефицита такие поставки все больше имеют бартерный характер (договора не "товар - деньги", а "товар-товар"). В этих условиях чрезвычайно актуальным является создание эффективных компьютерны! систем ішформационной поддержки процедур планирования, принятия решений и контроля за такими поставками. Существовавшие до сих пор технологии такой информационной поддержки ( в основном ручные) практически невозможно использовать в новых условиях. Следует подчеркнуть, что проблема контроля многономенклатурных поставок представляет и существенный научный интерес. Здесь требуется разработка новых постановок задач и алгоритмов классификации поставщиков, учитывающих "размятый" характер информации о характере поставок, состоянии транспортной сети и пр.
Ухагэкнне обстоятельства определили выбор теш диссертации, круг исследуемых проблем и методы' их решения.
Цель работы состоит в разработке методов и алгоритмов размытой классификации многомерных объектов в задаче контроля шюгономенкла-турных поставок и создания на их базе компьютерной информационной системы контроля поставок крупного производственного объединения.
Методы исследования. В работе использовались метода теории автоматической классификации, теории вероятностей и математической
статистики, і..зтода разработки компьютерных информационных систем.
Связь с планом. Работа но теме диссертации проводилась на основании целевой КИП ГЇ2ІТ СССР 0.Ц.027, плана работ АН СССР (пункти 1.2.5.1,1.12-9.16) в рамках темы Института проблем управления "Разработка методов я алгоритмов анализа данных и их использование для оовервйнстБовашш систем управления" (* гос.регистрации 01.86.0040301).
Научная новизна работы. В работе впервые поставлена задача классификации поставщиков по набору параметров, характеризуючих регулярность и надежность плановых договорных поставок. Такая классификация позволяет разделить всех поставщиков на неболыаео число классов (груші), каждый из которых характеризует в определенной смысле степень надежности поставщиков, попавших в этот класс. Вперше било показано, что подобное разбиение поставщиков должно рассматриваться в рамках постановки задачи размытой классификации.
Для решения етой задачи впервые предложена постановка задачи размытой, классификации с фоновый классом, которая позволяет учесть ту неопределенность в исходных данных и влияние неучтенная параметров, которое как правило имеет место в реальных задачах управления шогономеркдатурными поставками. Б диссертации разработан состветст-вуиций алгоритм размытой классификации с фоновим классом. Проведен всесторонний теоретический анализ втого алгоритма. Показано, что оптимальные классификации можно искать в достаточно узком классе эталонных классификаций, причем сама эта классификация определяется градиентом исходного функционала ( критерия качества классификации). Доказана теорема о сходимости {в Достаточно общих предположениях) алгоритма, обеспечивающая стационарность предельного значения функционала. В диссертации показано, что метода размытой классификации с фэноьш классом можно использовать при решении широкого круга
задач анализа даних: классификации обіектов в евклидовом пространстве, вкстремалыюй группировки (классификации) параметров, при виборе информативных признаков, кусочной аппроксимации с '< новым классом при идентификации сложных зависимостей.
Предложенная новая модель анализа и классификации поставщиков реализована в виде специального блока в составе компьютерной инфор-мационно-управлякщей системи контроля многономенклэтурнмх поставок.
Практическая ценность работа состоит в возможности широкого использования разработанных методов и алгоритмов в прикладних областях, в частности для построения «н$ормацданно-управлянцих систем многономенклатурними поставками практически во всех отраслях народного хозяйства.
Реализация результатов работа. Метода и алгоритмы, разработанное в диссертации били использованы при создании информационно-управ-ляющей системы "Куратор". Б этой системе предусмотрен специальный блок, позволяющий в адаптивном режиме проводить классификацию поставщиков по. уровню нэдеяносп; поставок. На базе такой классификации действует специальный набор различиях управляющих воздействий,позволявший дифференцированно подходить к контроля за поставками. Все его позволяет существенно повысить оперативность и еффективность работы соответствующего направления коммерческой службы предприятия. Система "Куратор" сдана в опитную експлуатацій) на Кемеровское НПО "Карболит".
Апробация работы. Основные результаты диссертационной работы были представлены и обсуждались на Ш Всесоюзной школе-семшзре по . комбинаторно-статистическим методам анализа и обработки, информации (Одесса,1990), Всесоюзном симпозиуме по теории и практике классификации. (Т1ущида,1990);.'ХХХ1У конференций молодих.учених и специадис-
тов Инотиі/та проблем управления (Москва, 1938), на семинарах \Ш, ВНШСИ.ЦЭШ.
Публикации. Основные результати диссертационной работа отражены в 3 печатных работах.
Структура и объем работа Диссертация состоит из введеній, тр>х глав, списка литературы и приложения, содержит Цо страшц машнношсного текста, включая І О рисунков и таблиц и 62 наименований использованной литературы.
Во введении обоснована актуальность теин, указана цель работы, отмечена научная новизна и практическая ценность диссертации, кратко изложено основное содержат» работа.
В первой главе дается обзор методов и алгоритмов построения разинтых классификация. Прежде есєго, дается обоснование с точки зрения запросов практики необходимости пост&ноеки задачи разштой. классификации. Подробно анализируются показатели размытости, ббє-денные различными авторами, рассматрішается аксиоматический и метрический подхода к определению показателя размытости.
В этой же главе рассматриваются различные возможности фэриаль-ной постановки задачи разштой классификации. Основное внимание уделяется вариационному подходу к построению алгоритмов размытой классификации, дается сравнительный анализ результатов различных авторов б атой области.
Бо второй главе предлагается общая посгановка задачи размытой классификации с флювам классом. Исследуется вид оптимальной, клъесгфжзции ,разрабатывается, алгоритм реакция общей задача и
доказывается его сходимость; исследуются различные варианты использования фонового класса.
Пусть задано некоторое множество X с вероятностной мэрой Р(А)
(АД).
Размытой классификацией множества X на г классов называется
такая г-мерная вектор-функция 11(3:)=(1^ (х),...,h (X)) (Ь (х) -функция принадлежности I к 1-му классу ), что h (x)eL (Х,Р) и для любого X значение Н(Х) принадлежит некоторому ограниченному замкнутому множеству 7 пространства значений вектор-функции Н, т.е. Н(Х) 7с Шг. Таким образом множество 7 определяет тип размытости .желательный для данной конкретной задачи.
Рассматриваются размытые классификация множества X на (г+1) класс (Г - число обычных нефсшвнх классов, а (г+1)~я - фоновый). Бри этом фоновому классу присвоим нулевой номер. Таким образом классификация Н задается (г+1)-иерной. вектор-функцией Н(Х)=
(h0(x>.b1 (х) hr(x)), HfDcTc»1*1.
Класс допустимий класеифиеаций обозначается через 3(7).
Критерий качества классификации в сотеетстьии с методом обобщенного среднего строится следующим образом. Считается, что точки одного и того же класса искомой классификации долим хорошо описываться некоторым эталоном этого класса, а точки, плохо описываемые всеми эталонами должны попасть в фоновый класс. Поэтому критерий качества должен отражать, во-первых, близость точек внутри нефоювнх классов и, во-вторых, близость к фоновому классу точек, удаленных от остальных классов. Б соответствии с этим вводится в рассмотрение множество возможных моделей классов Л. ' Между элементами множества объектов X и элементами мнсхества моделей Л вводится некоторая мерз близости (х,а) (ХєХ,ає\). Тогда величина
~ 8 -
K(h(x),a)) = JK{x,a)b(i)dP(x) X отражает меру того, насколько хорошо модель а описывает точки
множества, заданного через сбою функцию яр-шадлекностк h(x).
Обобщенным средним или зталоном шюкеетеа, заданного функцией
принадлежности h(x), называется модель
a = argwax K(b(x),a)) (*)
Рассматривается следувдий критерий качества клаесіфшации
Ф(Н)= I т±{1),\ И Bh0(r)
здесь a - эталон 1-го класса (в дальнейшем вместо а^ йудем
писать а.), а В - некоторая константа задающая уровень отнесения к фановому классу.
Вид оптимальной классификации
Для выявления конкретного вида классификации, максимизиругацей фущсционал Ф , необзодшо исследовать вид его субди$5еренциала в данной тощее (классификации) ^Справедлива следующая лемма
Леша 2.1. Для данной классификации Н вектор-функция F(X)= іїйіх),ї^і),...,іг(ї)), у которой i0U)=B, l^xWx.a*), где а* - &талон 1-го класса, является субградиентом функционала Ф в точке Н .
Центральний понятием в данной задаче является понятие эталонной классификации.
Рассмотрим какой-нибудь вектор моделей й=(а а )АГ.
Назовем іиіассификацию %=(h0(X),hJ (х),..*,Ь (X)) - эталонной с
векторэм эталонов а, если
Н- = а г g ш а х Г J Ш,а. )К + В hJ a (h0,nj,...,hrkV<-ib * A i
Доказывается следующая теорема о вид* оптимальной классификации с фоноьнм классом.
Теорема 1. Если классификация Н доставляет максимум функцио-
налу Ф , то этот же максимум достигается на некоторой эталонной классифинацгаї Hg о вектором эталонов й=(а ,...,а ).компоненты которого в сшю очередь являются обойденными средними классов классификации Н-.
Алгоритм нахождения оптимальной классификации.
Взбирается некоторая начальная классификация HQ, затем применяется итерационная процедура; Для классификации Н в каждом яеіроновом классе находится его еталон а" (соогяошеоте (*) ; по вектору эталонов сРЦя?,...,а") строится (JHl)-e приближение оптимальной классификации Н +1=Н_
Справедлив! следумцая теорема о сходимости
Теорема 2. Если Ф -выпуклый ограниченный на 2(7) футсщонал,
то в силу алгоритма последовательность значений функционала Ф(Н ), 1=1,...,п,... сходится к стационарному значении. Все предельные
т.лкя последовательности Н,, і=1 п,... {. в смисле слабой
сходимости) являются стационарнши точками функционала.
Использование такого подхода к построению разштих классяфика-ций с фоновым классом иллюстрируется в следующих параграфах второй главы.
Размытая классификация с фоноыш классом точек евклидова
пространства..
Рассматривается простейший пример функционала Ф (Н), а именно, фуикцдонал средне-взвешенной дисперсии іслассов
J1= - I j(i4xl)2hl(i)eP(x)-B-h0(t),
1=1X м-
Здесь В 1'0(ї) - штраф за отнесение объекта фоновому классу. Знак "-" поставлен б связи с тем, что средневзвешенную дисперсию необходимо мшшмнзировавтъ, а б предыдущей изложении функционал максимизировался) .Эталоном а 1-го класса здесь будет центр класса, определяемый по формуле
а4—1—
В втом случае еталонная классификация имеет вид
Показано,как за счет выбора огратгишащего множества У можно
получить различные варианты введения фонового класса,
1). Четкая классификация
7^ 0Фо(гК1, 0Ф1(іК1, Ь0(ї) f Jhi^H.
1=1
В данном случае отнесение объекта к классу (фоновому или обычншу}
однозначна, прячем есля квадрат расстояния от обьекта до
ближайшего центра меньше порога В, то он относится к
соответствундему классу, если нет, то он относится к фоновому
классу.
2). Размытая классификация
\: 0Фо[х), 0ад(і), (ух))** I №А(х))К=1. (0<Л<1)
1=1
Здесь казсдий обхект в одтимальноа классификации принадлежит с
ненулевым весом ьсеи классам, в том числе и фоновому. Причеп прішадяежноств к фоновому классу hQ(x) тем бояы&е, чем дальше обш:т от центров классов. Это один из наиболее стандартної
способов введень/r фонового класса.
3). Классификация с размитой границей
73: tXh0(i), (Kh^x). (a-hjjU))2 + ][ (e-h^i))2» г аг4(а-1)2 .
i=i
Этот случай является промежуточным между олучяяш 1) я 2):
оптимальная классификация выделяет в пространстве X области однозначного отнесения к одному из классов (как к обнчному, так и к фоновому), а мезду ниті оказиваются зоны неоднозначного отнесения, т.е. раг-инваются гршшцц классов,
В перечисленних случаях характер размытости между обичниии ктэссзш и между фояоиім и одніш из обичиих классов одинаков. В то «е время бивакт случаи, когда фоновий класс должен бить четким, т.е. объект либо принадлежит фіну, либо нет, а обичние класси долгий бить розмитими*или с раэшиши границами (Например, такая ситуация возникает при решении задачи построения размытой мжсиЦикащм с фплъгргиней грубій ошибок наблюдений. В этом случае необходимо личность» удалить из рассмотрения -нетипичные- с точки прения данной классификации объекты). С другой стороны госможна ситуация, когда размитосгь надо искать лишь между каждым классом а фоном. В таком случае обгекты однозначно относятся к одному из обичниг классов, но при втом каждому объекту дается характеристика (функция принадлежности), . насколько он отражает класс, в который он входит.
4). Размытая классіфіл'ЗД'-я с четким фоновый классом.
7-^:^(1)=1,.1^ \{х№\- Y'J': h0(s)--0, oih/x)', J (Иі(і))Х=і.
І = 1
5). Классификация с раэштлии границами и с четким фэяоь-ш классом.
V" ':1ц (хИ,ІЛЬЛхМ); Т^1(іИ,Ь.[ї)Я,- ч =- = 1.
51 х J D х (г-1 la1-*-(a-i Г
6). Классификация с четкими {слассаш и размытии фонт.
V6: 0
Б втом случае размытость возможна лишь между фоноыш классом и
каждом из обычных классов.
7). Аналогичным образом рассматривается случай когда между
обычными классами четкие границы, а между ооичшш классом и
фоновим - размытие. Это обесточивает ограничение ьнда
VT: оао(х), (KhJi), (а-*0(х))2 +(а- J h±(x)]2- a+U-D2 .
Экстремальна.* грулпироЕка параметров с johoklm клаооом. Друпш примером иопольговаїтя общего подхода, предложенного ь диссертации является оацача построения экстремальной гругаштюьки параметров о фзиоьнм классом.Суть метода экстремальной группировки зостонт в км, что необходимо сгруппировать набор признаков, оппсы-ьаюцих систему, на группы схожих, и заменить каждую группу на некоторый оооошеннай параметр (фактор группы). Обычно среда параметров наблюдается шумовые параметры, которые не определяют поведение системы, но ігри &ТОМ сильно искажают результати группировки. По втой причуде б задаче экстремальной группировки параметров актуально введение фэиоБои группы, ь которую попадает параметры плохо связанные со всеми факторами групп. Покажем,- как задача екстрена-.
льиой группировки параметров о фоновой группой уклэднвается в рамки рассматриваемого в диссертации метода.
Рассмотрим в качестве ъ-лассифщируемого множества набор параметров Х=(х ,...,1 } и Зудем считать, что в пространстве параметров X задана некоторая ввборка объектов S = ^,...,X ). В
А.
втом случае каждый параметр из X представляет собой Еектор в n-мерном пространстве X , здесь X -(I: ,..., *), а X ^ -значеній j-ro параметра на 2-ом объекте. Без ограничения общности можно считать, что рассматриваемые параметри имеют среднее значение, раЕяое нуля, к Еі/борочную дисперсию, равную единице ( в противном случая дашше можно ік^жировать) -
Эталояп классов (грушг парше тров) (3=(р ,..., р ), которые в данной задаче обнчно яазиваются факторами, также как и исходше параметри задаются через сбои значения на дяшом множестве объектов (р - значение фактори на 1-ом объекте). При этом считается что фактори нормирована, т.е. их средние значения равны нул», а вноорочнне дисперсии равны единице. Тэким образом в
качестве множества эталонов рассматривается множество факторов
ті ті
Л={ ИР,,...,РП)<ХГ: |\=о, lip^n
В качестєе меры близости параметра с фактором обычно выбирается квадрат кофїицентз корреляции
К(х(л,р) =рг(х(;П,р).
Задача экстремальной группировки параметров с фоновой группок ставится следуицш образом.'
Найти такую классификации (группировку) множества X на (Г+-1)
группу и такой набор факторов (i=( (J р*г,) чтобн максимизировал
ся критерий'качества группировки
v m
1ЭГ= I J pV^.p1) b^x**') + В hQ(x),
здесь h.(X * ) - функция принадлгхности параметра X ' 1-Й группе параметров.
Фактор 1-ой группц параметров (3 ъ данном случае является, -собственным вектором матрицы корреляции R.=|R!' | ( здесь R[J)u,=p(X(J,,p) Ь.х(ги)) ЬА(хи))), соответствую^ ее наибольшему собственному значению.
їначение вектор-функции принадлежности Н определяется по
формуле
%« argraax f У рг(ги),р1) п. + В hJ
Далее в диссертации по аналогии с классификацией точек евклидова пространства рассматриваются различные варианты экстремальной группировки параметров с фоновым классом, получьеине за счет варьирования множества V.
Задача кусочной аппроксимации, с фоновим классом.
Одной- из наиболее вшшх задач, в лоторих ,ло существу необходимо применение разшгах решйкщю правил, является задача кусочной аппроксимации. "."''
Пусть требуется найти аппроисшащгю неизвестной зависимости У=Р(х) , где у - выходной параметр, а х=(х{ ,..,,х ) - набор входных параметров. Предполагается, что сложная во всем К-мерноы пространстве X входных параметров функция ї(х). имеет достаточно простой еид в пределах отдельны!-классов некоторой классификации Н. Для простоты йудеи считать, что .в пределах, каждого класса бюодяой параметр у агтрокаянфуется линейной Функцией от вектора входам параметров. Таким образом в .данной задаче классифицируемш
множеством является пространство вході.ш параметров, Сог.МОШШ
еталоном а класса является лгагеЛяая Пункты входин параметров
(c,2)fd (с - к-мерями вектор, ad- .константа). М?рг> близости
м&зду объектом и &талоном равна невязке м«зду значениями в точке х
зависимости jN?(x) и функции (c,X)+d
K(x,a)=-{y-[(o,x)+d)}2
Критерий качества бказиваегся рашшм остаточной дисперсия
аппроксимации
V - I J Cy-I(o1,i)+d1))2 hjixXJPix) + В h0(3) .1-і X
Обобщенным средним класса является линейная регрессия параметра у
от ьходат параметров ьнутри этого класса.
Б диссертации показано, как за счет выбора ограничивакщего множества V можно получить различные варианта задачи кусочной аппроксимации,
В главе 3 разраоог&ннце во второй главе диссертации метода и алгоритмы исюльзуютса для анализа информации о, поставках сирья'для для крупного промышленного предприятия ( на. примере. Кемеровского научно-иронзводстьенюго объединения "Карболит"). При большом.количестве поставщиков и бвдов сиръя, частих нарушениях планових сроков и об-ызмов поставок контроль за его своевременным поступлением требует больного напряжения и iw всегда, приводит к а»лаемнм результатам. Задача заключается в тон, чтоСы на основе анализа данных о поставках сырья за проилнй период определить те вида сырья и тех поставщиков, из-за когорнх наиболее вероятно может наступить остановка производства в связи с отсутствием исходного сырья.
В 1 главы 3 показано, что эта задача м<жт решаться методом автоматической іиассифікацш! в 'пространстве параметров, характери-
зуицих надежность лостагщикоп. Пусть У.;..... ,У\;: - обгеїш фактических квартальних поставок k-го ьвда сирья от 1-го поставщика, в J-ои году, з уу.,.. .,У~Г. - соответствуйте плановые объемы поставок.
Тогда набор лэоаметроп ы. _ -ki
tf\ = —;— . 100 , 1=175 , k=T7k, ЬТТь ,і=Т,~і
характеризует степень ьипэдиеииа квартальных планов поставки к-го вида сирья от 1-го поставщика ъ j-ом году ( ь : от годового плана). Аналогично вводятся параметри, характеризуйте степень выполнения планов "мараставціш итогом" (за перше 2 и 3 КЕартзла и ?а год в целом) :
>L
3^ - _ -^i-J . 100 , П= 2,3,4.
15| и
(міюаіітйль —— вводится для приведення переменных src , т: и х". к одному масштабу с Лсременниш і?., 1=Т^І ).
Экспериментальная проверка метода пгюбодшїзсь ка данных о поставках t>t вада сырья от ь5 заьодов-пост.зьщиков за 'і986-1988 гг. Количество пар "гіост&Ещж-сирье" равнялось 86. Задача анализа надежности поставщиков рассматривалась-как задача автоматической класифікацію 86x3= 258 объектов б "-мерном пространстве. Ниже приводятся сонсб-ше результата експетяшента.
1. Варьирование свободші параметров- алгоритмов классификация' (степень размытости, ьыоор начальних условий) незначительно влияет на реаулътаты классификации.
_ 2..Наилучшие результати (как с точки зрения содержательной интерпретации, так и с точки зрения удобства восприятия) дает алгоритм
с разшлой границей іг четким фмовш классом.
-
Наиболее HniapsiiTUEii'iti ( в точки эре дал анализа шдешюсги поставщиков) оказиыг.ется кллсафшйцил в пространстве параметров X,' ,...,Х" . Класыфисация в пространстве параметров XV. , xjj , і: г., характеризующих степень выполнения планов поставки нар&сташиш итогом, чрезмерно усредняет поведение поставщиков. Классификация в 7-мерном пространстве всех параметров окаліваетсл более "зыпумлен-ноп" и трудно интерпретируемой.
-
Результаты класифікацію позволяют выявить основний иш (классы) поставщиков и оценить их с точки зрения надежности.
Пбрьнй класс ( в него попалгьг более половины всех объектов) -это надежные поставщики с не значительнями отклонениліпі в выполнении квартальних планов. Выполнение годового плана - ь пределах от 1С0 до 125: (за исключением двух объектив, тшеднх показатели, соответственно, 95: н 165:).
Второй класс (7: объектов) - ненадежные поставщики, поставки от которнх резко уменьшаются ьо ьтогк.и полугодии, а выполнение годового плана находится ь пределах 45-80:.
Третій класс (24: объектов) - промежуточный, ь него попали поставщики, докине, как правило, "соои" в одном из кварталов и обеспечивающие выполнение годового плана на уровне 75-90:.
Зоновий класс (20: объектов) - поставщики с "нетипичным" поведением, т.е. с резким превышением или невыполнением квартальных и годовых планов. Три поставщика из этого класса, с годовыми показателям! 15,60 и 65: можно отнести к числу ненадежных.
5. Отметим еще два результата, которые мо;що рассматривать как
косвенное подтверждение статистической достоверности получении ре
зультатов несмотря на относительно' малый размер выборки. Во-первых,
при увеличении числа классов каблвдзется "устойчивость" классификации: состав 1-го, 2-го и фоноього класса изменяется в средней не " более чем на 10:, а 3-й класс дробится на подклассы поставщиков, допусканцих срньы б 1-u,2-uk т.д. кварталах, что дает дополнительную инїлрмаци» об их надежности. Ео-ъторих, устойчивость классификации имеет место также и во времени: 75: пар -"поставщик-сырье" попадают в один и тот же клэсо на протяжении всех трех лет.
Таким образом, результаты ькшершента подтверждают целесообразность .использования методов аьтсматі'-'еско'Д классификации, а также эффективное г ь разработанных в ди-,»-ертацни алгоритмов для реие-ния задачи автоматизированного анализа поставок сырья.
Однако для практической реализации этих методов необходима соответственная информационная система, позволяющая работникам отдела снабжения ь автоматизированном р*жш- формировать и корректировать пассив данимх о поставка*, а такае ьюдфщироьать классЦнкщню поставщиков ари поступлении повод ин[ср|лыцм, При разработке этой системи ставилась така» цель повышенна ;.<Мєктиености выполнения текущих операций по оформленії» и ведеш* учетные документов, подготовке справок и отчетов, текстов,договоров и накладных, выполнению необходимых расчетов и т.п., за счет полней или частичной автоматизации втих операций. Соотьетстьундал' автоматизированная система AFH "Куратор" била разработана под руководствам, и. при непосредственном участии автора и описана ъ главе,"і.
кШ "Куратор", представляет. собой постоянно, развиваемый и рас
ширяемый тфограіАяадй 'продукт,.- .реали.іоьлшшй на персональных ЭВМ'типа
IBM PC XTNAT'e среде программирования,- разработки, и поддержи баз
данных.Fox Ваае+. -.-. ' . - '
АРМ "Куратор" ьклК'чает следующие, база данных:
база данных характеристик предприя'пгй-пяртаеров (поставщиков и потребителей), в той числе адрес, иридичеекие, ведомствеише, финансовые, транспортные и отгрузочные реквизиты, телеіїоїш и фамилии должностных лиц и руководителей;
база данші характеристик ввдсь сырья, в тон числе физикотех-нические и химические параметры, торговце параметри, в частности, единицы измерения, цены по сортам, количественные критерии отличия каждого сорта, перечень ггредприятий-произЕодителей;
база данных характеристик видов собственной продукции, (аналогичная информация);
база данных "договоры", включаодая все их реквизита, в том числе, сроки действия, объеш и условия поставок;
база данных планов-графиков поставок, по месяцам, кварталам ила декадам;
база данных фзктнчгски получениях поставок (аналог имеющегося журнала регастрации поставок в отделе материально-технического снабжения, так называемой "Кшги фондов и реализации"), вклкяаю-щая, s частности, все реквизиты накладной, приходного ордера и финансового счета, такие кас иоиера stax документов, дати отгрузки и дати поступления, даті; ешшски фяяансоеого счета и дата его оплати, заявленное и фактическое (по акту) количестео, номера вагонов или цистерн и количество иес? и др.;
база дзнннх фактически отправленных поставок по сбиту, (аналогичная информация);
база данных фактического наличия сирья на складах и ъ цехах;
база данник фактического наличия продукции на складах готовой продукции и в цехах;
база данных складского їо.ілйсїьз, ышпьгцья характеристики
хранилищ, такие как максимальные объемы (массы) та каждому продукту, свободные и охранябмне площади, трубопроводная сеть (т.е.' возможности перекачки продуктов в цеха), мощности перекачки и площадки (места) для погрузочта-разгрузочных работ и т.д.
Система ведения каждой базы данных обеспечивает ввод, хранение, просмотр в табличном и Форматированном виде, исправление, защиту, копирование данных., внесение в архив на внешнем носителе, распечатку содержания бази данных, в.удобном формате.
Диалог работника отдела снабжения с ЭЕТ.1 осуществляется с помощью разветвленного меню. На каждом v.sve на екране высвечивается текущее меню (перечень возможных действии пользователя), в котором пользователь может выбрать нуияшй пункт курсором. После этого текущее менб закрігеается и открньается новое, соответствуйте выбранному варианту дальнейшей работ. Прямоугольник нового пеню изображается на екране со сдвигом, так что виден заголовок предыдущего меню -"предка".текущей вершины дерева диалога, и пользователь в любой момент знает, в каком месте дерева он-находится. На кавдом щаге. диалога имеется возможность вернуться на предвдущий таг «ли получить "подсказку" - краткое описание предлагаемых вариантов действий пользователя. Таким образом, система не требует не только знакомства пользователя с вычислительной техникой, .программирование»» и т.п., но и изучения какой-либо документации: всю необходимую ичфэрмащю пользователь может получить б процессе работа с системой.
.В системе предусмотрен автоматический контроль правильности ввода данных: проверяется принадлеяяость'значения'вьодишго параметра диапазону допустимих значений; при вводе документов проверяется наличие в базе данных документа с тем же номером; наличие соответствующего поставщика в списке поставщиков; факт заключения еоответст-
вумцего договора и г.и.
Вази данных автоматизированной системи контроля многононенклэ-турщх поставок могут достигать значительных размеров. Например, база даншх о фактически получениях поставках'к концу года может включать до двух тысяч записей только по одному виду сырья, а по всем видак - десятки тисяч записей. Поэтому возникает проблема отбора часта записей для просмотра. В системе предусмотрен? возможность отбирать группн записей, относящихся к оддану или нескольким (близким) видам сырья, к одному или нескольким поставщикам, к заданной паре "ноставщнк-снръе", а также труты записей, содержащих необходимые значення varau реквизитов, как "дата отгрузки", "дата приход/а", "номер квитанции", "номер платежного требования" (для етого нужно указать диапазон значений соогеететвущегэ параметра) и т.д. Для удобства просмотра отобранного тюданохестза записей предусмотрена возможность различным образом упорядочивать их, например, по возрастании или убыванию значений того или тюго паршет-ра, возможность перехода к е.ледущей, предыдущей, перЕой, последней или указываемой записи, возможность "постраничного листания" множества отобранных записей и т.п.
В режиме просмотра записей обеспечивается защита содержимого баз данных от случайного изиенения, а намеренное исправление значений параметров осуществляется в специальном режиме редактирования записей.
Как уке говорилось, система "Куратор" вкльчает в себя специальный блок оценки надежности поставщиков и выдачи соответствующей информации пользователю как в резоше запроса ( по класс&и иадекно-сти), так и в автоматизированном режиме слежения за поставщиками, шпавмвди во Exopoft (ненздеівше) п фоновый класса. Преда смотрено
обновление информации о классификации поставщиков (адаптивний
рехим) по иере накопления данных о поставках. '
Система "Куратор" внедрена в опытную експлуатацив на Кемеровском НПО "Карболит", в результате внедрения получен существенный экономический аффект.
