CC BY
13
УДК 330.46
Кристалинский В.Р., Берестнева А.А.
Смоленский государственный университет, г. Смоленск, Россия
О ПРОГНОЗИРОВАНИИ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ВЫПУСКА ПРОДУКЦИИ В РАМКАХ CALS-ТЕХНОЛОГИИ
АННОТАЦИЯ
В статье описывается система нечеткого вывода, предназначенная для прогнозирования экономической эффективности выпуска продукции в рамках CALS-технологии.
КЛЮЧЕВЫЕ СЛОВА
Система нечеткого вывода; эффективность; модернизация.
Kristalinskii V. R., Berestneva A.A.
Smolensk State University, Smolensk, Russia
ABOUT THE FORECASTING OF ECONOMICAL EFFECTIVENESS OF THE PRODUCTION
USING CALS-TECHNOLOGY
ABSTRACT
The article is devoted to the fuzzy system for the forecasting of economical effectiveness of the modernized production using CALS-technology.
KEYWORDS
Fuzzy system, effectiveness, modernization.
CALS - концепция, объединяющая принципы и технологии информационнои поддержки жизненного цикла продукции на всех его стадиях, основанная на использовании интегрированнои информационнои среды (единого информационного пространства), обеспечивающая единообразные способы управления процессами и взаимодеиствия всех участников этого цикла: заказчиков продукции (включая государственные учреждения и ведомства), поставщиков (производителеи) продукции, эксплуатационного и ремонтного персонала, реализованная в соответствии с требованиями системы международных стандартов, регламентирующих правила указанного взаимодеиствия преимущественно посредством электронного обмена данными.
Предложим русскоязычную формулировку понятия CALS, более понятную россииским специалистам. Такая формулировка может выглядеть следующим образом: Информационная Поддержка процессов жизненного цикла Изделии (ИПИ)*. Представляется, что ИПИ - адекватныи русскоязычныи аналог понятия CALS, в связи с чем в дальнеишем будем использовать ИПИ вместо CALS.
Согласно этои схеме основу, ядро ИПИ составляет ИИС (Интегрированная Информационная
среда).
ИИС - совокупность распределенных баз данных, содержащих сведения об изделиях, производственнои среде, ресурсах и процессах предприятия, обеспечивающая корректность, актуальность, сохранность и доступность данных тем субъектам производственно-хозяиственнои деятельности, участвующим в осуществлении жизненного цикла (ЖЦ) изделия, кому это необходимо и разрешено. Все сведения (данные) в ИИС хранятся в виде информационных объектов. В ИИС деиствует единая система правил представления, хранения и обмена информациеи. В ИИС протекают информационные процессы, сопровождающие и поддерживающие ЖЦ изделия на всех его этапах. Здесь реализуется главныи принцип ИПИ: информация, однажды возникшая на каком-либо этапе ЖЦ, сохраняется в ИИС и становится доступной всем участникам этого и других этапов (в соответствии с имеющимися у них правами пользования этой информацией) [5].
Рис.1 Схема поддержки жизненного цикла продукции
Рис. 2. Место предлагаемой системы оценки эффективности модернизации в общей концепции CALS-
технологии
В качестве одного из компонентов, хранимых в базе данных, создаваемой в соответствии с Cals-технологиеи, очевидно, можно включить модель оценки экономическои эффективности различных решении, связанных с модернизациеи, производством и продажеи выпускаемого изделия. В связи с тем, что оценки воздеиствии на экономические характеристики выпускаемои продукции носят нечеткии характер, для прогнозирования экономическои эффективности можно использовать систему нечеткого вывода. Для построения системы будем использовать пакет MatLab. Эту модель мы включим в компонент базы данных об изделии, в котором хранятся материалы, связанные с управлением проектом и построении концепции модернизированного изделия. Построенная в MatLab система нечеткого вывода будет являться неотъемлемои частью общеи базы данных.
Один из вариантов применения нечеткого моделирования для случая проектирования нового образца вооружения описан в работе одного из авторов [3]. В случае гражданскои техники проведение экономического анализа стоимости модернизации имеет существенно большее значение, поскольку здесь требования к экономическои эффективности более жесткие -производство должно быть окупаемым. Рассмотрим предлагаемую модель прогнозирования модернизации.
Входными данными для нечеткои модели будет являться данные о степени изменения тех или иных структурных элементов, необходимои для достижения предъявляемых к модернизируемому оборудованию требовании, выходными - сведения об изменении стоимости производства модернизированного образца. Затем на основе данных об изменении стоимости производства и рыночнои стоимости продукции можно построить модель, прогнозирующую экономическую эффективность производства и продажи модернизированного оборудования.
Данные о влиянии степени модернизации структурных элементов на стоимость продукции можно получить экспертным путем или с использованием алгоритмов прогнозирования Azure Machine Learning.
Затем на основе полученных данных, строится база правил системы нечеткого вывода.
Таблица 1. Пример структуры базы продукционных правил нечеткой модели оценки степени влияния определенных структурных элементов при реализации _конкретных требований на стоимость оборудования
Номер правила Входные переменные Степень влияния структурных элементов на стоимость Gi
Элемент 1 Элемент 2 Элемент 3 Элемент 4 Элемент 5
П1 В В В В В В
Ш-i С Н Н С Н Н
nN Н Н Н Н Н
Таким образом, типичное правило вывода имеет вид: если степень модернизации элемента 1 высокая, элемента 2 высокая, элемента 3 средняя, элемента 4 низкая, элемента 5 низкая, то степень влияния модернизации на стоимость будет среднеи.
Очевидно, что объем системы правил зависит от количества структурных элементов в оборудовании и от реализуемости предъявляемых требовании за счет тои или инои комбинации модернизации структурных элементов (если нужные требования не достигаются, то нет смысла рассматривать этот вариант).
Заимемся теперь оценкои влияния рыночных факторов на эффективность производства модернизированнои продукции.
Построим модель, входными данными в которои будут экономические характеристики выпускаемои продукции, в том числе и стоимость модернизации продукции, выходными - цена и суммарные затраты на выпуск продукции.
Применительно к решаемои задаче требуется ввести в базу правил восемь лингвистических переменных: h - относительная себестоимость собственнои продукции и продукции конкурента, Ер1^) - эластичность спроса по цене; Ер2^) - перекрестная эластичность по цене (отражает степень продуктовои дифференциации); К - конкурентоспособность продукции; D - динамика спроса; М - рост стоимости производства за счет модернизации, Р - цена; С - суммарные затраты. Для задания нечетких правил в алгоритме Мамдани создана структура нечеткои модели с входными переменными h, Ер1^), Ер2^), М, К, D, и выходными переменными Р и С, представленная
на рис. 2. [6]. Полученная на первом этапе моделирования переменная М позволяет учесть при формировании решения вклад в стоимость продукции ее модернизации и тем самым обосновать ее экономическую эффективность._
ог формирование цены
t View
Рис. 3. Структура модели
Для входных переменных h, Ер1^), Ер2^), К и D вводятся по пять термов: sb - «сильно ниже»; wb - «слабо ниже»; ао - «та же самая»; wm - «слабо больше»; sm - «сильно больше». Для входнои переменнои М - три терма: высокая, средняя, низкая. Для выходных переменных Р и С -семь значении. Лингвистические переменные и диапазон их возможных значении показаны в табл. 2.
Таблица 2. Описание лингвистических переменных
Обознач ение Значение переменной Диапазон значений Характеристика решения
Цена Затраты
gr «сильно уменьшить» (0; 0,7; 0,8) Снизить цену Снизить затраты на качество продукции
mr «средне уменьшить» (0,7; 0,8;0,9)
wd «слабо уменьшить» (0,8; 0,9; 1) Снизить затраты на рекламную кампанию
nch «не изменять» (0,9; 1; 1,1) Оставить прежнюю цену на продукцию Не изменять затраты
wi «слабо увеличить» (1; 1,1; 1,2) Увеличить цену Увеличить затраты на рекламную кампанию
mi «средне увеличить» (1,1; 1,2;1,3) Увеличить затраты на улучшение качества продукции
si «сильно увеличить» (1,2; 1,3;1,4)
Функции принадлежности для лингвистических переменных представлены на рис.3,4,5.
FIS Variables Membership function plots 181]
ÎYY1
Epi(Q)
XX
MQ)
input variable "h"
Рис. 4. Функции принадлежности для входных переменных h, Ep1(Q), Ep2(Q), К, D
FIS Variables
SX
Hembership functicn plats plot points:
input 'j aria tie "M
Curre nt Variable Name
Type input
Range
Display Rangs
[01(1]
[010]
Current Membership Function (click en MF to select} Name Type Pararms
trimi
Help
Cío se
Renaming MF S to "high
Рис. 5. Функции принадлежности для входной переменной М
Рис. 6. Функции принадлежности для выходных переменных Р и С
Аккумулирование заключения по всем правилам проведено с применением операции тах-дизъюнкции. При дефаззификации использован метод центра тяжести. Реализуя систему нечеткого вывода на этапе дефаззификации, получим значение корректировки цены и затрат на готовую продукцию промышленного предприятия при сложившихся условиях на рынке и состоянии на предприятии. В ситуации, в которои конкурент является лидером по издержкам, потребитель чувствителен к изменению цены, качество продукта лучше, чем у конкурента, а продукт дифференцированныи и спрос на него растет, наилучшим решением с точки зрения максимума прибыли предприятия является рост цены на 7% и снижение совокупных издержек на 5%. В ситуации, в которои конкурентоспособность продукции конкурента выше, потребитель чувствителен к изменению цены, продукт незаменяемьш (продуктовая с дифференциация отсутствует), а спрос остается неизменным, то при одинаковых себестоимостях продукции моделируется решение - снизить цену на 10% (значение переменнои Р=0,9), а затраты оставить на прежнем уровне (значение переменнои С=1).
Такое решение обеспечивает максимальную прибыль предприятия. Если в этои же ситуации себестоимости продукции рассматриваемого предприятия меньше себестоимости конкурента, то моделируется решение - цену оставить прежнюю (С=1), а затраты на качество продукции увеличить на 20% (С=1,2). Это обеспечит улучшение в среднесрочнои перспективе качества продукции и рост объемов реализации. На рис. 5 представлена экранная форма результатов имитационных экспериментов [4].
h = 1.2 Ер HQ) = 1.2 Ep2(Q>=0.9 К = 0.7 D = 1 p=1 С = 0.9
Полученную модель помещаем в базу данных, хранящую информацию об изделии. При возникновении вопроса о целесообразности тех или иных действий на рынке мы можем вновь и вновь обращаться к построеннои модели и оценивать экономическую эффективность этих деиствии, при этом исходные данные можно взять в тои же базе.
Таким образом, мы предлагаем разбить процесс моделирования при решении вопроса о выходе на рынок с модернизированнои продукциеи в два этапа. На первом этапе проводится анализ структуры изделия, объемов модернизации его составляющих и получается оценка вклада модернизации в стоимость изделия. Полученные данные о модернизации используются на втором этапе анализа, в ходе которого анализируется влияние рыночных факторов на окончательную стоимость изделия и принимается окончательное решение о целесообразности перехода на выпуск модернизированнои продукции.
Сегодня предприятия все чаще сталкиваются с проблемои разработки эффективнои ценовои политики, позволяющеи быстро адаптироваться к динамичным условиям отраслевого рынка, характеризующегося значительнои продуктовои дифференциациеи, а, следовательно, ценовои и неценовои конкуренцией Результаты экспериментов показали, что применение даннои технологии на промышленном предприятии позволяет осуществить адаптацию цен на реализуемую продукцию, обеспечивая максимум критерия эффективности функционирования предприятия (прибыли), а также сохранить, а в ряде случаев и расширить, долю рынка данного предприятия. [6].
Литература
1. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений: пер. с англ. М.: Мир, 1976. 165 с.
2. Клейнер Г.Б. К методологии моделирования принятия решений экономическими агентами // Экономика и математические методы. 2003. Т. 39, № 2. С. 167-182.
3. Кристалинский В. Р., Александрова В. И. Методика прогнозирования стоимости перспективного образца вооружения и военной техники на основе методов нечеткой логики. Материалы международной конференции «Системы компьютерной математики и их приложения». Смоленск, СмолГу.- 2012, С. 64-67.
4. Морякова А.В., Кривенцева М.А. Управление ценообразованием на предприятии: экономическое содержание, задачи, методы // Экономика и управление: новые вызовы и перспективы. 2013. № 4. С. 194-196.
5. Судов Е.В., Левин А.И.. Концепция развития CALS-технологий в промышленности России / НИЦ CALS-технологий «Прикладная логистика», М., 2002.
6. Филатов А.Ю., Айзенберг Н.И. Математические модели несовершенной конкуренции. Иркутск: Изд-во ИГУ, 2012. 117 с.
References
1. Zade L.A. Ponjatie lingvisticheskoj peremennoj i ego primenenie k prinjatiju priblizhennyh reshenij: per. s angl. M.: Mir, 1976. 165 s.
2. Klejner G.B. K metodologii modelirovanija prinjatija reshenij jekonomicheskimi agentami // Jekonomika i matematicheskie metody. 2003. T. 39, № 2. S. 167-182.
3. Kristalinskij V. R., Aleksandrova V. I. Metodika prognozirovanija stoimosti perspektivnogo obrazca vooruzhenija i voennoj tehniki na osnove metodov nechetkoj logiki. Materialy mezhdunarodnoj konferencii «Sistemy komp'juternoj matematiki i ih prilozhenija». Smolensk, SmolGu.- 2012, S. 64-67.
4. Morjakova A.V., Krivenceva M.A. Upravlenie cenoobrazovaniem na predprijatii: jekonomicheskoe soderzhanie, zadachi, metody // Jekonomika i upravlenie: novye vyzovy i perspektivy. 2013. № 4. S. 194-196.
5. Sudov E.V., Levin A.I.. Koncepcija razvitija CALS-tehnologij v promyshlennosti Rossii / NIC CALS-tehnologij «Prikladnaja logistika», M., 2002.
6. Filatov A.Ju., Ajzenberg N.I. Matematicheskie modeli nesovershennoj konkurencii. Irkutsk: Izd-vo IGU, 2012. 117 s.
Поступила 14.10.2016
Об авторах:
Кристалинский Владимир Романович, кандидат физико-математических наук, доцент кафедры информатики Смоленского Государственного университета, kristvr@rambler.ru;
Берестнева Анастасия Александровна, магистрант Смоленского Государственного университета, Nastyaskorpion@mail.ru.
