CC BY
44
УДК 004
ФОРМИРОВАНИЕ БАЗЫ ЗНАНИЙ СИСТЕМЫ УПРАВЛЕНИЯ ОБЪЕКТАМИ С ПРОГНОЗИРУЕМЫМИ РИСКАМИ
С.М. Пасмурнов, О.А. Фиртыч
В статье описывается структура нечетких правил базы знаний системы управления объектами с прогнозируемыми рисками на основе трансформации нечеткой информации в базу знаний, а также входные и выходные данные нечетких переменных, составляющих данные правила
Ключевые слова: нечеткая логика, база знаний, риски, управление рисками
Управление целым классом технических объектов тесно связано с понятием риска. И целью управления в данном случае является минимизация рисков отклонения от желаемых значений характеристик функционирования и развития. Таким образом, система управления такого рода объектами функционирует в условиях неопределенности и случайного характера внешних и внутренних воздействий. Этим обусловлена задача разработки специальных методов, моделей и процедур управления объектами с прогнозируемыми рисками и прогнозирования состояний системы с учетом управляющих воздействий на основе нечеткой логики [1].
Методы принятия решений
Принятие и реализация решений
Объект с прогнозируемыми рисками
Определение допустимых уровней рисков
Мониторинг рисков
Выыщ:
стакан ыздэЬгтЕкг н крйЕзюгъ
Вход: I
тжицк знечэоч п^нипроЕ I ц:рзск1 |
Трансформация нечеткой информации
1 : 1
Оценка
н Анализ Идентификация
пр огно знр ованне рисков рисков
рисков
Рис.1. Структурная схема системы управления объектами с прогнозируемыми рисками
Систему управления объектами с прогнозируемыми рисками - это совокупность управляемого объекта, средств автоматизации, нормативной и организационной документации, рабочих процедур, штатных позиций и конкретных
Пасмурнов Сергей Михайлович - ВГТУ, канд. техн.
наук, профессор, тел. (473) 243-76-32
Фиртыч Оксана Александровна - ВГТУ, аспирант, тел.
8 920 408 72 03
сотрудников, занимающих эти позиции, предназначенная для управления рисками в рамках процесса управления объектом.
Объект с прогнозируемыми рисками определим как объект, обладающий динамическими характеристиками,
изменяющимися под влиянием возникновения рисковой ситуации, которую необходимо спрогнозировать, чтобы предсказать и предотвратить возможный ущерб от ее реализации как в рамках различных стадий реализации управляемого процесса, так и в конечном результате.
Начальная оценка рисков проводится в два этапа и выделается в подсистему «Идентификации рисков», которая соответствует качественной оценке рисков, и подсистему «Оценки и прогнозирования рисков».
Для подсистемы «Идентификации рисков» входными параметрами является признаки классификации объектов, а выходными - факторы риска. Факторы риска являются входными параметрами подсистемы «Анализ рисков», выходными переменными являются переменные «Степень воздействия» и «Вероятность возникновения». Качественный анализ рисков подразумевает выявление рисков, присущих проекту, их описание и группировку.
По данным х^, у^ определяют интервалы значений параметров и показателей
х^=шт(х^), х+=шах(х^), j = 1д, 8 = 1,Б; (1)
у-1=ш1п(у81), х+1=шах(х81), ! = Ц, 8 = (2)
Определенный таким образом интервал разделяют на ^N+1) отрезков с присвоением значений лингвистической переменной на нечетких Б„
множествах А„
П = 1,2^ +1,
п = +1.
Причем значения N и N для каждой переменной подбираются индивидуально, представив их через альтернативные переменные. В двоичном исчислении с достаточным для практики ограничением N^4, j = 1,1; N^4, 1 = 1,1:
^=1+2'ц+22'ч, j = 1,1 ^=1+2'Ц+22'21, 1 = О
(3)
(4)
Тогда вектор альтернативных переменных г'={г' ц, г' г'н, г' 2! }, ] = 1д, 1 = 1,1 определяет вариант разделения интервалов входных переменных ^ и выходных переменных у1. Функции принадлежности нечеткого множества А _ , В _ ^в для значений лингвистической
переменной V/ на нечетком множестве функцию принадлежности ставят в соответствие
геометрическому разделению интервала и соответствующему набору значений
лингвистических переменных (рис.2).
Рис. 2. График функции принадлежности выходной лингвистической переменной «Степень воздействия риска» Для значений: «очень низкая», «низкая», «средняя», «высокая», «очень высокая»
В зависимости от используемого типа функции принадлежности и способа ее параметризации на наборах лингвистических значений переменных Х|, V/ , у1 рассматривается
множество V = 1, V вариантов, которое представляется через альтернативные переменные в двоичном исчислении с достаточным для практики ограничением ^8:
V = 1+х[+2г ' + зг ' .
(5)
Итоговая оценка рисков, оказывающих влияние на управляемый объект, формируется на основе экспертных оценок список рисков, которые могут возникнуть в результате функционирования системы управления объектами с прогнозируемыми рисками. Список рисков может включать в себя 50100 пунктов в зависимости от предметной области и масштабности системы. После первоначального составления или актуализации списка прогнозируемых рисков, все риски необходимо оценить по следующим параметрам:
- вероятность наступления;
- степень воздействия.
Оценки по этим параметрам получены с предыдущих этапов (качественная и количественная оценка рисков). Эти параметры оцениваются нечеткими значениями из набора:
- очень низкая;
- низкая;
- средняя;
- высокая;
- очень высокая.
Подключение аппарата нечеткой логики к оценке и прогнозированию рисков инвестирования позволяет использовать для автоматизированной обработки не только численные данные, но и нечетко определенные и качественные характеристики.
Нечеткая логика может быть применена для анализа критериев чистой текущей стоимости. Для этого годовой чистый денежный поток и ставка дисконтирования должны быть приведены к нечетким числам треугольной формы.
С =
С, Ст, Сь ]
(6)
_ь ,С ,Сь
где —ь - это минимальное,
абсолютное и максимальное значение годового
С
чистого денежного потока представление ставки
соответственно имеет вид:
ь . А нечеткое дисконтирования
а =
|а, ат, а]
(7)
Нечеткое представление чистой текущей стоимости таким образом:
ИРУ = \ыРУ, ИРУт, МРУ ] Таким образом, следует:
(8)
ИРУ = V
С,
ИРУт = ]Г
(1 + а)"
С* т
Сь
£0(1 +_ат)ь Сь
(9)
иру = v
£0(1 _ а)
Инвестиционный риск существует при МРУ < 0, значение риска R может быть определено как отношение между областью отрицательных значений МРУ и всей областью, описывающей значения ыру:
о
МРУ
(х^х
Я =
ИРУ
(11)
ИРУ
(х^х
Риск может быть интерпретирован в нечеткое подмножество:
Я = {(я , (я,)), (я2, ^ (я)),..., я, мм (я ))},(12) где /и~(Як) = (гк), к = 1,..., п.
Для принятия решений на различных этапах
ь=о
мониторинга рисков и принятия решений в условиях риска необходимо получить списки факторов риска, наиболее актуальных в данный момент. Для упрощения представления функции принадлежности этих переменных представлены в треугольном виде (рис.3).
Вероятность наступления риска может быть определена при выборке рисков или устанавливаться экспертом, лицом принимающим решение, компетентным в оценке риска в данной области.
0,1 0J 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
"Значения термов
----- очень тшш риск; ----- низкий риск.---средний риск;
- высокий риск. - очень высокий риск
Рис. 3 . Иллюстрация лингвистических термов нечеткой переменной «Вероятность возникновения рассматриваемого риска»
Аналогично для объекта задается степень воздействия риска. При этом если риск воздействует на несколько критериев эффективности функционирования системы, то выбирается максимальное значение.
По уже определенным величинам Вероятности возникновения и Степени воздействия риска, можно определить класс риска, исходя из матрицы классов серьезности рисков (табл.).
Риски класса А признаются самыми опасными для любой анализируемой системы. Именно им следует уделить особенно пристальное внимание при управлении рисками и принятии мер по предотвращению реализации рисковой ситуации.
Матрица классов рисков
Вероятность возникновения
Очень низкая, Низкая Средняя Высокая, Очень высокая
Степень воздействия Очень низкая, Низкая C C B
Средняя C B B
Высокая, Очень высокая B B A
Риски класса В также являются критичными, особенно в краткосрочном прогнозировании.
Риски класса С должны рассматриваться в системе мониторинга, но не требуют немедленного вмешательства. Необходимость реагирования на
риски данного класса является индивидуальной для различных видов систем и объектов с прогнозируемыми рисками.
По уже определенным величинам вероятности возникновения и степени воздействия риска, можно определить класс риска, исходя из матрицы классов серьезности рисков. Риски класса А признаются самыми опасными для управляемого объекта с прогнозируемыми рисками. Им следует уделить особенно пристальное внимание при управлении рисками и принятии мер по предотвращению реализации рисковой ситуации. Риски класса B также являются критичными, особенно в краткосрочном прогнозировании. Риски класса C должны рассматриваться в системе мониторинга, но не требуют немедленного вмешательства. Необходимость реагирования на риски данного класса может варьироваться для различных видов объектов с прогнозируемыми рисками
Представленное выше распределение классов в зависимости от вероятности возникновения риска и степени его воздействия на объект с управляемыми рисками предложено для системы управления инвестиционным процессом.
Планирование мониторинга, предотвращения и реагирования на риски необходимо для рисков, класс которых был определен как A и B. Для рисков класса C данные мероприятия носят рекомендательный характер, но остаются на усмотрение лица, ответственного за данный риск. При этом разрабатываются планы по мониторингу, предотвращению и реагированию на рисковую угрозу или возникновение рисковой ситуации.
Результирующие правила определения классов рисков имеют следующий вид (13):
Rs: IF (xs1=As1, xs2=As2), THEN (ys =Bs) (13)
где s, s = 1,S - количество факторов риска, определенных для данного объекта;
xs1 - вероятность возникновения s-риска;
xs2 - степень воздействия риска на результаты функционирования системы;
As2 - значения лингвистических переменных «Вероятность возникновения рассматриваемого риска» и «Степень воздействия рассматриваемого риска»;
ys - класс риска;
Bs - значение нечеткой переменной из набора классов рисков.
В соответствии с матрицей классов рисков производится назначение одного из трёх классов риска. Таким образом, формулируются правила по каждому риску, определяя порядок мониторинга и процедуры реагирования на риск.
Для каждого риска указывается дата актуальности, которая является временным ограничением по мероприятиям направленным на предотвращение риска. Если по достижении этого срока рисковая ситуация не возникла, то
необходимо принять решение о закрытии подсистемы мониторинга данного риска или срок актуальности риска должен быть отодвинут.
К моменту начала функционирования управляемой системы для эффективного управления объектом с прогнозируемыми рисками в подсистеме управления рисками должны быть:
- реализован список рисков с заполненными паспортами, а также определена их классификация;
- сформулированы планы мониторинга, реагирования и предотвращения рисков всех классов;
- определены лица, ответственные за определенные риски, а также лицо, управляющее объектом с прогнозируемыми рисками.
Для каждого класса рисков необходимо задать период мониторинга. Для класса А рекомендуется производить мониторинг ежедневный, В -еженедельный. Для мониторинга рисков класса С период определяется составом риск-менеджеров.
Мониторинг рисков является не отдельным этапом алгоритма управления рисками, а непрерывным процессом, который сопровождает непрерывно процесс функционирования системы объектов с прогнозируемыми рисками. После завершения каждого цикла управления и мониторинга рисков необходимо пополнять базу знаний системы идентификации рисков обновленными знаниями.
Если для объекта были идентифицированные риски, ранее не внесенные в базу знаний, то необходимо вносить полный паспорт риска, а также ретроспективную информацию о трендах показателей, которые позволят в будущих циклах управления спрогнозировать появление данного риска.
Мониторинг рисков во время функционирования системы является
закономерным завершающим звеном и в то же время непрерывным процессом, который обеспечивает актуальность решений при изменчивых условиях внешней среду или при ошибках прогнозирования.
Перечень рисков становится главным инструментом мониторинга рисков, их предупреждения, а также предотвращения негативного влияния на управляемый объект потенциальных рисковых ситуаций. В этом списке должна содержаться и поддерживаться в актуальном состоянии информация, необходимая для управления рисками.
На этапе проектирования системы и предварительного прогнозирования рисков необходимо составить перечень из 50-100 рисков в зависимости от масштабности системы. При повторных итерациях на этапах сопровождения функционирования системы с объектом прогнозируемыми рисками необходимо выделять 20-30 рисков, которые будут подвержены наиболее детальному мониторингу.
После того, как будет сформирован исчерпывающий перечень риском, необходимо провести SWOT-анализ, методология которого позволяет выявить сильные и слабые стороны объекта с прогнозируемыми рисками и способы влияния на последние, а также описать способы реагирования на риски. Именно результаты SWOT-анализа являются выходными данными для дальнейшей количественной оценки рисков, и использоваться в прогнозировании различных сценариев реализации рисковых ситуаций в системе объекта с прогнозируемыми рисками.
Таким образом, происходит актуализация правил в базе знаний на основе результатов непрерывного мониторинга рисков в системе управления объектами с прогнозируемыми рисками.
Литература
1. Львович, Я.Е. Формирование перспективных решений на основе базы нечетких правил [Текст] / Я.Е. Львович, О.Г. Яскевич, О.А. Фиртыч // Вестник Воронежского государственного технического университета. - 2010. - Т. 6.-№ 10.- С.58-59.
2. Пегат, А. Нечеткое моделирование и управление [Текст] пер. с англ. / А. Пегат; под. ред. Ю.В. Тюменцева - 2-ое изд. - М.: БИНОМ. Лаборатория знаний. - 2013. - 802 с.
Воронежский государственный технический университет
FORMING KNOWLEDGE BASE FUZZY RULES IN LENS WITH A PREDICTED RISKS
MANAGEMENT SYSTEM
S.M. Pasmurnov, O.A. Firtych
The article describes the structure of knowledge base fuzzy rules in lens with a predicted risks management system based on the fuzzy information transformation into the knowledge base, besides it describes input and output fuzzy variables that rules are including
Key words: fuzzy logic, knowledge base, risk, risk management
