CC BY
5
2. Тихонов А.И., Лазников Н.М., Зуева Т.И. Применение показателя стоимости жизненного цикла инновационного изделия на авиапромышленном предприятии // Электронный журнал «Труды МАИ». URL:http://www.trudymai.ru/upload/iblock/ec5/ec57f022968dbf7727bb59026dda13 44.pdf.
3. Хлынин Э.В., Хорошилова Е.И. Современные подходы к оценке эффективности инвестиционных вложений в основной капитал//Фундаментальные исследования. 2011. № 8-1. С. 239-243.
4. Бром А.Е., Белова О.В., Сиссиньо А. Базовая модель стоимости жизненного цикла энергетического оборудования // Гуманитарный вестник МГТУ им. Н.Э. Баумана. 2013. №10.
5. Методические материалы по применению оценки стоимости жизненного цикла закупаемой продукции. URL: http://synapse-msc. ru/docs/Ocenka-ZHC .pdf.
6. Хлынин Э.В., Ростовцев С.А. Контракт жизненного цикла как форма государственно-частного партнерства// Вестник Тульского филиала Финуниверситета. 2017. № 1. С. 198-200.
Ростовцев Сергей Александрович, аспирант, s rostovcev@mail.ru, Россия, Тула, Федеральное государственное бюджетное образовательное учреждение высшего образования «Тульский государственный университет»
CRITERIA FOR EVALUATING THE VALUE OF THE LIFE CYCLE
S.A. Rostovtsev
Assessment of the cost of the product life cycle is an acute issue of modern management, because the economic efficiency and expediency of acquiring or developing a new product / product depends on the accuracy of its calculations. The article describes the main criteria for assessing the cost of the product life cycle. The main tasks are listed, the solution of which is the life cycle cost estimation. Analyzed the main costs, costs and components that are included in the formula for calculating the cost of the product life cycle, in parallel acting and evaluation criteria.
Key words: life cycle cost, life cycle, criteria for evaluation, discount rate, life cycle calculation formula, product development.
Rostovtsev Sergey Aleksandrovich, postgraduate student, s_rostovcev@mail.ru, Russia, Tula, Tula State University
УДК 330.45
ПРИМЕНЕНИЕТЕОРИИ НЕЧЕТКОГО ВЫВОДА ПРИ ОЦЕНКЕ
ТОЛЕРАНТНОСТИ РИСКА
Ха Тхи Минь Хуэ, Нгуен Тхи Кьи
Рассмотрена общая схема систем нечеткого вывода логики Мамдани при оценке толерантности риска клиента в пакете MatLab.
Ключевые слова: нечеткие логики, нечеткие выводы, алгоритм Мамдани, Fuzzy Logic Toolbox, годовой доход, общая чистая стоимость, риск толераности.
Нечеткий вывод занимает центральное место в нечеткой логике и системах нечеткого управления. Процесс нечеткого вывода представляет собой некоторую процедуру или алгоритм получения нечетких заключений на основе нечетких условий или предпосылок. Сегодня системы нечеткого вывода были успешно применены в областях анализа, моделирования и прогнозирования экономических явлений и процессов. Алгоритм Мамдани является одним из первых, который нашел применение в системах нечеткого вывода. Расмотрим основные этапы нечеткого вывода (рис.1).
Рис. 1. Диаграмма процесса нечеткого вывода
• Формирование базы правил системы нечеткого вывода. Этот процесс представляет собой формальное представление эмпирических знаний эксперта в той или иной проблемной области. Наиболее часто база правил может иметь следующий вид: Правило 1: если
П
где
равило 2: если
есть
есть
есть
_|есть
», ТО U есть
», ТО
есть
- имена входных переменных; _] - имя переменной вывода;
- некоторые заданные функции принадлежности.
• Фаззификация входных переменных:
На данном этапе устанавливается соответствие между численным значением входной переменной системы нечеткого вывода и значением функции принадлежности соответствующей ей лингвистической переменной
• Агрегирование подусловий в нечетких правилах продукций.
Целью данного этапа является определение степени истинности условий по каждому из правил системы вывода.
• Активизация подзаключений в нечетких правилах продукций. Целью данного этапа является нахождение степени истинности каждого
из подзаключений правил нечетких продукций.
• Аккумуляция заключений нечетких правил продукций. Осуществляется по формуле для объединения нечетких множеств,
соответствующих термам подзаключений, относящихся к одним и тем же выходным лингвистическим переменным.
• Дефаззификация выходных переменных.
Полученные результаты всех выходных переменных на предыдущих этапах нечеткого вывода преобразуются в обычные количественные значения каждой из выходных переменных
Расмотрим схему этапов нечеткого вывода c двумя входами и одним выходом и тремя правилами (рис.2).
Рис. 2. Этапы нечеткого вывода
Рассмотрим применение нечеткого вывода для оценки уровня толерантности риска клиентов, реализованного средствами MATLAB. Перед финансовыми учреждениями стоит сложная задача при оценке толераности рисков клиетов. Это важный компонент для разработки инвестиционной политики и понимания значения вожможных вариантов инвестирования с точки зрения бесзопасности и пригодности.
Представим простую модель c двумя входами и одним выходом. В качестве первой входной переменной используется оценка годового дохода клиента (annual income (AI)). В качестве первой входной переменной
используется величина общей чистой стоимости (total net worth (TNW)). В качестве выходной переменной используется оценка уровеня толерантности к риску (risk tolerance (RT)).
Для формирования базы правил систем нечеткого вывода необходимо предварительно определить входные и выходные лингвистические переменные. Предположим, что в качестве первой лингвистической переменной " Годовой доход" используем аналогичное множество A= {"низкий", "средний", "высокий"} или A= {L, M, H}.
Анологично в качестве второй входной переменной " Общая чистая стоимость " используем B= {"низкая", "средняя", "высокая") или B= {L, M, H}.
В качестве выходной лингвистической переменной " Риск терпимости " используем C= {"низкий", "умеренный", "высокий"} или C= {L, MO, H}.
Приэтом L(low), M(medium), H(high) иMO(moderate).
Пусть при построении нечеткой модели оценки уровень толерантности риска клиентов - все переменные измеряются в интервале от 0 до 100, самая низкая оценка значения является 0, а самой высокой — 100. При этом функций принадлежности всех термов имеем вид:
/uL (х ) =
Мы ( х) =
Ми (х) =
1, 0 < х < 20 50 - х
30 х - 20
30 80 - х
30
1,
20 < х < 50 20 < х < 50 50 < х < 80
х-50, 50 < х < 80 30
80 < х < 100
Следующим шагом является установка базы правил. В этом случае система нечеткого вывода будет содержать 9 правил нечетких продукций следующего вида:
1. Если годовой доход низкий и общая чистая стоимость низкая, то риск терпимости низкий.
2. Если годовой доход низкий и общая чистая стоимость средняя, то риск терпимости низкий.
3. Если годовой доход низкий и общая чистая стоимость высокая, то риск терпимости умеренный.
4. Если годовой доход средний и общая чистая стоимость низкая, то риск терпимости низкий.
<
<
<
5. Если годовой доход средний и общая чистая стоимость средняя, то риск терпимости умеренный.
6. Если годовой доход средний и общая чистая стоимость высокая, то риск терпимости высокий.
7. Если годовой доход высокий и общая чистая стоимость низкая, то риск терпимости умеренный.
8. Если годовой доход высокий и общая чистая стоимость средняя, то риск терпимости высокий.
9. Если годовой доход высокий и общая чистая стоимость высокая, то риск терпимости высокий.
Эти правила удобно представить в виде следующей таблицы:
Базы правил системы нечеткого вывода
Номер Годовой доход Общая чистая Риск
правила стоимость терпимости
1 L L L
2 L M L
3 L H MO
4 M L L
5 M M MO
6 M H H
7 H L MO
8 H M H
9 H H H
Рассмотрим данный процесс средствами MATLAB с использованием пакета Fuzzy LogicToolbox. В редакторе FIS определим 2 входных переменных с именами "AI", "TNW" и одну выходную переменную с именем "RT". Вид графического интерфейса редактора FIS изображен на рис. 3.
Для решения поставленной задачи используем систему нечеткого вывода типа Мамдани. Оставим без изменения параметры разрабатываемой нечеткой модели, предложенные системой MATLAB по умолчанию, а именно, логические операции (min для нечеткого логического И, max для нечеткого логического ИЛИ), метод импликации (min), метод агрегирования (max) и метод дефаззификации (centroid).
□ FIS Editor Untitled File Edit View
M
Untitled (mamdani)
TNW
FIS Name: Untitled FIS Type: mamdani
And method mjl Current Variable
Or method maJ[ Implication mjrl Aggregation max Defuzzlficatlon centroid Name Type Range
Help Close
Renaming output variable 1 to "RT"
Рис. 3. Вид графического интерфейса редактора FIS
Далее определим функции принадлежности термов для каждой из двух входных и единственной выходной переменных рассматриваемой системы нечеткого вывода, которые изображены на рис. 4.
ЕЗ Membership Function Leiter Untitled — П X
File Edit fieiv FIS Variables
CT/XXX
Al Fit
БЯ
TNW
4 Id 20 Î0 44 50 öS 7Ü SC »0 100 njïut variable w
Ojrert verüble Mane AI Type ¡при" Fia^ge ¡(J HJ0] Current Mimbersh^i F jncsot rb.1 «1 № to ssleet) Name H If uni ^
p«rsm5 [ [20 Б0 80j
Diss«* Fïsnge [0 100] Hfrlp CUM
Changing parameter tor MF 2tn [20 50 SC]
Рис. 4. Графический интерфейс редактора функции принадлежности для входных и выходной переменной
Вид графического интерфейса редактора правил после задания всех девяти правил нечеткого вывода изображен на рис. 5.
Рис. 5. Графический интерфейс редактора правил
Выполним анализ построенной системы нечеткого вывода для рассматриваемой задачи оценки толерантности риска клиентов. Откроем окно правил системы MATLAB и введем значения входных переменных для частного случая, когда значение входной переменной "AГ оценивается в 80 баллов, значение входной переменной "TNW" также оценивается в 70 баллов. Это достаточно высокие оценки входных переменных, которые даже на интуитивном уровне свидетельствуют в пользу соответствующего клиента. В результате получаем значение выходной переменной "RT", равное 79.8 балла (рис. 6). Это достаточно высокая оценка.
Затем выполним анализ построенной системы нечеткого вывода для второго варианта исходных данных с более низкими оценками значений входных переменных. С этой целью изменим значения входных переменных: значение входной переменной "AГ оценим в 10 баллов, значение входной переменной "TNW" оценим в 30 баллов. Тогда получим значение выходной переменной "RT", равное 20.2 балла (рис. 7). Это достаточно низкая оценка.
Рис. 6. Графический интерфейс результата процедуры нечеткого вывода для первого варианта
Рис. 7. Графический интерфейс результата процедуры нечеткого вывода для второго варианта
Для общего анализа разработанной нечеткой модели также может оказаться полезной визуализация соответствующей поверхности нечеткого вывода (рис. 8). Данная поверхность нечеткого вывода позволяет установить зависимость значений выходной переменной от значений отдельных входных переменных нечеткой модели. Анализ этих зависимостей может служить основанием для изменения функций принадлежности входных переменных или нечетких правил с целью повышения адекватности системы нечеткого вывода.
Рис. 8. Визуализация поверхности нечеткого вывода
Таким образом, для моделирования процессов экономики методы теории нечетких множеств позволяют удобно и эффективно описывать качественные характеристики, которые сложно или невозможно задать количественно.
Список литературы
1. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. С.-П.: БХВ-Петербург, 2005.736 с.
2. Богатин Ю.В.,В.А. Швандер Инвестиционный анализ: учеб. пособие для вузов М.: ЮНИТИ-ДАНА, 2000.
3. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использования. Рига: Зинатне. 1990. 184 С.
4. Бочарников В.П. Fuzzy-технология: Математические основы. Практика моделирования в экономике. С.-Пб.: Наука РАН, 2001. 328 с.
5. ZimmermanH.-J. FuzzySetTheoryanditsApplications. Dordrecht: KluwerAcademicPublishers. 1996. 315p.
6. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь. 1982. 432 с.
7. Орловский С. А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. 208 с.
Ха Тхи Минь Хуэ, Магистр прикладной математики,преподаватель, huehm@neu.edu.vn, Вьетнам, Ханой, Государственный экономический университет,
Нгуен Тхи Кьи, Магистр математики,преподаватель, quynguyen@neu.edM.vn, Вьетнам, Ханой, Государственный экономический университет
APPLICATION OF FUZZY INFERENCE FOR EVALUA TINGCLIENTS
RISK TOLERANCE
Ha Thi Minh Hue, Nguyen Thi Quy
This paper presents a approach based on fuzzy inference and Matlab for evaluating risk tolerance.
Key words: Fuzzy logic, fuzzy inference, Mamdani algorithm, Fuzzy Logic Toolbox, annual income, total net worth, tolerance risk.
Ha Thi Minh Hue, Master of Applied Mathematics, lecturer, huehm@neu.edu.vn, Viet Nam, Hanoi, National Economics University,
Nguyen Thi Quy, Master of Mathematics, lecturer, quynguyen@neu.edu.vn, Viet Nam, Hanoi, National Economics University
УДК 658.1 + 338.2
ПРИМЕНИЕ ИНСТРУМЕНТОВ УПРАВЛЕНЧЕСКОГО АНАЛИЗА ДЛЯ ПОВЫШЕНИЯ ПРИБЫЛЬНОСТИ ХОЗЯЙСТВУЮЩЕГО
СУБЪЕКТА
И.С.Шелобаева
В статье раскрывается сущность управленческого анализа и его видов, а также различные инструменты управленческого анализа, предназначенные для обоснования управленческих решений, направленных на повышение прибыльности хозяйствующего субъекта.
Ключевые слова: управленческий учет, управленческий анализ, управленческое решение.
Стремление организаций любых организационно-правовых форм к максимизации прибыли и повышению рентабельности заставляет использовать наиболее эффективные методы анализа и управления бизнесом. Важная роль в
70
