CC BY
51
ректность исходного высказывания будет эквивалентна корректности высказываний, полученных для всех путей.
Наиболее существенной частью алгоритма будет функция F, вычисляющая предикат корректности функции на основе ее определения. Для определения F удобно ввести функцию E(e,v,Pv),
которая будет вычислять утверждение корректности выражения. Тогда F будет тривиально определяться через E, просто связывая соответствующие переменные под знаком предиката, получая из высказывания предикат. Функцию E будет удобно определить рекурсивно, отражая рекурсивную структуру Хаскел-выражений. Определение функции E будет заключаться в перечислении возможных видов Хаскел-выражений, которых немного.
Например, E({f(a,b,c)}f,Pf )=Pf (a,b,c).
В данном случае получено выражение, представляющее собой применение функции, с которой связан предикат, к некоторым аргументам. Очевидно, утверждением корректности будет удовлетворение аргументов данному предикату. Более интересный пример - условное выражение:
E({ifxthenyelsez},f,Pf )=E(xf,Pf )л x=
=True ^ E(yf,Pf )л x Ф True ^ E(zf,Pf).
Утверждение корректности в данном случае есть конъюнкция корректности x, и корректности выражений в двух альтернативах, y и z. Причем для альтернатив функция E строит импликации, чтобы утверждения были более слабые и, следовательно, легче верифицируемые.
Построение начального предиката будет выполняться исходя из тех же соображений. Например, если исходное высказывание находится внутри одного или нескольких вложенных условных операторов, то оно будет помещено внутрь соответствующих импликаций.
Также функция E будет определяться для выражения, где функция, с которой связан предикат, передается другой функции в качестве параметра. Тот факт, что функции в Хаскеле могут передаваться другим функциям и сохраняться в структурах данных, приводит к тому, что любая функция
может вызываться в программе не под своим именем. Поэтому какие-то термы, из которых может быть вызвана наша исходная функция, не попадут ни в один из построенных на первом шаге путей.
Однако тот терм, где некоторая функция изначально передается другой функции, будет представлен в пути, поскольку в этом терме будет фигурировать ее имя. Определим функцию E для
этого случая: E({h(a,bf,c)}f,Pf)=Ph(a,bf,c), где
Ph = F(h,par3,Pf).
Здесь с h связывается предикат, потому что несмотря на то, что она не определена через f, эта функция участвует в вычислении h. Запись
F(h,par3,Pf) означает предикат корректности h
при условии, что на месте ее третьего параметра стоит функция, с которой связан предикат Pf.
Предложенный механизм способствует более тесной интеграции разработки ПО и его верификации, поскольку позволяет описывать верифицируемые инварианты в любых местах программы, даже если эти инварианты формулируются в терминах неизвестных параметров. Без подобного механизма для верификации утверждений с неизвестными параметрами разработчику пришлось бы вручную искать все места в программе, откуда может вызываться функция, содержащая утверждение, и формулировать соответствующе (не всегда тривиальные) утверждения в этих местах. Таким образом, предложенный механизм сокращает время разработки с верификацией, уменьшает вероятность ошибок в спецификации и способствует большей прозрачности программ.
Список литературы
1. Kieburtz R. P-logic: property verification for Haskell programs. 2002. (http://citeseer.ist.psu.edu/kieburtz02plogic.html)
2. Kieburtz R. Programmed strategies for program verification. Electronic Notes in Theoretical Computer Science, Volume 174, Issue 10, p. 3-38, 2007.
3. S. Peyton Jones и др. (ред.) Report on the Programming Language Haskell 98, A Non-strict, Purely Functional Language. Technical report, Haskell community. 1999. (http://haskell.org)
4. Команда проекта Programatica. Programatica Tools for Certifiable, Auditable Development of High-assurance Systems in Haskell. 2003. (http://programatica.cs.pdx.edu/P/Programatica Assurance.pdf)
ФОРМИРОВАНИЕ ПРОГНОЗНОГО ФОНА В ИНТЕГРИРОВАННОЙ ИНФОРМАЦИОННОЙ СРЕДЕ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ
А.А. Ильин (Костромской государственный технологический университет)
Качество принимаемых решений определяется качеством прогнозирования их последствий. Поэтому принимаемые решения должны опираться на достоверные оценки возможного развития изучаемых
явлений и событий в будущем. Совершенствование прогнозирования должно происходить в соответствии с ростом информационной системы и сложности задач, решаемых руководством предприятия. Выде-
ление модуля генерации прогнозов в отдельный элемент системы маркетингового анализа обусловлено:
• ростом объемов информации;
• сложностью алгоритмов расчета и интерпретации результатов;
• высокими требованиями к качеству прогнозов;
• требованиями оперативности и актуальности к управленческим решениям;
• необходимостью использования результатов прогнозирования для решения задач планирования и управления.
Формирование модели прогноза развития предприятия происходит в несколько этапов, которые представлены на рисунке 1.
Основными отличиями предлагаемого подхода к процессу прогнозирования являются:
• формирование прогнозного фона предприятия;
• применение методики Сар-анализа в прогнозах развития рынка и развития предприятия;
• определение взаимосвязей элементов МИС (маркетинговой информационной системы) и дви-
жения информационных потоков в процессе прогнозирования.
В модуле генерации прогнозов МИС с помощью программного обеспечения на основе экономико-математических методов и моделей изучается история развития объектов исследований (прогнозная ретроспекция), производится прогнозная диагностика с целью выявления тенденций развития объектов и выбор моделей и методов прогнозирования будущего (прогнозная проспекция). В результате получаем прогноз развития рынка и прогноз развития предприятия. В дальнейшем оценивается соотношение прогнозов развития рынка и развития предприятия с целью выявления взаимосвязей, обусловливающих развитие объектов в будущем. Сар-анализ на этапе прогнозирования развития предприятия проводится для выявления возможных несоответствий/разрывов в перспективах развития рынка и развития предприятия. На следующем этапе происходит формирование прогнозного фона, то есть совокупности внешних по отношению к предприятию условий, существенно влияющих на положение предприятия в будущем и формирование прогнозной модели развития предприятия.
Затем на основе прогнозной модели развития предприятия проводится оценка вариантов прогнозного развития, оценка рисков и выбор альтернативного варианта развития. Решение о выборе варианта развития принимается в центре принятия решений из множества представленных альтернатив. Верификация прогноза развития производится с целью оценки достоверности, точности и обоснованности прогнозов. Верификация прогнозов осуществляется системой мониторинга внешней среды путем наблюдений за изменением развития внешней ситуации.
Одной из главных задач процесса прогнозирования является формирование модели прогнозного фона. Исходная модель социального прогноза не будет адекватна задачам и цели исследования, если она не сопрягается с моделью прогнозного фона. Прогнозный фон - это совокупность внешних факторов, влияющих на развитие объекта исследования. Данные прогнозного фона выражаются такими же показателями, как и характеристики исследуемого объекта, но, в отличие от них, выявленных путем проведения социологического исследования, берутся готовыми или постулируются условно [1].
Существуют методики для анализа макросреды предприятия: 8ТБР\РБ8Т-анализ, ЕТОМ-анализ, QUEST-анализ и т.д. [2], которые могут использоваться для определения и прогнозирования влияния социальной, политической, технологической и общеэкономической
Ф ф
0 ^
1 I
г Ф
I I I
Л
^ о I- х
I 2
Методики маркетингового анализа
Анализ рынка
Анализ текущего положения
--------------4---1.-1--+---------------
п рогнозная ретроспекция
прогнозный диагноз
прогнозная проспекция
Прогноз развития рынка
Прогноз развития предп риятия
соотношение прогнозов развития предприятия и развития рынка
выявление взаимосвязи в развитии различных факторов внешней и внутренней среды предприятия и определение их взаимообусловленного развития в будущем
анализ разрывов в прогнозах развития рынка и _развития предприятия (Оэр-анализ)_
формирование прогнозного фона предприятия
формирование п рогнозной м одели развития
определение альтернатив развития (прогнозные варианты)
прогнозные а льтернативы -
верификац ия прогноза
определение рисков
выбор альтернативы развития
Система мониторинга внешней среды
Рис.1. Схема процесса прогнозирования в интегрированной информационной системе управления промышленным предприятием
Т
ситуации на развитие предприятия. Однако этого недостаточно для решения задач комплексного прогнозирования. Предлагается включить в прогнозный фон основные тенденции развития рынка как на макро-, так и на микроуровне прогнозирование изменения конкурентной среды и прогнозные значения в предполагаемом изменении поведения потребителей. Выбранные данные прогнозного фона необходимо свести в систему показателей, а затем последовательно сопоставить профильную систему показателей с фоновой, выявляя наиболее тесные связи между ними. Здесь возможно применение методов Сар-анализа. Сложность этого этапа заключается в том, что при сопоставлении профильных и фоновых данных необходимо учитывать взаимодействие большого количества характеристик, которые с трудом или совсем не поддаются измерению и могут быть представлены только в виде качественных оценок.
Система показателей прогнозного фона должна отражать важнейшие факторы, которые будут оказывать влияние на предприятие в будущем. Подбор конкретных показателей каждого блока должен полнее соответствовать принципам системности, репрезентативности, адекватности, информативности (раз-личительности), сопоставимости, обоснованности, эффективности, экономичности, агрегатируемости, универсальности и функциональности.
Единая информационная среда предприятия и развитые инструменты анализа маркетинговой информации позволяют сформировать систему прогнозного фона предприятия для решения проблем эффективного мониторинга внешней среды и оперативного управления. Можно выделить несколько основных этапов реализации этой задачи:
- отбор и рейтинговое ранжирование экспертов;
- формирование системы показателей модели прогнозного фона;
- оценка влияния выбранных показателей прогнозного фона на развитие предприятия;
- прогнозный анализ фона и его утверждение;
- использование прогнозного фона для стратегического и оперативного управления предприятием.
При практическом использовании моделей прогнозного фона потребовалось разработать систему показателей. Принимая во внимание то, что показатели имеют как количественные, так и качественные характеристики, требуется разработка единой системы экспертных оценок и про-
цедур определения степени важности факторов. Большое количество показателей и сложность их взаимосвязей требует разработки специального программного обеспечения, которое позволяет не только формировать прогнозный фон, но и регистрировать изменения в нем через определенные промежутки времени. Это требует формирования регламентируемой процедуры мониторинга внешней среды и бизнес-процессов предприятия. Система принятия управленческого решения, таким образом, выстраивается вокруг оценки прогнозов изменений как внутри предприятия, так и во внешней среде и подразумевает активный контроль.
Для практической реализации предложенной методики разработана подсистема автоматизации формирования прогнозного фона. Основные информационные потоки подсистемы формирования прогнозного фона представлены на рисунке 2. Для формирования прогнозной модели развития предприятия необходимо иметь три основных источника информации: результаты маркетинговых исследований; мониторинговую информацию о внешней среде; информацию о бизнес-процессах предприятия.
Информация, полученная в ходе маркетинговых исследований, должна пройти предварительный анализ и быть зарегистрированной в базе данных пред-
1 - методика маркетинговых исследований; 2 - методика мониторинга внешней среды; 3 - показатели прогнозного фона; 4 - модель анализа маркетинговой информации; 5 - информация, полученная в ходе маркетинговых исследований; 6 - мониторинговая информация внешней среды; 7 - результаты маркетинговых исследований; 8 - регистрация изменений во внешней среде; 9 - регистрация информации о бизнес-процессах; 10 - информация для выполнения маркетингового анализа; 11 - информация для прогнозирования; 12 - методики анализа информации; 13 - аналитическая информация для выполнения задач прогнозирования; 14 - прогнозная информация развития рынка и предприятия; 15 - управленческое решение; 16 - предложение товаров и услуг, коммуникационное воздействие на рынок
Рис. 2. Схема информационных потоков при формировании _прогнозного фона промышленного предприятия_
приятия. Информация, получаемая при мониторинге внешней среды, требует фильтрации и отбора в соответствии с задачами, поставленными перед подсистемой мониторинга внешней среды МИС. Подсистема маркетингового анализа МИС, имеющая в своем составе модуль генерации прогнозов, кроме функции анализа информации, с помощью экономико-математических методов и моделей формирует прогнозный фон предприятия, показатели которого являются базовым элементом функционирования системы мониторинга внешней среды. При мониторинге внешней среды выявляются отклонения реального состояния внешней среды от задаваемых показателей прогноз-
ного фона. В свою очередь, это позволяет определить значение этих отклонений и выявить степень их влияния на будущее развитие предприятия. Следовательно, разработка управленческого решения будет опираться на адекватный и актуальный прогноз развития как предприятия, так и рынка.
Список литературы
1. Бестужев-Лада И.В. Перспективы трансформации России: экспертный сценарно-прогностический мониторинг. - М.: МГУ, 1998. - 122 с.
2. Гайденко, Т.А. Маркетинговое управление. Полный курс МВА. Принципы управленческих решений и российская практика. - М.: ЭКСМО, 2005. - 480 с.
АВТОМАТИЗИРОВАННАЯ СИСТЕМА ПРОГНОЗИРОВАНИЯ ОСТАТОЧНОГО РЕСУРСА ЭЛЕКТРОКОНТАКТНЫХ СОЕДИНЕНИЙ
В.В. Измайлов, д.т.н.; А.Е. Наумов
(Тверской государственный технический университет)
В современной технике особую важность приобрели вопросы надежности различного рода ответственных устройств. Перерыв в работе ответственного устройства может привести не только к ухудшению качества производимой продукции или к полному прекращению производственного процесса, но и к весьма серьезным авариям, выходящим за локальные рамки предприятия. В данной статье рассматривается применение методов прогнозирования к предсказанию остаточного ресурса электроконтактных соединений, применяемых на энергетических и промышленных предприятиях. Особенностью данной группы устройств является высокая надежность, ответственность функций и значительная цена последствий отказа.
Традиционные методы контроля состояния электроконтактных соединений основываются на концепции разрушения как критического события; в действительности разрушение является процессом, непрерывно развивающимся во времени, а его протекание зависит от множества факторов, которые можно учесть на основе диагностических моделей. Наиболее эффективным как с технической, так и с экономической точек зрения является периодический мониторинг определяющего параметра электроконтактного соединения с последующим прогнозом изменения этого параметра с целью предсказания момента наступления предельного состояния.
В математической статистике имеется мощный аппарат прогнозирования на основе анализа временных рядов [1, 2]. Статистические модели описывают явления, в которых присутствуют случайные факторы, не позволяющие объяснить явление в чисто детерминистских терминах.
В качестве определяющего диагностического параметра, на основании которого делается вывод
о работоспособности или об отказе электроконтактного соединения, выбрана температура, точнее, превышение температуры наиболее нагретой точки контактного соединения над температурой окружающей среды - ДТ.
Исходные данные для прогнозирования были получены с использованием современных методик термографического обследования объектов электроэнергетики Тверской области. Результатом этих мероприятий являются отчеты по измерениям с точками максимальных перегревов. Проведенные эксперименты определили зависимости температуры наиболее нагретой точки контактного соединения от времени, представляющие собой типичные временные ряды.
Методика построения ARIMA-модели по временному ряду
В работе [3] показано, что поведение контактного соединения может быть описано на основе статистической (вероятностной) модели по методу анализа временных рядов Бокса-Дженкинса.
Экспериментальные значения температуры Т контакт-деталей в зависимости от времени t представляют собой временные ряды T(t), образованные значениями температуры в отдельные моменты времени. В математической статистике имеются развитые методы анализа и прогнозирования временных рядов, например модель Бокса-Джен-кинса ARIMA (AutoRegressive Integrated Moving Average), или АРПСС (авторегрессия - проинтегрированное скользящее среднее). Модель ARIMA зависит от ряда параметров и обычно обозначается как ARIMA(p,d,q). Параметр p определяет порядок авторегрессионной составляющей; d - порядок разности (интегрирования); q - порядок скользящего среднего. Общий подход, предло-
