CC BY
36
УДК 631.165
ЛОКАЛИЗАЦИЯ И АДАПТАЦИЯ МЕТОДИКИ ДИРЕКТ-КОСТИНГ ДЛЯ ПРЕДПРИЯТИЙ, ОТРАСЛЕЙ И РЕГИОНОВ С ПРИМЕНЕНИЕМ АСК-АНАЛИЗА (по материалам Краснодарского края). Часть 2-я
Шеляг Михаил Михайлович аспирант
Кубанский государственный аграрный университет, Краснодар, Россия
Суть перспективного метода «Директ-костинг» состоит в использовании прямых переменных затрат, которые напрямую относятся на себестоимость продукции (так называемые релевантные затраты), не только для учета, но в первую очередь в качестве факторов управления объемами производства различных видов продукции. Однако этот метод имеет ряд недостатков: во-первых, то, что этот анализ проводится в рамках системы контроллинга предприятия, а не отраслей и многоотраслевого АПК региона; во-вторых, в расчетах этого метода принимается, что объемы производства продукции линейно зависят от затрат на ее производство, что верно только при экстенсивной эволюции производства, в определенных довольно узких пределах, при которых объемы производства могут увеличиваться экстенсивно без изменения технологии и организации; в-третьих, в расчетах по методу директ-костинг не определяется сила и направление влияния факторов, а также сам вид функции этого влияния. Преодоление этих недостатков могло бы повысить эффективность метода директ-костинг и расширить область его применения. Однако эта задача не ставилась и не решалась, прежде всего, в связи отсутствием соответствующего математического метода, а также реализую -щего его программного инструментария и методики его применения. В работе ставится данная задача и предлагается ее комплексное решение. Приведены численные примеры
Ключевые слова: СИСТЕМА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА, АВТОМАТИЗИРОВАННЫЙ СИСТЕМНОКОГНИТИВНЫЙ АНАЛИЗ, УПРАВЛЕНИЕ ЗНАНИЯМИ, ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ, СТРУКТУРА ЗАТРАТ
UDC 631.165
LOCALIZATION AND ADAPTATION OF TECHNIQUE OF DIRECT-COSTING FOR THE ENTERPRISES, BRANCHES AND REGIONS WITH A.S.K. - ANALYSIS APPLICATION (upon materials of Krasnodar region). PART 2
Sheljag Mikhail Mikhajlovich post-graduate student
Kuban State Agrarian University, Krasnodar, Russia
The essence of perspective method of Direct-costing" consists of use of direct variable expenses which directly concern on production cost price (so-called relevant expenses), not only for the account, but first of all as factors of management of volumes of manufacture of various kinds of production. However this method has a number of lacks: first, this analysis is carried out within the limits of system of controlling of the enterprise, instead of branches and diversified agrarian and industrial complex of region; secondly, in calculations of this method is accepted, that production volumes linearly depend on expenses for its manufacture that is true only at extensive evolution of manufacture, in the narrow limits defined enough at which manufacture volumes can increase extensively without technology and organization change; thirdly, in calculations of this method the force and direction of influence of factors, and also a kind of function of this influence is not defined. Overcoming of these lacks could raise efficiency of the Direct-costing method and expand area of its application. However, this problem was not set and was not solved, first of all, because of absence of a corresponding mathematical method, and also program toolkit realizing it and a technique of its application. In this work the given problem is set and its complex decision is offered. Numerical examples are resulted
Keywords: ARTIFICIAL INTELLECT SYSTEM, AUTOMATED SYSTEMIC COGNITIVE ANALYSIS, MANAGEMENT OF KNOWLEDGE, INTELLECTUAL TECHNOLOGIES, STRUCTURE OF EXPENSES
Кратко рассмотрим решение задач, поставленных в 1-й части данной статьи.
Решение задачи 1: разработать модификацию математической модели СК-анализа, обеспечивающую решение проблемы.
Суть предлагаемой математической модели. Известное по данным статистики числовое значение каждого экономического показателя рассматривается в работе как сумма его истинного (точного) значения и шума, появляющегося вследствие недостоверности исходной информации и ошибок измерения исходных показателей, на основе которых он рассчитывается. Такой подход соответствует реалиям, в отличие от требования абсолютной точности и полноты исходных данных, которое иногда встречается в литературе. Предложена математическая модель, основанная на интервальной статистике, теории вероятностей и семантической теории информации, обеспечивающая решение проблемы, поставленной в работе. Данная модель является модификацией математической модели СК-анализа, т.е. отличается от нее способом обоснования и расчета количественной меры знаний о влиянии структуры затрат на объемы производства продукции в АПК.
Каждый год формально описывается в модели двумя векторами:
- вектор к = к}, характеризует объемы производства различных видов продукции в определенном году и представляет собой просто набор кодов классов, каждый из которых соответствует определенному интервальному значению объема производства определенного вида продукции;
- вектор L = {Ц}, характеризует структуру затрат в том же году:
L [1, если в этом году наблюдалос ь 1-е значение фактора;
1 [0, если в этом году не наблюдалос ь г-е значение фактора.
При этом в качестве управляющего фактора, влияющего на объемы производства продукции АПК, рассматривается вид затрат, а в качестве его значения - интервальное значение затрат. Таким образом, использование данного двухвекторного описания исходных данных позволяет определить и исследовать экономические факты, каждый из которых представляет собой обнаружение на опыте определенного сочетания градации фактора (интервального значения некоторого экономического показателя) и
принадлежности моделируемого объекта, характеризующегося этим значением (АПК Краснодарского края) к определенной обобщенной категории, т.е. классу, соответствующему определенному экономическому состоянию - объему производства определенного вида продукции.
Первый этап синтеза модели состоит в расчете матрицы абсолютных частот, в которой накапливается информация о встречаемости экономических фактов в исходных данных. Перед началом синтеза модели все значения в этой матрице равны нулю, а затем в ней поочередно учитывается двухвекторные описания каждого года (объекты обучающей выборки) и рассчитываются величины: Щ - суммарное количество наблюдений экономических фактов, т.е. }-го результата производства продукции при условии действия 1-го значение фактора затрат; Щ - суммарное количество лет, при которых получен результат, относящийся к }-му классу (в отличие от математической модели СК-анализа, в которой Щ- равно суммарному количеству признаков в}-м классе); N - суммарное количество встреч 1-го значения факторов затрат за все годы исследуемой выборки; Щ - суммарное количество примеров за все годы исследуемой выборки: в нашем случае их 18, т.е. за 1991-2008 годы (в отличие от математической модели СК-анализа, в которой N равно суммарному количеству признаков у объектов обучающей выборки).
Этот процесс по принципу многоканальной системы выделения сигнала из шума обеспечивает подавление шума в статистической отчетности и выделение полезного сигнала о влиянии структуры затрат на объемы производства продукции. На основе матрицы частот в соответствии с выражениями (1) рассчитывается матрица условных и безусловных процентных распределений.
N N ш ш
р=#; р=#; N'=1^ N=5^ (')
где: Р- - условная вероятность наблюдения 1-го признака у объектов}-й категории (класса); Рг - безусловная вероятность наблюдения 1-го признака по всей выборке.
Из теоремы умножения вероятностей в статистике известно, что два события: 1-е - на объект управления действует г-е значение фактора; 2-е -объект управления перешел в }-е состояние; являются независимыми, если условная вероятность Р- наблюдения г-го значения фактора у объектов }-го класса равна безусловной вероятности Рг его наблюдения по всей выборке (2):
Ру = Рг (2)
И наоборот, если равенство (2) не выполняется, то это означает, что г-е значение фактора затрат влияет на получение }-го результата по объемам производства продукции. Поэтому предлагается рассматривать отношение (3) как величину, количественно отражающую силу и направление влияния г-го значения фактора на переход объекта в}-е состояние:
Ку = Ри/Р : (3)
- К- >1, то 1-е значение фактора способствует переходу в}-е состояние;
- К- =1, то г-е значение фактора не влияет на переход в}-е состояние;
- К- <1, то 1-е значение фактора препятствует переходу в }-е состояние.
Это предложение по своей сути полностью соответствует известному статистическому методу средних и отклонений от средних и нормативному подходу, когда в качестве базы сравнения, т.е. нормы, выбирается среднее по всей группе, т.е. в нашем случае безусловная вероятность наблюдения некоторого значения фактора, рассчитанная по всей выборке. На основе этого подхода формируются и частные критерии сравнения конкретных состояний АПК с обобщенными образами классов, т.е. можно сказать, что критериальный подход изначально основан на нормативном подходе. Для удобства использования Ку (3) в качестве частных критериев в адди-
тивном интегральном критерии предлагается нормировать его таким образом, чтобы он был больше нуля, когда действие г-го значения фактора способствует переходу объекту управления в у-е состояние, меньше нуля, когда препятствует этому и равен нулю, когда вообще никак не влияет на поведение объекта управления. При этом могут быть использованы различные варианты нормировки, из которых мы считаем наиболее естественным и обоснованным вариант (4):
Поскольку, согласно концепции Шенка-Абельсона, знания определяются как информация, изменяющая вероятность достижения цели (полезная информация), а смысл представляет собой знание последствий, то обоснованно считать величину /у, определяемую выражением (4), количеством знаний о смысле г-го значения фактора. Таким образом, выражение (4) является количественной мерой объема знаний о влиянии г-го значения фактора затрат на }-е объемы производства продукции в АПК, т.е. отражает силу (величину) и направление влияния:
- /у >0, то 1-е значение фактора способствует переходу в}-е состояние;
- /у =0, то г-е значение фактора никак не влияет на переход в}-е состояние;
- /у <0, то 1-е значение фактора препятствует переходу в]-е состояние.
Подставив в (4) значения условной и безусловной вероятностей из (1)
получим выражение (5) удобное для практических расчетов, т.к. в нем используется только значения элементов матрицы абсолютных частотных распределений, а не промежуточная матрица условных и безусловных вероятностей:
/у = 2 [Ку )= 2 -р-
(4)
Выражение (5) формально не отличается от выражения формулы Хар-кевича через абсолютные частоты, традиционной в СК-анализе, однако, смысл самих частот К] и N в СК-анализе и нашей работе различен:
- в работе К] равняется количеству объектов исследуемой выборки, относящихся к >му классу; N равно количеству всех объектов этой выборки.
Сравнение СИМ-1 и СИМ-2, проведенное в работе в четвертой главе показало, что они дают очень сходные результаты, согласующиеся друг с другом и в некоторых случаях выше адекватность 1-й модели, или наоборот. С другой стороны как показывает опыт, смысл второй модели легче воспринимается.
С целью придания выражению (5) вида, обеспечивающего выполнения принципа соответствия с выражением Хартли в равновероятном детерминистском случае (т.е. в случае, когда к каждому классу относится только один объект, имеющий единственный признак, который полностью обуславливает принадлежность объекта к этому классу), в него введен коэффициент ¥ (6) и найдено соответствующее его аналитическое выражение
Подставив коэффициент ¥ из (7) в (6) после математических преобразований получим:
На практике для численных расчетов удобнее пользоваться не выражением (8), а формулой (9) с учетом (7):
м
в СК-анализе: N = 1N ; N=2Х^
і=1
(7):
\
/
(6)
(7)
(8)
N.N
Ij = Yx Log2 —-— (9)
J NN
1 J
При этом параметры W и N характеризуют семантическую информационную модель в целом, поэтому коэффициент Y рассчитывается один раз на всю модель и потом его значение просто используется в других расчетах.
Значения коэффициентов Iij (Я) в количественной форме отражают знания о том, что "объект перейдет в J-е состояние" если "на объект действует i-е значение фактора". Матрица знаний является результатом многопараметрической типизации состояний АПК, сгруппированных (классифицированных) по объемам производства продукции и описанных различными вариантами структуры затрат. Матрица знаний рассчитывается непосредственно на основе матрицы абсолютных частот с использованием выражения (9).
Для количественной оценки суммарного влияния системы значений факторов затрат на объемы производства продукции в АПК, в соответствии с фундаментальной леммой Неймана-Пирсона, предлагается ввести интегральный критерий, как аддитивную функцию от частных критериев в виде (10):
I j = (V L). (10)
В выражении (10) круглыми скобками обозначено скалярное произведение, т.е. свертка. Поскольку в качестве частных критериев в данном интегральном критерии выступают значения вектора IiJ , представляющие
собой знания о влиянии i-х значений факторов на переход объекта в J-е состояния, то интегральный критерий представляет собой сумму знаний о влиянии системы факторов на поведение объекта управления. Поэтому предлагается называть данный интегральный критерий когнитивным интегральным критерием (cognition - познание, англ.).
В координатной форме выражение (10) имеет вид:
м
(11)
1=1
где: М - суммарное количество градаций (интервалов) факторов затрат в математической модели.
Подставим количественную меру знаний из выражения (9) в (11) и с учетом (7) получим выражение (12) для когнитивного интегрального критерия, которое можно рассчитывать непосредственно на основе матрицы абсолютных частот:
Таким образом, интегральный критерий представляет собой суммарное количество знаний, содержащееся в системе значений факторов различной природы (т.е. факторах, характеризующих объект управления, управляющее воздействие и окружающую среду) о переходе объекта управления в то или иное будущее состояние. Выбранный интегральный критерий сходства является высокоэффективным средством подавления белого шума и выделения полезной информации из шума, который неизбежно присутствует в эмпирических данных. Важно также отметить неметрическую природу предложенного интегрального критерия сходства, благодаря чему (в отличие от широко применяемых расстояний по Евклиду, Минковскогу и Камберру) его применение является корректным и при неортонормированном семантическом информационном пространстве каким оно в подавляющем количестве случаев и является, т.е. в общем случае.
Решение задачи 2: провести когнитивную структуризацию предметной области, классифицировать создаваемые частные моделей и решаемые с их помощью подзадач, формализовать предметную область. В результате
/
\
М
=^ Ц X ^2
(12)
V
У
когнитивной структуризации предметной области были определены состояния объекта управления (микроэкономические ситуации в АПК) и выделены три модели (рисунок 1).
Объемы производства по АПК в целом
Выращено мяса
Получено молока
Валовой сбор пшеницы
Структура затрат продукции АПК е
Рисунок 1. Принципиальная когнитивная модель влияния структуры затрат на объемы ее производства продукции в АПК1
Модель 1: отражает взаимосвязи между показателями структуры затрат и показателями объема производства продукции АПК в целом. Модель 2: отражает взаимосвязи между показателями структуры затрат и хозяйственно-экономическими показателями предприятий АПК. Модель 3: отражает взаимосвязи между хозяйственно-экономическими показателями предприятий АПК и показателями объема производства продукции АПК в целом. Исследование первой модели выявляет наиболее значительные и общие причинно-следственные связи, присущие предметной области. Две другие модели детализируют структуру полученных закономерностей, раскрывая внутреннее строение полученных эмпирических законов.
В главе предложена и описана методика формализации предметной области, т.е. механизм конструирования классификационных и описательных шкал и градаций, а также обучающей выборки. Разработан программ-
1 Разработка автора
ный интерфейс между базами данных официальной статистической отчетности по структуре затрат и объемам производства продукции в АПК и базовой системой "Эйдос", обеспечивающий автоматизацию функций по формализации предметной области, т.е. разработку классификационных и описательных шкал и градаций и обучающей выборки. Данный программный интерфейс включен в состав системы "Эйдос" и защищен свидетельством РосПатента №2007614715.
В третьей главе "Синтез и верификация семантических информационных моделей” выявлены зависимости между структурой затрат и объемами производства продукции в АПК путем синтеза и верификации семантической информационной модели (СИМ) предметной области и ее исследования на сходимость и устойчивость от объема обучающей выборки, т.е. решена задача 3.
Данная задача была решена в серии численных экспериментов, проведенных с применением специально разработанной и вошедшей в состав системы «Эйдос» подсистемы синтеза семантической информационной модели и измерения достоверности (свидетельство РосПатента №2007614570). С целью повышения достоверности результатов исследования изучались три варианта модели: А, В и С. Модель А: для классов и признаков было выбрано разбиение на 5 градаций, был выполнен синтез семантической информационной модели первым методом (СИМ 1). Модель В: классы и обобщенные признаки были разбиты на 7 градаций, также использовалась СИМ 1. Модель С: для третьей модели было выбрано 5 градаций классов и обобщенных признаки, и был выполнен синтез модели вторым методом (СИМ 2). Модели СИМ 1 и предложенная в работе СИМ 2 отличаются математической моделью расчета матрицы знаний. На рисунке 2 показаны четыре периода и три точки бифуркации, соответствующие границам между периодами.
1-й период (1991-1995 годы). В этот период погрешность модели высока, что объясняется высокой динамичностью экономических процессов и не устоявшимся, изменяющимся характером взаимосвязей между структурой затрат и объемами производства продукции в условиях экономики переходного периода. Основная тенденция данного периода - быстрая стабилизация закономерностей в экономике с уменьшением погрешности модели от 50% до 20%. Видно, что к концу этого периода намечается стабилизация и даже повышение (для модели В) погрешности на высоком уровне около 25%. Это говорит о высокой и не уменьшающейся вариабельности характера взаимосвязей между структурой затрат и объемами производства продукции в этот период, а также о нарастании дестабилизирующих и деструктивных тенденций в экономике.
(погрешность СИМ в зависимости от объема обучающей выборки)
Точка бифуркации 1995 года. Если 1-й период характеризуется быстрой стабилизацией экономики, то с 1995 года этот процесс резко замедляется и начинается 2-й период эргодичности с иными закономерностями.
2-й период (1995-1998 годы) показывает практически не меняющуюся погрешность модели на уровне 20% - 30%. На наш взгляд это обусловлено
двумя основными причинами: 1) эклектичным смешением качественно различных и плохо совместимых закономерностей плановой и рыночной экономики; 2) накоплением и постепенным усугублением в экономике старых проблем, которые в этот период нарождающимися рыночными механизмами решались недостаточно эффективно.
Точка бифуркации 1998 года. Это дефолт, чрезвычайно социально болезненный крах существовавшей на тот период экономики, в процессе которого были демонтированы внеэкономические механизмы управления экономикой, сдерживающие развитие рыночных отношений.
3-й период (1998-2000 годы) можно считать постдефолтным периодом стабилизации предметной области и отражающей ее модели на уровне адекватности 80 - 85%. Из этого можно сделать вывод о том, что в этот период в основном формируются закономерности рыночного характера, и старые механизмы плановой экономики оказывают уже довольно незначительное и все ослабевающее влияние.
Точка бифуркации 2000 года. Этот год можно назвать годом перехода от постдефолтного периода к стабильному поступательному развитию рыночной экономики.
4-й период (2000-2008 годы) период полной стабилизации российской экономики на рыночных принципах. При этом после 2001 года наблюдается стабилизация погрешности моделей на уровне 3-5%. Это говорит о высокой степени адекватности созданных моделей текущему состоянию экономики АПК, достаточной для того, чтобы исследование моделей можно было считать исследованием самой моделируемой предметной области.
Результаты кластерного анализа исследуемых периодов в системах ЗРББ и "Эйдос" практически совпадают, что повышает их достоверность, а значит и достоверность выводов о точках бифуркации и периодах эргодичности, сделанных на их основе. Достоверность системы созданных мо-
делей обусловлена также большим количеством обобщенных в них экономических фактов, которых около миллиона (таблица 2).
Таблица 1 - РАЗМЕРНОСТИ ЧАСТНЫХ МОДЕЛЕЙ И КОЛИЧЕСТВО ОБОБЩЕННЫХ В НИХ ЭКОНОМИЧЕСКИХ ФАКТОВ
Наименование частной модели Размерность модели: классовхфакторов Количество экономических фактов, обобщенных в модели
Модель-1: "Структура затрат - показатели предприятий" 213 х 1536 841421
Модель-2: "Показатели предприятий - объемы производства продукции в АПК" 15 х 213 9240
Модель-3: " Структура затрат - объемы производства продукции в АПК 15 х 1536 59255
Всего: 909916
Все это позволяет сделать вывод о том, что на основе полученных моделей вполне корректно разрабатывать научно обоснованные рекомендации по рационализации структуры затрат с целью приведения показателей объемов производства продукции к целевым значениям. Для выработки этих рекомендаций на основе приведенной модели непосредственно на основе официальных статистических данных, обобщенных в матрице абсолютных частот, с использованием выражения (9) получена матрица знаний (таблица 3).
В матрице знаний столбцы соответствуют классам, т.е. состояниям объекта управления, а строки - интервальным значениям факторов. На пересечении строк и столбцов находятся коэффициенты, имеющие смысл количества знаний, которое мы получаем о том, что объект управления перейдет в состояние, соответствующее столбцу, если известно, что на него действовало значение фактора, соответствующее строке.
Таблица 2 - МАТРИЦА ЗНАНИЙ В БИТ*100 (ФРАГМЕНТ)2
Значения факторов Состояния объекта управления (классы, обобщенные категории)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 -15 54 -15 44 -15 37 30 30
2 60 81 -25 81 32 27
3 11 30 4 90 110 -23
4 145 95 98 67
5 145 153 93 153 104 153
6 91 65 24 116 38
7 24 14 -5 37 -5 -5 25 27
8 60 110 110 27
9 12 -18 42 12 -44 42 45 12 62 -36 -22
10 63 117 126 63 65 126 -15 77 126
11 35 5 64 8 64 -13 30 30
12 -5 43 37 25 74 -4 11
13 145 147 67
Исследования созданной семантической информационной модели показали, что в ней отражена зависимость величины объемов производства продукции, например, от доли затрат на оплату труда, а также от доли затрат и на топливо и энергию (рисунки 3 и 4).
CopyRiaht (с) Scientific Я industrial enterprise AIDOS, Russia, 1981—2007. Russian Patent No 940217. All Rights Reserued.
Задание 18. Функция влияния фактора:
ДСП “/.ОПЛАТЫ ТРУДА на переход объекта управления в состояния: ПОЛЫЧ.МОЛОКА ПО ВСЕМ КАТЕГОР.ХОЗ.
Рисунок 3. Когнитивная функция зависимости объемов производства
3
молока по всем категориям хозяйств АПК от доли в затратах оплаты труда
2 Результаты исследований автора
3 Разработка автора
Из рисунка 3 видно, что объемы полученного молока зависят от доли оплаты труда в структуре затрат классическим образом (форма зависимости: «Купол»). Полученную зависимость, по-видимому, можно объяснить тем, что слишком низкая заработная плата недостаточно мотивирует персонал на высокопроизводительный труд, а чрезмерно высокая приводит к тому, что цена на продукт оказывается не конкурентной на рынке, что приводит к падению объема продаж. На основе полученной зависимости можно предположить, что в настоящее время для получения максимальных объемов продукции АПК, доля затрат на оплату труда должна составлять 7,5-9,5% от общих затрат на производство данного вида продукции.
Уравнение регрессии (Я =1), представляющее в аналитической форме
эту когнитивную функцию, имеет вид:
у = 0,422х4 + 39,72х3- 1414,9х2 + 14447х - 45629 Из рисунка 4 видно, что увеличение доли затрат на топливо и энергию закономерно приводит к падению объемов производства продукции в целом по АПК. По форме графика на рисунке 4 можно предположить, что на нем мы видим только правую часть куполообразной кривой, подобной приведенной на рисунке 3.
CopyKiaht (с) Scientific & industrial enterprise AIDUiJ, Russia, 14U1-Z004. Russian Patent Mo 440217. All Kicjlits Keserued. Задание 101» Функция влмини» фактора! ДОЛЯ В СЕБ-ТИ ПРОД.ПО ПРЕДП - АПК<%>ТОПЛИВА И ЭНЕРГ на переход объекта управления в состояния J ОБЪЕМ ПРОИЗВОДСТВА ПРОДУКЦИИ ВСЕГО ПО АПК
к 3 X ■и Л ■и о. с Т> а) (Лв?Э .Н, 3933 60 QJ О
X к о ь и о
Р 9 .82Ї
29 30 31 33 3А 3' -<■*.60, 5 .35> -<5.35, Ь .09? -<Ь.09, Ь .8-*> -<7.58, 8 .33> -<8.33, 9 .07? -<9.07, Г рацации Факторов
Рисунок 4. Когнитивная функция зависимости объемов производства продукции всего по АПК от доли затрат на топливо и энергию 4
4 Результаты исследований автора
При этом видно, что максимальный объем производства продукции достигается при минимальной доле затрат на топливо и энергию в ее затрат, но наиболее рациональное значение этого вида затрат на графике не отражено, по-видимому потому, что фактически за исследуемый 18летний период оно не наблюдалось. Не только максимальная доля затрат на топливо и энергию, но и следующее за ним несколько меньшее ее значение приводят к практически полной стагнации производства, т.е. эластичность функции в этой области близка к нулю. Исходя из этого можно предположить, что для стимулирования роста производства, необходимо значительно снижать затраты предприятий на топливо и энергию. Однако так как поставщики энергоресурсов в России являются монополистами, и рыночные механизмы ценообразования в этих условиях недостаточно эффективны, то, по-видимому, для решения этого вопроса необходимы политические решения, например, целевые государственные субсидии предприятиям АПК на приобретение энергоресурсов.
В работе был выполнен анализ большого количества подобных когнитивных функций и на этой основе сформулирован ряд научнообоснованных рекомендаций по корректировке структуры затрат для повышения объема производства продукции АПК. В тоже время необходимо отметить, что в ярде случаев получены неоднозначные зависимости состояния объекта управления от направления изменения значения фактора и в этих случаях сложно разрабатывать прогнозы и рекомендации.
Решение задачи 4: разработать автоматизированную технологию и систему методик, обеспечивающие: 1) прогнозирование объемов производства различных видов продукции по заданной структуре затрат; 2) поддержку принятия решений по рациональному выбору структуры затрат, определяющей заданные целевые хозяйственно-экономические показатели деятельности предприятий и АПК в целом. Задачи идентификации и прогно-
зирования с математической точки зрения являются очень сходными. Их отличие в том, что задача идентификации предполагает, что признаки и идентифицируемые состояния объекта управления относятся к одному времени, а в задаче прогнозирования признаки относятся к прошлому времени по отношению к прогнозируемым состояниям объекта управления. Система "Эйдос" выполняет идентификацию и прогнозирование для объектов, описание которых находится в распознаваемой выборке и выдает результат в форме таблицы, в верхней части которой приводятся классы в порядке убывания вероятности возникновения, в нижней части - классы в порядке возрастания вероятности невозникновения.
Решение задачи поддержки принятия решения заключается в определении системы детерминации заданного целевого состояния объекта управления, т.е. в определении системы значений факторов, наиболее способствующих переходу объекта в это состояние и наиболее препятствующих этому. Система "Эйдос" поддерживает различные способы представления системы детерминации состояний объекта управления: в частности результат можно получить в виде таблицы - информационного портрета класса, или в виде диаграммы - модели нелокального нейрона.
В четвертой главе "Исследование семантических информационных моделей и оценка их эффективности" приводится решение задачи 5: исследовать предметную область путем исследования ее семантической информационной модели.
На основе опыта использования технологии СК-анализа в системах управления, предложена модификация методики СК-анализа 2002 года, отличающаяся тем, что цикл синтеза и использования СИМ начинается не с идентификации текущего состояния объекта управления, а с когнитивной структуризации и формализации предметной области (рисунок 5).
Рисунок 5 - Модифицированная методика применения СК-анализа в интеллектуальных системах управления
Системно-когнитивный анализ модели включает: кластерно-
конструктивный анализ классов и факторов и семантические сети классов и факторов; когнитивные диаграммы классов и факторов; нелокальные нейроны и интерпретируемые нейронные сети; нейросетевую модель управления объемами производства продукции АПК; классические когнитивные карты; обобщенные когнитивные карты.
Задача 6: разработать и применить методику оценки эффективности предлагаемых моделей и технологий. Выполнена оценка эффективности, сформулированы ограничения и перспективы развития предлагаемой технологии и методики ее применения. На основе результатов проведенных исследований получены научно-обоснованные выводы и рекомендации,
целью которых является обеспечение заданных объемов производства различных видов сельскохозяйственной продукции путем рационализации структуры затрат на ее производство. Высокий уровень адекватности построенных моделей, а также успешное применение метода системнокогнитивного анализа для решения широкого круга задач в различных предметных областях, дает основания предполагать, что выводы и рекомендации, полученные на основе созданной семантической информационной модели, дадут положительные результаты при решении задач АПК Краснодарского края.
Основным результатом когнитивного моделирования в данной работе является двухуровневая когнитивная диаграмма, приведенная на рисунке
6, являющаяся фактической конкретизацией принципиальной схемы влияния структуры затрат продукции на объемы ее производства в АПК, приведенной на рисунке 1, причем эта конкретизация получена непосредственно на основе исследования эмпирических данных, в качестве которых выступали данные официальной Г осстатистики.
ИНТЕГРАЛЬНАЯ *К ОГН Й Т ИШ1А Я*К АРТА КдА* Н И Е N 41 ( СЕМАНТИЧЕСКИЕ СЕТИ НЕЙРОНОВ И РЕЦЕПТОРОВ С НЕЙРОННОЙ СЕТЬЮ )
Семантическая сеть РЕЦЕПТОРОВ: Н<=7 ________________________________________________
| + сбязь >0: - сбязь <0: ~~ | | Вес сбязи - толщина линии, показаны =>11
Рисунок 6. Фрагмент фактической двухуровневой когнитивной модели влияния структуры затрат продукции на объемы ее производства в АПК
Задача 7: предложить рекомендации по внедрению и применению разработанных моделей и технологий. Необходимо отметить, что в связи с высокой динамичностью экономической ситуации в АПК, для поддержания созданной модели в адекватном состоянии, необходимо выполнение определенных работ на постоянной основе. Для этой цели рекомендуется на уровне Департамента сельского хозяйства администрации Краснодарского края организовать группу специалистов, которая по разработанной методике применения СК-анализа будет выполнять сбор актуальной информации, ввод ее в систему, синтез и исследование моделей, выработку научно-обоснованных рекомендаций для администрации и хозяйственников.
В заключении собраны основные результаты выполненной работы изложены рекомендации по приведению стихийно сложившейся структуры затрат в АПК к рациональному виду. На основе полученных с помощью системы "Эйдос" когнитивных функций, предложены рекомендации по корректировке структуре затрат на оплату труда, топливо и энергию, сырья и материалов и др. В связи с возможным вступлением России во Всемирную торговую организацию (ВТО), сформулированы рекомендации, цель которых - обратить внимание руководителей хозяйств и регионального АПК на то, что стихийно сложившаяся структуры затрат в организациях АПК не вполне рациональна и оправдана разработка системы конкретных мер и механизмов по нормализации этой структуры. В частности, так как в АПК Краснодарского края наблюдается значительное превышение доли затрат на горюче-смазочные материалы в затрат по сравнению с рациональной, то, в соответствии с традиционной международной практикой, рекомендуется ввести целевые государственные дотации на топливо и энергию для сельхозпроизводителей.
ОСНОВНЫЕ РЕЗУЛЬТАТЫ, ВЫВОДЫ И РЕКОМЕНДАЦИИ
Результатом выполненной работы является решение поставленных задач:
1. Дано обоснование математической модели системно-когнитивного анализа на основе теоремы умножения вероятностей в результате чего получены модифицированные выражения для количественной меры знаний и интегрального когнитивного критерия.
2. Предложена классификация семантических информационных моделей предметной области, включающая модель детерминации экономической ситуации структурой затрат продукции АПК, а также модели детерминации объемов производства продукции АПК экономической ситуацией и структурой затрат. Для каждой из трех моделей определены целевые и нежелательные состояния объекта управления и детерминирующие эти состояния факторы. Осуществлена формальная постановка задачи синтеза системы моделей, в рамках которой разработаны классификационные и описательные шкалы и градации, а также обучающие выборки.
3. Выявлены зависимости между значениями факторов и состояниями объекта управления, осуществлены синтез и проверка адекватности системы семантических информационных моделей. Созданные модели показали высокую степень адекватности, что позволяет считать их исследование изучением самой предметной области. Проведено исследование семантических информационных моделей на эргодичность, сходимость и устойчивость, что позволило выделить четыре периода экономического развития АПК края. До 1995 года - формирование закономерностей в переходный период. 1995-1998 годы - стабилизация экономики на фоне смешения качественно различных закономерностей плановой и рыночной экономики. Период с 1998 до 2000 года - развитие рыночных и вытеснение старых закономерностей, планомерное повышение качества экономики. Начиная с 2001 года, достигается стабилизация модели на уровне погрешности 3-5%, что дает основание предполагать, что в этот период в Краснодарском крае
в основном завершилось формирование рыночной экономической инфраструктуры АПК.
4. Решены задачи прогнозирования объемов производства различных видов продукции АПК по заданной структуре затрат и поддержки принятия решений по рациональному выбору структуры затрат, определяющие заданные целевые состояния объекта управления, т.е. объемы производства продукции АПК.
5. Проведено исследование созданной семантической информационной модели АПК Краснодарского края, в ходе которого в результате кластерного анализа получены матрицы сходства состояний АПК по системе их детерминации, матрицы сходства факторов по их влиянию на поведение АПК, семантические сети классов и факторов, кластеры одновременно достижимых состояний АПК, конструкты альтернативных одновременно недостижимых состояний АПК, нелокальные нейроны и информационные портреты, отражающие систему детерминации состояний АПК, семантические портреты факторов, классические и интегральные когнитивные карты, диаграммы содержательного сравнения состояний АПК и влияния структуры затрат.
6. Разработана и применена методика оценки эффективности предлагаемых моделей и технологий, позволяющая предположить, что внедрение результатов и технологий, полученных в данном исследовании, вполне оправдано и целесообразно.
7. На основе созданных моделей получены научно-обоснованные выводы и рекомендации, представленные в традиционной форме таблиц, а также в форме графических интуитивно понятных диаграмм. В частности, исследование зависимости между долями затрат горюче-смазочных материалов (ГСМ) и объемами производства, показало выраженное негативное влияние завышенной доли затрат на ГСМ. В этой связи возрастает актуальность введения государственных целевых дотаций, покрывающих часть
затрат, например, на ГСМ и оплату труда. Необходимо отметить, что этот вывод сам по себе является известным, но новыми являются научнообоснованные технология и методика его получения на основе количественного системно-когнитивного анализа официальных данных Госстатистики. Необходимо также отметить, что предложенные технология и методика позволяют разрабатывать научно-обоснованные рекомендации по конкретным количественным значениям различных составляющих в структуре затрат продукции, а не просто по их увеличению или уменьшению, как ранее. Рационализация структуры затрат продукции повысит шансы отечественных производителей в условиях возможного вступления России во Всемирную торговую организацию, в которой широко применяется подобное субсидирование.
Основным результатом работы является разработка технологии и методики применения системно-когнитивного анализа для создания семантической информационной модели АПК Краснодарского края, обеспечивающей прогнозирование и поддержку принятия решений по определению рациональной структуры затрат, обусловливающей заданные целевые объемы производства продукции.
Литература
Статьи в изданиях, рекомендуемых ВАК
1. Шеляг М.М. Системно-когнитивный анализ влияния структуры себестоимости продукции на объемы ее производства в АПК// Технические науки: Сборник научных работ: "Труды Кубанского государственного аграрного университета". - Выпуск № 420 (448). - Краснодар: КубГАУ, 2005. С. 118-123., 0,38 п.л.
2. Шеляг М.М., Луценко Е.В. Системно-когнитивный анализ влияния структуры себестоимости на объемы производства продукции АПК. // Экономика: Научный журнал: "Труды Кубанского государственного аграрного университета". - Выпуск № 3 (12), 2008. - Краснодар: КубГАУ, 2008. С. 33-37, 0,31 п.л.
Свидетельства РосПатента РФ
3. Пат. № 2007614570. РФ. Подсистема синтеза семантической информационной модели и измерения ее внутренней интегральной и дифференциальной валидности (Подсистема "Эйдос-м25"). /Е.В. Луценко, М.М. Шеляг (Россия); Заяв. № 2007613644. Опубл. 30.10.07 г. - 40с., 2,50 п.л./2,00 п.л.
4. Пат. № 2007614715. РФ. Программный интерфейс между базами данных официальной статистической отчетности по структуре себестоимости и объемам производства продукции в АПК и базовой системой "Эйдос" (Интерфейс "Статотчетность - Эй-
дос"). /М.М. Шеляг (Россия); Заяв. № 2007613808. Опубл. 14.11.07 г. - 44с., 2,75 п.л./2,50 п.л.
Научные статьи и материалы научных конференций
5. Шеляг М.М. Структура затрат как фактор управления объемами производства про-
дукции в АПК (по материалам Краснодарского края) / М.М. Шеляг // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №05(49). -Шифр Информрегистра: 0420900012\0052. - Режим доступа:
http://ej.kubagro.ru/2009/05/pdf/02.pdf, 1,63 п.л. /1,40 п.л.
6. Шеляг М.М. Математическая модель и инструментарий управления объемами производства продукции в АПК на основе структуры затрат (по материалам Краснодарского Края) / М.М. Шеляг, Е.В. Луценко // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №10(54). - Режим доступа: http://ej.kubagro.ru/2009/10/pdf/06.pdf, 1,81 п.л./1,70 п.л.
7. Шеляг М. М. Изучение влияния структуры себестоимости на объемы производства в АПК с применением технологий искусственного интеллекта// Информационные технологии: Сборник научных работ: "Научное обеспечение агропромышленного комплекса". Материалы VII регион. науч.-практ. конф. молод. ученых. - Краснодар: КубГАУ, 2005. С. 379-380, 0,13 п.л.
8. Шеляг М. М. Анализ влияния структуры себестоимости продукции на объемы ее производства в АПК. Метод анализа данных. Система моделей данных // Математические методы и информационно -технические средства: Труды II Всероссийской научно-практической конференции, 23 июня 2006г. - Краснодар: Краснодарский университет МВД России, 2006. - 124 с.119-121, 0,25 п.л.
9. Шеляг М.М. Анализ периодов эргодичности экономического развития АПК Краснодарского края.// Прогнозирование процессов в АПК: Экономическое прогнозирование: модели и методы: материалы III Международной научно-практической конференции: в 2 ч. - Воронеж: ВГУ, 2007. - Ч. I. - С. 299-306, 0,5 п.л.
10. Шеляг М.М. Функции влияния элементов структуры себестоимости на показатели объемов производства продукции АПК Краснодарского края. // Математические методы и информационно -технические средства: Труды III Всероссийской научнопрактической конференции, 22 июня 2007 г.- Краснодар: Краснодарский университет МВД России, 2007. - С. 130-134, 0,31 п.л.
11. Шеляг М. М. Прогнозирование объемов производства по заданной структуре себестоимости продукции в АПК.// Научное обеспечение агропромышленного комплекса: материалы 1-ой всероссийской научно-практической конференции молодых ученых. - Краснодар: КубГАУ, 2007. - С. 466-467, 0,13 п.л.
12. Шеляг М. М. Построение семантической информационной модели влияния структуры себестоимости продукции на объемы ее производства в АПК Краснодарского края. // Управление созданием и развитием систем, сетей и устройств телекоммуникаций: Труды международной научно-практ. конф. - Санкт-Петербург 2008. - С. 430-440, 0,69 п.л.
13. Шеляг М. М. Применение систем искусственного интеллекта для исследования влияния структуры себестоимости на объемы производства в АПК / М. М. Шеляг // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2005. -№02(10). - Режим доступа: http://ej.kubagro.ru/2005/02/pdf/15.pdf. 0,5 п.л.
14. Шеляг М. М. Проблема влияния структуры себестоимости на объемы производства продукции, (постановка, актуальность, идея решения) / М.М. Шеляг // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2005. - №06(14). -Режим доступа: http://ej.kubagro.ru/2005/06/pdf/16.pdf, 0,31 п.л.
15. Шеляг М. М. Классификация моделей и задач при исследовании влияния структуры себестоимости продукции на объемы ее производства в АПК методом СК-анализа / М.М. Шеляг // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2007. - №01(25). - Шифр Информрегистра: 0420700012\0007. - Режим доступа: http://ei.kubagro.ru/2007/01/pdf/1б.pdf■ 1,19 п.л.
16. Шеляг М.М. Определение периодов эргодичности и бифуркации макроэкономической ситуации в АПК Краснодарского края в период с 1991 по 2005 годы / М.М. Шеляг // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: Куб-ГАУ, 2007. - №02(2б). - Шифр Информрегистра: 0420700012\0027. - Режим доступа: http://ei.kubagro.ru/2007/02/pdf/10.pdf, 1,0б п.л.
17. Шеляг М. М. Функции влияния элементов структуры себестоимости на показатели
объемов производства продукции АПК Краснодарского края / М. М. Шеляг // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2007. -№0б(30). - Шифр Информрегистра: 0420700012\0113. - Режим доступа:
http://ei.kubagro.ru/2007/0б/pdf/02.pdf■ 0,94 п.л.
18. Шеляг М. М. Семантическая информационная модель влияния структуры себестоимости продукции на объемы ее производства. Постановка проблемы, краткое содержание работы. Часть 1. / М.М. Шеляг // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2007. - №08(32). - Шифр Информрегистра: 0420700012\0145. - Режим доступа: http://ei.kubagro.ru/2007/08/pdf/07.pdf. 0,88 п.л.
19. Шеляг М. М. Семантическая информационная модель влияния структуры себестоимости продукции на объемы ее производства. Постановка проблемы, краткое содержание работы. Часть 2 / М.М. Шеляг // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2007. - №09(33). - Шифр Информрегистра: 0420700012\015б. - Режим доступа: http://ei.kubagro.щ/2007/09/pdf/16.pdf 1,0б п.л.
20. Шеляг М. М. Синтез, оптимизация и верификация семантических информационных моделей АПК Краснодарского края / М. М. Шеляг // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2007. - №10(34). - Шифр Информрегистра: 0420700012\017б. - Режим доступа: http://ei.kubagro.ru/2007/10/pdf/18.pdf. 1,19 п.л.
21. Шеляг М. М. Обоснование количественной меры знаний, когнитивного интегрального критерия и второй семантической информационной модели СК-анализа на основе теории вероятностей / М.М. Шеляг // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №09(43). - Шифр Информрегистра: 0420800012\0129. - Режим доступа: http://ei.kubagro.ru/2008/09/pdf/02.pdf. 1,13 п.л.
