Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Разработка информационно-аналитической системы для управления качеством при производстве асфальтобетонных смесей

Диссертация: Разработка информационно-аналитической системы для управления качеством при производстве асфальтобетонных смесей
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Во второй главе диссертационной работы описаны основные преимущества предлат аемого подхода к автоматизации технологических процессов производства и контроля качества АБС на основе обработки и анализа данных, получаемых, в том числе, и в результате мониторинга объектов УДС. Разработана структура информационного взаимодействия системы управления качеством АБС с комплексной системой управления АБЗ… Читать ещё >

Содержание

  • ВВЕДЫ ML
  • 1. АНАЛИЗ МЕТОДОВ И ПОДХОДОВ К УПРАВЛЕНИЮ КАЧЕСТВОМ АСФАЛЬТОБЕТОНА
    • 1. 1. Технолсния произволе гва асфалыобетонной смеси
    • 1. 2. Обзор с> шествующих методов управления качеством аефалыобеюпа
    • 1. 3. Об юр существующих технологий оптимизации произволеIва и управления качеспзом продукции
    • 1. 4. Анализ методов эффективного использования данных
    • 1. 5. Задачи автоматизированной системы на различных этапах юхполотического процесса производства АБС
  • 2. РАЗРАБОТКА ЭФФЕКТИВНОСТИ АСФАЛЬТОБЕТОНА МЕТОДИКИ УЕ1РАВЛЕНИЯ ЕЮВЫШЕНИЯ КАЧЕСТВОМ
    • 2. 1. Общий подход
    • 2. 2. Формализация и сi>кi>pa задач управления качеством
    • 2. 3. Определение и расчет параметров свойств материалов, влияющих на качество смеси
    • 2. 4. Оперативная рабоиг с данными, подбор состава смеси
    • 2. 5. Использование накопленных данных для контроля качесиза асфальЕобеюнных смесей
  • 3. РАЗРАБОТКА АНАЛИТИЧЕСКОЙ СИСТЕМЫ КАЧЕСТВОМ АСФАЛЬТОБЕТОНА ИНФОРМАЦИОННО-ДЛЯ УПРАВЛЕНИЯ
    • 3. 1. Разработка мешдов и алгоритмов прогнозирования показателей качества покрытия в соответствии с технологией КДД
    • 3. 2. Ллюри1м npoi позирования прочности состава с использованием модуля Data Miner пакета Statistica
    • 3. 3. Перспективные направления использования современных технологий обработки данных в обласш конi роля качес I ва асфалы обе i она
    • 3. 4. Разработка структуры базы данных
  • 4. РАЗРАБОТКА СТРУКТУРЫ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ СИСТЕМЫ УПРАВЛЕНИЯ КАЧЕСТВОМ АСФАЛЬТОБЕТОННЫХ СМЕСЕЙ
  • 4. i Обоснование выбора программно] о обеспечения для реализации информационно-аналитической системы
    • 4. 2. Система S’l A f IS ПСА Dala Miner
    • 4. 3. Общая стрмспра информационно-аналитической ^ системы } правления качеспюм АБС
    • 4. 4. Архитектора общей системы управления качеством ^ асфальгобеюна
    • 4. 5. Перспективы внедрения информационно-аналитической сислемы в составе комплексной системы управления 1, производством АБС

Разработка информационно-аналитической системы для управления качеством при производстве асфальтобетонных смесей (реферат, курсовая, диплом, контрольная)

Актуальность темы

Контроль качества асфальтобетонных смесей является актуальной задачей, гак как от пего напрямую зависит качество дорожного покрытия и, как следствие, безопасность дорожного движения. Обеспечение качества дорожного покрытия осложняется тем, что процесс формирования покрытия неоднозначен и завершается гораздо позднее укладки и уплотнения смеси. И, несмотря на накопленный опыт в вопросах управления качеством асфальтобетонных смесей, проблема далека от разрешения. Срок службы асфальтобетонных покрытий в нашей стране существенно ниже аналогичных показателей промышленно развитых стран. Низкий срок службы асфальтобетонных покрытий связан с высокой вариацией качества асфальтобетона. Это происходит из-за нестабильности характеристик компонентов, неконтролируемых изменений свойств смеси при ее транспортировке, нестабильности параметров ее укладки и уплотнения. Особо остро эта проблема встает при использовании местных материалов.

Основные слагаемые успешной реализации программы качества при устройстве дорожных покрытий состоят в создании эффективной системы контроля качества, как на стадии устройства покрытия, так и па предприятиях-изготовителях, производящих асфальтобетонные смеси. Наличие сбоев и выход из строя оборудования характерны даже для самых современных и высокоточных отраслей промышленности. В этом случае крайне важной становится проблема оценки качесхва произведенной продукции на возможно более ранней с 1 алии.

В условиях асфальтобетонного завода (АБЗ) реальным направлением решения данной проблемы является создание систем управления, компенсирующих нестабильность характеристик и стабилизирующих качество готовой асфальтобетонной смеси, что и определяет актуальность настоящей диссертационной работы.

Цель диссертационной работы состоит в повышении качества производимых АБС за счет использования информационно-аналитической системы, в которой реализованы алгоритмы обработки и анализа данных па этапах проектирования состава АБС и их производства, с учетом эксплуатационных характеристик дорожного покрытия.

Задачами автоматизации обработки данных о качестве АБС являлись: ^ контроль качества материалов, используемых в АБСпроектирование состава АБС на основе действующей нормативнотехнической документацииэффективное управление качеством продукции АБЗснижение влияния человеческого фактора на качество продукции и облегчение труда специалистов-материаловедов.

Решение поставленных выше задач включает в себя следующие основные части:

1. Сравнительный анализ и исследование различных способов обработки и анализа данных с целыо выбора оптимального решения, позволяющего провес 1и наиболее полную автоматизированную обработку.

2. Разработка методики повышения эффективности управления качеством асфальтобетона.

3. Разработка и реализация алгоритмов обработки и анализа данных на этапах проектирования состава АБС и их производства, с учетом эксплуатационных характеристик дорожного покрытия.

4. Разработка методики и построение модели для прогноза качества дорожного покрытия.

5. Разработка специализированного программного обеспечения, позволяющего определять и регистрировать количественно качественный состав смеси, а также оценивать будущее эксплуатационное сосюяние дорожного покрытия на основе разработанной аналитической модели.

Объект исследования. В качестве объекта в диссертации рассмотрен 1ехнологический процесс производства АБС.

Методы исследования. Результаты диссертационной работы получены на основе использования технологий интеллектуального анализа данных, теории баз данных, ГШ.-подхода к формированию инфраструктуры программных средств, а также результатов исследования уже наработанных экспериментальных методик управления качеством асфальтобетонных смесей.

Научная новизна /щссертации состоит в теоретической и практической реализации методов и моделей прогнозирования показателей качества покрытия, интеграции современных технологий обработки и интеллектуального анализа данных для решения поставленных задач, разработке структуры взаимодействия информационно-аналитической системы управления качеством асфальтобетонных смесей с комплексной АСУ АБЗ.

Практическая ценность и реализация результатов работы. Полученные в диссертации результаты позволяют производить оперативный контроль качества смеси и материалов, прогнозировать качество покрытия, повысить точность проектирования состава и снизить количество ошибок, связанных с человеческим фактором, использовать получаемую информацию для установления сложных многофункциональных зависимостей в вопросах управления качеством асфальтобетона. Это позволяет использовать данные резулыаты для планирования сроков ремонтных работ, организации эффективного взаимодействия между всеми участникам технологического процесса. Научные результаты, полученные в диссертации, доведены до практического использования. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения на ряде предприятий, а также используются в учебном процессе в Московском автомобильно-дорожном государственном техническом университете (МАДИ).

Апробация результатов. Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение: на Российских, межрегиональных и международных научно-технических конференциях и семинарах (2009;2012 гг.) — на заседаниях кафедры АСУ МАДИ.

На защиту выносятся следующие результаты:

• модифицированный алгоритм подбора оптимального содержания битума в асфальтобетонной смесиметодика кластеризации (сегментации) и предобработки данных для построения прогноза;

• модели прогнозирования физико-механических показателей АБС и алгоритм прогнозирования, реализованный в модуле Data Miner;

• концешуальпая модель базы данных для хранения информации о результатах процесса формирования и контроля качества АБС.

Публикации. Основное содержание диссертационной работы опубликовано в 5 печатных работах.

В первой главе диссертации рассматриваются и анализируются основные проблемы, с которыми сталкиваются производители АБС при использовании существующей технологии. Проведен обзор некоторых из существующих систем контроля качества, определены и сформулированы их основные возможности, а так же сформулирована проблематика решаемого вопросаавтоматизации процесса обработки получаемых данных. Приведено краткое описание технических возможностей технологии КДД, применяемой для сбора и обработки информации, подходов к оптимизации производства и эффективных способов построения моделей для анализа Перечислены основные проблемы, возникающие в процессе применения получаемых данных, определены основные направления и пели исследования.

Во второй главе диссертационной работы описаны основные преимущества предлат аемого подхода к автоматизации технологических процессов производства и контроля качества АБС на основе обработки и анализа данных, получаемых, в том числе, и в результате мониторинга объектов УДС. Разработана структура информационного взаимодействия системы управления качеством АБС с комплексной системой управления АБЗ и другими подсистемами. Сформулированы основные задачи информационно-аналитической системы и требования к ее реализации. Описаны методики обработки экспериментальных данных при оценке качества АБС. Приведены алгоритмы моделирования вариаций параметров материалов, состава смеси и технологического процесса и исследованы зависимости показателей качества смеси от этих изменений. Рассмотрены и математически обоснованы конкретные процедуры расчета гранулометрии состава и содержания битума с использованием современных программных средств. Приведены результаты численных экспериментов, подтверждающие эффективность предлагаемых методов.

В третьей главе разработана методика кластеризации и подготовки данных для построения прогноза. Для исследуемых данных построены классификаторы и реализованы прогнозирующие модели. В качестве меры повышения эффективности информационного обеспечения предложено по мере накопления данных итеративно улучшать модель с помощью пошагового выполнения сохраненных процедур. В процессе построения модели решена задача нелинейной регрессии в условиях грязных, зашумленных данных со сложными многофак горными зависимостями. Описаны перспективные направления использования разработанных методик и алгоритмов для решения задач обеспечения качества асфальтобетонного покрытия. В соответствии с выработанными рекомендациями разработана база данных БД «Подбор состава АБ» для управляемого технологического процесса производства асфальтобетонной смеси.

В четвертой главе определены принципы построения, состав и характеристики программного и аппаратного обеспечения, необходимые для практической реализации разработанной системы управления качеством асфальтобетонных смесей. Проведен сравнительный анализ способов внедрения информационно-аналитических технологий, исходя из целей и возможностей предприятия, а также сравнительный анализ доступных программных средств для реализации интеллектуального анализа данных в сфере промышленного производства. Разработана архитектура системы управления качеством асфальтобетона. Обсуждены перспективы внедрения информационно-аналитической системы в составе комплексной системы управления производством АБС, выработаны рекомендации по поэтапному внедрению методов и алгоритмов на отдельных предприятиях и их объединении.

В заключении представлены основные результаты работы.

Приложение содержит акты внедрения результатов диссертационной работы, интерфейс пользователя БД «Подбор состава АБ», список условных обозначений и общую справочную информацию по асфальтобетонным смесям.

Объем диссертации. Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 173 страницах машинописного текста, содержит 57 таблиц, 102 рисунка, список литературы из 174 наименований и приложения.

Выводы, но главе 4.

1. Определены принципы построения, состав и характеристики программного и аппаратного обеспечения, необходимые для практической реализации разработанной системы управления качеством асфальтобетонных смесей. Предложенный подход позволяет реализовать модульное и поэтапное внедрение системы управления с учетом того, что частота обновления данных отличается более чем на три порядка.

2. Проведенные исследования и полученные результаты моделирования позволяют реализовать выдвинутую концепцию создания информационно-аналитической системы для управления качеством АБС в составе комплексной САУ производством асфальтобетонной смеси на базе стандартной СУБД Access и универсальных статистических пакетов. Разработан интерфейс пользователя автоматизированной системы «Подбор состава АБ», который рассчитан па оператора (пользователя), обладающего начальными навыками работы с персональным компьютером (см. Приложения).

3. Анализ показал, что на рынке присутствует значительное число современных средств и систем, реализующих функции интеллектуального анализа данных для промышленных предприятий. Современные системы обработки данных позволяют оперативно контролировать все необходимые характеристики и реализовать разработанную концепцию. Сравнительный анализ способов внедрения подобных технологий, позволяет подобрать оптимальное решение, исходя из целей и возможностей предприятия.

4. Разработана архитектура автоматизированной системы управления качеством асфальтобетона. Комплекс технических средств для системы управления производством должен состоять из персонального компьютера, на базе которого будет реализована также информационно-аналитическая система, и технических средств для связи с технологическим процессом, локальными САУ, а также уже имеющимися на АБЗ системами управления качеством.

ЗАКЛЮЧЕНИЕ

.

В итоге выполнения работ, отраженных в данной диссертации, получены следующие основные результаты, определяющие научную новизну и ее практическую значимость:

1. Предложен комплексный подход к автоматизации технологических процессов проектирования и контроля качества составов АБС, состоящий в сборе данных со всех этапов жизненного цикла АБС, их автоматической обработке, актуализации БД, что позволяет существенно повысить объективность и качество анализа информации в рассматриваемой предметной области,.

2. Разработан модифицированный алгоритм подбора оптимального содержания битума в асфальтобетонной смеси. Алгоритм включает в себя моделирование управления прочностью АБС вариацией расхода битума на основе использования основных материаловедческих принципов и системы критериев оценки качества управления, а также использование технологии добычи данных для определения того содержания битума, которое позволит получить соотношение физико-механических характеристик смеси, максимально отвечающих требованиям ГОСТ для данного состава.

3. Разработана методика кластеризации (сегментации) и предобработки данных для построения прогноза, и реализовано семейство алгоритмов, позволяющее осуществить все необходимые процедуры подготовки данных к осуществлению прогноза. На основании разработанной методики построены прогнозирующие модели для различных типов выборок данных, в зависимости oi поставленных задач.

4. Разработаны модели прогнозирования физико-механических показателей АБС и алгоритм прогнозирования, реализованный в модуле Data Miner. Впервые для прогнозирования качества покрытия применена технология добычи данных, которая позволила в автоматическом режиме исследовать сложные многофункциональные зависимости. Экспериментально доказано, что алгоритмы кластеризации, классификации данных и прогнозирования прочности, реализованные в разработанном программном обеспечении, дают погрешность не более 5%, то есть показывают высокую степень достоверности. Использование результатов диссертационной работы позволило ускорить процесс принятия решений о проектировании состава асфальтобетона не менее чем в 2 — 2.5 раза. При этом разработанные алгоритмы универсальны и могут быть адаптированы для другого набора данных и других показателей.

5. Разработана концептуальная модель базы данных для хранения информации о результатах процесса формирования и контроля качества АБС Разработана общая структурная схема взаимодействия информационно-аналитической системы управления качеством АБС с комплексной АСУ АБЗ на основе интеграции OLAP, DM, реляционных СУБД и уже существующих на АБЗ ЛСУ. Это позволяет осуществлять поэтапное и модульное внедрение предлагаемых технологий на предприятии или их объединении, учитывая потребности лица принимающего решение и имеющиеся ресурсы.

6. В соответствии с выработанными рекомендациями разработано и реализовано программное обеспечение, включающее в себя механизмы предобработки, очистки данных, алгоритмы расчета гранулометрии, инструменты автоматизированной и ручной обработки данных, систему поиска и хранения информации в созданной базе данных «Подбор состава АБ». База данных показала свою эффективность и пригодность для проведения дальнейших исследований и оптимизации управления качеством асфальтобетонных смесей.

Внедрение в повседневную практику проектирования, производства и контроля качества асфальтобетонного дорожного покрытия предлагаемых решений обеспечит следующие результаты: ¦:¦ Технологические результаты о Стабилизация качества асфальтобетонной смеси не на выходе АБЗ, а непосредственно на месте проведения работ по укладке и уплотнению смеси. о Постоянный мониторинг качества компонентов асфальтобетонной смеси и анализ связи качества компонентов с качеством готового покрытия позволит стабилизировать качество компонентов. Экономические и социальные результаты о Повышение качества проектирования асфальтобетонной смеси ведет к повышению качества покрытия и срока службы автомобильных дорог о Внедрение автоматизированной системы обработки и анализа данных существенно улучшает условия труда на АБЗ, делает рабочие места более привлекательными, исключает рутинные ручные операции. Организационные результаты о Эффективный и взаимовыгодный обмен информацией и построение модели процесса для использования ее всеми участниками будет способствовать информационной открытости предприятий и организации общих коммерческих действий группы предприятий, о Организация и концентрация информации: о компонентах асфальтобетонной смеси позволяет более эффективно и обоснованно организовать закупки, о качестве продукции позволяет синхронизировать данные обо всех параметрах технологического процесса и качестве смеси, обеспечить поставку потребителям качественной сопроводительной документации, о Масштабируемость и реконфигурация производства. Научные результаты.

Концентрация упорядоченной (по времени, компонентам, участкам готовою покрытия) информации и разработанные методики позволяют идентифицировать эффективные модели связи качества компонентов, смеси с показателями качества готового покрытия.

Показать весь текст

Список литературы

  1. , А.Е. Автоматизация управления прочностью бетона: автореферат канд. диссертации / А. Е. Александров- МАДИ (ГТУ). М., 1999.
  2. , А.Е. Автоматизированное управление составом асфальтобетона / А. Е. Александров М.: «Строительные материалы», № 11, 1999.
  3. Анализ бизнес информации основные принципы. // BascGroup Labs: сайт. URL: http://www.basegroup.ru/library/methodology/analysisbusinessdata/
  4. Аналитическая платформа Deductor 4. Руководство пользователя. // BaseGroup Labs: сайт. URL: http://www.basegroup.ru.
  5. , А. Анализ больших объемов данных. // BaseGroup Labs: сайт. URL: http://www.basegroup.ru/library/methodology/verylargedata/
  6. , А. Ядро OLAP системы. // BaseGroup Labs: сайт. URL: http :// w ww.basegroup. ru.
  7. , М.А. Исследование вариации содержания битума и изменения прочности асфальтобетонной смеси/ М. А. Баланцева // Вестник МАДИ, вып. 3(30). 2012. С.84−92.
  8. , М.А. Современные методы повышения эффективности хранения данных / М. А. Баланцева // Автоматизация и управление на транспорте и в дорожном строительстве: сб. науч. тр. МАДИ, вып.1 (49). -М., 2011. С.177−183.
  9. , М.А. Управление данными по контролю качества асфальтобетонных смесей / М. А. Баланцева, А. Б. Николаев. // Теория ипрактика электронного документооборота в промышленности: сб. науч. тр. МАДИ, вып.2 (50). M., 2011. — С. 128−135.
  10. , М.А. Управление качеством асфальтобетона с использованием интеллектуального анализа данных / М. А. Баланцева // Теория и практика электронного документооборота в промышленности: сб. науч. тр. МАДИ, вып.2 (50). М., 2011. — С.160−169.
  11. , A.A. Методы и модели анализа данных: OLAP и Data Mining. / A.A. Барсегян, М. С. Куприянов, В. В. Степаненко, И. И. Холод. СПб.: БХВ-Петербург, 2004. — 336 с.
  12. И.Баскин, В. А. Структурно параметрическое описание систем и технологий: международная конференция «Электроника и информатика 2002″ / В. А. Баскин, В. LI. Брюнин, Д. А. Сударенко, Г. К. Огапджанов. М.: МИЭТ, 2002, — 115 с.
  13. , К. Анализ данных с помощью Microsoft Excel. / К. Берк, Г1.М. Кейри -Издательский дом „Вильяме“, 2005. 560 с.
  14. , A.M. Теоретические основы процесса деформирования асфальтового бетона: дис. докт. техн. наук. / Богуславский A.M. M., 1970.-- 343 с.
  15. , A.M. Прогнозирование сдвиго- и грещиностойкости асфальтобетонных аэродромных покрытий / А. М. Богуславский //
  16. Строительство аэродромов: Тр. МАДИ. — М., 1974. — Вып. 57. — с. 4958.
  17. , В.П. Информационные технологии в статистике: учебник для вузов по специальности „Статистика“ / В. Г1. Божко, Л. В. Хорошилов. М.: Финстатинформ, 2002. — 144 с.
  18. Дж. Анализ временных рядов. Прогноз и управление. В 2-х т. / Бокс Дж., Дженкинс Г. М.: Мир, 1974. — 579 с.
  19. , П.С. Уникальные возможности STATISTICA Data Miner. // URL: http://www.statsoft.ru/home/applications/dataminer.htm
  20. Боровиков, В.П. STATISTICA. Искусство анализа данных на компьютере. / В. П. Боровиков. 2-е изд.- СПб.: ПИТЕР, 2003. — 688 с.
  21. , В.П. Прогнозирование в системе STATISTICA в среде Windows. Основы теории и интенсивная практика на компьютере: учеб. пособие. 2-е изд., псрераб. и доп. / В. П. Боровиков, Г. И. Ивченко. М.: Финансы и статистика, 2006. — 368 с.
  22. , Д. Очистка данных. // Computerworld, 1996, № 34. URL: http://www.osp.ru/cw/1996/34/13 838/
  23. , A.B. Создание баз данных в среде СУБД Access. Методические указания к лабораторным работам по курсу „Организация баз данных“. / A.B. Будихин, C.B. Гоголин, A.B. Остроух, И. М. Исмоилов. М: МАДИ, 2001
  24. , С.А. Методы нечеткой кластеризации для управления рисками на предприятии. / С. А. Будихин, A.C. Горячев, Шень Янь. // Межвузовский сборник научных трудов „Теория и практика информационных технологий“ М.: МАДИ (ГТУ), 2006. С. 57−66.
  25. , С.А. Применение Data Mining для анализа данных и прогнозирования / С. А. Будихин, И. Е. Пронин. // Новые технологии в автоматизации управления: сб. науч. тр. МАДИ (ГТУ). М., 2006. — с. 1116.
  26. , И. Ф. Иерархия задач автоматизации производства асфальтобетонной смеси / И. Ф. Бунькин, В. А. Воробьев //Известия вузов. Строительство, 2001, № 7. с.51−56.
  27. , И.Ф. Автоматизация управления производством асфальтобетонов: автореферат докторской диссертации. / И. Ф. Бунькин. -М.: МАДИ, 2002.-33с.
  28. , И.Ф. Моделирование и оптимизация управления составом асфальтобетонных смесей / И. Ф. Буиькии, В. Л. Воробьев, В. П. Попов и др. М.: Изд-во Российской инженерной академии, 2001. — 328 с.
  29. Буч, Г. Объектно-ориентированное проектирование / Г. Буч. М.: Конкорд, 1992.-68 с.
  30. , А. П. Ремонт и содержание автомобильных дорог: справочник инженера- дорожника / А. П. Васильев, В. И. Баловнев и др.- Под. ред. А. П. Васильева. — М.: Транспорт, 1989. 287 с.
  31. , Дж. Эффективная работа: Microsoft Office Access 2003. / Дж. Вейскас. СПб: Питер, 2005. — 1168 с.
  32. , В.А. Дорожные композишые материалы. Структура и механические свойства / В. А. Веренько, под ред. И. И. Леоповича. -Минск: изд. Наука и техника, 1993. 246 с.
  33. Вон Ким. Три основных недостатка современных хранилищ данных / Вон Ким. Пер. с англ. — Открытые системы, 2003, № 2.
  34. , В. А. Тенденции и перспективы автоматизации производства асфальтобетона / В. А. Воробьев, Д. Н. Суворов, А. И. Доценко // Известия вузов. Строительство. 2005. — N 8. — С. 43−48
  35. , В.А. Автоматизация технологических процессов производства асфальтобетонных смесей. / В. А. Воробьев, А. А. Кальгин, Е. В. Марсова, В. П. Попов. М: изд-во секции „Строительство“ Российской инженерной академии, 2000.
  36. , В.А. Динамическое управление прочностью. / В. А. Воробьев, В. Л. Горшков, Д. Н. Суворов, Л. Н. Каледин // Известия ВУЗов. Строительство и архитектура, 1978 г., N10. с. 54−58.
  37. , Г. К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г. К. Вороновский, К. В. Махогило, С. Н. Петрашев, С. А. Сергеев,—X.: ОСНОВА, 1997, — 112 с.
  38. , Э.А. Основы статистического анализа. Практикум по статистическим методам и исследованию операций с использованием пакетов STATIS TICA и Excel. / Э. А. Вуколов. М: Изд-во Форум. 2-е изд. 2008 г. — 464 с.
  39. , Т. А. Состояние и перспективы разработки баз знаний интеллектуальных систем / Т. А. Гаврилова. М.: Ассоциация ИИ, 1996.-№ 1, — 32 с.
  40. , Т.А. Базы знаний интеллектуальных систем: учебник. / Т. А. Гаврилова, В. Ф. Хорошевский СПб: Изд-во „Питер“, 2000.-382с.
  41. , И. П. Решение научных и инженерных задач средствами Excel, VBA и C/C++. / И Л. Гайдышев СПб.: БХВ-Петербург, 2004. — 512 с.
  42. , А. Информационная интеграция цель оправдывает средства. // Ulli,: http: //www. о 1 ар. гu/trends/opl ар. asp
  43. , А.И. Теория нейронных сетей. Кн.1: учеб. пособие для вузов / АЛ. Галушкин. М.:И11РЖР, 2000.-416с.
  44. , В.Ю. Стандарты ИСО и система управления качеством продукции дорожно-строительного предприятия / В. Ю. Гладков, Л. Н. Павлова // Труды ГП РОСДОРНИИ. Вып. И. М.: Фирма ВЕРСТКА, 2003. с .20−32.
  45. , C.B. Базы данных: учеб. курс. / C.B. Глушаков, Д. В. Ломотъко. -М.: ООО „Издательство ACT“, 2002. 504с.
  46. , Д.М. Автоматизация производства асфальтобетонной смеси на базе экспертной системы: автореферат канд. диссертации. / Д. М. Гольнев. -М.: МАДИ, 2003
  47. , Л. Эффективная работа с СУБД. / Р. Лхаян, Л. Горев, С. Макашарипов. „Питер Пресс“, 1997. — 700с.
  48. , Н.В. Асфальтобетон и другие битумоминеральные материалы: учеб. пособие / Н. В. Горелышев. М.: Можайск-Тера, 1995.-176 с.
  49. ГОСТ 12 801–98. Материалы на основе органических вяжущих для дорожного и аэродромного строительства. Методы испытаний./Госстрой России,-М.: 1998.
  50. ГОСТ 22 245–90. Битумы нефтяные дорожные вязкие. Технические условия. /Госстрой России. М.: 1990.
  51. ГОСТ 23 558–94. Смеси щебеночно-гравийнопесчаные и грунты, обработанные неорганическими вяжущими материалами для дорожного и аэродромного строительства. Технические условия. / Минстрой России. Пост. 18−1 21.07.94.
  52. ГОСТ 31 015–2002. Смеси асфальтобетонные и асфальтобетон щебеночпо-мастичные. Технические условия ./Госстрой России. -М.: 2002.
  53. ГОСТ 3344–83. Щебень и песок шлаковые для дорожного строительства. Технические условия. Госстрой СССР Пост. 281 20.10.83.
  54. ГОСТ 8267–93. Щебень и гравий из плотных горных пород для строительных работ. Технические условия./Госстрой России. М.: 1993.
  55. ГОСТ 8736–93. Песок для строительных работ. Технические условия. /Госстрой России. М.: 1993.
  56. ГОСТ 9128–2009. Смеси асфалыобетонные дорожные, аэродромные и асфальтобетон. Технические условия.
  57. ГОСТ Р 52 056−2003 Вяжущие полимерно-битумные дорожные па основе блок-сополимеров типа СБС. Технические условия./Госстрой России. -М.:2003.
  58. ГОСТ Р 52 129−2003. Порошок минеральный для асфальтобетонных и органоминеральных смесей. Технические условия./Госстрой России. М.: 2003.
  59. Давыдов, A.A. Knowledge Discovery and Data Mining в системной социологии. // URL: http://www.isras.ru/DavydovKnowledge.html#l
  60. , Г. Анализ финансовых данных с помощью самоорганизующихся карт / Гвидо Дебок, Тейво Кохонен. Альпина, 2001. — 317с.
  61. , П. Введение в экспертные системы : учеб. пос / П. Джексон. М.: Изд. Дом „Вильяме“, 2001. 624 с.
  62. , А. И. Основные принципы комплексного управления производством асфальтобетона / А. И. Доценко // Известия вузов. Строительство, № 7 2005. — С. 87−92
  63. , А.И. Комплексная автоматизация производства асфальтобетонной смеси с учетом влияния факторов ее транспортировки, укладки и уплотнения: автореф. дисс. на соиск. степ, д.т.н. / А. И. Доценко. -М: 2005. -44 с.
  64. , А.И. Нути повышения качества автомобильных дорог с асфальтобетонными покрытиями / А. И. Доценко // Проблемы транспорта. Вып. 12. — СПб.: Изд-во СЗТУ, 2009. — С. 213−217.
  65. Дьяконов, В.П. MATLAB. Анализ, идентификация и моделирование систем. / В. П. Дьяконов, В. В. Круглов СПб.: ПИТЕР, 2002.
  66. Дюк, В. Data Mining состояние, проблемы, новые решения. // URL: http://on. wplus.net/sparm/science/Datamining. html.
  67. , A.A. Пейрокомпыотинг и его применение в экономике и бизнесе / А. А. Ежов, С. А. Шумской.// URL: http: Wwww.neuroproject.ru.
  68. , H.H. Использование программных средств статистическойобработки данных при формировании информационного обеспечения управления. / H.H. Елизарова. // Вестник ИГЭУ, вып. З, 2009. с.76−80.
  69. , JI.A. Основы нового подхода к анализу сложных систем и процессов принятия решений : сборник статей „Математика сегодня“ / J1. А. Заде. -М.: Знание, 1994. С. 5 49.
  70. , В.А. О вкладе составляющих асфальтобетона в его прочность. // Повышение эффективности использования материалов при строительствеасфальтобетонных и черных покрытий: Труды Союздорнии. М.: 1989. -с.78−84.
  71. , A.M. Автоматизация системы контроля качества при производстве асфальтобетонных смесей. Вестник МАДИ (ГТУ) выи.2(13) МАДИ (ГТУ).-М., 2008. -С.70−73.
  72. , A.M. Методика прогнозирования технико-экономических показателей транспортных предприятий по модели факторного анализа / В. И. Нестеренко, А. Ч. Ахохов, A.M. Ивахпенко // Вестник МАДИ (ГТУ) вып.2(13) / МЛДИ (ГТУ).-М., 2008. -С.74−77.
  73. , A.M. Моделирование контроля качества технологических процессов и промышленной продукции. Монография / A.M. Ивахпенко, А. Ч. Лхохов // М.: Техполиграфцеитр». 2008. -146 с.
  74. , Р. Овладевая ITIL. Скептическое руководство для ответственных лиц / Роб Инглаид- Пер. с англ. М.: Лайвбук, 2011. — 200 с.
  75. Интегрированная автоматизированная система управления. Отраслевая методика определения экономической эффективности автоматизированных систем управления предприятиями и произволе! венными объединениями. М.: НИАТ, 1982. 70 с.
  76. Интеллектуальные модели анализа экономической информации: электронный курс лекций. / BaseGroup Labs, 2005. URL: www.basegroup.ru.
  77. , Р. Основные концепции нейронных сетей / Р. Калан: Пер. с англ.-М.: Вильяме, 2001. -288с.
  78. , И.А. Практикум по анализу данных на компьютере: учеб. пособие. / И. А. Кацко, Н. Б. Паклип. М. «КолосС», 277 с.
  79. Качество дорожных работ. // Росавгодор: сайт. URL: http://www.rosavtodor.ru/information.php?id=65&counter=7
  80. , Г. Н. Проектирование асфальтобетона по показателям сдвигоустойчивости и трещиностойкости в покрытии / Г. Н. Кирюхин // Юбилейи. вып. (Сб. науч. тр. /ФГУГ1 «Союздорнии») М., 2002. — с. 102
  81. , Г. Н. Строительство дорожных и аэродромных покрытий из тцебеночно-мастичных асфальтобетонных смесей / Г. Н. Кирюхин, Е. А. Смирнов // Информационный сборник. — М.: Ипформавтодор, 2003. — № 2.-96 с.
  82. , Д.В. Применение систем усовершенствованного управления // Датчики и системы, 2009, № 4.
  83. , С. Д. Решение проблемы комплексного оперативного анализа информации хранилищ, данных / С. Д. Коровкип, И. А. Левенец, И. Д. Ратманова, В. А. Старых, J1. В. Щавелёв. // СУБД, 1997. № 5−6. — с. 47−51.
  84. , Э.В. Строительно-технические свойства дорожного асфальтового бетона: учеб. пособие / Э.В. Котлярский- МАДИ (ГТУ). М., 2004. — 194 с.
  85. , П. Продукты для интеллектуального анализа данных. / П. Кречетов, П. Иванов // ComputerWeek-Москва, 1997. № 14−15. — с. 32−39.
  86. , В.В. Искусственные нейронные сети. Теория и практика. / В. В. Крупюв, В. В. Борисов. -М.: Горячая линия Телеком, 2001. — 382 с.
  87. , Б.Я. Поиск оптимальных решений средствами Excel 7.0. / Б. Я. Курицкий. СПб.: BITV- Санкт-Петербург, 1997. — 384с.
  88. , A.C. Зарубежные нейропакеты: современное состояние и сравнительные характеристики.- Нейрокомпьютер, 1998, № 1, 2.
  89. , В.Л. Перспективы применения виртуальных анализаторов в системах управления производством / В. А. Потоцкий, В. М. Чадеев, Е. А. Максимов, H.H. Бахтадзе // Автоматизация в промышленности, 2004, № 5. С.23−29.
  90. , В.Н. Технология производства асфальтобетонных смесей, оптимизированная по критерию прочностных свойств асфальтобетона: автореферат докторской диссертации./ В. Н. Лукашевич. Томск. ТГАСУ. 2001.-39с.
  91. , Дж. Ф. Искусственные интеллект: стратегии и методы решения сложных проблем, 4-е издание.: Пер. с англ. / Дж.Ф. Люгер М.: Издательский дом «Вильяме», 2003. — 864 с.
  92. , И.Д. Кластерный анализ. -М.: Финансы и статистика, 1988. 176 с.
  93. , A.B. Автоматизация управления состава асфальтобетонной смеси: автореферат канд. дис./ A.B. Марухин. М.: МАДИ, 1999 г.
  94. , O.IO. Автоматизация лаборатории асфальтобетонного завода: автореферат канд. дис./ О. Ю. Милосердии. М.: МАДИ, 2004 г.
  95. , A.A. Принятие решений с помощью Excel. Просто как дважды два. / A.A. Минько, — М.: Эксмо, 2007. 240с.
  96. Нейронные сети STATISTICA Neural Networks: Методология и технология современного анализа данных. / Под ред. В. П. Боровикова. 2-е изд. перераб. и доп. — М.: Горячая линия — Телеком, 2008. -392 с.
  97. , Е.М. Корпоративные информационные системы и технологии / Е. М. Овчинников: конспект лекций М.: Учебный Центр ОАО Газпром, 1999. — 78 с.
  98. , A.B. Методы проектирования информационных систем: Учебное пособие. / A.B. Остроух, Н. Е. Суркова. — М.: РосНОУ, 2004. — 171 с.
  99. , A.A. Использование нейросетевых технологий при решении аналитических задач в ГИС/ A.A. Питенко// Методы пейроииформатики. Сборник научных фудов. Красноярск: КГТУ, 1998, стр.89−96.
  100. , СЛ. Имитационное управление технологическими объектами с гибкой структурой/ СЛ. Подвальный, B.JI. Бурковский-Воронеж: ВГУ, 1988.-251 с.
  101. Пособие по строительству асфалыобегонных покрытий и оснований автомобильных дорог и аэродромов (к СНиП 3.06.03−85 3.06.06−88). / Союздорнии. М., 1991.
  102. , В. В. Сложный анализ данных большого объема: новые перспективы компьютеризации. / В. В. Пржиялковский // СУБД, 1996. № 4. — с. 71−83.
  103. Проектирование состава асфальтобетона и методы его испытаний: обзорная информация. / Автомобильные дороги и мосты, вып. 6. -М., 2005.
  104. П. Данные, данные и только данные // ComputerWeek-Москва, № 8, 1996. с. 28.
  105. , ЕЛ. Информационные технологии: учеб. пособие / E.JI. Румянцева, В. В. Слюсарь- под ред. Гагариной Л. Г. М: ФОРУМ: ИНФРА-М, 201 1. -255 с.
  106. Ш. Сахаров, А. А. Концепция построения и реализации информационных систем, ориентированных на анализ данных. / А. А. Сахаров // СУБД, 1996. № 4. — с. 55−70.
  107. , А. А. Принципы проектирования и использования многомерных баз данных (на примере Oracle Express Server) / A.A. Сахаров // СУБД, № 3, 1996. с. 44−59.
  108. , В.М. Управление качеством в дорожном строительстве. / В. М. Сиденко, С. Ю. Рокас. М.: Транспорт, 1981. 252 с.
  109. СНиП 3.06.03−85. Автомобильные дороги. / Госстрой СССР. М: 1989.
  110. , JI.A. Многомерный статистический анализ в экономике: учеб. пособие для вузов. / Л. А. Сошникова, В. Н. Тамашевич, Г. Уебе, М. Шефер- под ред. проф. В. Н. Тамашевича. М.: ЮНИТИ-ДАНА, 1999. -598 с.
  111. Туо, Дж. Инструменты для анализа информации на настольных ПК / Дж. Туо. Пер. с англ. // ComputerWeek-Москва, 1996. № 38. — с. 34−35, 46.
  112. Туо, Дж. Каждому пользователю свое представление данных. / Дж. Туо. Пер. с англ. // ComputerWeek-Москва, 1996. — № 38. — С. 1, 32−33.
  113. Г. Базы данных: разработка и управление. / Г. Хансен, Д. Хансен. Пер. с англ. — М.: ЗАО «Издательство БИНОМ «, 1999. — 704 с .
  114. , С. Технология баз данных в системах поддержки принятия решений. / С. Чаудхури, У. Дайал, В. Гаити. Открытые системы, № 01/2002
  115. , Л. Управление знаниями и информационные технологии. / Л. Черняк. Computerworld, Россия № 23/2000. — URL: http://www.kmtec.spb.su/publications/library/select/uprknowlgandit.shtml.
  116. Чубукова, И.A. Data Mining/ И. А. Чубукова. БИНОМ. Лаборатория знаний, 2008. -384с.
  117. , А. Деревья решений общие принципы работы. // 1995 — 2012 BaseGroup Labs. URL: http:// www. basegroup .ru/1 ibrary / analy si s/tree/description/
  118. , Л. В. Способы аналитической обработки данных для поддержки принятия решений // СУБД, № 4−5, 1998.
  119. Электронный учебник по статистике. StatSoft, Inc. (2001). // М.: StatSoft. WEB: http://www.statsoft.ru/home/textbook/default.htm.
  120. К. Анализ многомерных данных. / К. Эсбенсен ИПХФ РАН, 2005, — 160с.
  121. Agrawal, S. On the Computation of Multidimensional Aggregates. Proc. VLDB Conf., Morgan Kaufmann, San Francisco, 1996
  122. Alalouf, C. Hybrid OLAP. / С. Alalouf St. Laurent, Canada: Speedware Corporation Inc., 1997. — p. 55.
  123. An Introduction to Multidimensional Database Technology. Kenan Systems Corporation, 1995. — p. 147,412.
  124. Analysis of Information Management. // URL: www.aspentech.com.
  125. BAAN IV Enterprise Modeler for Microsoft Windows NT. // Baan Development В. V., 1996. 32 p.
  126. Brusilovsky, R. Adaptiv and intelligent technologies for web based education. / R. Brusilovsky, In C. Rollinger, С. Peylo (eds.). Special Issue on Intelligent Systems and Teleteaching, konstliche intelligent, 4. — P. 19−25.
  127. Cholawsky W.J. Real-Time Manufacturing Database Architecture. / Walter J. Cholawsky, Mike Pantaleano. // Program4 Engineering — Control Engineering, 8/1/2004.
  128. Codd, E. F. Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate. / E.F. Codd, S.B. Codd // C.T. S E. F. Codd & Associates, 1993. -p. 245.
  129. Continuous Acquisition and Life-cycle Support (CALS) // UK National Codification Bureau, 2005. URL: http://www.ncb.mod.uk/cals.
  130. David J. Skyrme. Knowledge Management Solutions / David J. Skyrme. The IT Contribution, URL: www.skreme.com
  131. Demarest, M. Building the Data Mart. / M. Demarest. // DBMS, 1994. № 7. -P. 44−50.
  132. Dong, G. Sequence Data Mining. / G. Dong, J. Pei. Springer, 2007.
  133. Erhard Ram, Hong Hai Do. Очистка данных: проблемы и актуальные подходы. 01.12.2000 // OLAP: сайт. URL: http: //www. о 1 ар. г u/ba s i с/dat ас 1 e an. a sp
  134. Esmaeili, M. Finding Sequential Patterns from Large Sequence Data / Mahdi Esmaeili, Fazekas Gabor // International Journal of Computer Science Issues, IJCSI, Vol. 7, Issue 1, No. 1, January 2010.
  135. Future Bright for Configuration Management Technology // The PDM Information Center, 2004. URL: http://www.pdmic.com.
  136. Galhardas, FI. Declarative Data Cleaning: Model, Language, and Algorithms. / H. Galhardas et al. Proc. VLDB Conf., Morgan Kaufmann, San Francisco, 2001
  137. Ganti, V. Mining Very Large Data Sets. / V. Ganti, J. Gehrke, R. Ramakrishnan. Computer, Aug. 1999
  138. Goodwin, P. Decision Analysis for Management Judgment. / P. Goodwin, G. Wright / Wiley, Chichester, 3rd edition, 2004.
  139. Gray, J. Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals/ J. Gray, S. Chaudhuri, A. Bosworth etc. // Data Mining and Knowledge Discovery, 1997. № 1. — P. 29−53.
  140. Flan, J. Data Mining: Concepts and Techniques. / J. Flan, M. Kamber. Morgan Kaufmann, San Francisco, 2001
  141. Han, J. OLAP Mining: An Integration of OLAP with Data Mining. / J. Han // IFIP, 1997. 18 p. URL: ftp://ftp.fas.sfu.ca/pub/cs/han/kdd/olapm.ps.gz.
  142. Harinarayan, V. Implementing Data Cubes Efficiently / V. Elarinarayan, A. Rajaraman, J. D. Ullman // SIGMOD Conference. Montreal, CA, 1996.
  143. Hernandez, M. The Merge/Purge Problem for Large Databases. / M. Hernandez, S. Stolfo. Proc. SIGMOD Conf., ACM Press, New York, 1995
  144. Inmon, W. IT. Building the Data Warehouse (Second Edition). / W. H. Inmon. -NY: John Wiley, 1993.
  145. Jain, A.K. Data clastering: a review. / A.K. Jain, M.N. Murty, P.J. Flynn // ACM Computing Surveys, 1999. Vol.31, № 3. p. 264−323.
  146. Kim, W. A Taxonomy of Dirty Data. / W. Kim, B. Choi, E. Hong, S. Kim, D. Lee. // Journal of Data Mining and Knowledge Discovery. The Kluwer Academic-Publishers, 2003
  147. Machine Learning, Neural and Statistical Classification / Ed. D. Mitchie et al. -Ellis Horwood, Chichester, UK, 1994. 304 p.
  148. Mayer, R. A framework and a suite of methods for business process reengineering / R. Mayer. // URL: http://www.idef.com.
  149. Mumick, I. S. Maintenance of Data Cubes and Summary Tables in a Warehouse. / I. S. Mumick, D. Quass, B. S. Mumick. // Stanford University, Database Group, 1996. URL: http://www-db.stanford.edu/pub/papers/cube-maint.ps.
  150. New Directions in the Aerospace and Defense Industry: The Integration of Product Data Management and Enterprise Resource Planning Systems // The PDM Information Center, 1996. URL: http://www.pdmic.com.
  151. Newquist, H.P. Data Mining: The AI Metamorphosis / FI. P. Newquist // Database Programming and Design, 1996. № 9.
  152. OLAP for the Masses. // Business Objects S. A., 1996 URL: http://www.businessobjects.com /product/olap/olap.htm.
  153. Parsaye, K. A Characterization of Data Mining Technologies and Processes / K. Parsaye // The Journal of Data Warehousing,! 998.-№ 1. p. 27−29
  154. Parsaye, К. OLAP and Data Mining: Bridging the Gap. / К. Parsaye // Database Programming and Design, 1997. № 2.
  155. Parsaye, K. Surveying Decision Support: New Realms of Analysis. / K. Parsaye // Database Programming and Design, 1996. № 4.
  156. Poncelet, P. Data Mining Patterns: New Methods and Applications / P. Poncelet, F. Masseglia, M. Teisseire. Information Science Reference, 2007. -319 p.
  157. Quinlan, J. R. C4.5: Programs for Machine learning. / J. Ross Quinlan. -Morgan Kaufmann Publishers, 1993.
  158. Sarawagi, S. User Adaptive Exploration of OLAP Data Cubes. Proc. VLDB Conf., Morgan Kaufmann, San Francisco, 2000
  159. Shrivastava, A. Managing storage: trends, challenges and options (2007−2008) / Alok Shrivastava. // EMC Corporation, Hopkinton, Massachusetts. -UM: www.EMC.com/
  160. SPSS для Windows. Руководство пользователя SPSS. // SPSS: сайт. URL: http://www. predictivcsolutions.ru/products/spss/
  161. Understanding Product Data Management // Courtesy of Hewlett-Packard Company, 2001. URL: http://www.pdmic.com.
  162. Wang, X.Z. Data mining and knowledge discovery for process monitoring and control / X.Z. Wang // Springer, London, 1999.
  163. Welander P. Driving Plant Optimisation with Advanced Process Control / P. Welander // Control Engineering, 14/12/2009.
  164. Wenger, J. An ITIL-Based Approach to Building Effective Storage Capacity Management in Support of ILM / Joel Wenger // Expert Reference Series of White Papers, 2004. EMC Corporation: сайт. URL: www.globalknowledge.com.
  165. Williams, C. S. How the Technology has Evolved / Christopher S. Williams. // URL: http://www.ncb.mod.uk/cals.htm
  166. Willis, M. Advanced Process Control. / M. Willis, M. Tham. // School of Chemical Engineering and Advanced Materials, 1994. URL: http://lorien.ncl.ac.uk/ming/advcontrl/apc.htm.
Заполнить форму текущей работой

На отлично!