CC BY
32
Секция «Информационно-экономические системы»
Системы СЛБ/СЛМ/СЛЕ - это всеобъемлющий набор средств для автоматизации процессов и технологической подготовки производства, а также различных объектов промышленности. Системы включают в себя полный набор промышленно адаптированных и доказавших свою эффективность программных модулей, функционально охватывающих анализ и создание чертежей, подготовку производства на всех этапах, а также обеспечивающих высокую функциональную гибкость всего цикла производства. Системы представляют собой не просто объединенный набор отдельных программных решений, а целостную интегрированную систему взаимосвязанных инструментальных модулей способных функционировать на различных технических платформах, взаимодействовать с другим производственным оборудованием, обрабатывать данные, полученные путем достижения разработок новейшей технологии.
Системы СЛБ/СЛМ/СЛЕ позволяют в масштабе целого предприятия логически связывать всю информацию об изделии, обеспечивать быструю обработку и доступ к ней пользователей работающих в разнородных системах. Также они поддерживают технологию параллельного проектирования и функционирования различных подразделений согласовано выполняющих в рамках единой компьютерной модели операции проектирования, сборки, тестирование изделия, подготовку производства и поддержку изделия в течение всего его жизненного цикла.
Для создания САПР необходимо:
- совершенствовать проектирование на основе применения математических методов и средств вычислительной техники;
- автоматизировать процессы поиска, обработки и выдачи информации;
- использовать методы оптимального и вариантного проектирования; применять эффективные, отражающие существенные особенности, математи-
ческие модели проектируемых объектов, комплектующих изделий и материалов;
- создавать банки данных, содержащих систематизированные сведения справочного характера, необходимые для автоматизированного проектирования объектов;
- повышать качество оформления проектной документации;
- повышать творческую долю труда проектировщиков за счет автоматизации нетворческих работ;
- унифицировать и стандартизовать методы проектирования;
- подготавливать и переподготавливать специалистов;
- реализовывать взаимодействие с автоматизированными системами различного уровня и назначения.
Комплекс средств автоматизации проектирования включает методическое, лингвистическое, математическое, программное, техническое, информационное и организационное обеспечение.
Системы автоматизированного проектирования (САПР) благодаря быстродействию и надежности вычислительной техники, достоверности математических моделей и эффективным методам оптимизации позволяют не только ускорить разработку проектов, освободить инженеров и техников от выполнения рутинных процедур, но и сократить в целом продолжительность создания новых машин и аппаратов, повысить показатели их качества.
Автоматизация проектно-конструкторских работ и создание САПР являются одним из основных направлений развития научно-технического прогресса на современном этапе и связаны с повышением эффективности процессов разработки технических изделий.
© Сопов Р. А., Вайтекунене Е. Л., 2010
УДК 311.2.003
О. С. Станишевская, Е. В. Филюшина Научный руководитель - С. И. Сенашов Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
АНАЛИЗ ИЗМЕНЕНИЯ ЦЕН НЕФТИ СОРТА BRENT OIL С 21.10.2008 ПО 30.10.2009 гг.
Анализируется изменение цен барреля нефти сорта Brent oil в течение года. Сделан прогноз цены на нефть.
Brent oil - это мировой эталон нефти по ее качеству, свойствам и составу, который является наиболее оптимальным с точки зрения переработки и производства нефтепродуктов. Вся нефть, добываемая в мире (в Саудовской Аравии, Северном море, США, Мексиканском заливе, Юго-Восточной Азии и т. д.) соотносится с эталоном нефти марки Brent, который в свое время был разработан странами-экспортерами нефти (ОПЕК). Добываемая на том или ином месторождении нефть, безусловно, отли-
чается от эталона и от величины этого отличия зависит ее цена. То есть, чем хуже нефть, чем дальше она отстает по своему качеству, свойствам и составу от эталона Brent, тем меньше ее цена [2].
Рассмотрим основные статистические показатели для данной выборки значений цены за баррель нефти сорта Brent.
Среднее значение барреля нефти составляет 57,16.
Медиана принимает значение 56,82. Дисперсия для данной выборки равна 120,75. Соответственно,
Актуальные проблемы авиации и космонавтики. Информационные технологии
коэффициент вариации равен 19.22 %, что говорит о средней изменчивости вариационного ряда.
Эксцесс равен -1,48. Так как эксцесс отрицательный, то распределение плосковершинное, а это значит, что большая часть значений колеблется вблизи среднего.
Асимметрия, показывающая смещение данных, равна 0,01, что указывает на то, что значения выше среднего имеют небольшой вес в выборке [3].
Построение линии тренда с линейной зависимостью по времени является наиболее оптимальным, поскольку значение коэффициента детерминации здесь наибольшее R2 = 0,5296, следовательно, 52,96 % дисперсии результативного признака объясняется влиянием независимых переменных. Итак, уравнение линии тренда имеет вид:
у, = 0,0768 • , + 43,2379,
где у, - оценка цены барреля нефти; , - номер дня.
Далее, производится анализ остатков на наличие автокорреляции, так как данное явление широко распространено среди ценовых показателей. При этом наблюдается сильная корреляция последующего остатка с предыдущим (Я = 0,7277). Поэтому строится регрессия для остатков, которая по
методу наименьших квадратов выглядит следующим образом:
в, = 0,9665 • et _
На основании этого строится новая линия тренда, учитывающая автокорреляцию:
у, = 0,0768 • t + 0,9665 • et_ + 43,2379 .
Повторный тест остатков на автокорреляцию дал отрицательный результат [1].
По уравнению линии тренда прогноз цены за баррель нефти сорта Brent oil показал, что она будет постепенно увеличиваться, и к 30 октября составит 74,70$, что практически соответствует действительности. Таким образом, данное уравнение подходит для прогноза с целью корректного анализа и прогнозирования цен на нефть.
Библиографические ссылки
1. Бородин С. А. Эконометрика : учеб. пособие. Минск: ООО «Новое знание», 2001.
2. URL: http://enc.fxeuroclub.ru.
3. URL: https://www.theice.com.
© Станишевская О. С., Филюшина Е. В., Сенатов С. И., 2010
УДК 681.3.06 (079)
Е. В. Сурнина Научный руководитель - С. И. Сенатов Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
ИСПОЛЬЗОВАНИЕ ГИС ТЕХНОЛОГИЙ ДЛЯ ОЦЕНКИ СТОИМОСТИ КВАРТИР
Рассматривается важность фактора местоположения при оценке стоимости квартир и возможность оценки этого фактора с помощью ГИС технологий.
ГИС технологии могут широко использоваться в исследовании рынка недвижимости, а именно влияние «эффекта окружения» (окружающей инфраструктуры) на рыночные изменения.
Важность внешнего окружения неоспорима при операциях на рынке недвижимости, так как квартиры имеют фиксированное географическое местоположение, которое определяет доступность к рабочим местам, магазинам, местам отдыха, соседей, характеристикам окружения, близостью к парковой зоне, а также уровнем и качеством коммунального обслуживания. Географическое местоположение является главным фактором для жильцов дома и в результате моделирует их мобильность и изменение окружающей структуры того места, где они проживают. Процесс выбора квартиры определяется географическим разделением рынка недвижимости в соответствии с различными параметрами, включающими тип квартиры, год постройки, ценой, а также характеристиками покупателя недвижимости, такими как его частная прибыль, культурные ценности и стиль жизни.
Возможно, в виду сложности измерения и еще большой сложности для моделирования фактор ок-
ружающей инфраструктуры, экономисты не включают его при расчете стоимости квартиры. В то же время риелторы, покупатели недвижимости, а также общество в целом могут переоценивать фактор местоположения, выражая готовность платить хотя бы за некоторые преимущества жилого района. В связи с этим необходимо постоянно сравнивать смоделированные и имеющиеся внешние параметры, составляющие вместе фактор окружающей инфраструктуры, для объективного вложения денежных средств в приобретаемую квартиру.
При рассмотрении значимости роли географического местоположения необходимо учитывать не только взаимовлияние внешних факторов, но и «эффект окружения», который включает схожесть социальных, экономических и демографических характеристик внутри конкретного микрорайона [1].
Выделяют четыре главных фактора, которые являются внешними для покупателей недвижимости: доступность; физические характеристики; социальное, экономическое и демографическое содержание; коммунальное обслуживание.
