Нейросетевой подход к моделированию в информационной системе предприятия Текст научной статьи по специальности «Экономика и бизнес»

УДК 519.688

НЕЙРОСЕТЕВОЙ ПОДХОД К МОДЕЛИРОВАНИЮ В ИНФОРМАЦИОННОЙ СИСТЕМЕ ПРЕДПРИЯТИЯ

А.В. Речнов

Рассмотрен нейросетевой подход к моделированию в информационной системе предприятия, позволяющий повысить эффективность моделирования в торгово-экономической системе предприятия.

Ключевые слова, моделирование; информационная система; нейронная сеть.

A.V. Rechnov. NEURAL NETWORK APPROACH TO MODELING IN INFORMATION SYSTEM OF AN ENTERPRISE

Neural network modeling approach in the enterprise information system, allowing to increase the effectiveness of simulation in the trade and economic system of the enterprise is considered.

Keywords: modeling; information system; neural network.

Успешное развитие современного бизнеса во многом зависит от эффективности применения современных информационных технологий (ИТ), позволяющих автоматизировать управленческую деятельность специалистов в области экономики и управления. К наиболее перспективным областям такой деятельности относятся применение методов искусственного интеллекта для управления маркетингом и сбытом, производственное и корпоративное планирование и прогнозирование, управление производством, финансовый менеджмент, риск-менеджмент, фондовый рынок.

Сложность анализа динамики торгово-экономических информационных систем предприятий с целью выработки оптимальной политики, направленной на стабильное развитие предприятия в условиях современного рынка, обусловливает необходимость исследования вопросов моделирования бизнес-процессов, в основе которых лежат возможности более эффективного управления важнейшими экономическими ресурсами предприятия.

Одной из наиболее характерных особенностей современных методов экономического мо-

делирования является их способность обрабатывать приблизительные данные, при этом, как правило, достигается достаточная точность.

Из всего многообразия методов интеллектуального анализа данных, применяемых для решения задач, связанных с моделированием информационных систем, рассмотрим наиболее перспективный - нейросетевой.

Нейронные сети - это системы, моделирующие работу нервной ткани, состоящей из отдельных решающих элементов - нейронов, связанных между собой и образующих иерархическую сеть.

Искусственная нейронная сеть (ИНС) состоит из отдельных нейроэлементов (НЭ), связанных между собой информационными каналами. Внутри ИНС нейроэлементы подразделяются на три типа: входные (получают данные от различных внешних источников); промежуточные (принимают данные от одних НЭ, формируют собственные данные и передают их другим НЭ); выходные (создают выходные данные).

В нейросетевом моделировании с помощью нейронов описываются процессы, имеющие несколько входов и один выход (рис. 1).

Входные Синаптические Блок Блок Выходной

сигналы веса суммирования нелинейного сигнал

преобразования

Рис. 1. Функциональнаясхеманейрона

Экономические науки

39

Вектор входных сигналов х. (/=1,..., п) преобразуется нейроном в выходной сигнал с использованием блока суммирования и блока нелинейного преобразования.

Работа блока суммирования описывается соотношением

(1)

где х. - компонент входного сигнала; п - число входов нейрона; 5 - результат суммирования; w. - вес /-го входного признака. Работа блока нелинейного преобразования описывается соотношением

У = / (*), (2)

где / - нелинейное преобразование (функция активации);

у - выходной сигнал нейрона. Каждый нейрон может усиливать или ослаблять сигнал, поступающий на его вход. На нейроны нижнего уровня подаются сигналы, представляющие значения параметров, с использованием которых принимаются решения. В соответствии с определенным алгоритмом эти сигналы усиливаются или ослабляются при передаче на следующий слой. Нейроны последнего, «верхнего», уровня формируют результат моделирования.

Для практического применения нейронную сеть необходимо «обучить» с помощью специальной обучающей выборки, для которой известно правильное решение при известных исходных данных, которое состоит в подборе коэффициентов усиления таким образом, чтобы обеспечить необходимую точность нейронной сети.

Внутренние факторы

Оплата труда

Упраьп =нчгски= затраты

Расходы на производство

Расходы на научную работу

Ц=иы на продукцию

Инвестиции

Прочие затраты

Р^ЕПЛ.

Ввешвве факторы

Пл атгж ^способность насгпанш

Цены на продукцию

У КОНКурЭНТОБ

Прочие факторы

Коммерческая организация

Ре алюов анная пр одукция

Доходы

Прибыль

Рис. 2. Модель экономической деятельности предприятия

Среди входных факторов данной модели выделяются контролируемые и неконтролируемые (любые внешние факторы). К контролируемым величинам относятся, например, расходы на организацию производства, отпускные цены на реализуемую продукцию, расходы на зарплату сотрудников предприятия, научно-исследовательские разработки, рекламу. Различные социально-экономические факторы оказывают динамическое воздействие на результаты деятельности любого предприятия продолжительное время (например, при значительном увеличении уровня цены потребительский спрос на продукцию предприятия может снижаться, но затем покупатели постепенно привыкают к новым ценам). Схема подобной модели приведена на рис. 3.

Неуправляемые Коммерческая

факторы 1 / организация

у

Управляемые Нейросетевая

факторы модель

Целевая функция

Оценка целевой функции

Рис. 3. Схема модели нейросетевого управления экономической деятельностью предприятия

В рассмотренной модели целевая функция определяется администрацией предприятия. Если предприятие стремится расширить рынок сбыта, то рассматривается целевая функция:

2Р =±У/, (3)

/=1

если основной целью предприятия является увеличение дохода от реализации продукции, то

Z р=1 р.У .

(4)

если же основная цель предприятия состоит в максимизации прибыли до налогообложения, то

п п

2 р = 1 р У . -I х. (5)

1=1 1=1

Здесь pi определяет отпускные цены продукции предприятия. Целевая функция, характеризующая прибыль предприятия, должна учитывать существующую систему налогообложения и его особенности, однако такая функция не будет значительно отличаться от функции (5), поскольку будет содержать линейную комбинацию некоторых величии.

Обозначим через хс []е R с вектор управляемых факторов в момент времени ¿, где пс - общее количество управляемых факторов, через

5 =

ЧХ1

Хт [/]е Я"т - вектор неуправляемых факторов в момент времени t, где пт - общее количество неуправляемых факторов, а через

it ]=

х.

"m

раметров.

[t ] [t ]

е Rnc + nm

совокупность всех па-

Рис. 4. Структура нейронной сети

Пусть у[] е Я у - вектор выходных переменных, соответствующих объемам реализованной предприятием продукции в момент времени t, где "у - их количество. Этот вектор описывает удовлетворенный спрос поку-

пателей продукции предприятия. Поскольку остальные выходные значения (доход и прибыль) рассчитываются на основе значений y[t], то в нейросетевой модели они явно использоваться не будут.

На рис. 4 окружностями обозначены совокупности нейронов. Обозначения Z 1, Z d определяют задержку сигналов на заданное количество тактов.

В настоящей экономической модели необходимо определить:

1) величину максимальной задержки сигналов d исходя из количества входов нейронной сети;

2) необходимое значение числа скрытых слоев нейронной сети;

3) количество необходимых нейронов в каждом из скрытых слоев нейронной сети;

4) численные показатели весовых коэффициентов нейронной сети.

По мнению многих исследователей, подобные интеллектуальные нейросетевые системы занимают уникальное место среди методов обработки данных, превосходя математические подходы по универсальности и малой чувствительности к форме данных (объем данных, формат и т.п.), что позволяет повысить эффективность моделирования в торгово-экономической системе предприятия.

Список литературы

1. Речнов А.В. Нейросетевое моделирование в информационной системе торгового предприятия // Вестник Российского университета. 2014. № 2(16). С. 129-133.

2. Сараев П.В. Нейросетевое управление в экономической деятельности коммерческих организаций // Управление большими системами: сб. тр. 2006. № 14. С. 147-158.

РЕЧНОВ Алексей Владимирович - магистрант. Чебоксарский кооперативный институт (филиал) Российского университета кооперации. Россия. Чебоксары. E-mail: a.v.rechnov@ rucoop.ru

RECHNOV, Aleksey Vladimirovich - Undergraduate. Cheboksary Cooperative Institute (branch) of the Russian University of Cooperation. Russia. Cheboksary. E-mail: [email protected]