CC BY
22
the communication channels). Pod red. YU. I. Loseva. Дата поступления статьи в редакцию 05.08.2016 M. : Radio i svyaz', 1988. 209 p.
_ 05.13.00 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ _
05.13.18
УДК 330.4; 338.43; 519.86
ОПТИМИЗАЦИЯ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ ПРИКЛАДНЫХ ЗАДАЧ СЕЛЬСКОГО ХОЗЯЙСТВА НА ОСНОВЕ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ
© 2016
Колачева Наталья Вениаминовна, кандидат педагогических наук, доцент кафедры «Высшая математика и математическое моделирование» Тольяттинский государственный университет, Тольятти (Россия) Никитина Марина Геннадьевна, кандидат педагогических наук, доцент кафедры «Высшая математика и математическое моделирование» Тольяттинский государственный университет, Тольятти (Россия)
Аннотация. Введение. В статье рассматриваются вопросы определения оптимального рациона кормления животных с помощью математического моделирования. Авторы предлагают использовать разработанную математическую модель, показывающую эффективность животноводства в реальных условиях хозяйства, позволяющую учитывать сбалансированность рационов, наличие или отсутствие кормов, их стоимость,
Материалы и методы. Реальная модель для решения данной задачи, построенная на основе методов линейного программирования, является очень громоздкой и включает в себя многие десятки уравнений и неравенств, которые необходимо изменять в зависимости от изменившихся условий хозяйства. Но некоторые методы позволяют упростить модель, не снижая информативности и пригодности для прогноза. Расчет характеристик результативности кормов для птиц разного состава в исследовании предлагается производить с помощью специального математического аппарата, адаптированного к целям исследования, в основе которого лежит принцип максимизации функции цели по критериям качества и экономическим показателям. Для упрощения анализа эмпирических данных предлагается использовать метод главных компонент.
Результаты. При определении эффективности вскармливания птицы различными по составу кормами предложено применять математическую модель, использующую указанные методы, построенную на его основе. Это упрощает процесс проведения исследования, анализа и обработки экспериментальных данных и позволяет своевременно оценивать экономическую эффективность вариантов кормления животных.
Обсуждение. В процессе исследования сформированные группы признаков оценивались по критериям качества и экономическим показателям с целью минимизации стоимости рациона. Решена задача о замене исходных взаимосвязанных переменных совокупностью некоррелированных параметров, что позволило осуществлять прогнозирование с доверительной вероятностью у = 0,95 при помощи построенной математической модели. В результате, на основе разработанной математической модели рациона, были выделены оптимальные составы кормов при заданных начальных условиях.
Заключение. Построенная модель оптимизации рациона кормления животных, основанная на методах линейного программирования, главных компонент, показателях качества и экономической эффективности, позволила существенно упростить его проведение, не снижая информативности; осуществить обработку и системный анализ и экспериментальных данных; оценить качество и экономическую эффективность вариантов кормления животных.
Ключевые слова: животноводство, линейное программирование, математическая модель, метод главных компонент, методы оптимизации, показатели качества, рацион кормления животных, сельское хозяйство, системный анализ, экономические показатели, экономическая эффективность.
OPTIMIZATION OF ECONOMIC INDICATORS OF APPLIED PROBLEMS OF AGRICULTURE ON THE BASIS OF MATHEMATICAL MODELLING
© 2016
Kolacheva Natalya Veniaminovna, the candidate of pedagogical sciences, the associate professor of the chair «Higher mathematics and mathematical modeling» Tolyatti state university, Tolyatti (Russia) Nikitina Marina Gennadyevna, the candidate of pedagogical sciences, the associate professor of the chair «Higher mathematics and mathematical modeling» Tolyatti state university, Tolyatti (Russia) 23
Annotation. Introduction. In article questions of definition of an optimum diet of feeding of animals by means of mathematical modeling are considered. Authors suggest using the developed mathematical model showing the efficiency of animal husbandry in actual practice farms allowing considering balance of diets, existence or lack of forages, their cost.
Materials and methods. The real model for the solution of this task constructed on the basis of methods of linear programming is very bulky and includes many tens equations and inequalities which need to be changed depending on the changed conditions of economy. But some methods allow simplifying model, without reducing informational content and suitability for the forecast. Calculation of characteristics of productivity of forages for birds of different structure in research is offered to be made by means of the special mathematical apparatus adapted for research objectives which cornerstone the principle of maximizing function of the purpose by criteria of quality and economic indicators is. For simplification of the analysis of empirical data it is offered to use a method main a component.
Results. At determination of efficiency of feeding of bird sterns, various on structure, it is offered to use the mathematical model using the specified methods, constructed on its basis. It simplifies process of carrying out research, the analysis and processing of experimental data and allows estimating in due time economic efficiency of options of feeding of animals.
Discussion. In the course of research the created groups of signs were estimated by criteria of quality and economic indicators for the purpose of minimization of cost of a diet. The task about replacement of the initial interconnected variables with set of uncorrelated parameters that allowed to carry out forecasting with confidential probability Y = 0,95 by means of the constructed mathematical model is decided. As a result, on the basis of the developed mathematical model of a diet, optimum structures of forages were allocated under the set entry conditions.
Conclusion. The constructed model of optimization of a diet of feeding of animals based on methods of linear programming, main a component, indicators of quality and economic efficiency allowed to simplify significantly its carrying out, without reducing informational content; to carry out processing and the system analysis and experimental data; to estimate quality and economic efficiency of options of feeding of animals.
Keywords: agriculture, animal husbandry, diet of feeding of animals, economic efficiency, economic indicators, linear programming, mathematical model, method main component, optimization methods, quality indicators, system analysis.
Введение
Математика до недавнего времени находила ограниченное применение при решении хозяйственных задач. С появлением компьютеров математические методы, которые призваны помочь практикам в их повседневной работе, активно развиваются и могут быть полезны экономистам, инженерам, зоотехникам, агрономам и другим специалистам [1, с. 25]. Несмотря на различие содержательных ситуаций прикладных проблем и практических задач, математические модели, их описывающие имеют много общего. Часть таких задач решается методами линейного программирования, разработанных отечественным математиком Л. В. Канторовичем [2, с. 43].
Рассмотрим задачу формирования набора кормов, которые получают животные. Такой набор должен быть сбалансирован по всем питательным веществам, витаминам, минеральным добавкам и прочим элементам, причем он зависит от вида животного, состояния его организма, пола, возраста, продуктивности и условий содержания. Эта задача оказалась одной из первых, решенных методами линейного программирования. Из одних и тех же кормов можно составить много разных сбалансированных рационов, но их стоимость, а значит, и эффективность животноводства будут разными. Кроме
того, реальные условия хозяйства, наличие кормов, а вернее, их отсутствие, дефицит тех или иных их видов накладывают свои очевидные ограничения. Задача состоит в том, чтобы определить оптимальный рацион для конкретного стада в практически создавшихся обстоятельствах.
Материалы и методы
Математическая модель для решения этой задачи довольно громоздка. В ней используются данные о наличии кормов в хозяйстве, содержание в них питательных веществ, структура стада в половозрастном отношении, физиологические потребности животных в каждом элементе питания, максимальная и минимальная нормы скармливания отдельных видов кормов, цена каждого корма. Реальная модель включает в себя многие десятки уравнений и неравенств, которые необходимо изменять в зависимости от изменившихся условий хозяйствования. Но некоторые методы позволяют упростить ее, например, исключив некоторые переменные [3, с. 330]. При этом главным критерием должна оставаться информативность модели и возможность ее использования для прогноза.
Чтобы дать представление о принципах построения модели, ограничимся выбором рациона для одного вида животных, а их физиологические потребности сведем только к двум показателям: ка-
лорииности корма и количеству в нем протеина. Неизвестные задачи обозначим х. - количество
корма '-го вида (комбикорма, силос, сено и т. д.) в суточном рационе животного. Исходное ограничение в модели обусловлено наличием кормов в хозяйстве. Пусть в стаде содержится N животных, а дневной рацион /-го вида ограничен величиной Q. Тогда, чтобы установленный рацион не приводил к перерасходу кормов, должны соблюдаться условия, записанные по каждому виду кормов:
(1)
N • х, < .
Если в кг корма /-го вида кормовых единиц содержится е ■ то для обеспечения необходимой
калорийности дневного рациона сумма содержащихся в нем кормовых единиц по всем п видам кормов должна быть не меньше физиологической нормы Е:
2 е . • х . > Е .
] = 1
} }
(2)
Аналогичным образом, обозначив через Р, содержание протеина в килограмме корма '-го вида и Р суточную потребность животного в протеине, запишем условие обеспечения животных кормами, то есть сбалансированность по аминокислотному составу, жирным кислотам, витаминам, микро- и макроэлементам.
В модели должно учитываться условие, что количество Е (по объему или массе) корма, которое может за день съесть животное, ограничено, причем это может быть связано не только с физиологическими особенностями животных, но и с нехваткой некоторых видов кормов в хозяйстве:
2 х . < ^.
] = 1
]
(3)
Формирование модели завершим написанием целевой функции. Критерием оптимальности выберем стоимость дневного рациона, она должна быть минимальной:
/ = 2 У ■ • х . ^ шт .
, = 1
} }
(4)
Главным условием оптимизации кормовой базы выступает требование, чтобы животные были обеспечены полноценными кормами, которые позволили бы достичь наивысшей их продуктивности при наименьших затратах труда, денежных средств и материальных ресурсов [4, с. 20].
Для биологических процессов наиболее типична корреляционная связь [5, а 31]. При этой связи изменение у членов совокупности одного признака-фактора сопровождается изменениями условного среднего другого признака [6, с. 47]. Корреляционная зависимость между признаками X и Y вы-
ражается математически через уравнение регрессии у = ф(х), где у - условное среднее значение переменной Y при фиксированном значении переменной Х = х^ Математическая модель, построенная на его основе, при проведении исследований упрощает процесс обработки экспериментальных данных. Для двух случайных величин корреляционный анализ состоит из следующих этапов [7, с. 5]:
- построение корреляционного поля и составление корреляционной таблицы;
- вычисление выборочного коэффициента корреляции;
- проверка статистической гипотезы о значимости корреляционной связи.
Полученные экспериментальные данные всегда имеют стохастический характер и поэтому должны быть содержательно интегрируемы [8, с. 38]. При планировании и организации сравнительного эксперимента необходимо решать следующие вопросы:
1. Если под воздействием на объект исследования произошло изменение в ходе эксперимента, и оно измеримо, то можно ли считать это изменение как результат такого воздействия, которое могло иметь и случайный характер?
2. В какой мере можно переносить результаты, полученные в конкретных экспериментальных условиях, на изучаемый процесс?
При организации сравнительного эксперимента рассматриваются основные факторы Х, определяемые по старой и «новой» методикам. В роли У выступают качественные показатели, которые необходимо измерить. Из данных опыта предполагается выявить наличие функциональной зависимости показателей У от изменяемых факторов. Форма и вид У(Х) изначально неизвестны. В случае наличия только двух признаков - Y и X задача существенно упрощается, и при ее решении могут быть применены классические методы математического анализа [9, с. 95].
При таком подходе модель выступает как многофакторная, в которой применяются принципы случайного распределения. Их выборка осуществляется закономерно и в соответствующих условиях, чтобы с учетом особенностей эксперимента и ограничений определить основные факторы. В рамках выделенной области исследуемого пространства изучаются различные зависимости, соответствующие У, и выявляются оптимальные условия функционирования исследуемой системы.
Расчет характеристик результативности кормов для птиц разного состава в исследовании предлагается производить с помощью математического инструментария Зиброва П. Ф. [10, с. 151; 11, с. 1763]. Эта технология прошла успешную международную апробацию при исследовании
п
п
п
экономических систем управления промышленным предприятием. В его основе лежит принцип максимизации функции цели по критериям качества и экономическим показателям. Адаптированный к исследованию вариант имеет следующий вид.
Коэффициент нереализованных возможностей или коэффициент вариации относительно ктах, отношение «шум/сигнал» на отрезке [ктах, ктт]:
а(к шах)
Ккшах' кш|д) -
(5)
Нормированный коэффициент нереализован-
ных возможностей:
к .
Г(а) --Г(кшах' к шт) , 0 1'
1 -а к
ш
Нормированный коэффициент реализации возможностей
(6)
Г (а) - 1--Г(к шах' к шт)' 0 ^ 1 .
1 -а
(7)
Затраты на достижение максимального уровня эффективности от га до 1 за цикл, - расходы на
единицу максимального качества за один цикл: ( \
Б
об
■Б
а
1 +-
V 1 -а
Г(к
,к ша^' шт
(8)
Затраты на получение максимального качества т разнородных элементов за к циклов изучаемого процесса, уц - коэффициент нереализованных возможностей /-того элемента системы в ц-м цикле: / Л
. (9)
к т
Б Об (к, т) -ЕЕ £
] -1-1
а ч
1 +-г(к ,к . )
' 4 шах ? шт / г]
V 1 -а
Допустим, что факторы в ходе эксперимента дублируют друг друга. То есть между ними возможна корреляция. Тогда необходимо построить и проанализировать графики зависимости для всех пар признаков, использующихся в исследовании. Для п переменных имеется п(п-1):2 таких комбинаций. Для упрощения системы анализа эмпирии-ческих данных был использован метод главных компонент [12, с. 334], позволяющий изучать закономерности в динамике процессов и явлений с уменьшением количества анализируемых данных.
Метод дает характеристику изучаемых явлений при помощи числа взятых признаков на порядок меньших, чем на первом этапе. Количество главных компонент, оставшихся после преобразования, будет содержать больше информации, чем начальные эмпирические данные и позволит выявить признаки, имеющие корреляцию с главной компонентой. Прогнозирование уровней изучаемых признаков в этом случае осуществляется на основании уравнения регрессии, полученного по информации главных компонент.
Используя метод главных компонент, можно выделить новые, формальные, компоненты, являющиеся линейной комбинацией исходных переменных. Одна из наиболее сильных сторон метода в исследовании структур данных - это переход от большого числа не связанных между собой графиков и аналитических зависимостей пар переменных к очень небольшому их числу.
Результаты
Разработанный математический аппарат позволяет упростить процедуру анализа экспериментальных данных и решать другие прикладные задачи в разных сферах деятельности человека [13, с. 162; 14, с. 128; 15, с. 58; 16, с. 174]. При определении эффективности вскармливания птицы различными по составу кормами использована математическая модель, построенная на основе критериев (1-4) с целью минимизации стоимости рациона, и критериев качественного состава кормовых добавок (5-9). Это упрощает процесс проведения исследования, анализа и обработки экспериментальных данных и позволяет своевременно оценивать экономическую эффективность вариантов кормления животных [17, с. 216; 18, с. 63; 19, с. 123].
Так, в опытах по разработке кормовых добавок модифицированного аморфного диоксида кремния для птицы исследована эффективность различных кормов при нескольких вариантах схем их применения [20, с. 34; 21, с. 144]. Для организации эксперимента новые элементы, то есть кормовые добавки, от внедрения которых ожидается изменение эффективности, используются в экспериментальных группах. В контрольных группах рацион остается неизменным. В зависимости от применяемых схем кормления (назовем их факторами), сформировано 9 экспериментальных групп и одна контрольная.
Основными результатами такого эксперимента являются показатели роста и развития птицы, с расчетами абсолютного среднесуточного прироста массы тела, относительного прироста и интенсивности прироста в динамике [21, с. 123].
Обсуждение
На рисунках 1-3 представлены диаграммы абсолютного среднесуточного прироста живой массы, относительного среднесуточного прироста живой массы и интенсивности прироста живой массы за весь период наблюдения.
В процессе исследования было выяснено, что факторы, характеризующие применение определенных схем кормления, дублируют друг друга. То есть между ними наблюдается существенная коре-ляция. Построить и проанализировать графики для всех пар переменных выборки можно, но при наличии большого числа независимых и объясня-
т
а
)
емых переменных, анализ и интерпретация экспериментальных данных были затруднены. Для используемых 10 пар взаимозависимых переменных
необходим анализ 10(9-1):2=40 таких комбинаций. Для упрощения анализа эмпирических данных был использован метод главных компонент.
Рисунок 1 - Диаграмма абсолютного среднесуточного прироста живой массы за весь период наблюдения, г/сутки
Рисунок 2 - Диаграмма относительно среднесуточного прироста живой массы за весь период наблюдения, %
Рисунок 3 - Диаграмма интенсивности прироста живой массы за весь период наблюдения, %
Применением метода главных компонент к имеющимся факторам исходные факторы были преобразованы в 3 группы. Выделенные группы, сформированные из исходных переменных, заменили коллинеарные начальные признаки. Это позволило построить более компактную, по
сравнению с другими [22, а 114], систему оценки эффективности данных эксперимента в рамках проводимого исследования.
Преимущества метода главных компонент в отличие, например, от классического регрессии-онного анализа можно объяснить тем, что при
последнем в модель пытаются включить максимально возможное количество факторов, которые часто характеризуются существенной мульти-коллинеарностью. Прогноз по таким переменным, скорее всего, будет не точным. Поэтому решение задачи о замене исходных взаимосвязанных переменных совокупностью некоррелированных параметров позволяет осуществлять прогнозирование с доверительной вероятностью у = 0,95 при помощи построенной математической модели.
Сформированные группы признаков оценивались по критериям (1-4) с целью минимизации стоимости рациона и по критериям качественного состава кормовых добавок (5-9). В результате на основе разработанной математической модели рациона были выделены оптимальные составы кормов при заданных начальных условиях [22, с. 281].
Заключение
Таким образом, построенная при исследовании оптимизации рациона кормления животных математическая модель, основанная на методах линейного программирования, главных компонент, показателях качества и экономической эффективности, позволила существенно упростить его проведение, не снижая информативности; осуществить обработку и системный анализ и экспериментальных данных; оценить качество и экономическую эффективность вариантов кормления животных. Предложенная математическая модель оптимальности рациона может служить основой для разработки модели оптимальной структуры кормопроизводства.
СПИСОК ЛИТЕРАТУРЫ
1. Коваленко О. Г., Колачева Н. В. Теоретические основы финансового менеджмента // Вестник НГИЭИ. 2015. № 1(44). С. 25-29.
2. Канторович Л. В. Математико-экономи-ческие работы. Новосибирск : Наука, 2011. 760 с.
3. Хемди А. Таха. Введение в исследование операций = Operations Research: An Introduction. 8 изд. М. : Вильямс, 2007. 912 с.
4. Текучева М. С., Текучев И. К., Юдина Т. Р. Экономико-математичское обоснование оптимального рациона коров // Вестник российской сельскохозяйственной науки. 2015. № 5. С. 19-21.
5. Доугерти К. Введение в эконометрику. Пер. с англ. М. : ИНФРА-М, 1999. 402 с.
6. Веремчук Л. В. Методы моделирования медико-биологических и медико-экологических процессов // Здоровье. Медицинская экология. Наука. 2014. Т. 56. № 2. С. 31-33.
7. Носко В. П. Эконометрика. Элементарные методы и введение в регрессионный анализ временных рядов. М. : Институт экономики переходного периода, 2004, 501 с.
8. Лапина Т. И. Построение моделей для анализа и интерпретации экспериментальных данных // Информационно-измерительные и управляющие системы. 2008. Т. 6. № 4. С. 38-44.
9. Зибров П. Ф. Зиброва О. Г. Математическая модель обобщенной вероятности оценки функционирования многопараметрических объектов по показателям нереализованных возможностей // Вестник Волжского университета им. В. Н. Татищева. 2016. Т. 2. № 1. С 151-154.
10. Гилев В. Г. Исследование функций на монотонность // Научно-методический электронный журнал «Концепт». 2016. № 7 (июль). С. 95-104.
11. Зибров П. Ф. Вероятностный подход к оценке характеристик состояния экосистем по показателям нереализованных возможностей // Известия Самарского научного центра Российской академии наук. 2014. Т. 15. № 1-6. С. 1756-1760.
12. Айвазян С. А., Бухштабер В. М., Еню-ков И. С., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерности. М. : Финансы и статистика, 1989. 607 с.
13. Зибров П. Ф., Колачева Н. В. Математическое моделирование и математическая оценка результативности педагогических процессов на основе методов главных компонент // В сборнике: Практика использования естественнонаучных методов в прикладных социально-гуманитарных исследованиях (сборник материалов методического семинара). Тольятти. 2014. С. 162-176.
14. Зиброва О. Г., Зибров П. Ф. Математическая модель вероятностной оценки процесса формирования компетентности обучаемых // Вестник Волжского университета им. В. Н. Татищева. 2013. № 2 (28). С. 128-134.
15. Кошелева Н. Н., Никитина М. Г. Метод моделирования в социологии // В книге: Математика в современном мире. Материалы Международной конференции, посвященной Д. А. Граве. С.58-61.
1 6. Павлова Е. С., Никитина М. Г. Использование графических техник при подготовке материалов для самостоятельной работы студентов по дисциплине «Высшая математика» // Актуальные проблемы гуманитарных и естественных наук. 2009. № 4. С. 174-180.
17. Савинков А. В., Дюльдина Т. В., Гусева О. С. Влияние минеральной добавки - диатомит на биохимические показатели дойных коров // В сборнике: Актуальные проблемы современной ветеринарной науки и практики. Материалы научно-практической конференции, посвященной 70-летию Краснодарского научно-исследовательского ветеринарного института. 2016. С. 216-219.
18. Гусева О. С., Савинков А. В., Михалева Т. В. Влияние препаратов диатомит и
биокоретрон на морфологические показатели крови поросят // В сборнике: Актуальные задачи ветеринарии, медицины и биотехнологии в современных условиях и способы их решения. Материалы региональной научно-практической межведомственной конференции. 2015. С. 63-67.
19. Савинков А. В., Гусева О. С. Сопоставительный анализ влияния пробиотических средств разных групп на факторы неспецифической резистентности поросят гипотрофиков // Актуальные проблемы ветеринарии и животноводства. Материалы Межрегиональной научно-практической конференции. 2010. С.123-126.
20. Никитин Г. С. Сравнительная характеристика влияния некоторых сорбентов на организм цыплят бройлеров // Актуальные проблемы ветеринарной медицины. СПб. : 2013. С. 34-38.
21. Никитин Г. С., Кузнецов А. Ф. Зоогигие-ническая оценка скармливания МАДК-ВИРО цып-лят-бройлерам // Вопросы нормативно-правового регулирования в ветеринарии. 2014. № 2. С. 144-148.
22. Палферова С. Ш., Крылова С. А., Калуко-ва О. М. Использование дифференциальных уравнений для моделирования реальных процессов // Вестник Костромского государственного университета им. Н. А. Некрасова. 2005. Т. 10. № 2. С. 114-118.
23. Никитин Г. С., Никитина М. Г. Использование корреляционного анализа для определения направления и количественного измерения связей в биометрии (на примере зоогигиенической оценки скармливания различными кормами цыплят-бройлеров) // Практика использования естественнонаучных методов в прикладных социально-гуманитарных исследованиях. Сборник материалов методического семинара, 18-19 декабря 2014 г., Тольятти, 2014. С.281-287.
REFERENCES
1. Kovalenko O. G., Kolacheva N. V. Teoreticheskie osnovy finansovogo menedzhmenta (Theoretical bases of financial management), Vestnik NGIEI, 2015. No. 1 (44), pp. 25-29.
2. Kantorovich L. V. Matematiko-ekonomi-cheskie raboty (Mathematico-economic works). Novosibirsk : Nauka, 2011, 760 p.
3. Khemdi A. Takha. Vvedenie v issledovanie operatsii = Operations Research, An Introduction (Introduction to research of operations = Operations Research, AnIntroduction), 8 izd., M., Vil'yams, 2007, 912 p.
4. Tekucheva M. S., Tekuchev I. K., Yudi-na T. R. Ekonomiko-matematichskoe obosnovanie optimal'nogo ratsiona korov (Mathematico-economic justification of an optimum diet of cows), Vestnik
rossiiskoi sel'skokhozyaistvennoi nauki, 2015, No. 5, pp.19-21.
5. Dougerti K. Vvedenie v ekonometriku (Introduction to econometrics). Per. s angl., M., INFRA-M, 1999, 402 p.
6. Veremchuk L. V. Metody modelirovaniya mediko-biologicheskikh i mediko-ekonogicheskikh pro-tsessov (Methods of modeling of medicobiological and medico-ecological processes), Zdorov'e. Meditsinskaya ekologiya. Nauka, 2014, T. 56, No. 2, pp. 31-33.
7. Nosko V. P. Ekonometrika. Elementarnye metody i vvedenie v regressionnyi analiz vremennykh ryadov (Econometrics. Elementary methods and introduction to the regression analysis of temporary ranks). M., Institut ekonomiki perekhodnogo perioda, 2004, 501 p.
8. Lapina T. I. Postroenie modelei dlya analiza i interpretatsii eksperimental'nykh dannykh (Creation of models for the analysis and interpretation of experimental data), Informatsionno-izmeritel'nye i upravlyayushchie sistemy, 2008, T. 6, No. 4, pp. 38-44.
9. Zibrov P. F. Zibrova O. G. Matematicheskaya model' obobshchennoi veroyatnosti otsenki funktsionirovaniya mnogoparametricheskikh ob"ektov po pokazatelyam nerealizovannykh vozmozhnostei (Matematicheskaya model of the generalized probability of an assessment of functioning of multiple parameter objects on indicators of unrealized opportunities), Vestnik Volzhskogo universiteta im. V. N. Tatishcheva, 2016, T. 2, No. 1, pp. 151-154.
10. Gilev V. G. Issledovanie funktsii na monotonnost' (The study of the functions of the monotony), Nauchno-metodicheskii elektronnyi zhurnal «Kontsept», 2016, No. 7 (iyul'), pp. 95-104.
11. Zibrov P. F. Veroyatnostnyi podkhod k otsenke kharakteristik sostoyaniya ekosistem po pokazatelyam nerealizovannykh vozmozhnostei (Probabilistic approach to an assessment of characteristics of a condition of ecosystems on indicators of unrealized opportunities), Izvestiya Samarskogo nauchnogo tsentra Rossiiskoi akademii nauk, 2014, T. 15, No. 1-6, pp. 1756-1760.
12. Aivazyan S. A., Bukhshtaber V. M., Enyu-kov I. S., Meshalkin L. D. Prikladnaya statistika. Klassifikatsiya i snizhenie razmernosti (Applied statistics. Classification and decrease in dimension). M., Finansy i statistika, 1989, 607 p.
13. Zibrov P. F., Kolacheva N. V. Matematicheskoe modelirovanie i matematicheskaya otsenka rezul'tativnosti pedagogicheskikh protsessov na osnove metodov glavnykh component (Mathematical modeling and a mathematical assessment of productivity of pedagogical processes on the basis of methods main a component), V sbornike: Praktika ispol'zovaniya estestvennonauchnykh metodov v prikladnykh sotsial'no-gumanitarnykh issledovaniyakh
(sbornik materialov metodicheskogo seminara), Tolyatti, 2014. pp. 162-176.
14. Zibrova O. G., Zibrov P. F. Matema-ticheskaya model' veroyatnostnoi otsenki protsessa formirovaniya kompetentnosti obuchaemykh (Matematicheskaya model of a probabilistic assessment of process of formation of competence of trainees), Vestnik Volzhskogo universiteta im. V.N. Tatishcheva, 2013, No. 2 (28), pp. 128-134.
15. Kosheleva N. N., Nikitina M. G. Metod modelirovaniya v sotsiologii (Metod of modeling in sociology), V knige: Matematika v sovremennom mire, Materialy Mezhdunarodnoi konferentsii, posvyashc-hennoi D. A. Grave, pp. 58-61.
16. Pavlova E. S., Nikitina M. G. Ispol'zovanie graficheskikh tekhnik pri podgotovke materialov dlya samostoyatel'noi raboty studentov po distsipline «Vysshaya matematika» (Use graphic the technician by preparation of materials for independent work of students on discipline «Higher mathematics»), Aktual'nye problemy gumanitarnykh i estestvennykh nauk, 2009, No. 4, pp. 174-180.
17. Savinkov A. V., Dyul'dina T. V., Guseva O. S. Vliyanie mineral'noi dobavki - diatomit na biokhimicheskie pokazateli doinykh korov, V sbornike: Aktual'nye problemy sovremennoi veterinarnoi nauki i praktiki (Influence of a mineral additive - diatomite on biochemical indicators of milk cows), Materialy nauchno-prakticheskoi konferentsii, posvyashchennoi 70-letiyu Krasnodarskogo nauchno-issledovatel'skogo veterinarnogo institute, 2016, pp. 216-219.
18. Guseva O. S., Savinkov A. V., Mikhale-va T. V. Vliyanie preparatov diatomit i biokoretron na morfologicheskie pokazateli krovi porosyat (Influence of preparations diatomite and 6noKopeTpoH on morphological indicators of blood of pigs. In the collection), V sbornike: Aktual'nye zadachi veterinarii, meditsiny i biotekhnologii v sovremennykh usloviyakh i sposoby ikh resheniya, Materialy regional'noi nauchno-prakticheskoi mezhvedomstvennoi konferentsii, 2015, pp. 63-67.
19. Savinkov A. V., Guseva O. S. Soposta-vitel'nyi analiz vliyaniya probioticheskikh sredstv
raznykh grupp na faktory nespetsificheskoi rezistentnosti porosyat gipotrofikov (Comparative analysis of influence of pro-biotic funds of different groups for factors of nonspecific resistance of pigs of gipotrofik), Aktual'nye problemy veterinarii i zhivotnovodstva, Materialy Mezhregional'noi nauchno-prakticheskoi konferentsii, 2010, pp. 123-126.
20. Nikitin G. S. Sravnitel'naya kharakteristika vliyaniya nekotorykh sorbentov na organizm tsyplyat broilerov (Comparative characteristic of influence of some sorbents on an organism of broilers), Aktual'nye problemy veterinarnoi meditsiny, SPb., 2013, pp. 34-38.
21. Nikitin G. S., Kuznetsov A. F. Zoogigi-enicheskaya otsenka skarmlivaniya MADK-VIRO tsyplyat-broileram (Zoogigiyenicheskaya an assessment of feeding of MADK-VIRO of chickens broilers), Voprosy normativno-pravovogo regulirovaniya v veterinarii, 2014, No. 2, pp. 144-148.
22. Palferova S. Sh., Krylova S. A., Kaluko-va O. M. Ispol'zovanie differentsial'nykh uravnenii dlya modelirovaniya real'nykh protsessov (Use of the differential equations for modeling of real processes), Vestnik Kostromskogo gosudarstvennogo universiteta im. N. A. Nekrasova, 2005, T. 10, No. 2. pp. 114-118.
23. Nikitin G. S., Nikitina M. G. Ispol'zovanie korrelyatsionnogo analiza dlya opredeleniya naprav-leniya i kolichestvennogo izmereniya svyazei v biometrii (na primere zoogigienicheskoi otsenki skarmlivaniya razlichnymi kormami tsyplyat-broilerov) (Use of the correlation analysis for definition of the direction and quantitative measurement of communications in biometrics (on the example of a zoohygienic assessment of feeding by various sterns of broilers)), Praktika ispol'zovaniya estestvennonauch-nykh metodov v prikladnykh sotsial'no-gumanitarnykh issledovaniyakh. Sbornik materialov metodicheskogo seminara, 18-19 dekabrya 2014 g., Tol'yatti, 2014, pp.281-287.
Дата поступления статьи в редакцию 06.09.2016
05.13.06
УДК 621.38: 62.52
ИСПОЛЬЗОВАНИЕ SCADA TRACE MODE, ПРОГРАММЫ LABVIEW, СИСТЕМЫ RAMUS ДЛЯ АВТОМАТИЗАЦИИ СИСТЕМЫ УПРАВЛЕНИЯ ОБЕЗЗАРАЖИВАНИЯ МУКИ
© 2016
Коробков Алексей Николаевич, аспирант, старший преподаватель
ГБОУ ВО Нижегородский инженерно-экономический университет, г. Княгинино (Россия) Ксенофонтова Инна Витальевна, старший преподаватель Волжский филиал ФГБОУ ВО «Московский автомобильно-дорожный государственный технический университет (МАДИ)», г. Чебоксары (Россия) Михайлова Ольга Валентиновна, д.т.н, доцент, профессор Волжский филиал ФГБОУ ВО «Московский автомобильно-дорожный государственный технический университет (МАДИ)», г. Чебоксары (Россия)
