94
Таблица 3.8
Характеристика затрат на обработку заявок по перераспределению потоков по проектному варианту
№
п/п
Наименование
операций
технологического
процесса
решения
комплекса задач
Оборудов
ание
Ед.
Изм.
Объем
работы
за год
Норма
выработки /
производитель
ность
устройств
ЭВМ (опер/в
час.)
Трудое
мкость
(гр5:
гр6)
Среднеча
совая
зарплата
специалис
та (руб.)
Часовая норма
амортизации
(руб. за час) /
ст. 1 маш.часа
(руб.)
Часовая
стоимость
накладных
расходов
(руб.)
Стоимостные
затраты [(гр8+
гр9+ гр10) *гр7]
для ручных
операций
Стоимостные
затраты [(гр8+гр/9
+гр10 )*гр.7] для
операций, вып. на
ЭВМ
1
2
3
4
5
6
7
8
9
10
11
12
1
Анализ заявки
ЭВМ
час
60
0,8
48
208
5
3
10368
2
Расчет пере-
распределения
ЭВМ
час
60
3
180
208
5
3
38880
3
Оценка
экономических
потерь
ЭВМ
час
60
0,7
42
208
5
3
9072
4
Утверждение
плана
ЭВМ
час
60
2
120
313
5
3
38520
5
Выдача
распоряжения
по плану
ЭВМ
час
60
0,6
36
208
5
3
7776
6
Обслуживание
системы
300
0,001
0,3
300
5
3
92,4
426
0
104708,4
95
На основании анализа таблиц 3.7 и 3.8, а также расчетных формул (3.1)-
(3.3) оценены абсолютные и относительные характеристики снижения трудовых
и стоимостных затрат для одного отделения (таблица 3.9).
Таблица 3.9
Характеристики сравнения трудовых затрат за год
Описание характеристики сравнения
по трудовым затратам
Расчетное значение
Абсолютное снижение трудовых затрат
чTTT 534
01
Коэффициент относительного снижения
трудовых затрат
%56%100
0
T
T
K
T
Индекс снижения трудовых затрат
25,2
1
0
T
T
Y
T
Наглядное сравнение базового и предложенного вариантов для
трудозатрат демонстрирует диаграмма на рис. 3.1.
Рис. 3.1 Сравнение трудовых затрат по базовому и проектному варианту
Таблица 3.10 представляет расчетные параметры сравнения по
стоимостным затратам за год.
960
426
0 200 400 600 800 1000 1200
Базов
ый
Проект
ный
Сравнение трудозатрат
96
Таблица 3.10
Характеристики сравнения стоимостных затрат за год
Описание характеристики сравнения
по стоимостным затратам
Расчетное значение характеристики
Абсолютное снижение стоимостных
затрат
.6,143391
01
рубCCC
Коэффициент относительного снижения
стоимостных затрат
%58%100
0
C
C
K
C
Индекс снижения стоимостных затрат
34,2
1
0
C
C
Y
C
Наглядное сравнение базового и предложенного варианта для
стоимостных затрат демонстрирует диаграмма на рис. 3.2.
Рис. 3.2 Сравнение стоимостных затрат по базовому и проектному варианту
На основании приведенных выше расчетов по снижению издержек на
обработку заявок перераспределения потоков в магистральной сети
трубопровода общая экономия за год составила 143031,6 руб. при этом
разработка системы обошлась в 136000 руб.
Оценка окупаемости системы требует определения также дополнительных
параметров: срока окупаемости и коэффициента эффективности.
248640
104708,4
0 50000 100000 150000 200000 250000 300000
Базовый
Проектный
Сравнение стоимостных затрат
97
Расчет срока окупаемости единовременных затрат на разработку и
внедрение проекта (Т
ок
) при использовании системы оптимизации проводится по
формуле (3.7):
C
З
Т
един
ок
,
(3.7)
месяцевгодаТ
ок
5,1194,0
6,143391
136000
Следовательно, срок окупаемости проекта входит в нормативный до 12
месяцев для такого рода проектов.
Коэффициент эффективности единовременных затрат является обратным
по отношению к показателю срока окупаемость единовременных затрат
определяется по формуле (3.8):
един
един
З
C
Е
,
(3.8)
06,1
136000
6,143391
един
Е
Коэффициент эффективности единовременных затрат равен 1,06.
98
ЗАКЛЮЧЕНИЕ
В ходе работы, целью которой является исследование и разработка
системы управления на основе генетических алгоритмов на примере авторского
решения для прикладной задачи, были решены все поставленные задачи
исследования. Определено, что организация работы различных видов
магистральных трубопроводов, выполняющих транспортировку газов или
жидкостей, является очень сложной и многоаспектной.
Особенности построения таких систем связаны с необходимостью
определения не просто направлений передачи ресурсов, но и поддержки
качества таких ресурсов и безопасности работы различных магистралей.
В реальных условиях работы магистральных трубопроводов возникает
необходимость периодического перераспределения нагрузки на участки, которая
связана с закрытием части участков на ремонт или предполагается дальнейшее
расширение сети. Произвольное перераспределение нагрузки в сети может
привести к снижению качества передаваемого ресурса и угрожать техногенной
или экологической катастрофой из-за увеличения пропускной способности
работающих участков взамен заблокированных.
Выделенная проблема перераспределения потоков ресурсов передаваемых
по магистральной сети трубопровода может решаться различными способами.
Сама структура магистральной сети и технологии перераспределения потоков в
ней достаточно сложны, а поставленная задача оптимизации является
многофакторной. Очевидно, что решение такой проблемы требует учета
множества особенностей, как структуры магистрали, так и передаваемого
ресурса.
Поиск оптимального решения в многофакторной задаче часто проводится
при помощи эвристических методов. Наиболее популярной методикой,
используемой для поиска оптимального значения функции (экстремума)
являются генетические алгоритмы. Методология работы генетических
алгоритмов строится на основе эвристического подхода к поиску оптимального
значения с использованием случайного подбора, комбинирования и вариации
искомых параметров с использованием механизмов, аналогичных естественному
отбору в природе.
99
Разработанная система поддержки принятия решений для
перераспределения потоков в магистральной сети для АО «Спецгазмонтаж»
предназначена для перераспределения потоков (с помощью генетического
алгоритма) в случае закрытия по той или иной причине (ремонт, плановое
обслуживание) отдельных участков сети.
Проведенный анализ экономической эффективности внедрения
разработанной системы оптимизации перераспределения потоков в
магистральном трубопроводе на период проведения ремонтов или расширения
сети позволяет говорить о том, что затраты на разработку проекта, которые
составляют 136000 руб. окупятся за 11,5 месяцев использования, так как
планируемая экономия после внедрения составляет 143031,6 руб.
100
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1. ГОСТ 34.601-90 Информационные технологии. Комплекс
стандартов на автоматизированные системы. Автоматизированные системы.
Стадии создания.
2. ГОСТ 34.602-89 Информационные технологии. Комплекс
стандартов на автоматизированные системы. Техническое задание на создание
автоматизированной системы.
3. ГОСТ Р ИСО/МЭК 12207-99 Информационная технология.
Процессы жизненного цикла программных средств.
4. ISO 9001:2015 Системы менеджмента качества. Требования URL:
https://1cert.ru/stati/upravlenie-izmeneniyami-v-iso-9001-2015.
5. ИСО/ТО 10006:1997 (R). Менеджмент качества. Руководство
качеством при административном управлении проектами.
6. ISO 15846, ISO 10007. Стандарты по менеджменту конфигурации
программных средств.
7. Аверченков В.И., Казаков П.В. Эволюционное моделирование и его
применение. – М.: Флинта, 2016. – 200 с.
8. Албахари Дж., Албахари Б. C# 6.0. Справочник. Полное описание
языка. – М.: Вильямс, 2018. – 1040 с.
9. Албахари Дж., Албахари Б. C# 6.0. Карманный справочник. – М.:
Вильямс, 2018. – 224 с.
10. Белладжио Д. В. Миллиган Т. Б. Разработка программного
обеспечения управления изменениями: учебное пособие. – М.: ДМК Пресс, 2017.
– 139 с.
11. Брестер К.Ю., Рыжиков И.С. Исследование островной модели
кооперации генетических алгоритмов для решения задач многокритериальной
оптимизации // Актуальные проблемы авиации и космонавтики. – 2018. - № 4
(14). – С. 7-9.
12. Ватутин Э.И., Титов В.С., Емельянов С.Г. Основы дискретной
комбинаторной оптимизации. – М.: АРГАМАК-МЕДИА, 2016. – 270 с.
101
13. Ватутин Э.И., Титов В.С. Исследование временных затрат на поиск
решения для эвристических итерационных методов в задаче поиска кратчайшего
пути в графе // Диагностика – 2016. Курск: ЮЗГУ, 2016. – С. 26–33.
14. Ватутин Э.И., Титов В.С. Анализ скорости сходимости качества
решений эвристических методов в задаче поиска кратчайшего пути в графе //
Диагностика – 2016. Курск: ЮЗГУ, 2016. – С. 19–25.
15. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические
алгоритмы. – М.: Издательская фирма «Физико-математическая литература»,
2016. – 367 с.
16. Горелов С.В. Современные технологии программирования.
Разработка Windows-приложений на языке С#. Том 1. – М.: Прометей, 2019. –
363 с.
17. Гуровиц В.М. Ховрина В.В. – Графы. – М.: МЦМНО, 2016. – 32 с.
18. Джонсон Т., Чатфилд К. Шаг за шагом Microsoft Project 2016. – М.:
КТК Галактика, 2018. – 594 с.
19. Долганов О.И., Виноградова Е.В., Лобанова А.М. Моделирование
бизнес-процессов. – М.: Юрайт, 2016. – 290 с.
20. Евдокимов П.В. С# на примерах. – М.: Наука и техника, 2018. – 854
с.
21. Ильина О.П. Бизнес-анализ при разработке моделей бизнес-
архитектуры // Современная экономика: проблемы и решения. – 2016. – № 9 (81).
– С. 54 – 64.
22. Карпенко А. П. Современные алгоритмы поисковой оптимизации.
Алгоритмы, вдохновленные природой. – М.: МГТУ, 2017. – 447 с.
23. Каплунов Т.Г. Использование генетических алгоритмов для
автоматического формирования программ управления движением // Вестник
Таганрогского института имени А.П. Чехова. - 2016. - №1.
24. Кильдюшов М.С. Применение генетических алгоритмов для
восстановления аппроксимированных алгебраических функций с определенной
точностью // Наука и бизнес: пути развития. – 2016. – 1 (55). – С. 25 – 31.
25. Ковалев Б.К. Одоризация природного газа: проблемы и решения //
Газовая промышленность. – 2015. – № 9. – С. 86–87.
102
26. Костыгов А.М., Дударев В.С., Бабин К.С. Бочкарев С.В. Создание
автоматизированной системы управления потоком работ на основе
генетического алгоритма // Информационно-измерительные и управляющие
системы. – 2018. – Т.16. - № 9. – С. 75-81.
27. Кускильдин Т.Р., Дмитриев М.Е., Мастобаев Б.Н. Актуальные
проблемы развития газовых сетей и основные направления повышения
эксплуатационной надежности газораспределительных систем // Транспорт и
хранение нефтепродуктов. - 2016. – №3.
28. Кускильдин Т. Р., Дмитриев М. Е., Мастобаев Б. Н., Валеев А. Р.
Прогнозирование развития газораспределительных сетей с использованием
методики укрупненного гидравлического расчета // Транспорт и хранение
нефтепродуктов. – 2018. – №1.
29. Лушин А.В., Лиманова Н.И. Применение генетических алгоритмов
для решения задач построения маршрутов // Информационные технологии в
моделировании и управлении: подходы, методы, решения. Материалы II
Всероссийской научной конференции с международным участием: Тольятти, 22-
24 апреля 2019 г. – С. 179-185.
30. Медведева О. Н., Иванов А. И. Развитие распределительных систем
газоснабжения // Вестник СГТУ. – 2014. – №1 (76).
31. Омельченко А.В. Теория графов. – М.: МЦМНО, 2018. – 412 с.
32. Омельченко Д.А., Иванова Е.А. Генетические алгоритмы. прошлое,
настоящее и перспективы применения в будущем // COLLOQUIUM-JOURNAL.
– 2018. - № 5-5 (16). – С. 18-20.
33. Ротер М., Шук Дж. Учитесь видеть бизнес-процессы. Построение
карт потоков создания ценности. – М.: Альпина Паблишер, 2017. – 144 с.
34. Саймон Д. Алгоритмы эволюционной оптимизации. – М.: ДМК,
2019. – 940 с.
35. Скит Дж. Книга: C# для профессионалов: тонкости
программирования. – М.: Вильямс, 2019. – 608 с.
36. Снежин А.Н., Петров С.В. Алгоритм управления распределением
потоков газа в замкнутой газотранспортной системе // Современные проблемы
науки и образования. – 2014. – № 5.