Автоматизація планування і звітності за соціально-економічними показниками у виконавчих комітетах

Цей вибір залежить від безлічі факторів. Відзначимо деякі з них: наявність даних (кількісне вираження накопиченого в минулому досвіду, планований момент виконання й бажана, точність прогнозу, а також тимчасової й вартісної витрати на його складання). По тому, на який момент або період часу він складається. Прогноз може бути короткостроковим (до року, але звичайно на квартал), середньостроковим (від року до трьох років) і довгостроковим (на три роки й більше).[13]

Інтуїтивно ясно, що чим менше проміжок часу, що відокремлює дійсний момент від прогнозованого, тим більшим буде обсяг подій, що пророкують добре. Для того, що може відбутися завтра, прогноз значно простіше й достовірніше, ніж для того, що відбудеться через рік або через п'ять років (мал. 2.1). Хоча, звичайно, реальний розвиток подій може виявитися й досить далеким від прогнозованого.

Рис. 2.1 Тимчасова залежність обсягу достовірних прогнозів

Багато методів прогнозування вимагають наявності значної кількості початкових даних і при їхній відсутності просто не працюють. Інші, навпроти, розробляються за умови відсутності достовірної кількісної інформації. Вибір моделі прогнозування відіграє важливу роль в одержанні достовірних результатів. Тому нижче наведені деякі методи прогнозування. Тим самим існуючі методи складання прогнозів можна умовно розбити на дві групи - кількісні і якісні (мал. 2.2).

Мал. 2.2 Структурний поділ методів прогнозування

Якісні або експертні, методи прогнозування будуються на використанні думок фахівців у відповідних областях (експертів).

Кількісні методи прогнозування ґрунтуються на обробці числових масивів даних (як значних по обсязі, так і порівняно невеликих) і у свою чергу розділяються на каузальні, або причинно-наслідкові, методи й методи аналізу тимчасових рядів.

Заснований на допущенні, відповідно до якого відбувалося в минулому дає гарне наближення в оцінці майбутнього, аналіз тимчасових рядів є способом виявлення тенденцій минулого й продовження їх у майбутнє.

У випадку значних вимог до точності прогнозу й при наявності великого (навіть величезного) масиву даних використаються каузальні, або причинно-наслідкові, моделі прогнозів, у яких прогнозована величина є функцією великого числа змінних. Обсяги продажів товару можуть залежати від ціни продукту, витрат на рекламу, дій конкурентів, рівня доходів і інших незалежних змінних. Якщо зв'язку між цими змінними вдається описати математично коректно, то точність каузального прогнозу може виявитися досить високою. Але як правило, це вимагає більших обсягів даних і істотно більших інтелектуальних, тимчасових і фінансових витрат, чим аналіз тимчасових рядів. До того ж розрахунок каузальних моделей пов'язаний з більшими обсягами обчислень, що можливо лише при наявності потужної обчислювальної техніки. Ми обмежимося короткою характеристикою трьох каузальних методів прогнозування (мал.2.3).

Багатомірні регресійні методи (моделі) за допомогою яких регресійна залежність між величинами встановлюється за статистичним даними, є найпоширенішими кількісними методами прогнозування

Багатомірні моделі лінійної регресії можна розглядати як природне узагальнення методу проектування тренда, у якому регресійна залежність установлюється між прогнозованим показником і одним змінної - часом.

Эконометрични методи (моделі) дають кількісний опис закономірностей і взаємозв'язків між економічними об'єктами й процесами й розробляються для прогнозування динаміки економіки. Типова эконометрична модель являє собою систему з тисяч рівнянь, рішення якої вимагає потужних обчислювальних засобів.

Мал. 2.3 Структура поділу каузальних методів прогнозування

Комп'ютерна імітація. З появою сучасних обчислювальних засобів рівень складності математичних моделей, за допомогою яких можна робити правильні пророкування про динамік процесів, істотно виріс. З'явилися моделі, здатні створювати "ілюзію реальності". Називані імітаційними, ці моделі є як би проміжною ланкою між реальністю й звичайними математичними моделями. Імітаційні моделі перебувають як би на межі можливостей обчислювальної техніки (і системного програмування).

Зауваження. Завжди існують процеси настільки складні, що вони не піддаються вивченню математичними методами. Це не означає, однак, що вони непізнавані.

Просто їх розглядають гуманітарними методами й засобами мистецтва - настільки ж необхідними методами вивчення реальності, як і математичні методи. А рухлива границя між гуманітарними й математичними методами вивчення (у тому числі й прогнозування) реальності проходить саме по імітаційними моделях у тім розумінні цього терміна, про яке йде тут мова.

Якісні методи прогнозування

При відсутності кількісних даних, або коли кількісна модель виходить занадто дорогою, використаються якісні методи прогнозування (мал. 2.4), які будуються на основі різного роду експертних оцінок.

Мал. 2.4 Структура поділу якісних методів прогнозування

Дельфийский метод, метод експертних оцінок, являє собою процедуру, що дозволяє приходити до згоди групі експертів із самих різних, але взаємозалежних областей. Робота над складанням прогнозу цим методом організується так: кожному експертові незалежно розсилається запитальник із приводу розглянутої проблеми, відповіді експертів і їхніх думок кладуть в основу підготовки наступного запитальника, розсилає знову експертам, і так далі доти, поки експерти не приходять до згоди (за умови заборони на відкриті дискусії між експертами). Звичайно це розсилання повторюється 3-4 рази.

Вивчення ринку, або модель очікування споживача. Прогноз будується на підставі різноманітних опитувань споживачів і наступної статистичної обробки.

Метод консенсусу, або думка журі, полягає в з'єднанні й усередненні думок групи експертів у процесі "мозкового штурму". Сукупна думка отділу продаж. Метод опирається на думку безпосередньо контактуючих зі споживачем торговельних агентів.

Одним з істотних критеріїв, яким часто керуються при виборі того або іншого методу прогнозування, є повна вартість прогнозу, що складається з витрат на його складання й ціни помилки прогнозу. Тому прагнення замовника зробити цю вартість як можна меншої потрібно сприймати зовсім природно.[14]

Аналіз тимчасових рядів

Тимчасовим (динамічним, або хронологічним) поруч називається послідовність значень деякого показника в часі (наприклад, обсягів продажів).

Розрізняють два види тимчасових рядів - моментние, коли значення розглянутого показника а;1, а;2,.. ., Хn віднесені до певних моментів часу (наприклад, дням)1,2, ... ,n; при цьому звичайно вважається, що <1< 2 < ... < n, і интервальні, коли зазначені відповідні проміжки часу, інтервали: [<0,1\\1 {1ь ^-2\1 ... ч (n-1;n)]-

Тимчасові ряди найчастіше задаються за допомогою таблиці: моментний ряд

Момент часу	^1	1-1	. . .	1п
Значення показника	а-1	3-2		Хn

интервальний ряд

Інтервал часу	[*0,<1		(<1,<2			(^п-1^га,
Значення показника	XI	а-2		Хп

Метод експонентного згладжування

Сутність методу полягає в тім, що згладжування відбувається за допомогою зваженої ковзної середньої, у якій ваги підкорятися експонентному закону (y=е) у відмінності від ковзний середньої використающих однакові ваги для всіх спостережуваних значень.

Зважена ковзна середня з экспоненціально розподіленими вагами характеризує значення процесу на кінці інтервалу згладжування, тобто є середньою характеристикою рівняння ряду.

Ця властивість використається для складання прогнозу. Прогноз здійснюється по формулі

y =a x +a x +…ax (2...1)

a >a…>a

a +a +…+a=1

a =1-

На підставі цього визначається рекуррентная формула для визначення экспоненціально середньої:

y = (1- )y + x(2.2)

У випадку повторного застосування формули:

y = (1- ) y = + y

де y - прогноз на і період

x вихідний ряд

У загальному випадки маємо y =(1- ) y + y яку в наслідку використаємо для розрахунку прогнозів. Нехай ряд записується поліномом 2-го порядку y = a +a t+(a /2!)t

Для визначення коефіцієнтів використається система лінійних рівнянь:

y = a +(1- )/ )а + a ((1- )(2- ))/2 (2.3)

y = a +(2- )/ ) а + 2a ((1- )(3-2 ))/2

y = a +(3- )/ ) а + 3a ((1- )(4-3 ))/2

звідки a = 3y +3 y + y

а = /(2(1- ))((6-5 ) y -2(5-4 )в +(4-3 )в

a = /(1- ) (в -2 y + y )

Прогноз на повний період здійснюється по формулі

в = a + а L+ (a L )/2 (2.4)

Метод найменших квадратів

Метод базується на застосуванні як критерій близькості суми квадратів відхилень заданих і розрахункових значень.

При заданій структурі апроксимуючої функції y_i^{расчет.}(x) необхідно в такий спосіб підібрати параметри цієї функції, щоб одержати найменше значення критерію близькості, тобто найкращу апроксимацію.

Розглянемо шлях знаходження цих параметрів на прикладі поліноміальної функції однієї змінної:

. (2.5)

Параметри цих функцій мають якісний економічний зміст і інтерпретуються в такий спосіб:

a - початковий рівень.

а - постійний ріст.

a - постійна швидкість зміни росту.

Запишемо вираження критерію апроксимації при _i =1 (i =1, 2, …, n) для поліноміального y_i ^{розрахунок.}(x):

(2.6)

Шукані змінні a_j можна знайти з необхідності умови мінімуму R по цим змінним, тобто d/da_p=0 для (p=0, 1, 2, …, k)... Продифференціруем по a_p (p - поточний індекс):

 (2.7)

p=0,1,2,3...,к. I=0,1,2,3,...n

Після очевидних перетворень (скорочення на два, розкриття дужок, зміна порядку підсумовування) одержимо:

, (2.8)

де p=0, 1, 2, ..., k.

Перепишемо останні рівності:

, p=0, 1, 2, …, k (2...9)

Вийшла система n+1 рівнянь із такою же кількістю невідомих a_j, причому лінійна щодо цих змінних. Ця система називається системою нормальних рівнянь. З її рішення перебувають параметри a_j апроксимуючої функції, що забезпечують min R, тобто найкраще можливе квадратичне наближення. Варто пам'ятати, що при зміні навіть одного значення вихідних даних (або пари значень х _i y_i , або одного з них) всі коефіцієнти змінять у загальному випадку свої значення, так, як вони повністю визначаються вихідними даними. Тому при повторенні апроксимації із трохи змінилися даними (наприклад, внаслідок погрішностей виміру, перешкод, впливу неврахованих факторів і т.п.) вийде інша апроксимуюча функція. Оборотний увага на те, що коефіцієнти aj полінома перебувають із рішення системи рівнянь, тобто вони зв'язані між собою. Це приводить до того, що якщо якийсь коефіцієнт, у наслідку його малості захочеться відкинути, прийде перераховувати заново залишилося. Можна розрахувати кількісні оцінки тісноти зв'язку коефіцієнтів. Існує спеціальна теорія планування експериментів, що дозволяє обґрунтувати й розрахувати значення хi, використовувані для апроксимації, щоб одержати задані властивості коефіцієнтів.

Адаптивні моделі

Використання адаптивних моделей припускає, що при побудові чергового прогнозу відбувається постійне коректування параметрів моделі, що описують тенденцію на основі декількох попередніх значень ряду. У цьому випадку відбувається постійне перерахування (коректування) параметра згладжування або коефіцієнта рівнянь тренда.

Метод динамічної регресії. Шукане значення для параметра в момент часу т виходить при мінімізації суми квадратів погрішностей за попередні періоди.

(2.10)

Модель Брауна відображає розвиток процесу не тільки у вигляді лінійної тенденції, а також і у вигляді випадкового процесу. У зв'язку із цим розрізняють наступні різновиди:

Модель нульового порядку описує процеси тенденції, що описують, розвитку

(2.11)

Модель першого порядку.

(2.12)

- значення близьке до останнього рівняння ряду й представляє закономірну складову цього ряду.

- приріст, що сформувався в основному до кінця спостережень, але, що відбиває в меншій мері швидкість росту на ранніх етапах.

Модель другого порядку відбиває зміна ряду з урахуванням швидкості й прискорення має вигляд.

(2.13)

- оцінка поточного приросту (прискорення).

Етапи побудови моделі Брауна.

1. По першим 5 крапкам оцінюються початкові значення

(2.14)

2. На основі отриманої моделі будується прогноз 1 крок, ДО=1

(2.15)

3. Розрахункове значення рівняється з фактичним і обчислюється

величина їхньої розбіжності

(2.16)

4. Відповідно до величини помилки коректуються параметри у такий спосіб. Коефіцієнт дисконтирування -(0,1)

 (2.17)

, де

- коефіцієнт дисконтирування даних. {0.1}характеризує «знецінювання» даних за одиницю часу й відбиває ступінь довіри до більше пізніх спостережень.

5. По моделі Знаходять прогноз на наступний момент часу.

Для побудови моделі прогнозування міського господарства необхідно зрозуміти, як функціонує міський апарат, звідки беруться гроші в міському бюджеті й куди вони витрачаються.

Міське господарство формується за рахунок інвестицій вступників з місцевого бюджету. Місцевий бюджет на нижнем рівні формується з державного податку (прибутковий податок) і місцевих податків і зборів. Місцеві податки й збори містять у собі: податок на землю; плата за оренду землі й приміщень; прибуток підприємств комунальної власності; продаж і приватизація майна міста й т.д.

Прибутковий податок становить близько 80-90% від усього міського бюджету.

Засоби, отримані в міський бюджет від всіх видів зборів і вилучень крім прибуткового податку міський апарат може витратити на благоустрій міста, реконструкцію будинків, що перебувають в аварійному стані, ремонт котелень, ремонт доріг і так далі.

Із засобів прибуткового податку виконавчий міський комітет зобов'язаний витратити на всі захищені статті.

До захищених статей ставляться:

· Міністерство утворення;

· Міністерство охорони здоров'я;

· Міністерство Внутрішніх Справ;

· Органи місцевого самоврядування та інші.

Якщо Краснодонскому міському комітету не вистачає засобів для покриття цих статей, то в Київ направляється звіт про виниклу проблему. У відповідь на сформовану ситуацію зі столиці в органи місцевого самоврядування направляється субвенція в кількості необхідному для погашення заборгованості з помісячними виплатами.

І так, знаючи, як функціонує міський апарат можна почати побудову цільової функції. Для цього нам необхідно з'ясувати найбільш значимі критерії функції здатні вплинути на результуючий показник. Використовуючи дані отримані від експертів у даній області, такими критеріям є:

1. Інфляція -i.

2. Чисельність населення в регіоні-n.

3. Безробіття в регіоні-b.

4. Коефіцієнт використання виробничих потужностей-p.

5. Середня заробітна плата-z.

6. Мінімальний прожитковий рівень-u.

7. Вартість палива-t.

3.2 ПОБУДОВА МОДЕЛІ ПРОГНОЗУВАННЯ МІСЬКОГО ГОСПОДАРСТВА

Для того щоб побудувати прогноз міського господарства необхідно побудувати прогноз всіх галузей існуючих у місті. Очевидно що структура апроксимуючої функції для міста буде представлена у вигляді суми всіх галузей міського господарства й мати вигляд:

Y=M+П+В+Пр, (2.18)

де

Y-Міське господарство.

М- Машинобудування.

У- Вугільна промисловість.

П- Харчова промисловість.

Пр- Інші галузі

Для здійснення прогнозу необхідно побудувати моделі, у цьому випадку включає всі 7 факторів. І застосувати їх для кожної галузі міського господарства. Для цього ми скористаємося двома функціями, а саме лінійної й статечної. Найбільш характерні многопараметричні залежності, використовувані в практиці економічного прогнозування має такий вигляд:

Лінійна

y=A₀+A₁x₁+A₂x₂+…+A_nx_n (2...20)

- де А₀ - вільний член многопараметричной моделі;

- А₁, А₂, А_n - регресійні коефіцієнти, що відбивають ступінь

впливу відповідних параметрів (факторів) X₁, X₂, X_n;

- n - кількість параметрів (факторів), розглянутих у моделі.

Статечна

(2.21)

- де Ао - постійний коефіцієнт многопараметричной

регресійної моделі;

В₁,В₂,В₃…В_n - постійні показники ступеня при відповідних факторах (параметрах), що включають у дану модель.

Отже опираючись на формулу (2.20) лінійна функція для даного завдання буде мати вигляд:

 (2.21)

Опираючись на формулу (2.21) Статечна функція для даного завдання буде мати вигляд:

(2.22)

Далі для вибору найбільш підходящої моделі побудуємо ретроспективний прогноз для кожної функцій. Для цього необхідно встановити тісноту взаємозв'язку між результуючим показником і набором всіх факторів (тобто розрахувати коефіцієнт кореляції). Коефіцієнт кореляції розраховується по формулі:

(2.23)

де, ; ;

; ; ; ;

Потім вибрати два найбільш значимі фактори й побудувати модель від двох змінних, попередньо знайшовши регресійні коефіцієнти, що відбивають ступінь впливу відповідних параметрів Х.

Після чого побудувати ретроспективний прогноз. Використовуючи отримані дані ретроспективного прогнозу для двох функції по формулі суми квадратів відхилення (sse)

де, (2.24)

- фактичне значення попиту;

- ретроспективний прогноз;

виберемо мінімальну з них тобто

(2.25)

Ця функція й буде є моделлю для нашого завдання. (см. додаток В ). І так, виконавши всі ці приписання, остаточна модель буде мати загальний вигляд:

, (2.26)

Конкретно для харчової галузі:

(2.27)

Вугільної

(2.28)

Машинобудівної

(2.29)

Інші

(2.30)

Після вибору апроксимуючої функції перед нами коштує завдання про вибір методу прогнозування. Поставлене завдання, розробка моделі прогнозування, можна вирішити багатьма прогнозними методами. Для цього скористаємося методами розглянутими вище, а саме:

Метод найменших квадратів

Метод експонентного згладжування

Метод динамічної регресії

Метод Брауна

Здійснивши прогноз кожним із зазначених методів (див. додаток Г), визначимо міру точності прогнозу, для цього скористаємося формулою среднеабсолютной процентної помилки (МАРІ).

Показник МАРІ використається при порівнянні точності прогнозів, оскільки цей показник характеризує відносну точність прогнозу, значення среднеабсолютной процентної помилки можна інтерпретувати в такий спосіб:

< 10 % - висока точність

10-20 - гарна точність

20-30 - задовільна точність

>50 - незадовільна точність

Проаналізувавши результати кожного з методів зупинимося на одному, що має найкраща точність і найбільш характерного для нашого випадку.

Тому що метод найменших квадратів має найкращу точність, досить широко розповсюджений і його опис дуже легко можна знайти практично в будь-якій літературі, не є занадто складним, його використання не викликає особливих утруднень і піддається реалізації практично у всіх програмних оболонках. Ми будемо використати цей метод для написання програми здійснюючий прогноз міського господарства.

Здійснимо прогноз методом найменших квадратів, по двох найбільш значимих факторах, побудуємо прогноз кожної галузі. Потім скориставшись формулою (2.18) побудуємо прогноз усього міського господарства.

РОЗДІЛ 4. РОЗРОБКА АВТОМАТИЗОВАНОГО КОМПЛЕКСУ ПО ОБЛІКУ Й ПРОГНОЗУВАННЮ РОЗВИТКУ Г КРАСНОДОНА НА ПІДСТАВІ ПОКАЗНИКІВ СОЦІАЛЬНО-ЕКОНОМІЧНОГО Й КУЛЬТУРНОГО РОЗВИТКУ

Розробка автоматизованого програмного комплексу являє собою складний трудомісткий процес, що складається з декількох етапів: постановки завдання, її формалізації, вибору алгоритму обліку, побудови комплексу, процесу програмування, аналіз отриманого рішення й доповнення в іспитову реалізацію, впровадження програми в практику. Кожний із цих етапів є необхідним для побудови й практичної реалізації всякого автоматизованого програмного комплексу. Розглянемо докладніше етапи побудови автоматизованого комплексу по обліку показників соціально-економічного й культурного розвитку.

4.1 ОСНОВНІ ЦІЛІ Й ПОСТАНОВКА ЗАВДАННЯ

На цьому етапі необхідно розглянути наявну інформацію необхідну для автоматизації обліку, визначення необхідних даних для аналізу й подальшого зберігання, для ведення статистики й побудови моделей, на підставі яких будуть будується різного роду прогнози. На підставі правильно й грамотно побудованих моделей прогнозів можна приймати правильні рішення для подальшого поліпшення життя населення й, у цілому, всієї країни.

Щороку міністерством економіки України розробляються методичні рекомендації з розробки програм соціально-економічного розвитку й культурного розвитку міста й адміністративного району. У даних методичних рекомендаціях приводяться більшість соціально-економічних показників, необхідних для розгляду й ведення, і на підставі цих показників, будується програма розвитку міста й адміністративного району в цілому.

Побудова програми розвитку закладає в собі прогнози, тобто деякі збільшення або зменшення певних показників, на підставі деяких застосовуваних рішень і методів. Для оцінки виконання програми розвитку, не тільки програми розвитку міста, але й будь-якої іншої програми подібного роду, необхідно завжди порівнювати значення прогнозованих показників з отриманими. Для цього необхідно вести деякий архів даних.

Звідси випливає перше завдання: зберігання отриманих показників.

Збережені показники, крім усього іншого повинні бути прив'язані до певного часу, тому що змінюються залежно від часу. Програма розвитку міста звичайно розробляється на кілька років. І на кожний момент часу, необхідні проміжні результати показників, а також їхнє відхилення від прогнозованих, для того щоб вчасно відреагувати й внести відповідні виправлення.

Друге завдання: зберегти ці дані (значення показників повинне бути вв'язане згодом, тобто дані повинні бути дата залежними.

Показників соціально-економічного й культурного розвитку, досить багато. Вони охоплюють всі аспекти розвитку населення. Сюди входять наступні види показників: чисельність і зайнятість населення, торгівля, громадське харчування, платні послуги населенню, житлово-комунальне господарство, утворення, культура, охорона здоров'я, соціальне забезпечення, промисловість, сільське й лісове господарство, транспорт, зв'язок, инвестиционно-будівничий комплекс, науково-технічна й інноваційна діяльність, охорона навколишнього середовища, зовнішньоекономічна діяльність, розвиток підприємництва.

Кожний окремий вид показників містить у собі групу основних показників, які найбільше точно і яскраво відбивають положення справ по даному виді аспекту розвитку населення.

Розглянемо для приклада вид показників характеризующих ріст населення. Даний вид показників має наступні показники: середньо річна чисельність населення, середньо річна чисельність населення в сільській місцевості, чисельність дітей віком від 0 до 6 років, усього й у сільській місцевості, чисельність дітей віком від 7 до 15 років, усього й окремо в сільській місцевості, чисельність населення пенсійного віку ( чоловіка старше 60 років, жінки старше 55 років), усього й у сільській місцевості зокрема.

Т.ч. цих показників велика безліч, має сенс розділити дані на кілька груп, об'єднаних між собою одним видом показників. Приміром, розглянутий нами вид показників чисельності населення має сенс об'єднати в групу «чисельність населення». Для даної групи призначити відповідний модуль автоматизованого комплексу, що веде облік тільки по цій групі соціально-економічних показників. Важливо, також і те, що за кожним видом показників закріплена певна служба, що вносить і враховує дані показники.

Таким чином, розглянувши й проаналізувавши показники соціально-економічного й культурного розвитку, у нас виділяться наступні основні групи:

- населення;

- невиробнича сфера;

- економічний розвиток;

- розвиток підприємництва.

Третє завдання: забезпечити поділ даних показників по їхньому уведенню в автоматизований комплекс, щоб полегшити облік і уведення даних, а також одержання проміжних результатів по певній групі. Такий поділ спростить керування й прийняття рішень пов'язаних з певною групою показників.

Крім обліку даних, необхідно якесь наочне подання даних, для кращого сприйняття отриманої інформації, її оцінки, і більше точного подання сформованої картини розвитку міста й адміністративного району в цілому.

Четверте завдання: розробити візуальні компоненти, що відбивають більше наочне подання, чим голі цифри, динаміку розвитку міста й адміністративного району.

Розглядаючи більш заглиблено, кожну групу показників, видний їхній взаємозв'язок між собою. Наприклад, чисельність населення може збільшуватися від росту таких показників як грошові доходи на душу населення, кількість лікарень, поліклінік, витрат на охорону навколишнього середовища й т.д. Очевидна залежність між показниками. Визначивши даний взаємозв'язок найбільше точно, можна будувати більше точні прогнози по розвитку регіону. Вся складність, у цьому випадку, складається у визначенні даного взаємозв'язку, точніше в її якісному й кількісному вираженні. Які з показників, є більше значимими й впливають на інші, результатом яких не можна зневажати, а якими показниками можна зневажити, для побудови моделі розвитку певного аспекту розвитку.

Четверте завдання: розробити модель прогнозування міського господарства на підставі соціально-економічних показників міського господарства. Т.к. якісно розроблена модель у свою чергу дасть більше гнучкі й діючі рішення по керуванню й плануванню господарством міста й регіоном.

4.2 ОБҐРУНТУВАННЯ ВИБОРУ СЕРЕДОВИЩА РОЗРОБКИ

На даному етапі розвитку, найбільш зручним для розробки програмного забезпечення, є середовище інтегрованого програмування, яка подібна до середовищ фірми Borland - Delphi і Builder. Інтегроване середовище розробки зручне тим, що:

1. Більша частина інтерфейсу розроблювального програмного забезпечення вже є у вигляді деяких шаблонів, які легко пристосовуються до необхідних потреб розроблювача.

2. Дане середовище має безліч корисних компонентів, що допомагають програмістові в його нелегкій праці, звільняючи його від рутинних операцій, таких як висновок на екран вікна програми, промальовуванням кнопок, міток і т.д.

3. Не маловажним є той факт, що інтегровані середовища розробки мають дуже гарну, продуману систему допомоги, що допомагає навіть на етапі уведення програмного коду.

4. Зокрема для мого дипломного проекту, основною зручністю є те, що інтегроване середовище розробки фірми Borland має можливість підключаться до різного роду базам даних і використати наявні таблиці, у тому числі до таких типів баз даних як Access, Paradox, InterBase, FoxPro, і т.д. Причому використовуючи при цьому як свої власні драйвера, так і драйвера інших розроблювачів.

5. У будь-який момент часу можна перешикувати додаток, тобто, якщо, на приклад, у процесі тестової експлуатації, виявлені деякі невраховані моменти або виникаючі помилки при виконанні додатка, те завжди можна перешикувати деякі ділянки програми.

6. Объектно-ориентироване середовище розробки дозволяє розбити завдання на певні модулі, і послідовно або паралельно групою розроблювачів програмувати одночасно будь-які модулі програми.

Виходячи з наведених плюсів інтегрованого середовища розробки я свій вибір зробив на середовищі Borland Builder C++ 6.0.

З огляду на те, що більшість баз даних розроблювальних у нинішній час будуються на підставі СКБД Access, має сенс використати як зв'язування Borland Builder C++ 6.0. і Access. Ще одним із плюсів використання СКБД Access є її універсальність у тім плані, що дана система керування дозволяє експортувати свої таблиці в безліч інших форматів різних СКБД: Paradox, dBase і т.д., а імпортувати дозволяє буквально в усі формати різних СКБД. У необхідних випадках, можна користуватися засобами розробки Access для одержання якихось особливих звітів. СКБД Microsoft Access також дозволяє експортувати свої дані у формат HTML (hypertext marker languages - мова написання веб сторінок.) Виділяючи цю особливість СКБД, хочеться помітити, що в недалекому майбутньому можна отримані дані встановлювати на веб сторінках, для загального огляду.

Єдиним недоліком, на мій погляд, є дорожнеча пакета Microsoft Office, куди входить СКБД Access.

Роблячи порівняння інших середовищ розробки з обраної, на мій погляд, гарним претендентом на заміну Borland Builder C++ 6.0, можна виділити візуальне середовище розробки від фірми Microsoft - Visual Studio.

Даний пакет має ті ж самі можливості, що й Borland Builder C++ або Borland Delphi. І навіть більше цей пакет розроблений самими розроблювачами операційної системи Microsoft Windows, у середовищі якої розробляється автоматизований комплекс, а отже, хто може знати краще.

Недоліком даного пакета є, то що отримані після компіляції вихідні виконувальні модули, при переносі їх на іншу машину, без установленого пакета Visual Studio, не будуть працювати.

4.3 ВХІДНІ Й ВИХІДНІ ДАНІ СИСТЕМИ АВТОМАТИЗИ-ЗОВАННОГО КОМПЛЕКСУ

Вхідними даними розроблювальної програмної системи є основні соціально-економічні показники, які одержує виконавчий комітет міста. Ці дані будуть заноситися в таблиці СКБД «Access». Приклад подібної таблиці:

Малюнок 4.1 Вхідні дані розроблювального комплексу.

Соціально-економічних показників досить велика кількість. Зокрема: Валова додана вартість у фактичних цінах - всього, Валова додана вартість у порівнянних цінах в % до попереднього року, Обсяг продукції промисловості в розрахунку на душу населення, Обсяг продукції промисловості в порівнянних цінах в % до попереднього року, Обсяг продукції добувної промисловості в порівнянних цінах в % до попереднього року, Обсяг продукції обробної промисловості в порівнянних цінах в % до попереднього року, і також по кожній галузі та ін.

На підставі цих показників будується модель розвитку міського господарства.

Вихідними даними є таблиці й графіки, отримані в результаті розробленої моделі. Зокрема таблиці, розрахункових показників, і графіки що демонструють тенденцію розвитку обсягів виробництва м. Краснодона, а також таблиці й графіки прогнозованих показників. На малюнку відображений графік росту населення:

Малюнок 4.2 Приклад вихідних даних розроблю вального програмного комплексу.

4.4 ОПИС РОЗРОБЛЕНОГО ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ

4.4.1 ПРИЗНАЧЕННЯ РОЗРОБЛЕНОГО ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ

Основним призначення розробленого автоматизованого комплексу забезпечити зберігання інформації й застосування її для подальших аналізів і прогнозів.

Областю застосування даного автоматизованого комплексу є міські виконавчі комітети. Однак не виключена можливість застосування даного комплексу й для автоматизації інших організацій, зокрема служби статистики.

4.4.2 ОПИС ІНТЕРФЕЙСУ АВТОМАТИЗоВАННого КОМПЛЕКСУ

На малюнку 1 представлений інтерфейс головного модуля автоматизованого комплексу:

Малюнок 4.3. Інтерфейс головного модуля програми

Нижче заголовка вікна автоматизованого комплексу розташоване головне меню програми. Нижній рядок - рядок стану, у якій вказуються наступні дані: Допомога - підказка по обраних пунктах меню, Дата - поточна дата, Час - поточний час.

7.2. Опис головного меню.

У пункті «Файл» зосереджені інструменти для роботи з настроюваннями програми:

«Дата» - установки дати за замовчуванням для автоматизованого комплексу;

«Настроювання» - підключення робочої бази (де знаходится уся інформація);

«Печатка» - настроювання печатки, для різного роду звітів;

«Вихід» - вихід із програмного комплексу.

У пункті меню «Редагування» зібрані інструменти для роботи із информаціею, що:

У пункті меню «Показники» - зосереджені по групах соціально-економічні показники, що вводять:

«Показники»

Пункт меню «Звіти» призначений для одержання звітів по різних видах показників соціально-економічного розвитку.

Пункт меню «Прогнозування» призначений для виконання використовуваної мною моделі для аналізу прогнозу розвитку галузей міста.

Пункт меню «Допомога» призначений для одержання інформації з використання програмного комплексу й про розроблювача. Див. малюнок

Уведення інформації (значення показників) здійснюється шляхом заповнення спеціально розроблених форм. Приклад форми уведення показників по чисельності населення показань на малюнку



Малюнок 4.10 Форма для уведення показників

4.4.3 ПОРЯДОК РОБОТИ З АВТОМАТИЗОВАНним КОМПЛЕКСоМ

Програмний комплекс «АК Соціально-економічного й культурного розвитку міста Краснодона» запускається виконувальним модулем Diplom.exe, подвійним щигликом по ярлику .

Після запуску відкриється основне меню програми (див малюнок ). Для уведення значень социально-экомичних показників необхідно перейти в пункт меню «Показники» ( див малюнок ). У пункті, що відкрився, меню є список основних груп показників, причому кожна група має свої підгрупи. Вибравши необхідну підгрупу показників, відкривається форма для заповнення даних видів показників.



Малюнок 4.11

Наприклад: необхідно ввести обсяги виробництва вугільної промисловості. Вибираємо пункт меню «Показники» у меню, що розкрився, вибираємо групу «Економіка». Вибравши дану групу відкриється додатковий список (підгрупи), переходимо на «Промисловість» і зі списку, що випав, вибираємо пункт «Вугільна». Результат пророблених дій зображений на малюнку:

Уведення обсягів виробництва по вугільній промисловості м.Краснодона

Для одержання деякої статистики - звітності Необхідно виконати наступні операції.

1. Перейти в пункт меню «Звіти»

2. Вибрати необхідну групу показників.

Приклад виконання подібної операції показаний на малюнках:



Малюнок 4.12 Тенденція розвитку населення м. Краснодона

Малюнок 4.13 «Звіт по обсягах виробництва вугільної промисловості»

Для одержання прогнозу розвитку міського господарства необхідно виконати наступні дії:

1. Перейти в пункт меню «Прогнозування»

2. Вибрати пункт меню «Линейна модель».

Малюнок 4.15 «Прогнози розвитку галузей промисловості м. Краснодона»

Після вибору пункту «Лінійна модель» відобразиться наступне вікно:

Малюнок 4.16 «Результати розрахунків прогнозованих обсягів виробництва галузей промисловості»

Після натискання кнопки «Одержати прогноз» у верхній частині вікна відобразяться три таблиці з результатами отриманих результатів прогнозів по кожній промисловості.

У нижній частині вікна відобразяться графіки розвитку на основі лінійної моделі.

З цього вікна по отриманій моделі, ми бачимо, ріст вугльной промисловості,до 01.01.2008 р , і не значні зіміни у харчовой та машинопромисловой галузі.



Малюнок 4.17 «Графічне відображення прогнозованих результатів розвитку різних галузей виробництва».

ВИСНОВОК

У ході виконання дипломної роботи була досліджена діяльність виконавчого комітету м. Краснодону. Зокрема вивчалася організаційна структура комітету й основні напрямки діяльності, розглядалися основні завдання виконавчого комітету, його призначення, прийоми роботи, була вивчена структура програми соціально-економічного й культурного розвитку, інформаційне середовище підприємства, комп'ютерне оснащення й використовуване програмне забезпечення. У результаті аналізу програми розвитку, з'ясувалося, що необхідно програмну реалізацію, що забезпечувала зберігання попередніх соціально-економічних показників, їхнє уведення, і на підставі цих показників будувала модель для прийняття соціально-економічних рішень. Для цього був розроблений програмний комплекс «АК Соціально-економічного й культурного розвитку м.Краснодона». Розроблений комплекс вирішує наступні завдання: уведення й зберігання соціально-економічних показників, одержання на підставі цих данних звітності у вигляді таблиць і графіків. А також створює модель прогнозу розвитку промисловості міського господарства.

На підставі моделі розвитку, одержуваного за допомогою даного програмного комплексу, можна вчасно приймати більш гнучкі й мобільні рішення.

Хочеться помітити, що соціально-економічних показників велика безліч. Причому більшість показників взаємозалежні. Визначити такий взаємозв'язок не складне завдання. Однак складної вона стається тоді, коли необхідно визначити цей взаємозв'язок якісно й кількісно. Над даною проблемою працюють багато з людей по усьому світі.

Так само слід зазначити, яка б модель прогнозування, це всього лише модель, що не може врахувати всіх факторів, у тому числі й людського. А людський показник, найбільш важливий фактор, тому що від нього багато чого залежить. Від нього залежить чи процвітати місту або в'янути. Будувати місто або руйнувати його.

Але ми робимо перші кроки убік процвітання міста, починаємо будувати моделі, информатизувати та автоматизувати всі галузі міського господарства. І мій дипломний проект тому підтвердження.

СПИСОК ВИКОРИСТОВУВАНОЇ ЛІТЕРАТУРИ

1. Деордица Ю.С., Нефедов Ю.М. Исследование операций в планировании и управлении: Учебное пособие для экономических специальностей. - К.: Вища школа, 1991. - 270 с.

2. Курицкий Б. Поиск оптимальных решений средствами Excel 7.0. - С.-П., 1997 - 380 с.

3. Братченко Б.Ф., Автоматизация и автоматизированные системы управления в угольной промышленности. М. «Недра», 1990. - 380с.

4. Антонов В.А., Попов З.Х. Техника и технология сбора и обработки информации при АСУ горнодобывающих предприятий. М., 1991 - 97с.

5. Башков М.И. Оперативно-диспетчерское управление угольной шахтой. К. 1985 - 200с.

6. Попов В.Г. Основные направления технического прогресса на шахтах. М., «Недра» 1986 - 336с.

7. Остапенко В.А. Автоматизация производственных процессов на угольных шахтах. М., «Недра» 1980 - 390с.

8. Гольдин М.А. Кибернетизация угольных шахт. М., 1987 - 58с.

9. Мелькумов Л.Г. Вычислительная техника в управлении предприятием угольной промышленности. М. , 1993 - 160с.

10. Лазукин Н.Я. Автоматизация технологических процессов угольных шахт. М., 1992 - 350с.

11. Мелькумов Л.Г. Автоматизация угольных шахт, М., !994 - 150с.

12. Батицкий В.А. Автоматизация производственных процессов и АСУП в горной промышленности, М., 1990 - 319с.

13. Алябьев Н.М. Автоматизация производства на угольных шахтах. М., 1991 - 232с.

14. Мелькумов Л.Г. Вычислительная техника в управлении предприятиями угольной промышленности. М., !996 - 160с.

15. Афоничкин А.И. Принятие управленческих решений в экономических системах: Учеб. пособие. - Саранск: Изд-во Мордовского университета, 1998

16. Ашманов С.А. Математические модели и методы в экономике., 1980

17. Вовк В.М., Левицька Г.Г. Математичне модулювання в управлінні фінансовою діяльністю підприємства// Фінанси України - 2000 - №1 - с. 88-93

18. Глухов В.В., Медников М.Д., Коробко С.Б. Математические методы и модели для менеджмента. - СПб: Лань, 2000

19. Дубов Ю.А., Травкин С.И., Якимец В.Н. Многокритериальные модели формирования и выбора вариантов систем

Додаток 1.

Мал. 1. Структура Краснодонского міської ради.

Размещено на http://allbest.ru

Додаток 2.

Таблиця 1. Структура програми соціально-економічного розвитку

м. Краснодона

	Вступ
1.	Оцінка тенденцій економічного розвитку
2.	Цілі та головні дії в 2004 році
3.	Соціальна політика
3.1	Демографічна ситуація
3.2	Грошові доходь населення та заробітна плата
3.3	Зайнятість населення та ринок праці
3.4	Пенсійне забезпечення
3.5	Соціальне забезпечення
3.6	Соціальні домов
3.7	Міграційна політика
3.8	Житлова політика
3.8. 1	Житлово-комунальне господарство
3.8. 2	Фінансово-економічний стан підприємств житлового господарства
4.	Гуманітарна сфера
4.1	Здоров'я населення
4.2	Освіта
4.3	Культура
4.4	Розвиток інформаційного простору
4.5	Туризм
4.6	Фізичне виховання і спорт
5.	Безпеку життєдіяльності людини
5.1	Охорона навколишнього природного середовища
5.2	Техногенна безпеку.
5.3	Охорона праці
6.	Забезпечення розумів для подальшого соціально-економічного зростання
6.1	Податково-бюджетна політика
6.2.	Муніципальне кредитування
6.3	Інвестиційна політика
6.3. 1	Функціонування спеціального режиму інвестиційної діяльності
6.4	Інституціональні та організаційні механізми економічного регулювання
6.4. 1	Реформування відносин власності
6.4. 2	Управління об'єктами державної власності. Приватизація
6.4. 3	Державна регуляторна політика в сфері господарської діяльності та розвиток підприємництва
6.4. 4.	Адміністративна реформа та поліпшення якості державного управління
7.	Розвиток реального сектора економіки
7.1	Енергозабезпечення та енергозбереження
7.2	Промислова політика
7.3	Транспорт, зв'язок та інформаційні технології
7.3. 1.	Транспорт
7.3. 2	Зв'язок та інформаційні технології
7.4.	Закупівля продукції для регіональних потреб
7.5	Політика в сфері обігу споживчих товарів і послуг
7.6	Зовнішньоекономічна політика
7.7	Захист прав споживачів
8.	Захист прав і воль громадян , зміцнення законності та правопорядку

Додаток 3

Мал 2 Графічне зображення звіту по розвитку населення м. Краснодон 1998-2004 роки

Додаток 4

Мал. 3 Схематична модель программного комплексу

Размещено на http://allbest.ru

Додаток 5

Мал. 4 Прогноз розвитку вугільної, машинобудівної та харчовий промисловості на 2006 - 2009роки, отриманий з програмного комплексу.

Размещено на Allbest.ru