CC BY
7- выявляет скрытые линейные и кольцевые разломы земной коры на разных глубинах; дает оценку опасных и менее опасных территорий;
- позволяет дифференцировать исследуемую территорию относительно потоковых структур для решения задач: строительства, сельского хозяйства, добывающей промышленности, экологической оценки;
- выявляет пути миграции отравляющих веществ и загрязнителей в почвах, грунтах, подземных и грунтовых водах, что позволяет предотвратить последствия антропогенных катастроф и уменьшить уровень заболеваемости населения;
- определяет участки наиболее подверженные эрозии, просадкам, оползням, снежным лавинам;
- позволяют произвести экологическую планировку техногенного ландшафта городов, отдельных их районов и кварталов.
Показанные на картах потоки наглядно и математически достоверно указывают пути миграции загрязнителей, точки - откуда (наивысшая, репеллер) и куда (низшая, аттрактор) пойдет любая частица пыли с эрозионного склона или загрязняющие элементы от того или иного предприятия, природного источника, автомобильной или железной дороги. Даже при наличии уже имеющегося предприятия-загрязнителя можно выявить места перехвата вредных веществ и поставить соответствующие очистные сооружения.
Литература:
1.Степанов И.Н., Абдуназаров УК. ПОГРЕБЁННЫЕ ПОЧВЫ В ЛЁССАХ СРЕДНЕЙ АЗИИ И ИХ ПАЛЕОГЕОГРАФИЧЕСКОЕ ЗНАЧЕНИЕ. Издательство «Недра», М. 1976.
2. Степанов И.Н. ФОРМЫ В МИРЕ ПОЧВ. «Наука». М. 1985.
ИСПОЛЬЗОВАНИЕ МЕТОДА НЕЧЁТКИХ МНОЖЕСТВ ПРИ ПРИНЯТИИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ
Егорова Т.Н., к.э .н., доцент ОрелГИЭТ Шманёв С.В., д.э.н., проф. ОрелГИЭТ
В статье обоснован метод многокритериальной оценки инновационных процессов при решении многошаговых задач с нечеткими целями и ограничениями.
Ключевые слова: метод нечётных множеств, управленческие решения, социально-экономическое развитие.
USING FUZZY SETS IN MANAGEMENT DECISIONS
Egorova T., Ph.D., associate professor, OrelGIET Shmanev S., Ph.D., Professor, OrelGIET
In the article the method of multi-criteria evaluation of innovative processes for solving multi-step problems with fuzzy goals and constraints.
Keywords: odd sets, management decisions, socio-economic development.
Материальной основой обеспечения динамики социально-экономического развития является инвестиционный потенциал, количественные и качественные характеристики которого отражают упорядоченную совокупность инвестиционных ресурсов. Экономический рост определяется, в первую очередь, уровнем тех инвестиций, которые направляются на увеличение производственного аппарата, его модернизацию и реконструкцию, на научно- исследовательские и опытно-конструкторские работы. Немалую роль играют и вложения связанные с повышением образовательного и культурного уровня, укрепления здоровья и улучшения бытовых условий населения, так называемые инвестиции в человеческий капитал. В условиях глобализации и гиперконкуренции остаётся все меньше места для представлений о равновесности и стационарности экономических систем. Современные экономические системы представляют собой с точки зрения управления, децентрализованные структуры, в которых конкретные решения о производстве, потреблении и распределении принимаются отдельными субъектами, обладающими ограниченной информацией о состоянии и будущем развитии всей системы.
Под структурой экономической системы будем понимать совокупность пропорций и отношений, определяющих эту систему как целое в данный момент времени. Пропорции позволяют выделить значимые структурные элементы, отношения представляют качественные взаимосвязи между ними и между разными экономическими единицами.
В реальности динамическое равновесное состояние представляет частный случай состояния экономической системы, которая на самом деле динамически неравновесна, и именно это условие составляет важнейшую предпосылку дальнейшей трансформации системы.
К движущим факторам трансформации хозяйственной системы обычно относят: научно-технический прогресс; смену потребительских предпочтений; обеспеченность факторами производства.
Подобная система факторов имеет четкие логические основания: должен существовать генератор, проводящий трансформацию общественной системы, постоянно в течение определённых интер-
валов времени инициирующий импульсы определённого направления и мощности, которые могут быть периодическими или постоянными. Эти импульсы усиливаются своеобразным трансформатором, как в электрической цепи, тем вспомогательным элементом, который создаёт качество сигнала, «фон». «Толчковые» факторы, комбинируясь с «фоновыми» факторами пробуждают базисные факторы. Когда включаются базисные факторы, происходит «фундаментальное» изменение основных пропорций социальноэкономической системы, качественного соотношения её элементов, происходят изменения необратимого характера. К фоновым факторам мы относим систему частных интересов и динамику различных групп, функционирующих в обществе. Эта динамика содержит реакции на действие «толчковых» факторов, которые охватываются понятием властных группировок или правительственных иерархий. «Толчковые» факторы - это процедуры принятия решений, рождаемые в иерархиях. Базисные факторы - это научно-технический прогресс, обеспеченность факторами, потребительские предпочтения, а также структура ценностных и психологических установок в обществе, структура культуры и образования, а также национально-исторические особенности.
При воздействии указанных групп факторов изменяется характер производства в сфере науки и технологии, меняется направленность потребительского выбора, мотивации, оценки прошлого и традиций, изменяется качество инфраструктурных элементов экономической системы, следовательно, обеспеченность самими факторами. Последние изменения, стимулируют дальнейшую трансформацию и воспроизводят соответствующую ей область нашего незнания о функционировании хозяйственной структуры, порождая нечёткие отношения и алгоритмы.
При принятии решений, касающихся всей системы или отдельных её элементов, цели, ограничения, критерии выбора в большей части субъективны и точно не определены. Возникают нечеткие отношения, которые приводят к постепенному изменению свойств системы. Нечеткие алгоритмы, допускающие использование нечетких инструкций, широко распространены в различных сферах человеческой деятельности. Они позволяют описывать приближенные рассуждения и, следовательно, являются полезным инструмен-
том для приближенного анализа таких систем и процессов принятия решений, которые слишком сложны для применения общепринятых количественных методов. Например, в области анализа больших систем (системы управления экономикой страны, отрасли, потоки инвестиций т. д.) открывается возможность моделирования неопределенности, выраженной, в частности, в градациях информированности центра принятия решения о состоянии нижележащих уровней. Открытость системы, взаимодействие с внешней средой ставят целый ряд проблем при конструировании систем принятия решений. Эти проблемы связаны с неопределенностями, неизбежными при описании состояния экономических систем и в частности инновационных. Источниками неопределенности такого представления являются: невозможность сколь угодно точного измерения реальных величин; невозможность полного и четкого описания многих экономичен процессов; неточность исполнительских действий, недостаточное размерности модели, не позволяющая отразить все значимые свойства исследуемой системы. Все это позволяет считать отношение моделирования нечетким. Тогда с новых позиции рассматриваются такие проблемы, как поиск поведения динамики экономических систем в пространстве состояний, оценка эффективности инвестиционных потоков, построение планов и т.д. Отметим, что до настоящего времени, силы исследователей были направлены, в основном, на формализацию отдельных процедур и этапов процесса принятия решения.
Подавляющая часть моделей принятия решения в нечетких условиях носит нормативный характер и представляет собой формализацию этапа выбора, когда множество альтернатив, критерии целей и ограничения, отношения предпочтения считаются заданными.
С помощью целевой функции формально представляется одно из основных свойств: ценность, полезность, стоимость, качество и т. Нечеткость в постановке задачи математического программирования может содержаться как в описании множества альтернатив, так и в описании целевой функции. Различные формы описания исходной информации обусловливают существование различных формулировок задач нечеткого математического программирования (НМП):а) задача достижения нечетко поставленной цели при нечетких ограничениях; б) задача НМД при нечетком множестве допустимых альтернатив; в) нечеткий вариант стандартной задачи математического программирования, где вместо задачи оптимизации решается задача удовлетворения цели; г) задача программирования с нечеткими коэффициентами и др.
По Беллману — Заде[1] задача достижения нечетко поставленной цели при нечетком ограничении решается на основе принципа слияния. Нечеткая цель (например, оптимизация инновационных процессов) и нечеткое ограничение (распределение инвестиций) описываются нечеткими подмножествами универсального множества альтернатив. При этом нечеткие решение определяется как нечеткое подмножество множеств, получающееся в результате слияния нечетких целей и нечетких ограничений ЛПР. Конкретно, нечеткое решение определяется как результат операции:
1) пересечения I (взятия минимума) нечетких множеств целей и ограничений.
2) пересечения II (перемножения) нечетких множеств цели и ограничений.
3) Линейной комбинации нечетких множеств целей и ограничений.
Решение задачи сводится к интеграции исходной информации с помощью некоторой операцией над нечеткими подмножествами с последующим выбором такой альтернативы степень принадлежности которой нечеткому решению максимальна. При описании индивидуального принятия решения в рамках классического подхода, наряду с моделями математического программирования, применяется теория статистических решений и теория ожидаемой полезности. В реальных ситуациях исходы, соответствующие принятым решениям, являются подчас нечеткими, что влечет за собой размытость соответствующих им оценок функции полезности. Размытый вариант ожидаемой полезности можно представить моделью, где выделяются и одновременно учитываются как случайные, так и нечеткие составляющие неопределенности. Выбор происходит на основе максимизации нечетко ожидаемой полезности.
Особый интерес представляют попытки применения к задачам принятия решения теории возможности. Нечеткая оценка возможности, понимаемая как субъективное отражение внутренних ограничений объекта, требует меньшего уровня априорной информи-
рованности, чем распределение вероятности, и более перспективна при анализе задач с ярко выраженной неопределенностью ординального характера (например, для работы с ординальной функцией полезности, когда нельзя определить расстояние между двумя ее соседними значениями).
В зависимости от вида индивидуальных предпочтений и информационных аспектов, выделяются три класса теорий принятия решения плицами: 1) теория групповых решений; 2) теория малых групп и 3) теория игр и лиц. В последней считается, что все игроки преследуют сугубо личные цели (выигрыш), что не запрещает им вступать в коалиции или обмениваться информацией. В теории же групповых решений предполагается, что хотя каждый субъект имеет свои личные цели и ценности, но главная цель состоит в том, чтобы достичь приемлемого коллективного решения (получить одно групповое упорядочение по предпочтениям) на основе индивидуальных предпочтений. Исходной предпосылкой теории малых групп является то, что каждый член малой группы защищает общие интересы, и цель группы есть в то же время цель индивида; при этом особое внимание уделяется структуре информации, исходя, из которой принимаются решения.
С проблемой принятия коллективных решений тесно связана (хотя и несколько отлична от нее) задача многоцелевого (многокритериального) принятия решения. В реальных условиях принятие решения происходит при наличии критериев неодинаковой значимости. Тогда, если имеется множество нечетких критериев и множество весов критериев, то нечеткое подмножество определяет взвешивание критериев.
Процедура взвешивания критериев рассматривается как отображение Функция, отображающая решения, определяется с помощью нечеткого интеграла [3]. Таким образом, понятие оптимальности заменяется в векторной оптимизации понятием недомини-руемости. В то время как в однокритериальной задаче решение есть точка оптимума, в многокритериальной задаче оно дает множество эффективных (оптимальных по Парето) альтернатив. Для дальнейшего сужения этого множества необходима дополнительная информация от ЛПР: используемые при этом различные процедуры в основном сводятся к явному или неявному свертыванию частных критериев в единый критерий. Примерами таких обобщенных критериев могут служить взвешенная сумма нечетких критериев.
Нечеткая постановка задачи многокритериального выбора предполагает, что известны множество сравнимых альтернатив и множество критериев (аспектов) сравнения, причем нечеткая оценка альтернативы; по критерию, характеризуется функцией принадлежности.
Для повышения чувствительности данного метода определяется мера предпочтительности альтернативы по отношению к другим, в качестве которой выступает расстояние между конкретным значением оценки этой альтернативы и средним значением оценок по всем другим альтернативам. Описание многокритериальных задач удобно проводить с помощью построения отношений предпочтения между альтернативами с последующим выделением нечеткого множества недоминируемых альтернатив. Например, в так называемой обобщенной модели НМЛ в отличие от вышеописанных подходов, основанных на сравнении нечетких множеств в одном пространстве оценок по критериям, анализируются чадами, и которых возможна нечеткость всех компонентов системы принятия решения. Рассматриваются: а) множество допустимых альтернатив б) универсальное множество оценок альтернатив из допустимых альтернатив.
Решение этой задачи определяется путем построения на множестве альтернатив нечеткого отношения предпочтения, которое индуцируется исходным нечетким отношением, расширенным на класс всех; нечетких подмножеств декартова произведения с последующим выделением из него нечеткого множества недоминируемых альтернатив. Понятие структур доминирования и недоминируемых решений в многокритериальных задачах позволяет рассматривать общие случаи, п которых имеется информация о предпочтениях ЛПР.
Управление реальными инновационными процессами по сути дела представляет собой последовательность решений, направленных на выполнение некоторой цели при наличии ограничений (помех). Этим объясняется особое внимание экономистов к созданию динамических моделей принятия решения при нечеткой исходной информации, когда учитывается ее изменение во времени. Любой процесс управления инновациями характеризуется множеством
состояний этой системы и множеством значений управления..
Функционирование системы, т. е. ее переходы из состояния в состояние под воздействием управления описывается уравнением состояния (движения).Предполагается, что изменения состояний происходят в дискретном времени. Если, кроме того, система имеет конечное число состояний и управлений, то многошаговый процесс принятия решения можно представить с помощью автоматной модели.
При решении многошаговых задач с нечеткими целями и ограничениями применяется метод динамического программирования.
Рассматриваются детерминированные и стохастические системы как с фиксированным, так и с неявно определенным временем окончания процесса. Как известно, любая последовательность управлений, переводящая систему из начального состояния в конечное, которое отождествляется с общей целью, называется стратегией, а любая подпоследовательность этой последовательности называется частичной стратегией. Ни одна общая стратегия, содер-
жащая в себе какую-либо частичную стратегию, не может иметь вес, больший, чем вес этой частичной стратегии. Если ищется максимизирующее решение, то при последовательном анализе частичных стратегий на промежуточных стадиях поиска решения имеет смысл принимать во внимание только те из них, которые обладают наибольшим весом.
Литература:
1. Kickert, W.J.M. Fuzzy theories on decision-making.-Leiden: MartinusNijhoff, 1978.-182 p:
2. Negoita, C.V., Ralescu, D.A. Applications of fuzzy sets to systems analysis.-Basel:BirkhauserVerlag, 1975.-191p.
3. Orlovsky, S.A. On formalization of a general fuzzy mathematical programming problem.-Fuzzy Sets and Systems, 1980, v.3, p.311-322.
4. Sugeno, M. Fuzzy decision-making problems.-Trans.S.I.C.E. 1975,v.21,p.85-92.
К ВОПРОСУ О ФОРМИРОВАНИИ ПРОМЫШЛЕННЫХ КЛАСТЕРОВ В ФАРМАЦЕВТИЧЕСКОЙ ОТРАСЛИ
Жуков Д., соискатель ФАОУДПО ГАСИС
Рассмотрены основные задачи формировании промышленных кластеров в фармацевтической отрасли, раскрыты основные цели их создания. Выявлены основные критерии государственной поддержки фармацевтических кластеров.
Ключевые слова: промышленные кластеры, фармацевтическая отрасль, государственная поддержка.
ON THE FORMATION OF INDUSTRIAL CLUSTERS IN THE PHARMACEUTICAL INDUSTRY
Zhukov D., The applicant, FAOU DPO GASIS
The main task of forming industrial clusters in the pharmaceutical industry, revealed the main objectives of their establishment. The basic criteria for state support of the pharmaceutical cluster.
Keywords: industrial clusters, the pharmaceutical industry, state support.
На протяжении последнего десятилетия огромный интерес среди специалистов в области фармацевтического рынка вызывает тема локальной промышленной агломерации и специализации, т.е. кластеризации, будучи инструментом повышения конкурентоспособности экономики, региона или страны в целом.
Фармацевтический кластер - это группа географически локализованных, взаимосвязанных инновационных фирм - разработчиков лекарств, производственных компаний; поставщиков оборудования, комплектующих, специализированных услуг; объектов инфраструктуры: научно-исследовательских институтов, вузов, технопарков, бизнес-инкубаторов и других организаций, дополняющих друг друга и усиливающих конкурентные преимущества отдельных компаний и кластера в целом. Отличительным признаком эффективно действующих кластеров является выход инновационной лекарственной продукции.
Формула успешности подобных групп - тесный союз науки и производства, объединившихся для создания новых лекарственных продуктов и технологий.
Если ставить главной задачей кластеров (создание целого спектра отечественных инновационных лекарственных продуктов), то размещение должно производится там, где имеется высокая концентрация научных центров и высокотехнологичных научно-производственных компаний, специализирующихся в фармацевтической области.
О создании кластеров заявили не только Москва, Санкт-Петербург и Новосибирск, которые вправе претендовать на звание крупных научных центров, но и Волгоградская, Калужская, Ростовская, Самарская, Ярославская области и многие другие регионы.
Одним из признаков промышленного кластера в фармацевтической отрасли в общей модели производственно-кооперационных и иных взаимодействий субъектов хозяйствования является принцип территориальной локализации.
В отличие от обычных форм кооперационно-хозяйственных взаимодействий малого, среднего и крупного бизнеса, кластерные системы характеризуются следующими особенностями:
— наличием предприятия-лидера, определяющего долговременную хозяйственную, инновационную и иную стратегию всей системы;
— локализация территориальная основной массы хозяйствующих субъектов;
— по участникам кластерной системы;
— устойчивостью хозяйственных связей хозяйствующих субъектов - участников кластерной системы, доминирующим значением этих связей для большинства ее участников;
— взаимодействия участников системы в рамках её производственных программ и долговременной координацией, инновационных процессов.
Примером создания фармацевтического кластера, является промышленная зона «Пушкинская» (Санкт-Петербург). Петербургский фармацевтический кластер - в числе заявленных проектов. На нем будут изготавливаться как оригинальные препараты компании, так и препараты-дженерики из числа жизненно необходимых и важнейших лекарственных средств (ЖНВЛС). Планируемые объемы производства - до 55 млн. флаконов готовых лекарственных форм в год. Инвестирование в данный кластер составит 25 млн. евро. В состав кластера войдут и, соответственно, получат поддержку властей уже реализуемые проекты фармацевтических производителей. Так, в частности, компания «Полисан», осуществляющая разработку и внедрение в производство и медицинскую практику отечественного лекарственного препарата - индуктора эндогенного интерферона, планирует в 2011 году расширить свои производственные мощности в два раза - до 15 млн. флаконов инъекционных растворов.
Другой важной отличительной чертой кластера в общей модели производственно-кооперационных и иных взаимодействий субъектов хозяйствования является фактор инновационной ориентированности. Формирование кластера, осуществляется где ожидается «прорывное» продвижение в области техники и технологии производства и последующего выхода на новые «рыночные ниши».
Центральное внимание, в рамках кластерного развития, уделя-
