WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


 

На правах рукописи

ЛОКТАЕВ

Сергей Викторович

Математические модели и методы
принятия решений при управлении
организационными системами

05.13.01 системный анализ, управление и обработка информации

(промышленность)

Автореферат диссертации на соискание ученой степени

доктора технических наук

Санкт-Петербург

2008

Работа выполнена в  Санкт-Петербургском государственном политехническом университете.

Научный консультант: доктор технических наук, профессор, заслуженный деятель науки Российской Федерации Щербаков Олег Вячеславович

Официальные оппоненты:

доктор технических наук, профессор Пусь Вячеслав Васильевич;

доктор технических наук, профессор  Еременко Владимир Тарасович;

доктор технических наук, профессор  Уткин Лев Владимирович

Ведущая организация: Санкт Петербургский государственный технологический институт (Технический университет)

Защита состоится «___»____________ 2009 г. в «___» часов на заседании диссертационного совета Д 205.003.04 при Санкт-Петербургском университете ГПС МЧС России по адресу: 196105, Санкт-Петербург, Московский проспект, дом 149.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского института ГПС МЧС России.

Автореферат разослан «___»____________2009 г.

Ученый секретарь

диссертационного совета Д 205.003.04

кандидат технических наук, доцент         А.С. Смирнов

Общая характеристика работы

Актуальность темы. Для решения проблем экономических, социальных, политических, научных, технических, стоящих перед обществом, требуется организованная деятельность многих людей. Такая деятельность осуществляется в рамках искусственных созданных человеком формирований, называемых организационными системами (ОС) – промышленные предприятия, компании, холдинги, банки, кооперативы.

Количество таких объектов в стране измеряется сотнями тысяч, и продолжает расти. Несмотря на это, ОС как специфический класс систем постоянно ускользали из поля зрения исследователей. Имеется множество институтов и проектных организаций, занимающихся вопросами создания различных технических систем, которые по своей сложности значительно уступают ОС. Тогда как исследования в области их создания практически отсутствуют. Основная причина этого состоит в том, что, начиная с 30-х годов вопросы формирования организационных структур управления, экономических, социальных, политических и экономических систем являлись неоспоримой прерогативой административной системы. Наука к этим вопросам попросту не допускалась. Без научной теории построения ОС невозможно успешно создать эффективную систему управления, в том числе и ОС. Это стало ясно, когда наука управления получила новый импульс, связанный с развитием кибернетики, но только в последние годы появилась реальная возможность создать такую теорию и вооружить ею организаторов управления.

Актуальность данной работы обуславливается постоянной проблемой выбора рационального решения. При принятии решения мы всегда сталкивается с проблемой выбора и учета наиболее существенного и не учета второстепенного. Тем самым человек производит интуитивное сравнивание различных вариантов решения. Задачи принятия решения постоянно возникают при управлении ресурсами организационной системы. Условия избытка информации превышающие границы познания человека определяют самое актуальное требование в области принятия решений – предоставление человеку средств помощи для оценки вариантов решений и сжатого представления сущности проблемы.

Необходимо научиться своевременно распознавать ненадежных партнеров, объективно оценивать ситуацию, отличая временные проблемы с ликвидностью от полной неплатежеспособности. Необходимо объективно оценивать положение дел у существующего или потенциального контрагента и принимать решение о путях дальнейшего взаимодействия с ним. Это особенно актуально при планировании долгосрочных отношений с предприятием.

В условиях рыночной экономики управление материальными и денежными средствами становиться действительно актуальной задачей. Попыток решить проблему автоматизации управления финансами компании на основе методов математического моделирования при создании ОС, прогнозирования, в том числе лингвистического с использованием причинной модели, пока немного. В отечественной литературе данное направление исследования остается малоизученным, что свидетельствует об актуальности выбранной темы.

Цель и задачи работы. Цель заключается в разработке методов синтеза систем информационного обеспечение (управления) обладающих инструментальными средствами интеллектуальной поддержки принятия управленческих решений, для обеспечения финансовой безопасности функционирования организационных систем самого различного назначения.

При достижении поставленной цели решены следующие задачи.

1. Классификация нештатных ситуаций, возникающих при управлении, разработка нового подхода к автоматизации учета состояния и выбор общей концепции управление состоянием организационных систем.

2. Создание модели выработки и принятия решений на основе принципа поэтапного преодоления неопределенностей.

3. Оценка риска при кризисной ситуации на основе причинной модели прогнозирования и формирование нового подхода к принятию решений при управлении организационными системами в условиях прогнозирования.

4. Анализ методов принятия решений в проблемных ситуациях при управлении организационными системами.

5. Создание модели функционирования организационной системы в нештатных ситуациях.

6. Организация инструментальных средств в виде программного комплекса реализации алгоритмов для автоматизации поддержки управления организационными системами. Внедрение результатов диссертационной работы на ведущих предприятиях Российской Федерации: ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецтранс», ОАО Ленгазтеплострой.

Объект и методы исследований. Объектами исследований являются - информационные системы управления организационными системами самого различного характера.

Общей методологической основой исследования является системный анализ проблем управления сложными техническими системами. Выполненные теоретические исследования базируются на использовании методов детерминированного и ситуационного управления, методов лингвистического прогнозирования, теории нечетких множеств, концепции фреймовых структур.

Предмет исследования. Исследование закономерностей процесса принятия решений в организационных системах

Методы исследований. Общей методологической основой исследования является системный анализ проблем управления сложными техническими системами. Выполненные теоретические исследования базируются на использовании методов детерминированного и ситуационного управления, методов лингвистического прогнозирования, теории нечетких множеств, концепции фреймовых структур.

Научная новизна работы:

  • создание систем управления организационными системами, отличающийся применением системного подхода для исследования противоречий при использовании общих финансовых, информационных и временных ресурсов, что позволяет предложить определение организационной системы как совокупности противоречащих элементов, структурированной общей целью;
  • системная модель управления организационными системами отличается тремя уровнями абстрагирования: диагностики состояния, классическим информационным и ситуационным;
  • классификация ситуаций, отличных от штатной, учитывающая приоритеты противоречий и пять типов ситуаций: проблемная, кризисная, недостаток ресурсов, неопределенность, прогнозирование;
  • методы формирования признаков текущей ситуации по классам, отличающиеся: применением таблиц истинности, построенных на моделях сетей Петри; расчетом ресурсов (финансовых, временных, информационных) и диалоговым общением лица, принимающего решение с базой знаний.
  • метод последовательного прогнозирования с альтернативными моделями по комплексу критериев возникающих при функционировании организационной системы в рамках общей концепции непрерывного управление ее состоянием;
  • принцип поэтапного преодоления неопределенностей, который предполагает: построение имитационной модели функционирования системы с учетом воздействий окружающей среды, формирование вариантов решений и их универсума, прогноз последствий принятия решений, сравнение ценности разных вариантов решения, выбор наилучшего варианта решения при наличии противоречивых оценок по нескольким частным критериям.
  • метод оценки технико-экономического риска при функционировании организационной системы в условиях кризисной ситуации;
  • метод формирования инструментальных средств в виде программного обеспечения алгоритмов информационной и интеллектуальной поддержки принятия управленческих решений, отличающийся погружением комплексной, специализированной базы знаний в базу данных современных SCADA-систем.

Теоретическое значение. Полученные результаты диссертационной работы на основе стратификации комбинированной структуры ситуационного и классического управления с использованием альтернативных моделей, методов и алгоритмов адаптации развивают теоретические основы автоматизации управления организационными системами, в том числе и при функционировании в штатных и нештатных ситуациях.

Практическая ценность работы. Полученные в работе результаты развивают методологию практического применения системного анализа и синтеза систем управления организационными системами, функционирующими в условиях нештатной ситуации. Разработанные инструментальные средства в виде комплекса программ конкретных систем информационного обеспечение (управления) могут быть использованы в САПР и АСУ различного уровня иерархии. Методические аспекты могут быть успешно использованы в учебном процессе при подготовке студентов широкого круга специальностей в области управления организационными системами самого широкого назначения. Основные теоретические разработки диссертации в виде предметно-ориентированных моделей, алгоритмов и программ внедрены на: ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецтранс», ОАО Ленгазтеплострой.

Результаты, выносимые автором на защиту:

  • метод перехода от задачи принятия управляющих решений, к задаче управления в заданном классе детерминированных решений на ситуационном уровне и представление возникающих при функционировании организационных систем ситуаций пятью типами: проблемной, кризисной, недостаток ресурсов, неопределенность, прогнозирование;
  • представление задачи обеспечения безопасного функционирования организационных систем тремя уровнями абстрагирования: диагностическим, информационным и ситуационным и концепцию непрерывного управления состоянием организационной системы на диагностическом уровне;
  • организация систем управления и информационного обеспечения организационными системами в пределах единой методологии и новый подход к автоматизации учета состояния организационных систем на классическом информационном уровне;
  • модель поэтапного преодоления неопределенностей при реализации алгоритма выработки и принятия решений в нечеткой среде;
  • причинная модель прогнозирования, позволяющая принимать обоснованные решения в кризисных ситуациях;
  • методы оценки риска при функционировании организационной системы в условиях проблемной ситуации.

Апробация результатов исследования. Основные результаты исследований, выполненных по теме диссертации, были доложены: на девяти  Международных конференциях.

Публикации. Для представления наиболее важных результатов исследований и практических разработок из имеющихся у соискателя публикаций выбрано 9 источников, рекомендованных ВАК для публичной апробации докторских диссертаций: 1 монография, 1 учебное пособие, 9 докладов на Всесоюзных, Всероссийских и международных конференциях, 16 статей в научно-технических журналах. В работах, опубликованных в соавторстве, личное участие автора заключается в постановки проблемы и формализации задач, теоретическом обосновании исследований и непосредственном участии в создании инструментальных средств в виде алгоритмов и программ для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, заключения, списка литературы из 264 источников, включая в себя 408 страниц, 22 таблицы и 75 рисунков.

Содержание работы

Во введении обоснована актуальность проблемы, сформулированы цель и задачи исследования, научная новизна и практическая значимость полученных результатов, защищаемые положения, изложено содержание диссертационной работы по главам.

Глава первая. Особенности управления организационными системами. Выполнен анализ ОС с позиций абстрагирования относительно классов ситуаций возможных в условиях их функционирования, то есть на стратегии ситуации принятия управляющих решений. Основное состояние объекта определено штатной ситуацией как динамическое состояние ОС, при котором не выделена ни одна другая ситуация, требующая вмешательства специальных алгоритмов ее перевода в штатное состояние. Управление в штатной ситуации – это взаимодействие ОС, системы управления и среды (рынка), в ходе которого происходит целенаправленное и прогнозируемое изменение поведения в рамках ее возможного функционирования. Под системой управления ресурсами в рамках некоторой ОС пониматься минимальная по своим возможностям организация времени (последовательности действий) – ресурсов (финансовых средств) – информации (ВРИ), благодаря которой реализуется управление. Существенные параметры системы управления можно разделить на две группы:

  • те, которые участвуют в формировании управляющих воздействий и определяют их значения, посредством которых и осуществляется управление (управляющие существенные параметры);
  • те, по которым оценивается ее состояние, поведение, качество функционирования ОС (регулируемые существенные параметры).

Обобщенные существенные параметры и созданные системы управления, будут зависеть от выбранной для управления из базы объекта элементарной единицы. Каждая организация ВРИ составляющая объекта, выбранная для целей управления, будет определяться своим набором существенных параметров. В этой относительности существенных параметров заключены возможности их широкого выбора и кроются значительные трудности априорного формулирования состава каждой их группы для организации требуемого управления. Поэтому для системы управления важна роль и потребность компонентов по определению значений регулируемых и управляющих параметров, а также выделению и изменению состава этих параметров (Рис. 1).

Рис. 1. Существенные параметры в структуре управления штатной ситуацией

Анализатору ситуаций отводится исключительно важная роль - определить ситуацию отличную от штатной. Именно потеря времени на отличие ситуации от штатной резко ограничивает возможности менеджера, не смотря на своевременное поступление информации о развитии финансового кризиса.

Если ситуация отличается от штатной, то это необязательно плохо. Возникновение задач прогнозирования это тоже нештатная ситуация, но решение их позволяет получить дополнительную прибыль от проведения операций с ресурсами в сложившихся условиях. Ситуация с прогнозированием это максимум прибыли в желаемых состояниях ОС. Потребность в решении задачи прогнозирования возникает в случае изменения степени свободы выбора управляющих решений. Такое решение не требует немедленного исполнения. Поэтому этим задачам присвоим низший приоритет, пятый уровень приоритета в ряду остальных.

При прогнозировании язык информационно-ресурсного взаимодействия может выступать в двух вариантах: для связи с управляющими воздействиями и для связи с процессом управления посредством регулируемых параметров (Рис. 2).

Средства формирования моделей могут быть представлены. В виде: некоторой взаимодействующей группы специальных объектов, лингвистических конструкций и языка формирования, определенного программно – аппаратного комплекса и т.д.

Существенным является не только то, что при любых реализациях в моделях всегда можно выделить аналог лингвистических конструкций, из которых она формируется и аналог языка, осуществляющего формирование моделей, но и стратегия построения моделей, которая определяет то, что необходимо изменять, когда корректировать, к чему стремиться.

Рис. 2. Формирование моделей в структуре управления при прогнозировании

Новые данные об объекте, среде, качестве функционирования системы управления в целом и т.п. – исходный материал для стратегии построения моделей, которая является ядром комплекса, обеспечивающего формирование моделей.

Основная сложность состоит в том, что невозможно создать стратегию, способную начать работу с пустыми моделями (с пустого места). Априорно человек должен создать некую начальную модель, начальную ситуацию, с которой и начнет развиваться процесс управления. Полезность средств диалогового формирования начальных моделей и стратегий (как обучение или идентификация объекта) в структуре управления представляется очевидной (Рис. 2).

Оценка функционирования ОС производится по набору качественных показателей, каждый из которых количественно характеризует либо прибыль от проведения определенных операций с ресурсами, либо затраты на их проведение с позиций достижения поставленной цели. Одновременное рассмотрение отдельных операций с ресурсами с целью повышения их прибыльности показывает наличие противоречий между ними. Чтобы избежать неопределенности цели (некорректно поставленной задачи) для формирования критерия оптимальности из комплекса противоречивых показателей требуется принятие дополнительных гипотез несвязанных с исходной постановкой задачи.

Отнесем такую ситуацию к классу ситуаций с неопределенностью. Задачу устранения неопределенности цели решает руководство путем формирования критерия оптимальности, что является необходимым условием для синтеза оптимального управления. Задачи этой ситуации должны обладать более высоким приоритетом, чем прогнозирование. Присвоим им порядок под номером четыре.

Следующая по возрастанию приоритета (третий уровень) задача, вызванная ситуацией недостатка ресурсов, которая, в большинстве случаев, порождается погрешностью финансового уровня управления, а именно некачественным маркетингом. Это приводит к недостатку информации, времени, ресурсов, необходимых для проведения конкретной сделки. Выход из такой ситуации возможен в результате привлечения дополнительных ресурсов, займа финансов, а также создания новой или реорганизации существующей ОС. Необходимость реорганизации определяет менеджер, основываясь на количественных и качественных моделях оценки риска, хранящихся в базе знаний информационной системы. В работе предложен один из методов решения задачи реорганизации или создания новой ОС, основанный модели построения организационной системы.

Кризисная ситуация отличается от проблемной ситуации и банкротства возможностью вернуть ОС в устойчивое финансовое состояние без привлечения дополнительных финансовых средств. Моделирование и имитация являются центральными событиями при управлении в кризисных ситуациях. В них вырабатываются наиболее подходящие управляющие воздействия, оценивается качество управления, проводится экспериментирование на моделях объекта, среды и устройства управления, принимаются превентивные меры защиты от нежелательных последствий управления (Рис. 3). Можно выделить несколько особенностей, значительно влияющих на реализацию системы управления.

Рис. 3. Вариант структуры управления

Во-первых, объективно обусловленное наличие нескольких параллельных процессов управления. Это касается не только одновременного функционирования различных частей системы управления, но и принципиально порождается самой ее структурой (экспериментирование с моделями, коррекция моделей, выделение и оценка существенных параметров управления и т.д.).

Во-вторых, объективное априорно заданное существование объекта управления, для которого изначально отсутствует технология управления. Созданное затем для целей управления оно может не учитывать особенности существующей системы. В процессе управления могут корректироваться не только модели, стратегии, цели и языки, но и различные элементы системы управления.

В-третьих, массовая (общепринятая) реализация моделей и моделирования лингвистическими средствами на цифровых вычислительных машинах дискретного действия. Это может значительно расходиться с содержанием объекта управления.

В-четвертых, существенные различия сложности структур управления в отдельных подразделениях и в системе управления в целом. Более продуктивным будет принцип подобия сложности структур, когда и часть и система управления в целом в равной степени характеризуется основными функциями.

Банкротство, согласно Закону это свершившийся факт. Определение такой ситуация достаточно стандартизовано и основано на оценки деятельности ОС по одной из принятых методик. Банкротству предшествует проблемная ситуация, Для каждой ОС разрабатывается план выхода из проблемной ситуации, в котором с учетом специфических условий ОС предусматриваются оперативные действия персонала по ликвидации ее последствий. Классу проблемных ситуаций присвоим высший приоритет под первым номером. Отличительной особенность признаков проблемной ситуации является частичная потеря финансовой независимости, тем не менее, сохраняется возможность за счет собственных средств осуществить Плана ликвидации кризиса. Ограниченное время управления с момента возникновения кризиса, отведенное для предотвращения его развития в банкротство, требует привлечения специальных программных средств быстрого реагирования.

Переход от ситуационного анализа к классическим методам решения задач управления осуществляется на этапе работы классификатора. В отличие от ситуационного управления он не имеет выхода на коррелятор, присваивающего конкретное решение согласно текущей ситуации, а направляет задачу для продолжения синтеза управления в соответствующие классам комплексы алгоритмического обеспечения. После того, как анализатор определил нарушение штатной ситуации, задача классификатора заключается в сопоставлении текущей ситуации с одним из пяти классов: проблемная ситуация, кризисная ситуация, недостаток ресурсов, ситуация с неопределенностью, прогнозирование (Рис. 4).

Определим процедуры формирования признаков каждого класса ситуаций в модели синтеза управления ОС. Во-первых, формирование признаков кризисной ситуации осуществляет путем сравнения истинности текущей ситуации с ситуацией, заданной на данный этап развития алгоритма управления. Выявление истинности проводится с использованием логико-лингвистического подхода на основе анализа нечетких множеств.

Рис. 4. Ситуационная модель управления ОС

Во-вторых, признаки предкризисной ситуации формируются путем анализа финансовых показателей на принадлежность заданной области. Кризисная ситуация дает некоторый временной запас для выполнения последовательности операций вывода ОС в безопасную зону значений финансовых показателей до наступления необратимых последствий.

В-третьих, признаки задачи недостатка ресурсов формируются путем анализа имеющихся финансовых средств с учетом накопленной информации и возможных временных ограничений. При отнесении ситуации к классу перераспределения ресурсов активизируется меню альтернативных проектов реорганизации ОС, созданных на базе экспертных оценок, по которому менеджера выбирает предпочтительный вариант. По результатам выбора вариант, хранящийся в базе знаний, количественно модифицируется под новую финансовую обстановку и переводится в базу данных для текущего исполнения.

В-четвертых, если ситуация оказалась не распознанной классификатором (в базе данных не найдены соответствующие нечеткие множества), то формируется признак ситуации с неопределенностью и задача передается на рассмотрение менеджера. С этого момента ИС предоставляет менеджеру диалоговый режим общения с базой знаний. К таким ситуациям относится неопределенность цели в многокритериальной задаче оптимизации. Менеджер осуществляет сужение множества альтернатив через совокупность функций полезности применением принципа Парето для систем, таких, что (знаклучше), если , и хотя бы для одного i-го имеет место Функции полезности, построенные на основе имеющейся информации, представляются менеджеру. Менеджер постулирует дополнительные гипотезы для устранения неопределенности цели, или принимается решение о снятии задачи прогнозирования. Он разрешает возникшие противоречия на параметрическом уровне, основываясь на представлении состояния объекта точкой в многомерном пространстве нормированных притязаний. После чего дается команда на внесение коррекции в штатные задачи управления.

В-пятых, если классификатор определил, что задача прогнозирования уже решается, или задача направлена на выполнение командой менеджера, то формируются признаки ситуации прогнозирования для инициирования комплекса прикладных программ. Задачи прогнозирования являются равноправными участниками экстремальных ситуаций, их решение позволяет улучшить (в отличие от остальных экстремальных ситуаций, где требуется вернуть) состояние ОС по отношению к штатной ситуации.

Глава вторая. Модели принятия решений при создании организационных систем. Опираясь на осмысление закономерностей реального формирования ОС и с учетом традиционных этапов разработки больших систем можно предложить следующие технологические этапы создания ОФС (рис. 5) для наиболее сложного вида проблем (непрограммируемых проблем).

Постановка проблемы. Нас будут интересовать проблемы, допускающие траекторное описание. Подобная проблема характеризуется некоторым постоянным набором показателей , называемых результирующими показателями, объективно отражающими состояние проблемы в любой момент времени . Геометрически каждому такому набору соответствует точка в пространстве показателей, а совокупность точек при значениях образует траекторию .

Траекторное описание позволяет формализовать постановки многих социально-экономических проблем, где требуется перевести некоторый объект исследования (ОС) из одного состояния в другое или изменить неблагоприятную динамику его состояния. Увеличить его доходность или снизить издержки. Такие проблемы можно представить в виде кортежа , где – проблема; – объект исследования, организационная система или организационно финансовая система, как частный случай ОС; – результирующий показатель, характеризующий его состояние; , – исходное и желаемое состояние ОС. Проблемы могут быть выражены не одним, а несколькими результирующими показателями . Математическая постановка таких проблем () имеет вид

,

где – исходное состояние объекта исследования; – его желаемое состояние.

Рис. 5. Технология создания (реорганизации) ОС

Решить проблему – это значит ликвидировать расхождение между желаемым и фактическим состоянием ОС. Это значит сократить «расстояние» между векторами и до нуля, добиться выполнения равенства . Достичь этого можно лишь при условии, что состояние объекта зависит от управляемых факторов. Причинно-следственная связь между его состоянием и факторами, влияющими на это состояние, может быть представлена в виде модели ОС , где – вектор состояния ОС; – вектор неуправляемых факторов; – вектор управляемых факторов, или вектор управления; – функция, оператор, алгоритм, правило, высказывание на любом языке, выражающая причинно-следственную связь между и , .

Чтобы объект исследования мог достичь желаемого состояния , необходимо найти и реализовать некоторое управляющее воздействие (управление) , выбранное из области допустимых управлений и обеспечивающее достижение цели (решение проблемы). Важно, чтобы управляемые факторы являлись фактически управляемыми в рамках существующих ОС. Это обстоятельство является одним из главных, учитываемых при создании новой ОС. Она должна охватывать как можно больше управляемых факторов, включая те, которые до внедрения ОС были потенциально управляемыми. Модель объекта исследования будем представлять в виде функции .

Исследование проблемы. Исследование проблемы с использованием модели заключается в построении аналитической или имитационной (машинной) модели объекта исследования и проведении с нею экспериментов с целью анализа путей ее решения. Построение аналитической модели включает сбор и анализ проблемных данных, выбор структуры модели и ее идентификацию. На основе проведения экспериментов с моделью производится объективная количественная оценка значимости факторов, влияющих на решение проблемы, и сделан вывод о целесообразности проведения дальнейших исследований.

Определение границ (состава) проблемного объекта. Проблемный объект – это множество ОС, деятельность каждого из которых влияет или может повлиять на проблемную ситуацию. Такое влияние может быть положительным или отрицательным. Важно, чтобы оно было заметным. Следует различать три типа связей между деятельностью ОС и конечным результатом: технологическую, функциональную и функционально-технологическую.

Технологическая связь имеет место, если ОС непосредственно участвует в выполнении одной или нескольких технологических операций с финансами с целью получения конечной прибыли. Эта связь отражается в технологической документации на проведения финансовых операций. Определить функциональную связь значительно сложнее. Чтобы обнаружить функциональную связь между снижением издержек на работу кредитной организации и повышением ее прибыльности, необходимо провести специальные исследования или воспользоваться имеющимися знаниями по данному вопросу. Функционально-технологическая связь представляет собой сочетание (комбинацию) этих типов связей.

Указанные типы связей лежат в основе определения состава проблемного объекта, выбираемых в зависимости от характера решаемых проблем. Для программируемых проблем определяющими являются технологические связи, для непрограммируемых проблем – функциональные и функционально-технологические. Для класса непрограммируемых проблем могут использоваться три метода определения состава проблемного объекта: программно-целевой, факторы – деятельность, экспертный.

Обследование проблемного объекта. При обследовании проблемного объекта выясняются недостатки в существующих отношениях между ОС относительно решаемой проблемы. Если требуется изменить эти отношения, то разрабатывается соответствующий комплекс мероприятий, и решается вопрос о целесообразности создания новой ОС. Для каждой ОС, входящей в состав проблемного объекта, определяется: виды проблемно-обусловливающей деятельности и как она выполняет. Являются ли виды деятельности планируемыми и контролируемыми; можно ли их контроль и регулирование и что нужно сделать для этого; требуется ли изменить характер этой деятельности, и как это лучше сделать. В любом случае этап завершается разработкой программы мероприятий по решению проблемы, реализация которой должна окупать затраты на выполнение исследования.

Выбор критерия эффективности ОС. Критерий должен отражать ожидаемое изменение проблемной ситуации, вызываемое внедрением системы и затраты ресурсов на ее создание и эксплуатацию. Критерий эффективности необходимо выразить в виде функции от ожидаемого изменения результата , вызываемого внедрением системы, и затрат на ее создание и эксплуатацию , т. е. . Например, критерий эффективности ОС может иметь следующий вид:

,

где – значение результирующего показателя до внедрения системы; – ожидаемое значение результирующего показателя после внедрения системы; – текущие затраты на эксплуатацию системы; – капитальные вложения на создание системы; – нормативный коэффициент эффективности капитальных вложений. Цель создания ОФС – получить наибольший результат (социальный, экономический) при выделенных средствах на создание и внедрение системы.

Выбор границ (состава) объекта управления. Нами предлагаются методы, исходящие не из сложившейся системы связей, а из требования построения высокоэффективной системы. Пусть является множеством ОС, образующих проблемный объект , где – ОС с порядковым номером .

В качестве объекта управления выбирается одно из подмножеств множества , удовлетворяющее двум противоречивым условиям. С одной стороны, объект управления должен по возможности охватывать как можно больше ОС, влияющих на решение проблемы. С другой – должны учитываться ресурсные и прочие ограничения на создание новой ОС, которые не позволяют включить в состав объекта управления большое число существующих ОС. Для выбора состава объекта управления предлагается использовать оптимизационный метод.

Оптимизационный метод применим при наличии аналитической или имитационной модели системы. Пусть имеется его аналитическая модель в виде функции , где – неуправляемые факторы; – фактически управляемые факторы; – потенциально управляемые факторы. Обозначим область возможных управлений, реализуемых существующей ОС. Потенциально управляемые факторы рассматриваются как нерегулируемые и управление осуществляется только за счет фактически управляемых факторов , каждый из которых имеет свой диапазон изменения .

Значения неуправляемых факторов можно только прогнозировать. К началу этапа выбора границ объекта управления известно, что рассматриваемая проблема не может быть решена существующей ОС и область не содержит решения , достигающего цели .

Обозначим область возможных управлений, реализуемых с учетом создания новой ОС. Потенциально управляемые факторы будем рассматривать как управляемые с определенным диапазоном изменения , устанавливаемым проблемными экспертами на основе анализа объективных данных. Очевидно, что . Создание и внедрение новой ОС позволят расширить исходную область возможных управлений за счет перевода потенциально управляемых факторов в фактически управляемые с определенным диапазоном их изменения, зависящим от количества средств, выделяемых на создание системы. Пусть – величина затрат, необходимых для расширения диапазона изменения фактора на единицу. Введем дополнительные неотрицательные переменные , задающие диапазоны изменения каждого потенциально управляемого фактора при создании новой ОС. Тогда объем затрат, необходимых для обеспечения перевода потенциально управляемых факторов в фактически управляемые с диапазоном изменения, равен . Выбор состава объекта управления производится в результате решения оптимизационной задачи следующего вида: , , .

Используя известные методы оптимизации, находим оптимальные значения , обеспечивающие решение задачи. Определяя для ненулевых значений соответствующие им ОС из проблемного объекта, находим оптимальный состав объекта управления.

Проведение обследования объекта управления и остальные этапы разработки ОС. Главное внимание при обследовании объекта управления должно уделяться вопросам определения новой системы показателей, отражающей ранее не планируемые виды проблемно-обусловливающей деятельности. Для этого за основу берутся потенциально управляемые факторы, и для них разрабатываются соответствующие оценочные показатели.

Предлагаемый вариант организационной структуры системы управления показан на рис. 6:

  • проблемная комиссия – коллегиальный орган управления, состоящий из руководителей (или специалистов) организаций, входящих в состав объекта управления. Собирается для обсуждения и утверждения планов выполнения производственной деятельности. Председатель комиссии – отвечает за решение проблемы, утверждает планы деятельности и принимает стратегические решения;
  • орган контроля – постоянно действующее подразделение системы управления, осуществляющее контроль за выполнением планов;
  • органы планирования и оперативного управления подготавливают проекты планов и текущих распоряжений для утверждения и доводят их до сведения исполнителей. При планирующем органе может быть создан проблемный совет, включающий проблемных экспертов и экономистов;
  • информационно-вычислительная система служит для обеспечения структурных подразделений системы управления необходимой информацией.

Рис. 6. Вариант организационной структуры системы управления

На этапах технического и рабочего проектирования основное внимание должно уделяться вопросам информационного, организационного и правового обеспечения создаваемой системы. Информационное обеспечение включает текущие и ретроспективные проблемные данные, нормативы и другие материалы, необходимые для оптимального управления объектами, входящими в состав объекта управления. Организационное обеспечение – это документы, регламентирующие структуру системы, штатное расписание и должностные инструкции для аппарата управления и персонала ОС. Правовое обеспечение должно включать документы, регламентирующие правовой статус ОС. Необходимо разрабатывать соответствующее техническое, математическое, программное и лингвистическое обеспечение.

На стадии внедрения ОС основное внимание должно уделяться вопросам организации поэтапного проведения опытной эксплуатации и ввода системы в промышленную эксплуатацию, так как при межотраслевом характере систем не всегда возможно обеспечить согласованный ввод в эксплуатацию подсистем.

Глава третья. Принятие решений на основе прогнозирования. В первом приближении модель организационной системы (ОС) можно представить в виде «черного ящика», на вход которого подаются некоторые входные факторы (управляемые и неуправляемые), а на выходе получаются результаты , определяемый внутренним устройством «ящика», скрытым от наблюдателя. Необходимо делать содержательные (прогнозы).

Пусть похожие входные ситуации приводят к похожим выходным реакциям системы. Для каждой новой ситуации достаточно найти в таблице данных одну или несколько самых близких, похожих на нее ситуаций и принимать решения (прогнозировать выход), опираясь на эти прецеденты. Этого обычно оказывается достаточно для получения практически приемлемых решений для прогноза и управления в каждом конкретном случае. Известна область изменения вектора входных факторов , т.е. ; элементы , по крайней мере, измеряемы и контролируемы; известна область изменения вектора неконтролируемых воздействий; не зависит от ; среднее значение равно нулю; вероятностные характеристики неизвестны; значения в различных опытах независимы друг от друга; математическая модель объекта задается соотношением , но вид функции неизвестен.

Эти предпосылки определяют объем - весьма незначительный - априорной информации об ОС. Следующие две отражают достаточные условия гипотезы монотонности пространства решений:

  • отношение составляющей выхода модели, обусловленное действием входных факторов, к шумовой (случайной) компоненте намного превышает единицу;
  • функция является дифференцируемой (гладкой) во всех точках области , тогда для любых и найдется подобласть такая, что при , справедливо неравенство

.

Отсюда область может быть разбита на конечное число не перекрывающихся подобластей , , таких, что в каждой из этих подобластей систематическая составляющая модели может быть с наперед заданной точностью аппроксимирована линейной формой, в частности, при скалярном :

,

где , - постоянные коэффициенты, для нахождения оценок которых достаточно уравнений (всего таких коэффициентов - ) вида

, ,

где , - пары наблюдений, относящиеся к -му наблюдению (по сути, это обоснование метода « ближайших узлов»).

Для прогнозирования выхода исследуемого объекта в области с помощью линейной аппроксимации и с некоторой гарантированной точностью достаточно иметь таблицу опытных данных конечного размера, но относящуюся не менее чем к наблюдениям. «Истинная» зависимость между и неизвестна. Ее непосредственное восстановление не является задачей построения модели.

Построение модели проводится в два этапа в условиях пассивных или активных наблюдений. Предположим, что имеют место пассивные наблюдения, когда значения входа только фиксируются, но не определяются исследователем. На первом этапе производится измерение и ввод в базу данных модели пар значений входных и выходных данных и (см. рис. 7).

Рис. 7. Пояснение идеи метода алгоритмической аппроксимации

На втором этапе наблюдений, объем которых может быть заранее не определен, для каждой вновь вводимой величины ищется в базе данных несколько ближайших значений, по которым строится локальная аппроксимирующая зависимость простого вида, например, линейная или квадратичная (для линейной модели минимальное значение ).

По данной аппроксимации определяется выход модели ( на рис. 7), который сравнивается с соответствующим измеренным значением . Если модуль разности оказывается меньше некоторой априори заданной величины , то опыт считается «удачным» и точка отбрасывается. В противном случае можно либо увеличить степень аппроксимирующего полинома и повторить проверку неравенства либо сразу признать опыт «неудачным», и предъявленную точку добавить в базу данных. Если точка совпадает с какой-либо из имеющихся , аппроксимация не производится, а в базе данных модели сразу производится модификация заменой на . Второй этап идентификации заканчивается, например, в случае, если подряд предъявленных пар наблюдений (значение оговаривается заранее) приводят к удачным опытам.

Описанная процедура может быть представлена рис. 8, при этом блок «Набор решающих правил» на этапе построения модели осуществляет поиск точек, ближайших к вновь предъявленной.

Рис. 8. Иллюстрация процедуры построения алгоритмической модели

При использовании модели для целей прогноза предполагается, что база данных модели полностью сформирована, и значение рассчитывается по введенному с использованием метода « ближайших узлов» и выбранной формулы аппроксимации.

Достоинства предложенного метода моделирования: минимальный объем априорной информации об объекте исследования; возможность оценивать состояние сложных нелинейных систем; простота алгоритма вычислений, позволяющая его реализацию в виде функционально законченного микропроцессорного модуля.

Подход к моделированию допускает обобщение на многомерные статические и динамические объекты, а также на случайные процессы. Предположим, что исследуемая ОС, как статический объект имеет входов (иначе - векторный вход ) и один выход и имеет «истинное» описание где - функция неизвестного вида, - случайная аддитивная помеха (отражающая действие не учитываемых факторов) с нулевым средним значением и произвольным (неизвестным) распределением на . Предположим, что на объекте может быть реализовано наблюдение, заключающийся в регистрации пар значений , векторы измеряются без ошибок; значение при необходимости допускает модификацию. Возможна следующая алгоритмическая модель аппроксимации.

Во-первых, осуществляется нормирование значений входных факторов, которое приводит область факторного пространства к единичному гиперкубу, т. е. . В дальнейшем будем предполагать факторы нормированными, опуская, для простоты записей, индекс «н».

Во-вторых, из произвольных значений составляется начальная база модели, отображаемая матрицей со строками вида .

В-третьих, для каждой новой экспериментальной точки вначале, в соответствии с (1), производится нормирование элементов и (для нормированных значений) формируется вектор расстояний, например, евклидовых

Если точка совпадает с какой-либо из имеющихся в базе данных, то матрица модифицируется заменой на ; переход к началу п. 3 с вводом новой экспериментальной точки.

В-четвертых, создается матрица

В-пятых, осуществляется сортировка строк данной матрицы таким образом, чтобы элементы 1-го столбца располагались в порядке возрастания

В-шестых, первых (верхних) строк матрицы используются для формирования матрицы и вектора :

.

В-седьмых, рассчитывается прогноз модели с использованием линейной регрессии.

В-восьмых, проверяется неравенство .

При выполнении неравенства база данных модели пополняется путем расширения матрицы (добавлением строки ). В противном случае матрица остается без изменений.

В-девятых, проверяется правило останова. В данном варианте алгоритма построение модели считается законченным, если в соответствии с п. 3, «перебраны» точек всех наблюдений (без учета значений начальной базы данных).

Если не все точки наблюдений использованы, то переход к п. 3, в противном случае - останов.

При реализации алгоритма параметры и считаются априори заданными.

При использовании модели заданными считаются матрица (на этапе использования модели она не изменяется), отмеченные параметры и , и расчет производится в соответствии с п. п. 3-7 приведенного алгоритма.

Как видно из описания алгоритма для построения алгоритмической модели аппроксимации много факторной статического системы, данный алгоритм практически соответствует для одномерного случая.

Несмотря на определенную меру схожести с известными методами рассмотренная модель отличается от них и, в общем, не является их каким-либо симбиозом. В действительно сложных ситуациях неизвестная характеристика ОС, если использовать классический регрессионный анализ, может привести к необходимости подбора коэффициентов полинома высокой степени, при этом основной окажется именно проблема вычислений. В предложенном же подходе данная проблема не возникает, и единственное, что может потребоваться, - это увеличение, при необходимости, объема обучающей выборки.

Глава четвертая. Модели принятия решений при наличии неопределенности. В основу настоящей работы был положен принцип поэтапного преодоления неопределенностей (рис. 9), с которыми сталкиваются участники выработки и принятия решений.

Рис. 9. Принцип поэтапного преодоления неопределенностей

Здесь же могут использоваться рекомендации по возможным математическим методам поддержки, а главное, формулирование задач, целесообразных для решения на том или ином этапе. Использование методов имитационного моделирования определяется спецификой технологии и классом решаемых задач. При исследовании конкретной предметной области выступают как инструмент для совместного (эксперт и ПЭВМ) решения задач.

Основы построения модели производства без глубокой переработки сырья предполагают выпуск продукции с заданными свойствами из однотипных компонентов. Моделирование выпуска можно производить на основе моделей отдельных операций распределения потоков, в результате которых происходит изменение количественных и качественных параметров потоков. Совокупность операций определяет распределение материальных потоков при производстве продукции, а синтез моделей отдельных операций позволяет получить общую модель.

Отдельная операция предполагает наличие склада 1 с некоторым исходным компонентом, склада 2 с готовой продукцией (конечной или промежуточной) и комплекса оборудования для приготовления готовой продукции.

Пусть - переход денежных средств в единицу времени со склада 1 на склад 2, связанный со стоимостью исходного компонента расходуемого в производстве. Можно записать следующие соотношения для изменения денежных средств на складе 1 и 2 связанного со стоимостью расходуемого исходного компонента:

После простых преобразований получим

или в виде цепи Маркова

(1)

где и - вероятности денежных средств остаться на складе 1 и перейти на склад 2 соответственно

  (2)

В матричной форме выражение (1) имеет следующий вид

  (3)

где - элементы матрицы переходных вероятностей , которые согласно (2) не остаются постоянными во времени (неоднородная Марковская цепь)

.

Логичным развитием модели (3) является переход к большему числу компонентов готовой продукции. Пусть число компонентов продукции , тогда общее число состояний цепи Маркова (3) будет равно . Состояния от до будут принадлежать непосредственно стоимости готовой продукции. Такой подход, хотя и приводит к значительному увеличению размерности матрица переходных вероятностей, но позволяет значительно упростить расчет стоимости готовой продукции. В обще виде выражение (3), называемое основным рекуррентным соотношением цепей Маркова, примет вид

, (4)

Особенности производства продукции, ее состав и последовательность операций задаются матрицей переходных вероятностей.

Если принять линейной зависимость стоимости готовой продукции от ее массового состава , то стоимость готовой продукции и ее процентный состав на момент времени

(5)

. (6)

Соотношение (5) позволяет оценивать изменение во времени суммарной стоимости готовой продукции на каждый момент времени.

Шаг по времени должен выбираться с учетом того, что выражение (4) есть ни, что иное, как матричная фора записи уравнения денежного баланса для разностной схемы первого порядка точности. Вероятность остаться в любом состоянии не должна превышать 0.95 - 0,98.

Рассмотрим случай, когда из двух компонентов формируются два типа продукции и при формировании второй продукции частично используется первая (см. рис. 10). Два исходных компонента () могут находиться в трех состояниях: исходном, в первой продукции, во второй продукции, и общее число состояний равно . Матрица переходных вероятностей будет иметь следующий вид

Рис. 10. Схема формирования двух типов продукции из двух компонентов

По условиям задачи потоки и должны быть равны, поскольку состояния и образуют первую продукцию, которая используется для приготовления второй. Для каждой продукции будем иметь следующие текущие показатели

,

.

.

Данный пример показывает возможность в рамках предлагаемого подхода моделировать самые различные схемы производства готовой продукции при сохранении единого алгоритма расчета (уравнения (4), (5), (6)).

Согласно самой логике производства -ой продукции денежные потоки должны быть связаны между собой в соответствии с ее рецептурой . Если исходить из того, что по условиям производства задана производительность по каждой продукции в денежной форме , то для получения одной продукции . Общий объем выпускаемой продукции в единицу времени (в денежном выражении) .

Оценим влияние характеристик денежных потоков для отдельных компонентов на процент использования сырья при производстве конечной продукции, состоящей из четырех компонентов. Принимается, что каждый компонент используется не полностью, т. е. имеются отходы (см. таблицу).

Компонент, номер

Доля (объемная)

Плотность,

кг/м3

Процент использования

первый

0,08

755

92,5

второй

0,15

655

78,9

третий

0,74

783

96,0

четвертый

0,03

727

81,9

Стохастическая модель производства продукции из четырех компонентов будет иметь следующий вид.

,

По условиям нашей задачи (компонента четыре, продукция одна) .

Оценка использования сырья для производства продукции в целом проводится по следующей формуле

,

где - плотность компонентов (см. таблицу).

В условиях производства процент использования отдельных компонентов из-за изменения их качества не остаются постоянными. Колебания процента использования основного по содержанию в продукции компонента может достигать 30%. Для учета этого явления было предложено следующее уравнение , при написании которого исходили из того, что изменения процента использования основного компонента происходят по периодическому закону с частотой . Здесь значение берется по таблице, а разброс процента использования основного компонента является параметром модели .

Предположим, что денежный поток (в нашем случае их четыре) можно также описать двумя уравнениями. Первое уравнение отражает периодичность изменения непосредственно денежного потока: , где - денежный поток -го компонента () в период времени (); - среднее значение денежного потока -го компонента; - разброс денежного потока -го компонента ; - частота изменения денежного потока.

Второе уравнение учитывает тот факт, что денежный поток остается постоянным в течении некоторого времени (шага по времени), которое также изменяется согласно периодического закона , где - разброс шага по времени, в течение которого производительность остается постоянной; среднее значение шага по времени; - частота изменения шага по времени.

Использование в модели денежного потока двух периодических законов позволяет наиболее точно воспроизвести его изменение во времени. Периодичность изменения денежного потока по амплитуде вытекает из особенностей производства в целом, а периодичность его колебания во времени является следствием непосредственной переработки данного компонента, т.е. периодичностью работы оборудования по переработки данного компонента. С целью упрощения задачи можно принять, что частота изменения денежного потока и частота изменения шага по времени совпадают.

Исходными данными для моделирования производства будут , , , , , и объем производства в денежном выражении и среднее значение шага по времени . Зная массовый состава смеси (см. таблицу) можно рассчитать общее число шагов по времени .

Поскольку исходная стохастическая модель производства является линейной, то выбор объема производства , среднего значения шага по времени и суммарного денежного потока для четырех компонентов не оказывает влияние на получаемый результат. Важно чтобы их значения были реалистичными, близкими к практике, и получаемое число шагов по времени было достаточным для графического отображения результатов расчета, т.е., чтобы получалось не менее 10000. При , , такой результат может быть достигнут.

Выбор значений , , соответствующих отклонений также требует реалистичного подхода. Разброс процента использования оказывает влияния только на разброс использования сырья в целом. Был принят равным . Разброс денежного потока практически не оказывает влияние на результаты расчетов, если его величина остается в разумных приделах . Наибольшее влияния на результаты расчетов оказывает разброс шага по времени. Первоначально также бал принят равным .

Сами по себе частоты и не оказывают влияние на характер использования сырь в целом во времени. Важно их отношение . При близком к единицы получаем хорошо воспроизводимую кривую изменения процента использования сырья во времени, как показано на рисунке (см. рис. 11). На графике по оси абсцисс отложены значения процент использования сырья, а по оси ординат время по моде кратной .

 

а б

 

в  г

Рис. 11. Изменение процента использования сырья во времени, по моде π:

а - ; б - ; в - ; г -

При изменении параметра характер графика претерпевает существенные изменения. При его малых значениях имеем замкнутую кривую, которая говорит о периодическом изменении процента использования сырья во времени. Такая периодичность позволяет нам прекратить производство в том случае, когда процент использования сырья максимален. Это графики 11, а и б. Прекратить производство можно в любой момент времени с учетом периодичности процесса. Для первого случая (рис. 11, а ) это две крайние точки, соответствующие среднему значению процента использования сырья. В центре кривой с равной вероятностью можем получить как его максимальное, так и минимальное значение.

Для второго случая (рис. 11, б ) это, наоборот, центральные точки или две других соответствующих максимуму процента использования сырья.

Практический вывод при малых значениях параметра . Возможно простое управление производством и неопределенности не существует.

При существенном увеличении параметра ситуация изменяется коренным образом. Изменение процента использования сырья становиться плохо предсказуемым (рис. 11, в и г). При таких значениях параметра можно говорить только о некоторой вероятности получения того или иного значения процента использования сырья, имеет место неопределенность в чистом.

Для дальнейшего анализа такой ситуации был построен псевдофазовый портрет, как зависимость от (см. рис. 12)

,

где - среднее по времени значение процента использования сырья.

При построении псевдофазового портрета использовались относительные значения процента использования сырья. Он отражает зависимость нового значения процента использования сырья от его значения в предыдущий момент времени и является наглядной характеристикой поведения любой динамической системы.

При малых отношениях частот (рис. 12, а) имеют место воспроизводимые и прогнозируемые периодические колебания процента использования сырья. С ростом отношения частот наблюдается последовательное удвоение периода колебаний (рис. 12, б), которые также остаются прогнозируемые. Многократное удвоение периода в конечном итоге приводит к хаотическим колебаниям (рис. 12, в и г), при которых прогнозирование невозможно.

 

а б

 

в  г

Рис. 12. Псевдофазовый портрет процента использования сырья:

а - ; б - ; в - ; г -

Необходимо установить, когда именно наступят не прогнозируемые колебания процента использования сырья. Для этого нужен некоторый численный критерий. Таким критерием может быть фрактальная размерность псевдофазового портрета производства, как характеристики динамической системы.

Для фазового портрета рис. 12, а значение фрактальной размерности равно единице . Так и должно быть, поскольку фазовый портрет представляет собой замкнутую кривую и о хаотических колебаниях речь не может идти. Для следующих трех фазовых портретов (рис. 12, б ,в, г) фрактальная размерность возрастает (, , ) и стремиться к максимально возможному в нашей задаче значению, равному двум. Именно при точки на фазовом портрете должны покрывать его полностью. В этом случае имеют место именно хаотические (не предсказуемые) колебания.

Итогом следует считать создание динамической модели прогнозирования процента использования сырья при производстве продукции их четырех компонентов.

Модель учитывает возможность отклонения от заданного значения процента использования компонентов в производстве конечного продукта. Она также учитывает неравномерность работы денежных потоком между складом сырья и складом готовой продукции. Колебания процента использования отдельных компонентов и неравномерность денежных потоков могут привести к возникновению колебаний процента использования сырья в конечной продукции. При определенных условиях могут возникнуть хаотические (не предсказуемые) колебания. С точки зрения управления возникновение хаотических колебаний недопустимо. Необходимо изменить технологические параметры работы производства так, чтобы было возможно контролировать процент использования сырья.

Глава пятая. Причинные модели принятия решений в кризисных ситуациях. Изучение цикла материальных и денежных потоков внутри предприятия показывает, что часто целесообразный путь сокращения издержек оборотного капитала состоит в уменьшении неоправданной дебиторской задолженности, то есть ужесточения контроля кредитной политики на основе прогнозирования.

Можно предложить следующую тактику прогнозирования финансового состояния ОС, основанную на совместном использовании идей исчисления предикатов и теории нечетких множеств. Необходимо различать состояния, ситуации и события.

Под состоянием или группой состояний понимается некоторый, систематически наблюдаемый, финансовый показатель. Ситуации определяются как реализованные или ожидаемые предыстории состояний за некоторый временной промежуток. Под событием или группой событий понимается совокупность воздействий, оказываемых на финансовое состояние компании (извне или изнутри). В качестве состояний, ситуаций и событий могут рассматриваться величины, переменные, включая лингвистические переменные или выражения (рис. 13).

Рис. 13. Этапы обработки сведений при прогнозировании на основе причинной модели

В практике управления имеем конкретное исполняемое событие или их группу, в не зависимости от того сколь бы значительными были неопределенности (нечеткости) и многозначности (размытости) в состояниях и ситуациях. Пусть имеются: множество или группа состояний , ожидаемых при прогнозировании, совокупность оцениваемых ситуаций , ожидаемый прогноз и, наконец, совокупность событий . Тогда факт получения (выполнении) конкретного прогноза и события можно описать некоторой языковой конструкцией - , которая объединяет их в некую организационно - коммуникативную структуру и позволяет определить реальные и :

.  (7)

Вид и структура (7) зависят от принятых минимальных синтаксически различных, но эквивалентных по смыслу текстовых единиц, В виду семантической недостаточности глаголов при прогнозировании крайне сложно обойтись только простыми предложениями ПСД (подлежащее – сказуемое – дополнение). Поскольку принятие решений при управлении характеризуется наличием многих предикативных единиц, образующих единую подчинительную цепь со значительной глубиной синтаксической перспективы. Задачам прогнозирования соответствует именно многочастное сложноподчиненное предложение с двумя-тремя типами синтаксической связи (последовательного подчинения, однородного или неоднородного соподчинения). С позиций структурной минимизации можно начать отбор различных простейших сложно подчиненных предложений. С позиций структурно-семантических особенностей многочастного сложноподчиненного предложения самой простой будут конструкция с придаточными сравнения и причины:

(8)

выражает действия в причинно-следственном плане, например с придаточным обстоятельства цели, места, образа действия, сравнения. Усложняя тип синтаксических связей, добавляя, объектное, атрибутивное придаточное, можно обеспечить трансформацию прогнозирующего текста от простого к более семантически насыщенным.

Трудно сделать заключение о широте и преимуществе использования различных структур. Поэтому будем исходить из наиболее простой структуры текста, построенного на основе причинно-следственных придаточных (8). В простейшем случае прогнозирующий текст может иметь следующую структуру:

.

.

…  (9)

.

.

Структура (9) – причинная модель прогноза.

Синтаксическая простота прогнозирующего текста (9) в семантическом плане сочетается с достаточно богатыми возможностями для технических (формальных) применений. Прогнозирующий текст (9) можно представить прогнозной модели в виде совокупности (набора)

  (10)

Сюда входят следующие множества лингвистических переменных:

– отражает ситуацию , сложившуюся на объекте прогнозирования к моменту времени . Здесь – количество признаков, определяющих состояние объекта прогнозирования,  – глубина ретроспекции. Переменная характеризует и формализует состояние (признак) в момент времени . Терм-множества переменных и совпадают. Будем обозначать их символом ; – описывает ожидаемое состояние объекта прогнозирования. Терм-множество переменной совпадает с терм-множеством переменной ; – формирует описание (событие) организационно-технических мероприятий ;  – множество прогнозирующих правил, где – условие, ; – следствие, ; – вес правила (степень истинности, коэффициент достоверности).

Согласно прогнозной модели (10), определены три компоненты четверки. Множество лингвистических переменных: , которые описывают ситуацию, сложившуюся на объекте прогнозирования к моменту времени ; , которые описывают ожидаемое состояние объекта прогнозирования ; , которые формируют описание организационно-технических мероприятий .

Элементами множество прогнозирующих правил являются пары вида: , где: – условие правила, представляющее собой формальное описание ситуации;  – следствие, включающее формальное описание ожидаемого состояния и (или) события; – вес правила, формализующий значение.

Переход от лингвистических переменных к их числовому представлению позволяет использовать для получения прогноза методы формальных вычислений. Учитывая специфику проблемы и предложенного способа прогнозирования рационально использовать реляционную структуру данных.

Состояния дебиторской задолженности предприятия, имеем следующие данные: имя клиента, общую сумму дебиторской задолженности, а также дебиторские задолженности просроченную и не просроченную. В итоге можно предложить следующую схему данных (рис. 14).

Рис. 14. Схема данных со связями

Предлагаемую структуру базы данных целесообразнее всего создать в Microsoft Access, т.к. программа позволяет создавать необходимые таблицы, связи и базу Access можно зарегистрировать как системную, что облегчает к ней доступ других программ. Учитывая специфику проблемы можно предложить следующую структуру интерфейса – рис. 15. Данный интерфейс имеет стандартный вид окон Window, есть инструментарий для работы с базой данных и данные представлены в понятной табличной форме.

Рис. 15. Структура интерфейса

На основе предложенной причинной логико-лингвистической модели можно предложить следующий алгоритм прогнозирования финансовой устойчивости предприятия (рис. 16).

Рис. 16. Алгоритм расчета прогноза, необходимых действий, модальности

Для расчета прогноза погашения задолженности и необходимых организационно-финансовых мероприятий j-го счета клиента загружаются следующие данные: сумма кредита по счету – SKsj, у.е.; дата открытия счета – Dsj, день, месяц, год; платежи – Psij, у.е.; даты платежей Dpij(i=1,2,…,n), день, месяц, год.

Вычисляются

периоды Pskj = Dsj + k, (k = 1,2…; Pskj≤d), где k =1 месяц – величина периода; d – текущая дата;

доля на период SKpj  = SKsj /m, где m – число долей;

сумма платежей за k-й период ∑Psij=Ppk;

долг за k-й период, %: Sdk = (SKpj- Ppk + Sdk-1 )·100/ SKpj;

Определяется принадлежность Sdk к лингвистической переменной «дебиторская задолженность», может одновременно принадлежать к двум термам (а) с соответствующими степенями принадлежности (μ):

аjk/μ(ajk), аgk/μ(agk), (i = 1, 2,…,n), (g = 1, 2….,n)

где k – период.

Выявляется, с какими базовыми совпадает сложившаяся ситуация с вытекающими прогнозами ab, организационно-финансовыми мероприятиями mc, и степенями принадлежности μ(Sh):

Sh = (aik+ agk)/minμ (aik), μ (aik)) ab, mc, μ(Sh), (h=1,2,….,n), (b=1,2….,n).

Формируются значения переменной «дебиторская задолженность» (прогнозируемая) и «организационные мероприятия» для всех исходов (рис. 17).

Рис. 17. Пример формирования значений лингвистических переменных

Определяется прогноз погашения дебиторской задолженности ZO на следующий период, %:

,

где Zl – центр масс L-й функции принадлежности, %; Sn – площадь L-й функции принадлежности.

Аналогично для определения организационных мероприятий МО, %:

,

где Мl – центр масс L-й функции принадлежности, %; Sn – площадь L-й функции принадлежности.

Далее определяется модальность по значению max(∑μSl), (l=1,2,…,n).

Формируется предложение: «модальность» изменить отгрузку на МО, так как к следующему платежному сроку задолженность будет погашена на ZO..

Окончательно алгоритм прогнозирования и принятия решений на основе причинной модели представлен на рис. 18.

Рис. 18. Алгоритм расчета прогноза погашения дебиторской задолженности (ДЗ), необходимых организационно-финансовых мероприятий (ОФМ), модальности:

ЛП лингвистическая переменная

Грамотно построенная система прогнозирования помогает решать критически важные для предприятия задачи в сжатые сроки с высокой точностью и надежностью. Что даст автоматизация конкретному предприятию, зависит лишь от того насколько далеко готово пойти его руководство при оптимизации работы своего предприятия, насколько оно заинтересовано в результате и насколько четко представляет себе его цели и этапы. Любая качественная автоматизация – это долговременное капиталовложение. Ожидать от нее мгновенной отдачи обычно нельзя, но долгосрочный эффект многократно превосходит понесенные затраты.

Глава шестая. Принятие решений в проблемных ситуациях. Синтез комбинаций методов, позволяющих осуществить не пустой выбор решений, рассматривается, как задача выбора на графе, описывающем совокупность допустимых методов и целевого подграфа

Описание состояний условий выбора в виде графов и отображается в Б3 сетями фреймов, построенных на основе унифицированных структур фреймов-прототипов и фреймов-примеров.

Формализация этих правил осуществляется на основе анализа условий существования и единственности решений, условий сходимости и эмпирических правил. Переменные высказываний, записанные в виде логических функций, отображают совокупность формализованных условий:

а также сами отношения определяются правилами их установления

где - количественное условие существования и (или) единственности решения или условие сходимости; - символ отношения, принимающий одно из значений “<”, “ “, “>”, “ >>”, “=”.

В общем случае, цели выбора методов принятия решений могут быть состояниями элементов кортежа где - непосредственное задание характеристик метода; - векторный критерий эффективности метода; - отношение предпочтения менеджера на .

Комбинированный выбор предполагает наличие в составе системы управления интеллектуального интерфейса для обращения менеджера к базе знаний.

Ядром информационных технологий управления, организующим алгоритмические процедуры выбора решений, в комбинированном методе является решатель. Выделим основные функции: ведение базы знаний (БЗ) (ввод, интерпретация, описание состояний, представление решений); управление заданием целей и логикой выбора на множестве фреймов правил; распределение ресурсов реального времени совместно с интеллектуальным интерфейсом.

Сетевая модель предметной области является предпочтительным способом создания решателя. Оценим принципиальный алгоритм функционирования решателя, (Рис. 19) применительно к задачам синтеза управления в противоречивых ситуациях. Достоинство общей блок-схемы алгоритма заключается в принципе динамического формирования, когда слоты фреймов заполняются в реальном масштабе времени. База знаний строится на сети фреймов-прототипов и наборе минимальных логов - элементарных акций на классифицированные ситуации. Язык представления знаний - язык представления фреймов. Структура фрейма:

Основные операции поиск по образцу, введение новых фреймов прототипов (знаний) с новыми связями между ними, наполнение спотов данными.

Рис 19. Общая блок-схема алгоритма функционирования решателя

Четыре типа фреймов-прототипов: фрейм функционирования (описание функциональных моделей объектов управления); фрейм противоречий (описание способов выявления и уменьшения напряженности противоречий); фрейм продукции (продукционные правила для получения конечной ситуации - цель управления); фрейм показателя (критерии оптимальности и функции полезности).

Анализатор и классификатор ситуаций работают на предикатных функциях качественных и количественных отношений

для множества и множества играют роль анализатора в виде последовательности: (), где - число количественных отношений ; - число качественных отношений ; каждое - признак ситуации , принимающим значение “0” или “1”.

Вектор полной ситуации для сборки фрагментов описания - продукционные правила. Формирование ядра отношений - по признакам на обучающей выборке осуществляется на схеме правила вывода по методу различия.

Схема реализации ситуационного выбора подкласса обладает отличием: ситуационный выбор ограничивается подклассом ; - классические методы управления. Классификатор работает с признаками по схеме на рис. 20.

Рис. 20. Структура классификатора

Пример набора признаков представлены в таблице.

Пример построения набора признаков

Ситуация S

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

1 проблемная

1

1

1

2 кризисная

1

1

1

1

1

1

1

1

1

3 ресурсная

1

1

4 неопределенность

1

5 прогнозирование

1

Ситуация S

16

17

18

19

20

21

22

23

24

25

1 проблемная

1

2 кризисная

1

1

3 ресурсная

4 неопределенность

1

1

1

1

5 прогнозирование

1

1

1

1

Продукционные правила признаков. 1 - 5 - безусловная классификация менеджера. 6 - недостаток ресурсов: для выполнения некоторой кредитной операции не оказалось нудных денежных средств, планируемым на выполнение. 7 - нет совпадения заданной и текущей лингвистической переменных. 8 - 17 - нарушены кризисные ограничения на выполнение некоторого договора или финансовой операции. 18 - ситуация не распознана. 19 - производительность и селективность при максимальной температуре в текущем цикле за нижними пределами ограничений (плохое состояние катализатора). 20 и 21 - финансовые средства недостаточны для нормальной работы кредитной организации; изменены ограничения на расходование ресурсов. 22 - изменены ограничения на величину оптимального управления. 23 и 24 - изменены весовые коэффициенты в критерии оптимальности; изменены ограничения на параметры оптимизации. 25 - отменено ограничение на срок кредитования.

Основная нагрузка на систему менеджер-ЭВМ ложится при работе с классами ситуаций неопределенности и недостатка ресурсов. Менеджер, функционирующий в составе системы управления, при экстремальных условиях принимает решение единолично, поскольку времени на выработку коллективного решения нет, а ответственность не может быть расплывчатой. Общение менеджера с системой управления построено на отслеживании состояния диалога, как функции текущей цели в фазе решения задачи с помощью обмена сообщениями на установленном языке через дисплей и клавиатуру.

Для систем управления производством предложена модель диалога, рассматривающая две обобщенные цели взаимодействия менеджера и ЭВМ. Первой целью - уточнение и корректировка взаимных представлений о существующих и прогнозируемых состояниях на момент формирования управляющих воздействий. Вторая цель - формирование решений средством диалога в каждой точке, определяющей различные пути развития поиска рациональных результатов. Тогда можно выделить две подцели менеджера и две подцели ЭВМ отображенных в виде кортежа

где - задание характеристик (возможно нечетких) структурного и параметрического описания предметной области; - построение полностью определенной модели объекта управления; - формирование представлений о системе предпочтений; - формирование альтернативных решений.

В этом случае диалог может быть построен на базе: команд; меню; экранных форм; вопросов - ответов; смешанной структуры.

Структура диалога в зависимости от конкретных целей имеет различные уровни детализации. Анализ его информативности можно водить исследованием графа состояний. Вершины этого графа соответствуют определенному состоянию диалога, а дуги определяют смену состояний. На практике, структура диалога уточняется экспериментальной доводкой сценариев для различных ОС совместно с менеджером, чтобы избежать некорректных и неинформативных сообщений.

Удобной формой создания гибкой структуры диалога, легко адаптируемой к различным условиям, является проектирование вложенных сценариев с выбором ответов в кадрах меню. Сценарий диалога кроме описания структуры включает в себя информационную и операционную модель диалога.

Формально сценарий описывается следующим образом: где - множество состояний; - множество операций; - множество условий; - множество входных сообщений (запросов); - множество программных условий; - множество выходных сообщений (реакций); - структура (граф) диалога; информационная модель диалога ; операционная модель диалога .

Организация диалогового сеанса с помощью языка высокого уровня может быть основана на семантических сетях фреймов в форме и терминах приближенных к естественному языку пользователя в конкретной предметной области. Можно представить сценарий диалога в виде сети формализованных фреймов-диалогов (ФД) соответствующих структурам метамоделей и , положив в основу модели в виде графов описания состояний.

Вершину графа занимает имя фрейма-диалога, представленное элементом множества состояний - формата

где - имя фрейма-диалога соответствующее состоянию определенного уровня; - номер уровня иерархической структуры фрейма-диалога, который представляет собой целое число; - узел фрейма-диалога.

Расположенные на одном иерархическом уровне узел фрейма-диалога, имеют одинаковые номера и формат описания:

где - имя узла фрейма-диалога; - тип узла фрейма-диалога, определяющий тип структурной единицы фрейма-диалога: элементарная или повторяющаяся (циклическая) структурная единица; - параметр данной структурной единицы фрейма-диалога. В качестве параметров могут быть элементы множеств: операций - О, условий - С, запросов - Q и реакций системы - R.

Имя узла ФД является именем структурной элементарной единицы и одновременно фразой сценария диалога управления. Структурная элементарная единица должна иметь обязательный параметр, описывающий ее тип.

Любую группу данных, либо структурную элементарную единицу можно связать с другой группой, что обеспечивает повышение уровня автоматизации поиска.

Автоматическое ведение диалога согласно сценарию осуществляется путем интерпретации диалога, для чего служат управляющие узлы фрейма-диалога: диалоговый повтор (ДП); диалоговое ветвление (ДВ); диалоговый мультицикл (ДМЦ).

При обработке сценария диалога диалоговый повтор порождает действия в соответствии со сценарием по всей ветви фрейма-диалога, от данного узла до тех пор, пока не будет исчерпано число повторений. Диалоговое ветвление определяется параметром: , где - значение в соответствии с которым осуществляется переход на ветвь с именем . Диалоговый мультицикл - определяется совместным использованием диалоговых повторов и диалоговых ветвлений.

Со свойством объекта может также ассоциироваться процедура, проверяющая корректность указанного значения свойства при создании конкретного фрейма (фрейма-примера). Такая возможность применения ассоциированных процедур является специфической для фреймового подхода.

Фреймовое представление сценария диалога соответствует основным требованиям языка описания знаний. Поддержание структурированности описания знаний обеспечивается структурой ФД.

Рассмотренные конструкции языка построения системы диалога в основном базируются на экранных и аудио формах интерактивного общения ЛПР с системой управления. Конкретный вид экранных форм, визуального динамического отображения планируемых ситуаций и аудио сообщений определяется предметной областью объекта управления.

На рисунке 21 представлена структура комплексной базы знаний, данных и диалогового общения созданной для управления комплексом ОАО Автопарк № 6 «Спецтранс», которая входит в общую структуру системы принятия решений.

В данном случае база знаний, исполнительная система, анализатор запросов, подсистема организации и ведения множества решений связанны специальным программным обеспечением с применением языка программирования С++. Отличительная особенность предложенной структуры заключается в организации преобразования и передачи принятых управляющих решений непосредственно на исполнительную подсистему объекта через каналы SCADA - системы TRACE MODE.

Рис. 21. Структура комплексной базы знаний, данных и диалога общения

ВЫВОДЫ

1. В рамках системного анализа проблем управления ОС показана объединяющая роль противоречий между их элементами, вне которых она распадается на независимые части и предложено определение системы как совокупности противоречащих элементов, структурированной общей целью, что позволяет рассматривать создание организационных систем и систем управления ими в пределах единого подхода и предложить концепцию создания жизнеспособной развивающейся ОС.

2. Выполненные теоретические и практические исследования задачи управления организационными системами показали необходимость ее представления тремя уровнями абстрагирования: диагностическим, классическим информационным и ситуационным, что позволило предложить и реализовать:

  • на диагностическом уровне концепцию непрерывного управление состоянием организационной системы. Концепция основана на принципах использования имеющихся ресурсов. Разработать методы управления ОС в рамках предложенной концепции;
  • на классическом информационном уровне новый подход к автоматизации учета состояния организационных систем, который предполагает создание: информационной БД имеющихся ресурсов, подсистемы прогнозирования и планирования;
  • на ситуационном уровне метод перехода от задачи принятия управляющих решений путем корреляции текущей ситуации по одному из имеющихся альтернативных прототипов, к задаче синтеза управления в заданном классе детерминированных решений.

3. Возникающие в организационных системах ситуации, отличные от штатной, представлены пятью типами: проблемная, кризисная, недостаток ресурсов, неопределенность, прогнозирование. Их своевременное выявление дает возможность оперативного принятия решений по управлению.

4. В результате анализа особенностей задач прогнозирования, возникающих при функционировании организационных систем, предложен метод алгоритмического моделирования, который может быть использован при анализе сложных многофакторных систем (рынка ресурсов).

5. В основу работы предложенного и реализованного алгоритма выработки и принятия решений был положен принцип поэтапного преодоления неопределенностей, который предполагает. Построение имитационной модели функционирования системы с учетом воздействий окружающей среды. Формирование вариантов решений и их универсума. Прогноз следствий принятия решений. Сравнение ценности разных вариантов решения. Выбор наилучшего варианта решения при наличии противоречивых оценок по нескольким частным критериям.

6. Исследование функционирования ОС показало, что это, прежде всего, управление потоками ресурсов, следующих из ОС в ее окружение и обратно. Для:

  • достижения ресурсной устойчивости ОС необходимо убедиться, что поток доходов превышает поток расходов и положение предприятия стабильно;
  • оптимального прогнозирования устойчивости предприятия наиболее эффективна экспертная система приближенных рассуждений;
  • реализации прогнозирующей экспертной системы предложен метод логико-лингвистического прогнозирования на основе нечетких экспертных оценок и причинной модели, когда: переменным присваиваются не числовые значения, а слова и предложения естественного языка, что стало возможно за счет применения аппарата нечеткой логики при использовании лингвистических переменных; моделирование процесса управления происходит в терминах, близких и понятных менеджеру (слова и предложения естественного языка с придаточными обстоятельствами причины).

Сформулирована экспертная технология прогнозирования для прямой лингвистической реализации прогнозирующего текста средствами совместного использования идей исчисления предикатов и теории нечетких множеств, допускающих наличие нечеткого предиката, присутствие недостоверности и развитие прогнозирования в реальном времени.

7. Для принятия решений в проблемных ситуациях предложено использовать в рамках информационной технологии модели представления данных и знаний, принятия решений и комбинированную модель альтернативного выбора.

8. Создан пакет программных средств реализации алгоритмов в нештатных ситуациях, включающий набор минимальных логических модулей для оперативного формирования последовательностей управления.

9. Внедрение результатов диссертационной работы осуществлено на ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецтранс», ОАО Ленгазтеплострой.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ ОТРАЖЕНО

В СЛЕДУЮЩИХ РАБОТАХ

I. Статьи в рецензируемых научных журналах и изданиях, рекомендованных ВАК Министерства образования и науки РФ

  1. Локтаев С.В., Веригин А.Н. Концепция создания развивающихся финансовых систем // Финансы 2003. – №12. С 64–66. – 0,2/0,1 п.л.
  2. Локтаев С.В., Веригин А.Н. Технология лингвистического прогнозирования при управлении финансами // Финансы 2004. – №2. С 60–63. – 0,25/0,13 п.л.
  3. Локтаев С.В., Коськин А.В., Бирюлева Н.В. Анализ существующей практики создания организационных систем // Вестник СПбИГПС. – 2004. – № 1. – С. 86–89. – 0,25/0,1 п.л.
  4. Локтаев С.В., Бирюлева Н.В., Коськин А.В. Закономерности построения организационных систем // Вестник СПбИГПС. – 2004. – №1. С. 89–91. – 0,2/0,06 п.л.
  5. Локтаев С.В. Развивающиеся организационные финансовые системы и концепция их создания / С.В. Локтаев, А.Н. Веригин, В.Г. Джангирян и др. // Вестник СПбИГПС. – 2004. – № 3. С. 65–72. – 0,5/0,13 п.л.
  6. Локтаев С.В., Бирюлева Н.В., Бирюрев М.Ю. Лингвистическое прогнозирование в управлении предприятием // Вестник СПбИГПС. – 2004. – № 2. С. 69–71. – 0,2/0,06 п.л.
  7. Локтаев С.В., Веригин А.Н., Федоров В.Н. Создание организационных систем и управление при решении непрограммируемых проблем в области экономики // Вестник СПб института ГПС МЧС России. – 2004. – № 4. С. 80–87. – 0,5/0,17 п.л.
  8. Локтаев С.В., Веригин А.Н., Бирюлева Н.В. Лингвистическое прогнозирование при управлении финансами // Вестник СПбИГПС. – 2005. – № 1. С. 80–85. – 0,38/0,13 п.л.
  9. Локтаев С.В., Веригин А.Н., Бирюлева Н.В. Системность и управление финансовыми системами // Вестник СПбИГПС. – 2005. – № 3. – С. 81. – 0,4/0,13 п.л.

II. Публикации в иных изданиях

  1. Локтаев С.В., Веригин А.Н. Методы прогнозирования. – СПб.: Изд-во СПб. ун-та, 1999. – 6/3 п.л.
  2. Локтаев С.В. Решение задач управления финансами с использование ЭВМ //  Проблемы экологии и экономики в химической промышленности. – СПб.: Изд-во СПб. ун-та, 2000. С. 16–28. – 0,75 п.л.
  3. Локтаев С.В., Веригин А.Н. Финансовый анализ и прогнозирование // Проблемы экологии и экономики в химической промышленности. – СПб.: Изд-во СПб. ун-та, 2000. – С. 45–54. – 0,38/0,19 п.л.
  4. Локтаев С.В. Роль региональных банков в развитии малого и среднего предпринимательства // Международный банковский конгресс: «Банки: вызов нового столетия» (мбк-2000, 7–10 июня СПб), Секция № 1: «Банки и экономика». – 0,13 п.л.
  5. Локтаев С.В., Веригин А.Н. Лингвистическое прогнозирование при управлении финансами компании (банка) // Проблемы экологии и экономики в химической промышленности. – СПб.: Изд-во СПб. ун-та, 2000. – С. 63–71. – 0,5/0,25 п.л.
  6. Локтаев С.В., Веригин А.Н. Причинная модель прогнозирования и финансы // Экология энергетика экономика (выпуск III), Теория и практика безопасности жизнедеятельности в техносфере. – СПб.: Изд-во СПб. ун-та, 2001. – С. 118–129. – 0,69/0,35 п.л.
  7. Локтаев С.В., Веригин А.Н. Банк как жизнеспособная развивающаяся система // Экология энергетика экономика (выпуск III), Теория и практика безопасности жизнедеятельности в техносфере. – СПб.: Изд-во СПб. ун-та, 2001. – С. 163–177. – 0,88/0,44 п.л.
  8. Локтаев С.В., Веригин А.Н., Ивахнюк С.Г. Системность и управление финансами банка // Экология энергетика экономика (выпуск IV), Пожарная и промышленная безопасность. – СПб.: Изд-во СПб. ун-та, 2001. – С. 152–161. – 0,5/0,17 п.л.
  9. Локтаев С.В. Формализация знаний в системах управления финансами // Экология энергетика экономика (выпуск IV), Пожарная и промышленная безопасность. – СПб.: Изд-во СПб. ун-та, 2001. С. 185–192. – 0,44 п.л.
  10. Локтаев С.В. Социально-политическое прогнозирование и финансовая политика банка // Экология энергетика экономика (выпуск V), Безопасность в чрезвычайных ситуациях. – СПб.: Изд-во «Менделеев», 2002. – С. 168–171. – 0,19 п.л.
  11. Локтаев С.В., Веригин А.Н., Константинов И.С. Методы прогнозирования деятельности банка // Экология энергетика экономика (выпуск VI), Экологическая и экономическая безопасность. – СПб.: Изд-во Менделеев, 2002. – С. 159–165. – 0,38/0,13 п.л.
  12. Локтаев С.В., Веригин А.Н. Системный анализ и управление финансами // Экология энергетика экономика (выпуск VII), Радиационная, химическая и экономическая безопасность. – СПб.: Изд-во Менделеев, 2003. – С. 195–200. – 0,31/0,16 п.л.
  13. Локтаев С.В., Веригин А.Н., Константинов И.С. Прогнозирование при управлении финансами компании // Экология энергетика экономика (выпуск VII), Радиационная, химическая и экономическая безопасность. – СПб.: Изд-во Менделеев, 2003. – С. 208–214. – 0,38/0,13 п.л.
  14. Локтаев С.В., Федорова Н.В., Веригин А.Н. Управление финансами и системность // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. Т. 2. – СПб., 2003. – 0,6/0,2 п.л.
  15. Локтаев С.В., Веригин А.Н., Федорова Н.В. Системный анализ развивающихся финансовых систем // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. – Т. 2. – СПб., 2003. – 0,6/0,2 п.л.
  16. Локтаев С.В., Веригин А.Н., Федорова Н.В. Системный анализ и управление финансами банка // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. – Т. 2. – СПб., 2003. – 0,6/0,2 п.л.
  17. Локтаев С.В., Веригин А.Н., Федорова Н.В. Тактика финансового прогнозирования // Междунар. конф. по мягким вычисленим и измерениям: Сб. мат. – СПб., 2003. – 0,25/0,08 п.л.
  18. Локтаев С.В. Экспертная система управления компанией / С.В. Локтаев, А.Н. Веригин, А.В. Тур и др. // Междунар. конф. по мягким вычисленим и измерениям: Сб. мат. – СПб., 2003. – 0,19/0,05 п.л.
  19. Локтаев С.В. Экспертная технология прогнозирования при управлении финансами компании / С.В. Локтаев, А.Н. Веригин, Н.В. Федорова и др. // Междунар. конф. по мягким вычисленим и измерениям: Сб. мат. – СПб., 2003. – 0,19/0,05 п.л.
  20. Локтаев С.В., Веригин А.Н., Федоров В.Н. Организационные системы для решения непрограммируемых проблем // Экология энергетика экономика (выпуск VIII), Безопасные экологические и  экономические технологии. – СПб.: Изд-во Менделеев, 2003. – С. 91–104. – 0,94/0,31 п.л.
  21. Локтаев С.В., Веригин А.Н. Особенности создания организационных финансовых систем // Экология энергетика экономика (выпуск VIII), Безопасные экологические и  экономические технологии. – СПб.: Изд-во Менделеев, 2003. – С. 121–129. – 0,56/0,28 п.л.
  22. Локтаев С.В. Необходимость предоставления факторинговых услуг банком своим клиентам / С.В. Локтаев, М.Ю. Бирюлев, Н.В. Бирюлева и др. // Экология энергетика экономика (выпуск VIII), Безопасные экологические и  экономические технологии. – СПб.: Изд-во Менделеев, 2003. – С. 131–135. – 0,25/0,06 п.л.
  23. Локтаев С.В. Работа с данными в программах прогнозирования / С.В. Локтаев, А.А. Алашкин, В.Н. Фёдоров и др. // Экология энергетика экономика (выпуск VIII), Безопасные экологические и  экономические технологии. – СПб.: Изд-во Менделеев, 2003. – С. 135–142. – 0,38/0,09 п.л.
  24. Локтаев С.В. Работа с данными в программах прогнозирования / С.В. Локтаев, А.А. Алашкин, В.Н. Федоров и др. // Международная конференция по мягким вычислениям и измерениям. Сб. докладов. – СПб., 2004. – Т. 1. – С. 251–255. – 0,25/0,06 п.л.
  25. Локтаев С.В. Лингвистический подход при создании систем управления / С.В. Локтаев, Н.В. Бирюлева, М.Ю. Бирюлев и др. // Международная конференция по мягким вычислениям и измерениям. Сб. докладов. – СПб., 2004. – Т. 2. – С. 50–52. – 0,19/0,05 п.л.
  26. Локтаев С.В., Лисицын Н.В. Управление организационными системами. – СПб.: ХИМИЗДАТ, 2005. – 37/18,5 п.л.
  27. Локтаев С.В., Веригин А.Н. Стохастическая модель производства // Новые технологии и их применение. – 2007. № 2. – С. 15. – 0,25/0,13 п.л.

Подписано в печать 14.11.2008        Формат 6084 1/16

Печать цифровая        Объем 2,6 п.л.        Тираж 100 экз.

Отпечатано в Санкт-Петербургском университете ГПС МЧС России

196105. Санкт-Петербург, Московский проспект, д. 149







© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.