Разработка автоматизированной информационной системы по планированию себестоимости производства рас-тениеводческой продукции

Волобуева Ж.И. Экспертные системы в экономике

Министерство сельского хозяйства
российской федерации

фгоу впо «воронежский государственный

аграрный университет имени к.д.глинки»

кафедра инфрмационного обеспечения и

моделирования агроэкономических систем

Курсовой проект

на тему «Разработка автоматизированной информационной системы по планированию себестоимости производства растениеводческой продукции (на примере: озимой пшеницы по черному пару, озимой пшеницы по непаровым предшественникам, картофеля, пара)»

Выполнила: студентка Э-3-1(а)

Волобуева Ж.И.

Руководитель: к.э.н., доцент

Рябов В.П.

ВОРОНЕЖ
2008

3

Волобуева Ж.И. Экспертные системы в экономике

Содержание

Введение

1.              Экспертные системы в экономике

1.1 Экспертные системы, их особенности и классификация

1.2 Функции и структура экспертных систем

1.3 Программы экспертных систем

1.3.1 EXPRO 6

1.3.2 Дельта

1.3.3 «ФинИнформ-ПБУ»

1.4 Отличие экспертных систем от других программных продуктов

1.4.1 Экспертные системы и нейронные сети

1.4.2 Экспертные и гипертекстовые системы

1.5 Преимущества экспертных систем перед человеком экспертом

1.6 Экспертные системы в экономике

2.              Проектирование информационной системы по планированию себестоимости производства растениеводческой продукции

2.1 Пояснительная записка

2.2 Проектирование форм входных, промежуточных и выходных документов

2.3 Информационно-логическая модель АИС

2.4 Алгоритм функционирования информационной системы

2.5 Потенциальный экономический эффект

2.6 Инструкция для пользователя

выводы и предложения

список литературы

приложения

Приложение 1 Калькуляция себестоимости, структура затрат и эффективность производства

Приложение 2 Сравнительная оценка затрат и эффективности производства сельхозпродукции

Приложение 3 Гистограмма себестоимости основной и побочной продукции

Приложение 4 График эффективности производства

Приложение 5 Структура затрат по культурам

Приложение 6 Гистограмма структуры данных

Приложение 7 Затраты на 1 га посева по культурам

Приложение 8 Помесячная потребность в денежных средствах

Приложение 9 Помесячный график расходов

Введение

Наибольший прогресс среди компьютерных информационных систем отмечен в области разработки экспертных систем, основанных на использовании искусственного интеллекта. Экспертные системы дают возможность менеджеру или специалисту получать консультации экспертов по любым проблемам, используя уже накопленные знания.

Решение специальных задач требует специальных знаний. Однако не каждая компания может себе позволить держать в своем штате экспертов по всем связанным с ее работой проблемам или даже приглашать их каждый раз, когда проблема возникла. Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. Являясь одним из основных приложений искусственного интеллекта, экспертные системы представляют собой компьютерные программы, трансформирующие опыт экспертов в какой-либо области знаний в форму эвристических правил (эвристик). Эвристики не гарантируют получения оптимального результата с такой же уверенностью, как обычные алгоритмы, используемые для решения задач в рамках технологии поддержки принятия решений. Однако часто они дают в достаточной степени приемлемые решения для их практического использования. Все это делает возможным использовать технологию экспертных систем в качестве советующих систем.

Сходство информационных технологий, используемых в экспертных системах и системах поддержки принятия решений, состоит в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Однако имеются три существенных различия. Первое связано с тем, что решение проблемы в рамках систем поддержки принятия решений отражает уровень ее понимания пользователем и его возможности получить и осмыслить решение. Технология экспертных систем, наоборот, предлагает пользователю принять решение, превосходящее его возможности. Второе отличие указанных технологий выражается в способности экспертных систем пояснять свои рассуждения в процессе получения решения. Очень часто эти пояснения оказываются более важными для пользователя, чем само решение. Третье отличие связано с использованием нового компонента информационной технологии — знаний.

В современных условиях хозяйствования, обусловленных переходом к рыночным отношениям, нестабильным экономическим положением, развитием новых форм хозяйствования, резко возрастают требования к качеству обработки информации. Логика существующей системы информационного обслуживания сельскохозяйственных предприятий привела к своеобразному информационному кризису, реальным выходом из которого является использование современных компьютерных технологий.

Отсутствие рынка готовых прикладных программных средств, для автоматизации расчетов в сельском хозяйстве на первый план выдвигает разработку автоматизированных информационных систем непосредственно бухгалтером.

Цель курсового проекта – разработать автоматизированную информационную систему по планированию себестоимости производства растениеводческой продукции (на примере озимой пшеницы по черному пару, озимой пшеницы по непаровым предшественникам, картофелю, пару).

Для достижения поставленной цели необходимо решить следующие задачи:

Целью курсового проекта является разработка АИС по планированию себестоимости производства растениеводческой продукции. В соответствии с поставленной целью выделяем следующие основные задачи:

1. Изучить теоретические основы разрабатываемой АИС.
2. Изучить теоретические основы экспертных систем в экономике.
3. Привести постановку задачи и описать совокупность используемой в разрабатываемой АИС входной информации;
4. Необходимо определить чёткую схему размещения показателей и данных, форматы данных в справочниках, в таблицах и других формах с промежуточными расчётами и выходными показателями в проектировании форм документов;
5. Начертить схему информационных потоков, в которой необходимо показать логическую и алгоритмическую взаимосвязь между исходными, промежуточными и результативными массивами данных при построении информационно-логической модели;
6. Необходимо отобразить чёткую последовательность действий пользователя при установке и эксплуатации разработанной АИС по расчёту себестоимости растениеводческой продукции в инструкции для пользователя.

Объектом исследования данного курсового проекта явилось создание информационной системы по планированию себестоимости производства растениеводческой продукции.

Методы, используемые при написании курсового проекта:

      монографический;

      исторический;

      расчетно-конструктивный;

      моделирования и т.д.

В ходе проектирования курсового проекта были использованы следующие технические средства: Монитор LCD 19“ Samsung SyncMaster 940N (KSB) 0294 700:1 8мс 1280*1024 75Hz, процессор AMD Sempron 3200+64T SocketAM2 JuPGA 128kb 2000MHz Box.

При написании использовались программы: IBM-совместимый компьютер (операционная система Windows XP Home Edition) Microsoft Word 2003, Microsoft Excel 2003, Microsoft Power Paint 2003, интернет браузер Microsoft Internet Explorer, стандартный графический редактор Paint, электронный каталог ресурсов ВГАУ.

1.                 Экспертные системы в экономике

1.1 Экспертные системы, их особенности и классификация

Экспертные системы (ЭС)- это яркое и быстро прогрессирующее направление в области искусственного  интеллекта (ИИ). Причиной повышенного интереса, который ЭС вызывают к себе на протяжении всего своего существования является возможность их применения к решению задач из самых различных областей человеческой деятельности. Пожалуй, не найдется  такой проблемной области, в которой не было бы создано ни одной ЭС или по крайней мере, такие попытки не предпринимались бы.

ЭС- это набор программ или программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. ЭС, как  и эксперт-человек, в процессе своей работы оперирует со знаниями. Знания о предметной области, необходимые для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы [2].

ЭС выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы)на основе дедуктивных рассуждений. Такие системы часто оказываются способными найти решение задач, которые неструктурированны и плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, т. е. правил, взятых “с потолка”, что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа[6].

Главное достоинство ЭС - возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации  от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

Практическое применение искусственного интеллекта на машиностроительных предприятиях и в экономике основано на  ЭС, позволяющих  повысить качество и сохранить время принятия решений, а также способствующих росту эффективности работы и повышению квалификации специалистов [12].

Экспертная система классифицируется по разным критериям. Рассмотрим две классификации экспертных систем. Первая классификация имеет следующие признаки:следующим признакам:

1.             По решаемой задаче

         Интерпретация данных. Это одна из традиционных задач для экспертных систем. Под интерпретацией понимается определение смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.

• обнаружение и идентификация различных типов океанских судов — SIAP;

• определение основных свойств личности по результатам психодиагностического тестирования в системах АВТАНТЕСТ и МИКРОЛЮШЕР и др.

                                 Диагностика. Под диагностикой понимается обнаружение неисправности в некоторой системе. Неисправность — это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является необходимость понимания функциональной структуры ("анатомии") диагностирующей системы.

• диагностика и терапия сужения коронарных сосудов — ANGY;

• диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ — система CRIB и др.

                                 Мониторинг. Основная задача мониторинга — непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы — "пропуск" тревожной ситуации и инверсная задача "ложного" срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста.

• контроль за работой электростанций СПРИНТ, помощь диспетчерам атомного реактора—REACTOR;

• контроль аварийных датчиков на химическом заводе — FALCON и др.

         Проектирование. Проектирование состоит в подготовке спецификаций на создание "объектов" с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов — чертеж, пояснительная записка и т.д. Основные проблемы здесь — получение четкого структурного описания знаний об объекте и проблема "следа". Для организации эффективного проектирования и, в еще большей степени, перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемых в рамках соответствующей ЭС: процесс вывода решения и процесс объяснения.

• проектирование конфигураций ЭВМ VAX — 11/780 в системе XCON (или R1), проектирование БИС — CADHELP;