Методическое пособие 812

УДК 681.3

РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ АВТОМАТИЗИРОВАННОЙ ПОДСИСТЕМЫ МОНИТОРИНГА

ЦЕНООБРАЗОВАНИЯ В ПРОЕКТНОЙ ОРГАНИЗАЦИИ

С.О. Салов1, А.В. Питолин2 1Магистрант гр. мРИС-11, sapris@vorstu.ru 2Канд. техн. наук, доцент, sapris@vorstu.ru

ФГОБУ ВО «Воронежский государственный технический университет»

Аннотация: рассмотрены вопросы разработки компонентов автоматизированной подсистемы мониторинга и анализа ценообразования в системе управления материальнотехническими ресурсами проектной организации.

Ключевые слова: программное обеспечение,проектная организация, мониторинг ценообразования.

Одним из наиболее эффективных направлений ведения любого бизнеса является гибкое и своевременное управление ценовой политикой компании на основании анализа вторичной информации. Основной комплекс проблем при решении задачи мониторинга ценообразования в проектной организации обусловлен спецификой постановки и решения проектных задач в рамках информационно-управляющей системы материально-техническими ресурсами (ИУС МТР) «Газпроект».

ИУС МТР «Газпроект» представляет собой единую базу оборудования, изделий и материалов используемых проектировщиками в качестве информационно-поисковой системы и средства автоматизированного выпуска текстовой проектной документации (спецификаций оборудования, изделий и материалов, сводных заказных спецификаций и запросов на стоимость) в соответствии со стандартами РФ.

В качестве инструментальных реализации автоматизированной подсистемы мониторинга ценообразования выбранOracleWebLogicServer [1]. Продукт реализует платформу J2EE, которая в свою очередь включает в себя описание ряда технологий, в том числе и Java API для разработки Web– cервисов, использующих XML [2].

Начальным этапом при проектировании автоматизированной подсистемы мониторинга ценообразования является формирование структуры данных. На основании проведенного анализа предметной области, целей, методов и средств мониторинга ценообразования, а также в соответствии с выбранной методологией информационного обеспечения (реляционные базы данных) была определена структура данных в виде таблиц с соответствующими полями, которые связаны между собой с помощью системы идентификационных ключей различными видами отношений [3].

Основное внимание при разработке структуры баз данных было уделено вопросам интеграции разрабатываемого модуля с уже существующими компонентами информационного обеспечения. Основными таблицами базы

220

данных «Наименование продукции», «Единица измерения», «Информация о стоимости», «Дата информации», «Группа оборудования», «Код проектной организации».

Основное «ядро» составляют таблицы для работы с ценами на предприятии. Таблицы расположенные вокруг контура составляют так называемое внешнее окружение: проекты, спецификации позиции, основная и временная продукция.

Для загрузки спецификации необходимо выбрать файл спецификации на локальном или сетевом диске. Файл обязательно должен быть конвертирован в формат XML [4]. Далее следует указать номера строк (указаны в спецификации) для считывания и нажать кнопку «Загрузить». Если все прошло успешно, появится сообщение о количество успешно загруженных позиций и также, о позициях и причинах по которым то или иное оборудование не может быть загружено в базу.

На рис. 1, 2 и 3 приведены экранные формы опросного листа для составления сводной заказной спецификации, загрузки оборудования и формирования перечня договоров.

Рис. 1. Формирование опросного листа для составленяи сводной заказной спецификации

Рис. 2. Загрузка оборудования

Рис. 3. Формирование перечня договоров

221

После успешной загрузки спецификации в таблице можно видеть наименование оборудования, различные признаки (отправлено, согласовано), марку, завод-изготовитель, а так же информацию о стоимости.

Для более качественного информирования пользователя о различиях между пересчитанной ценой и прайс-ценой и визуализации результатов была реализована функция динамической окраски ячеек (рис. 4).

Рис. 4. Визуализация результатов мониторинга ценообразования

Литература

1.Кренке Т. Теория и практика построения баз данных. / Т. Кренке – СПб.: Питер, 2011. –304 с.

2.Эккель Б. Философия Java / Б. Эккель. – М.: Вильямс, 2009. – 1072 с.

3.Харрингтон Д. Проектирование объектно-ориентированных баз данных: учебное пособие / Д. Харингтон. – М.: ДМК Пресс, 2001. –272 с.

4.Брогден Б. Разработка клиент-серверных приложений в Java: учебное пособие / А. Шкрыль. – СПб.: БХВ-Петербург, 2010. – 475 с.

222

УДК 628.4; 594.06

РАЗРАБОТКА СИСТЕМ ГАЗОГЕНЕРАЦИИ НА ОСНОВЕ ТЕХНОЛОГИЙ ПОЛУЧЕНИЯ ЭНЕРГИИ ИЗ БИОТОПЛИВА

С.В. Клестер1, А.В. Звягинцева2 1Студент, klester99@mail.ru

2Канд. техн. наук, доцент, zvygincevaav@mail.ru

ФГОБУ ВО «Воронежский государственный технический университет»

Аннотация: представлена схема разработанной газогенерирующей установки по преобразованию теплоты в электричество при использовании биологического топлива.

Ключевые слова: электрическая и тепловая энергия, утилизация отходов, газовая генерация, биотопливо.

Актуальность. Отходы целлюлозно-бумажной, деревообрабатывающей промышленности, сельского хозяйства представляют значительные объемы в производстве и, как правило, их утилизация производится способом полигонного сжигания. Данный способ утилизации отходов не соответствует рациональному природопользованию и эффективному энергосбережению, а также нормативам на лимиты выбросов, сбросов и захоронения отходов. При сжигании выделяется СО и продукты разложения смолистых соединений (диоксины и другие вредные компоненты). Другой способ утилизации – захоронение в структуре почвы, где процессы гниения тоже значительно ухудшают гумусную структуру земли. Полное разложение требует длительного времени. Продукты разложения повышают кислотность почвы.

Обзор литературных источников показывает большой интерес во многих странах мира по преобразованию отходов сельскохозяйственного производства в биотопливо для дальнейшего получения электрической энергии [1-3] и других работах. В [2] приведены технологические схемы производства биотоплив трех поколений, использующие в качестве источника углерода природный растительный материал, отходы различных производств, а также биомассу водных организмов. На основе краткого обзора литературы можно сделать вывод биологические отходы любой отрасли народного хозяйства являются высококалорийным топливом и могут быть использованы для получения исходного сырья в энергетических установках. В Российской Федерации проблема переработки отходов стоит очень остро. В таблице показаны объёмы отходов сельского хозяйства и пищевой промышленности, а на рис. 1 – индивидуальные биогазовые установки, рассчитанные на небольшие фермерские хозяйства, нижний предел количества сырья которых не ограничен, приведены на рис. 1, взяты за аналог для последующей разработки. Данная система является малоэффективной. Цель работы: разработка систем утилизации отходов сельскохозяйственного производства с целью получения тепловой и электрической энергии, а в дальнейшем также продукции сельскохозяйственного назначения.

223

Объёмы сельскохозяйственных отходов

(частично анаэробный). В камере переработки топлива создается небольшое разряжение по отношению к атмосфере, что исключает утечку газов в окружающую среду. Аппараты данного типа полностью исключают механизмы наддува воздуха. Это выгодно их отличает от аппаратов других существующих систем. В генераторы обращенного типа разложение и термическая трансформация топлива происходит по схеме:

C + O2 → СО2; СО2 + С → 2СО.

Углекислый газ в зоне фурменного пояса при взаимодействии с углеродом восстанавливается до СО по схеме:

C+ O2 → CO2 + 408 кДж/моль.

C+ 1/2O2 → CO + 123,2 кДж/моль.

CO + H2O → CO2 +H2 + 42,8 кДж/моль.

C + H2O → CO2 + H2 - 136,3 кДж/моль. C + CO2 → 2CO + 161,5 кДж/моль.

Предлагаемая схема системы по переработке отходов представлена на рис. 2. Составные части разрабатываемого комплекса: 1 – склад отходов; 1.1 – приемный бункер; 1.2 – фасовочный участок; 2 – участок брикетирования; 2.2 – смеситель; 2.3 – шнековый пресс; 2.1 – корректировка

224

топлива по лизингу; 3 – газовый генератор; 3.1 – приемный бункер газогенератора; 3.2 – фурменный пояс; 3.3 – зольник; 4 – газовый дизель; 4.1 – блок регулирования числа оборотов; 4.2 – система охлаждения; 4.3 – ресивер топливного газа; 4.4 – система утилизации дымовых газов; 5 – электрогенератор; 5.1 – пульт управления; 5.2 – система распределения к потребителям; 6 – ферментер; 6.1 – система регулирования температуры; 6.2 – система корректировки минеральных компонентов; 6.3 – система управления перемешиванием биомассы; 7 – смеситель удобрений; 8 – шнековый пресс; 9 – бункер гранулированного удобрения. Кратко цепь превращения: приемный бункер-смеситель-ферментер-пресс-газогенератор.

Рис. 1. Аналог - индивидуальные биогазовые установки для фермерского хозяйства

Рис. 2. Предлагаемая схема системы по переработке: отходы – биотопливо

– энергия

Преимущества прилагаемого технического решения:

–собственная биоэнергетическая станция, подходящаяклиматическим условиям РФ;

–в процессе газификации образуется 3 компонента генераторного газа Н2 СН4 и СО, которые идут на питание газового дизеля. В отличие от стандартного

решения, для конструкции фурменного пояса предлагается в качестве материала узла использовать металлокерамику на основе глиноземовогнеупоров в состав, которого входят ферменты катализаторов инициирующих процесс образования водорода в результате этого повышается не только теплотворная способность газа, но и снижается выброс вредных компонентов в атмосферу – улучшается экология процесса;

– биоудобрения. При использовании удобрений, полученных на газовых установках, урожайность может быть повышена на 30-50 %. Обычный навоз, барда или другие отходы нельзя эффективно использовать в качестве удобрения 3-5 лет. Предлагается использование газовой установки

225

по принципу ферментации основанной на переработке биологических отходов методом бактериологической обработки. Рабочая среда (бактерии-термофилы) работают при температуре биомассы 50-51 0С. При работе термофилов полностью уничтожается фитофторная среда (семена сорняков) и таким образом в образующихся удобрениях отсутствует возможность прорастания сорняков. Органоминеральное удобрение имеет ресурс действия 6-8 лет в отличие от минеральных удобрений, ресурс которых составляет полгода. Кроме того удобрения такого типа восстанавливают гумусный слой почвы и в этом случае почва лучше удерживает влагу;

–электроэнергия. Установив газовую установку, предприятие будет иметь свою электроэнергию, а значит, существенное снижение себестоимости продукции, что в свою очередь позволит последнему получить дополнительные конкурентные преимущества;

–тепло от газогенератора идет на подогрев ферментера.

Технический результат:

Создание системы по выгодной экологичной переработке сельскохозяйственных отходов с получением энергии. Синтез топливного брикета на основе конкретного сырья. На примере свинокомплекса ООО «АПК Агроэко» в селе Верхняя Тишанка рассчитанном на 18000 голов получаем приблизительный расчет:

Средний общий объём сырья: 76.5 т/сут. Общий объем получаемого биогаза: 4968 м3/сут. Эквивалент возможной вырабатываемой эл. энергии, до 497 кВт/час. Дополнительно вырабатываемая тепловая энергии, до 580 кВт/час. Количество вырабатываемой только тепловой энергии, до 1283 кВт/час.

Области применения: применение газовых установок рассчитано на средние и крупные сельскохозяйственные производства.

Литература 1. Горбунова Н.А., Бабурина М.И., Иванкин А.Н. Основные направления в

производстве и потреблении биотоплива в мире и перспективы переработки жиросодержащего сырья и отходов мясной промышленности в биодизель / Все о мясе. – М.: Изд-во «ФГБНУ «Федеральный научный центр пищевых систем

Potential under new Policy Regimes. /Environmental and Energy Systems Studies, Lund Univ., 2004. - Box 117, 221 00 LUND. - Period 2004/05/10 → 2004/05/15.

226

УДК 681.3

РАЗРАБОТКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ПРОЦЕССЕ УПРАВЛЕНИЯ ПРОПУСКНОЙ СПОСОБНОСТЬЮ

ЭЛЕМЕНТОВ ГОРОДСКОЙ ТРАНСПОРТНОЙ СЕТИ

Б.Н. Тишуков1, Я.Е. Львович2

1Аспирант кафедры САПРИС, tishykov_boris@mail.ru 2Д-р техн. наук, профессор, sapris@vorstu.ru

ФГОБУ ВО «Воронежский государственный технический университет»

Аннотация: рассмотрены вопросы разработки системы поддержки принятия решений в процессе управления пропускной способностью компонентов городской транспортной системы.

Ключевые слова: Перекресток, многоальтернативная оптимизация, структурная оптимизация, популяционные алгоритмы оптимизации, нейросетевое и имитационное моделирование.

Одним из методов, позволяющих осуществить эффективное управление перегруженными элементами УДС города, является создание системы управления на основе использования методов численной оптимизации и дуального моделирования. В качестве объекта исследования будем рассматривать перекрестки.

Основными параметрами, влияющим на пропускную способность перекрестков являются: количество полос для движения в каждом из направлений движения перекрестка; наличие светофора на исследуемом перекрестке и временные характеристики его переключения; интенсивность движения транспортных средств в каждом из направлений движения на перекрестке.

Грамотное и эффективное управление перечисленными параметрами позволит свести к минимуму количество пробок и заторов либо время, которое участники дорожного движения будут тратить на них. В данном случае задача лица, принимающего решение, заключается в реорганизации движения на исследуемом участке УДС на основе анализа статистических данных и данных, полученных в результате прогнозирования, а также поиск наиболее оптимальной структуры и организации движения на нем. Описанную задачу можно сформулировать как задачу структурной оптимизации.

В основе представленной нами системы принятия решений предлагается использовать вычислительную рандомизированную среду. Обобщенная структура вычислительной среды, в основе которой лежат процедуры численной оптимизации и дуального (нейросетевого и имитационного) моделирования представлена на рис.

На этапе сбора и обработки данных осуществляется сбор статистических данных об интенсивности движения на исследуемом участке дорожной сети. После этого данные обрабатываются и представляются в виде, удобном для дальнейшего применения.

227

После того, как статистические данные готовы для дальнейшего использования, они делятся на две части: обучающая выборка и данные для проверки результата. По данным, относящимся к категории обучающей выборки, осуществляется обучение смоделированной нейронной сети. Далее происходит прогнозирование ситуации об интенсивности движения транспортных средств на исследуемом участке на интересующий нас промежуток времени. Затем, когда получены результаты прогноза, их сравнивают с результатами статистических данных за этот же период времени. На основании этого сравнения определяется адекватность нейросетевой модели, а, следовательно, и результатов, полученных с помощью нее.

На этапе поиска оптимального решения построенная и описанная оптимизационная модель приводится к определенному виду, отвечающему параметрам и техническим характеристикам исследуемого перекрестка [1, 2]. После чего происходит решение полученной задачи для него с использованием популяционных алгоритмов.

Обобщенная структура вычислительной рандомизированной среды

После этого происходит анализ и обработка полученных результатов. Далее найденное решение проверяется на эффективность его внедрения на исследуемый объект с помощью имитационного моделирования [3, 4].

На основе результатов имитационного моделирования принимается решение о реорганизации движения на исследуемом перекрестке, что в свою очередь позволит повысить на нем пропускную способность и свести к минимуму протяженность заторов и пробок, а также время нахождения в пути для участников дорожного движения. В случае низкой эффективности найденного оптимального решения, выявленной на этапе имитационного

228

моделирования, происходит возвращение к шагу определения оптимальности параметров исследуемого участка, вносятся коррективы в оптимизационную модель, после чего описанные процедуры повторяются.

Таким образом, в рассмотренной ситуации применение процедур численной оптимизации, имитационного, нейросетевого моделирования является наиболее эффективными методами решения поставленной задачи, а решение поставленной задачи позволит повысить эффективность взаимосвязанных с ней показателей, в том числе и экономических.

Литература

1.Тишуков Б.Н. Разработка процедур численной оптимизации объектов со структурно-вариативным управлением на основе использования популяционных алгоритмов / Б.Н. Тишуков, Я.Е. Львович // Вестник Воронежского государственного технического университета. – Воронеж, ФГБОУ ВО «ВГТУ», 2016. – Т. 12. – № 3. – С.12-16.

2.Тишуков Б.Н. Адаптивный подход к алгоритму обезьяньего поиска для решения задач оптимизации объектов со структурновариативной формой

управления в динамическом режиме / Б.Н. Тишуков, Я.Е. Львович // Известия Юго-Западного государственного университета. – Курск: ФГБОУ ВО «ЮЗГУ».

–№ 5 (68). – С. 51-57.

3.Тишуков Б.Н. Применение имитационного моделирования для повышения пропускной способности перекрестков с круговой организацией движения / Б.Н. Тишуков, Э.И. Воробьев // Виртуальное моделирование, прототипирование и промышленный дизайн. Материалы международной научно-практической конференции. – Тамбов: ФГБОУ ВПО «ТГТУ», 2015. – с. 284-287.

4.Тишуков Б.Н. Разработка имитационной модели для проверки эффективности структуры перекрестка в рамках проведения вычислительного эксперимента / Б.Н. Тишуков, Я.Е. Львович, Э.И. Воробьев // Виртуальное

моделирование, прототипирование и промышленный дизайн. Материалы III Международной научно-практической конференции. – Тамбов: ФГБОУ ВО «ТГТУ», 2016. – С. 30-35.

229