CC BY
4Уровень проникновения МИС в деятельность ЛУ в европейских государствах различен, однако, общая тенденция заключается в его неуклонном росте, расширении функциональных возможностей, формированию нормативной базы информационной безопасности и ее реализации посредством соответствующих эффективных организационно-технических мер.
Литература
1. Электронный источник http://ec.europa.eu/health /ph_programme/documents/prog_booklet_en.pdf
2. Электронный источник http://ec.europa.eu/health/ programme/docs/wp2014_en.pdf
3. Электронный источник https://www2.deloitte.com/ content/dam/Deloitte/global/Documents/Life-Sciences-Health-Care/dttl-lshc-2014-global-health-care-sector-report.pdf
4. Электронный источник http://www.medpulse.ru /health/yourshealth/medicalachievements/13850.ht ml
5. Roesler V., Klinger A., De Lima G.L., Longoni G. MIR: A low cost digital operating room // 2014 IEEE 16th International Conference on e-Health Networking, Applications and Services, Healthcom 2014.
6. He L., Xu L., Ming X., Liu Q. A Web Service System Supporting Three-dimensional Post-processing of Medical Images Based on WADO Protocol // Journal of Medical Systems Volume 39, Issue 2, 2015, 9p
7. Zulman D.M., Jenchura E.C., Cohen D.M., Lewis E.T., Houston T.K., Asch S.M. How Can eHealth Technology Address Challenges Related to Multimorbidity? Perspectives from Patients with Multiple Chronic Conditions // Journal of General Internal Medicine, 5 August 2014, P.
8. Nguyen O.K., Chan C.V., Makam A., Stieglitz H., Amarasingham R. Envisioning a Social-Health Information Exchange as a Platform to Support a Patient-Centered Medical Neighborhood: A Feasibility Study // Journal of General Internal Medicine, 5 August 2014, P. 18-20
a. Электронный источник
9. http://www.armit.ru/medsoft/expert2015/prez/zinge rman.pptx
10. Ь.Дэниэл Кастро. Роль ИТ в медицинских исследованиях. - «Открытые системы», № 02, 2010
11. c. Ирина Шиян. Точка роста. - «Открытые системы», № 02, 2010
МОДЕЛИРОВАНИЕ И КЛАССИФИКАЦИЯ ПРОЦЕССОВ ВЫПОЛНЕНИЯ РАБОТ _ИННОВАЦИОННОГО ПРОЕКТА
Козелков Олег Александрович
кандидат техн. наук, начальник отдела, ОАО Научно-производственное предприятие «Кант», г. Москва
SIMULATION And CLASSIFICATION of PROCESSES of IMPLEMENTATION of INNOVATIVE PROJECT WORKS
Kozelkov Oleg Alexandrovich, Candidate of sciences, chief of department, OC Scientifically Production Enterprise «Kant»
Moscow
АННОТАЦИЯ
Целью работы является получение информации для принятия решений, обеспечивающих эффективное распределение кадровых ресурсов при адаптации предприятия к условиям развития. Рассматриваются вопросы оценки временных параметров работ при выполнении инновационного проекта. Предложенный подход предусматривает моделирование процессов выполнения работ проекта для оптимизации сроков его выполнения. Для выделения работ, обладающих значительной сложностью и новизной используется кластерный анализ. В результате появляется возможность оценить проблемы в кадровом обеспечении, оптимизировать затраты производственных ресурсов, минимизировать время выполнения отдельных работ.
ABSTRACT
The purpose of work is a receipt of information for making decision, providing effective allocation of skilled resources during adaptation of enterprise to the terms of development. The questions of estimation of works time parameters at implementation of innovative project are examined. Offered approach foresees the simulation of processes of implementation of project works for optimization of terms of its implementation. A cluster analysis is used for the selection of works, possessing considerable complication and novelty. As a result possibility to estimate problems in the skilled providing to optimize the expenses of production resources, minimize time of implementation of separate works appears.
Ключевые слова: имитационное моделирование; кластерный анализ; сроки выполнения работ.
Keywords: simulation, cluster analysis, terms of works implementation.
Адаптация подразделений предприятия к условиям выполнения инновационного проекта требует от руководства принятия решений, обеспечивающих эффективное распределение кадровых ресурсов. Ошибки при формировании и управлении кадровым обеспечением выполнения производственных работ могут стать причи-
ной срыва или отказа от проведения работ инновационного характера, а также являются причиной значительных дополнительных затрат.
В статье рассматриваются вопросы оценки планируемых работ по производству новой продукции в соответствии с характеристиками трудоемкости, заданными в
виде требований инновационного проекта. После формирования состава исполнителей [1] необходимо производить оценку времени выполнения всего производственного цикла. Реальные характеристики работ ввиду неопределенности возможных производственных ситуаций, обусловленных новизной продукта (или процессов его производства), отличаются от планируемых. Для оценки временных характеристик выполнения проекта предлагается использовать имитационное моделирование [2].
Производственный процесс рассматривается как процессно-ориентированная система, определяемая тремя основными элементами:
• производство в виде описания основных технологических процессов (ТП);
• организационная структура и регламент процессов выполнения работ;
• параметры моделирования для контроля производительности и оценки процессов.
Для разработки имитационной модели необходимо:
• представить процесс выполнения работ проекта в виде совокупности взаимодействующих элементов;
• описать взаимодействие элементов в виде диаграммы состояний в фиксированные моменты времени.
• алгоритмически описать функционирование отдельных элементов.
В качестве работ рассматриваются технологические процессы производственного цикла. Динамика процессов описывается алгоритмом имитационного моделирования (рис. 1), при этом применяется пошаговый метод изменения модельного времени.
При реализации процесса моделирования учитываются следующие параметры:
1. Интенсивность поступления заказов на изготовление изделий, что требует выполнения отдельных техпроцессов.
2. Трудоемкость каждой работы. Определение ожидаемых трудоемкостей работ проводится эмпирическим путем или на основании анализа данных о выполнении аналогичных работ. Для учета возможных отклонений при выполнении работы введена система коэффициентов трудоемкостей работ:
- если ^ = 0, то эта j-я работа не выполняется,
- если ^ = 1, то работа производится с обычной производительностью,
- если ^ > 1, то работа усложненная, время на ее выполнение увеличивается,
- если ^ < 1, то работа считается несложной, и время ее выполнения сокращается.
Формула оценки времени выполнения j-й работы с учетом категории сложности имеет вид:
Т = Т^ + Тп^г -1), ] = 1,т
где Т - рассчитываемое время;
Тп - нормативный срок выполнения работы.
3. Производительность исполнителей (работников). В зависимости от значений параметра можно судить о том, насколько быстро будет выполнена необходимая работа конкретным работником.
Коэффициент производительности ^го исполнителя при выполнении j-й работы:
Ту = Т| + Тп^(1-рг|)Д = 1,п^' = 1,т
где Т - рассчитываемое время;
рп - коэффициент производительности для ^го исполнителя.
Для оценки времени выполнения работ используются данные, полученные одним из способов:
• по результатам моделирования производственного процесса,
• по результатам отчетности о выполняемых ранее работах.
Данные содержат информацию о продолжительности выполнения работ, количестве выполняемых ТП, процентном соотношении ТП, превышающих нормативные сроки выполнения, процентном соотношении величин превышения нормативных сроков для рассматриваемых процессов, минимальных и максимальных значениях за указанный период моделирования и т.д.
Осуществляется разбиение всех работ на три класса, определяющих уровень их «критичности». При этом используется метод кластерного анализа [3, 4].
Классификация множества работ выполняется в два этапа:
1. Первоначальное распределение объектов по кластерам.
К первой группе относятся процессы, не требующие оптимизации или изменений, ко второй группе - процессы с промежуточными показателями. К третьей группе относятся работы, значительно нарушающие временные рамки, установленные нормами. Эти процессы протекают нестабильно либо с большими превышениями стандартов и требуют принятия решений реинжиниринга и оптимизации.
2. Итеративный процесс.
Процесс вычисления центров и перераспределения объектов продолжается до тех пор, пока не выполнено одно из условий: кластерные центры стабилизировались или количество итераций равно максимально заданному числу.
Кластерный анализ проводится иерархическим методом. Для организации данных используется агломерирующая стратегия, которая представляет собой восходящий подход: каждое наблюдение начинается в своем собственном кластере, и пары кластеров объединяются, обеспечивая иерархию высшего порядка.
Полученная информация используется для принятия управленческих решений о необходимости привлечения дополнительных ресурсов (технических или кадровых) на выполнение работ, являющихся «узким» местом в производственном процессе.
Таким образом, предложен подход к оптимизации сроков выполнения производственных работ проекта за счет моделирования и последующего анализа временных показателей работ. Разработанная концепция дает возможность оценить возможные проблемы в кадровом обеспечении, оптимизировать затраты производственных ресурсов, минимизировать время выполнения отдельных процессов.
С
начало
Создание экземпляров классов:
1. Date (date, workdate);
2. Timer (time);
3. Employees (е);
4. Requests (req);
5. Turn (turn);
6. Interfaces (vrmodel).
A
1. Создание списка сотрудников (e.beginO);
2. Генерация поступления заявок на техпроцессы
(req.generation_req(date));
3. Ввод времени моделирования (vrmodel.inO)
А
1. Проверка поступлений новых техпроцессов
(req.novaya_zayavka(workdate,turn));
2. Учет выполнения работ исполнителями
(e.emplwork(e, turn, workdate));
3. Автоматическое выполнение работ
(turn.autowork(turn, workdate));
4. Проверка законченных работ
(turn.done_work(turn))
£
Результаты работы программы
А
С
конец
J
Рисунок 1 - Алгоритм проведения имитационного моделирования
Список литературы
1. Козелков О.А. Модели оценки деятельности операторов сложного технологического оборудования // Вестник Рязанского государственного радиотехнического университета. - № 48. - Рязань. - 2014. - С. 126 - 132.
2. Кельтон В., Лоу А. Имитационное моделирование. 3-е изд. СПб: Питер, 2004 - 847 с.
Кузнецов Д.Ю., Трошина Т.Л. Кластерный анализ и его применение - режим доступа: http://vestnik. yspu.org/releases/uchenue_praktikam/33_4 -
05.11.2012 г.
Гитис Л.Х. Статистическая классификация и кластерный анализ. М.: Изд-во Московского государственного горного университета, 2003 - 151 с.
