CC BY
19РЕНТАБЕЛЬНОСТЬ ФУНКЦИОНИРОВАНИЯ СППР С ПОДСИСТЕМОЙ ПРИНЯТИЯ РЕШЕНИЙ БЕЗЛЮДНЫМИ ТЕХНОЛОГИЯМИ
COST-EFFECTIVENESS OF THE OPERATION OF DSS WITH THE DECISION-MAKING SUBSYSTEM OF UNMANNED TECHNOLOGIES
DOI: 10.38197/2072-2060- 2023 - 241-3 - 251- 261
АФАНАСЬЕВ Михаил Анатольевич
Доцент Базовой кафедры цифровой экономики Института развития информационного общества ФГБОУ ВО «Российский экономический университет им. Г.В. Плеханова», к.э.н., доцент
Mikhail A. AFANASEV
Associate Professor of the Basic Department of Digital Economy at the Institute of Information Society Development of the Plekhanov Russian University of Economics, Associate Professor
Аннотация Статья рассматривает проблему увеличения доли затрат, связанных с обработкой
поступающей информации лицом, принимающим решение, и выбором им оптимального решения. Показана модель затрат на принятие решений для СППР, оснащенных подсистемой принятия решений безлюдными технологиями. Предложен критерий рентабельности функционирования СППР нового типа, в основу которого положена целевая функция минимизации затрат при сохранении качества принимаемых решений. Описан подход к оценке эффективности эксплуатации СППР нового типа с выделением области принятия решений, которая должна быть оставлена за ЛПР.
Abstract The article considers the problem of increasing the share of costs associated with
the processing of incoming information by a decision maker and his choice of the optimal decision. It shows a model of decision -making costs for DSS, equipped with the subsystem of decision -making with unmanned technologies. A criterion of cost-effectiveness of the operation of DSS of a new type, which is based on the target
function of minimizing costs while maintaining the quality of the decisions made, is proposed. An approach to assessing the effectiveness of operation of DSS of a new type with the allocation of the area of decision -making, which should be left to the decision -maker is described.
Безлюдные технологии принятия решений, затраты на принятие решений, система поддержки принятия решений, коэффициенты обработки информации, рентабельность.
Humanless decision -making technologies, decision -making costs, decision support system, information processing ratios, cost- effectiveness.
Введение
Традиционно инструменты информатизации и автоматизации процесса принятия решений рассматривались как важный, а иногда и решающий фактор, определяющий эффективность деятельности лиц, принимающих решений (далее - ЛПР). Период «лоскутной» информатизации бизнес-процессов довольно быстро сменился повсеместным внедрением интегрированных информационных систем различных типов, в том числе и систем поддержки принятия решений (далее - СППР), признаваемых необходимым условием для ведения деятельности, основанной на прогностических моделях [1]. За эволюцией СППР наблюдают многие ученые - они описывают лучшие практики применения таких систем [2-4], описывают возможности их развития и масштабирования [5-7], делают прогнозы по дальнейшим этапам эволюции [8-11]. Вместе с тем тема передачи машине (искусственному интеллекту) контроля за процессом принятия управленческих решений не имеет существенной поддержки в экспертном сообществе и не находит понимания в обществе в целом [12-14].
Существующие СППР являются, по сути, ответом на вызовы, с которыми столкнулись ЛПР в условиях постепенного увеличения объема передаваемых и обрабатываемых данных. Однако к настоящему моменту увеличение скорости передачи данных стало новым вызовом для процесса принятия управленческих решений. В качестве аксиоматического тезиса выделим также усиливающиеся тенденции к увеличению сложности принимаемых решений и к росту числа решений, принимаемых ЛПР за единицу времени. Все это предъявляет новые требования к СППР и ЛПР.
Обобщение проблематики развития предметной области и наблюдаемых тенденций приводит к выводу о перспективах дальнейшей автоматизации процесса принятия управленческих решений. В данных условиях появление и распространение СППР нового типа является всего лишь вопросом времени. Полагая критически важным развитие инструментов автоматического, а не только автоматизированного обеспечения процесса принятия решений, следует признать перспективным направлением развитие безлюдных технологий принятия решений (далее - БТПР). Это позволяет говорить о том, что рост скорости принятия решений возможен при увеличении производительности труда ЛПР за счет оптимизации нагрузки на них путем передачи задач, соответствующих определенным критериям, на решение БТПР.
Эксплуатация рекомендательных систем в обязательном порядке предполагает несение затрат, поэтому оценка рентабельности применения СППР нового типа,
Ключевые слова
Keywords
Рис 1.
Процесс
принятия
решений
оснащенных подсистемой принятия решений безлюдными технологиями (далее -ПРБТ), поможет принять решение о целесообразности внедрения и эксплуатации такой системы, равно как и решение о целесообразности модификации существующей (уже эксплуатируемой) СППР. Цель исследования заключается в выработке критерия рентабельности эксплуатации СППР с подсистемой ПРБТ, который бы учитывал затраты на всех стадиях процесса принятия решений. Для достижения цели необходимо решить ряд задач:
■ выявить факторы, влияющие на адаптацию ЛПР к увеличению скорости принятия решений, и перспективы интенсификации производительности труда ЛПР;
■ описать модель затрат на принятие решений с применением СППР с подсистемой ПРБТ и выявить граничные условия, имеющие критическое значение для перераспределения задач между ЛПР и БТПР;
■ сформулировать критерий рентабельности СППР с подсистемой ПРБТ при определении затрат на принятие управленческих решений при оптимальном соотношении задач для ЛПР и БТПР.
Методологическую основу исследования составили метод корреляционного анализа, теория алгоритмов и математический аппарат нечеткой логики.
Материалы и методы исследования
Технологически процесс принятия решений представляет собой цепочку подпроцессов - взаимосвязанных и взаимозависимых. Графически этот процесс представлен на рисунке 1.
Сбор и первичная обработка необходимой информации
Выработка и оценка вариантов решений (альтернатив)
Представление информации в "доступном виде" ЛПР
4
Переработка информации лицом принимающим решение
Выбор оптимального решения
СППР, существующие сегодня и широко распространенные в бизнес- сфере и менее распространенные в сфере государственного и муниципального управления, поддерживают и обеспечивают реализацию таких подпроцессов, как сбор и первичная обработка необходимой информации (1), представление информации в «доступном виде» ЛПР (2). Ряд информационных систем в автоматическом режиме выполняют также подпроцесс (3) по выработке и оценке вариантов решений (альтернатив), то есть реализуют последовательность из первых трех подпроцессов. Однако подпроцессы по переработке информации (4) и выбор оптимального решения (5) остаются за человеком. Так организован процесс принятия решения в классическом виде.
Основное предназначение СППР состояло в том, чтобы сократить время на выполнение ряда подпроцессов, связанных с получением, обработкой и подготовкой данных, передаваемых ЛПР. То есть СППР «взяла на себя» те подпроцессы, которые в совокупности занимали большую долю времени на принятие управленческого решения, высвободив ресурс времени для ЛПР в общем процессе. Однако в результате технических и технологических прорывов в автоматизации бизнес процессов скорость передачи и обработки данных увеличилась настолько, что наиболее затратными по времени стали уже подпроцессы, выполняемые человеком, а не машиной.
3
5
Скорость принятия управленческого решения существенно выросла за счет развития СППР, особенно эта разница очевидна, если сравнивать скорость принятия решения на одинаковых данных при поддержке СППР и без нее. Безусловно, скорость принятия решений ЛПР также выросла, но как следствие его адаптации к инструментам автоматизации, что в основном является результатом принятия технологий. Таким образом, определился новый приоритет для оптимизации временных затрат на принятие решения. Актуальным стал вопрос - можно ли «ускорить» человека, например, повысив его продуктивность.
Параметрические характеристики скорости принятия ЛПР управленческого решения включают такие показатели, как уровень квалификации ЛПР, скорректированный на опыт выполнения аналогичных задач, и коэффициент сложности задачи, который для каждой отдельной задачи является статичным. Если принять как факт, что человек ограничивает скорость принятия управленческого решения, и исходить из того, что скорость передачи и обработки данных машиной близка к верхнему пределу, знаменующему границу уровня технологического развития, то актуальной становится проблема изменения скорости принятия управленческих решений. К тому же энтропия процесса принятия решения усиливается за счет увеличения объема поступающих данных и сложности выполняемых задач. Все это предъявляет новые требования к СППР и ЛПР. Но, даже если говорить о выработке новых функциональных требований к организации процесса принятия решения, в фокусе внимания в конечном итоге будут требования к эффективности работы СППР и ЛПР.
Увеличение продуктивности ЛПР позволит сократить время на выполняемые человеком подпроцессы по переработке информации и выбору оптимального решения. Но допустить существование неиспользованного резерва продуктивности можно в двух случаях: если предположить, что ЛПР выполняет свои функции, работая не на пределе своих возможностей, или если прогнозировать, что дополнительное обучение расширит когнитивные способности ЛПР. В обоих случаях неопределенность конечного результата для увеличения скорости принятия решений высока. И, хотя проекты на дополнительное профессиональное образование и борьбу с прокрастинацией достаточно популярны, более перспективным следует считать решение по внедрению безлюдных технологий принятия решений. И самым очевидным преимуществом такого решения является точность расчета экономической эффективности применения БТПР, в то время как модели оценки эффективности, например обучения ЛПР, имеют весьма высокую погрешность. Передача части задач на БТПР позволяет оптимизировать нагрузку на ЛПР, увеличивая скорость принятия решений, однако определение критерия рентабельности использования БТПР в составе СППР является открытым вопросом, который требует внимания.
Результаты исследования и их интерпретация
Алгоритм функционирования СППР с возможностью перераспределения задачи между ЛПР и БТПР представлен следующим образом (рис. 2).
Проводя аналогию с классическим подходом к организации процесса принятия решений (рис. 1), существующие СППР обеспечивают работу модулей алгоритма на маршруте 1-3-7. Выделим базовые затраты, которые являются условно постоянными и учитываются при оценке рентабельности использования любой СППР.
Рис.2.
Алгоритм функционирования
СППР с подсистемой ПРБТ
—>• Линия принятия решений
- -> Линия действий, выполняющихся параллельно с Принятием решения ЛПР-ом =£> Линия принятия решений с применением существующих СППР
Decision-making line -The line of actions performed in parallel with the decision-making of the DM =0> Decision-making line using existing DSS
Такого рода затраты возникают при работе модулей 1 и 3 представленного алгоритма (рис. 2). Соответственно, для определения рентабельности работы подсистемы ПРБТ в структуре СППР указанные затраты примем как базовые.
Внедряя СППР нового типа с подсистемой ПРБТ, получаем дополнительные маршруты при выполнении процесса принятия решений. Если модуль 2 перераспределяет задачу на решение БТПР, то алгоритм реализует модули на маршруте 1-2-4-7. Если модуль 2 перераспределит задачу на решение ЛПР, алгоритм параллельно реализует модули на маршруте 1-2-3-7 и на маршруте 2-4-5, 3-5, 5-6-4, 5-2. Смысл параллельного выполнения процесса в том, что в результате появляется возможность сравнить решения, принятые БТПР и ЛПР и по итогам сравнения усовершенствовать работу модуля, определяющего возможность применения БТПР, при последующем использовании СППР, а также провести обучение БТПР.
Оценка рентабельности использования СППР с модулем БТПР происходит из общей логики оценки рентабельности программного продукта. Автоматизация может преследовать различные цели - экономия ресурсов, увеличение производительности, рост прямых продаж или оборота и даже увеличение прозрачности. При этом автоматизация как процесс и вид деятельности всегда сопровождается несением затрат, окупаемость которых лежит в основе решения об инвестировании проекта. Минимизация затрат в целом является приоритетом, однако, применяя классическую модель процессов жизненного цикла программных средств [15], имеем возможность сфокусироваться на процессе эксплуатации. Расчет рентабельности затрат в отношении конкретно этого процесса позволяет выделить и оценить полезный эффект от использования подсистемы ПРБТ в структуре СППР нового типа по сравнению с моделью затрат на эксплуатацию существующей СППР.
Поскольку для наших целей базо выми затратами (ЗпРц) приняты затраты на эксплуатацию существующей СППР, граничные условия для оценки рентабельности затрат на эксплуатацию СППР с подсистемой ПРБТ могут быть сформулированы следующим образом:
■ затраты на принятие решений в процессе эксплуатации СППР с подсистемой ПРБТ должны быть меньше базовых затрат;
■ при эксплуатации не должно снижаться качество принятия решений.
С целью оценки эффективности функционирования СППР учитываются те решения, которые были приняты на выбранном организацией горизонте планирования. Под эффективностью функционирования СППР следует понимать свойство автоматизированной системы, характеризуемое степенью достижения целей, поставленных при ее создании [16].
Для расчета рентабельности функционирования СППР по предлагаемому алгоритму (рис. 2) рассмотрим модель затрат на принятие решений. В качестве целевой функции изберем функцию минимизации затрат при условии неснижения качества принимаемых решений:
ГЗПР—>1шп
/К К ' (1)
^кач! — 1Укач0
где:
КкаЧо; КкаЧ1- коэффициенты качества до и после внедрения предлагаемого алгоритма.
Рассматривая суммарные затраты на принятие решений на горизонте планирования, можно сделать вывод, что использование предлагаемого алгоритма является целесообразным, если:
IИ зПР() > х зПР1 (2)
т/" К '
^кач! — 1Л-кач0
где:
5] Зпр0 - сумма затрат на принятие решений ЛПР -ми на горизонте планирования с использованием существующих СППР.
£ Зпрг - сумма затрат на принятие решений на горизонте планирования при условии использования СППР с подсистемой ПРБТ, функционирующей по предлагаемому алгоритму.
В соответствии с бинарной логикой предлагаемый алгоритм принимает одно решение из двух возможных: 0 - если невозможно отдать выполнение задачи на БТПР; 1 - если возможно отдать выполнение задачи на БТПР. Тогда затраты на каждое из принимаемых решений можно выразить в следующем виде:
3 _ рпр0 + Зисовпбтпр + ЗисБТПР + ЗисСПРиСс + Зис0БТПр, при ККС, Кв, Кт) = 0 П?1 I ЗисСиПОи + Зисовгштпр + ЗисБТПР, при ККС, Кв, Кт) = 1
где:
ЗпР1 - затраты на принятие решений при условии использования СППР с подсистемой ПРБТ, функционирующей по предлагаемому алгоритму; Зисовпбтпр- затраты информационной системы на определение возможности применения БТПР (модуль 2, рис. 2);
ЗисБТпр, - затраты информационной системы на принятие решения с помощью БТПР (модуль 4, рис. 2);
ЗисСПрисс- затраты информационной системы на сравнение принятых решений и сбор статистики (модуль 5, рис. 2);
Зис0БТПР - затраты информационной системы на обучение БТПР (модуль 6, рис. 2); ЗисСиПои - затраты информационной системы на сбор и первичную обработку необходимой информации, а также выработки и оценки вариантов решений (альтернатив);
|(КС, Кв, Кт) - функция, принимающая значения:
■ равное 1 при возможности передачи задачи на принятие решения БТПР;
■ равное 0 в случае невозможности передачи задачи на принятие решения БТПР и, следовательно, передачи задачи на принятие решения ЛПР;
Кс. - коэффициент срочности; Кв - коэффициент важности; Кс. - коэффициент точности.
Напомним, что если в соответствии с алгоритмом принято решение о невозможности отдать выполнение задачи на БТПР и задачу выполняет ЛПР, то алгоритм параллельно реализует модули на маршрутах 1-2-4-5, 3-5, 5-6-4, 5-2 (рис. 2). Задача передается на решение БТПР, если определенный функционал от коэффициентов срочности, важности, точности (для каждого типа задач свой) принимает значение 0 или 1. Сравнение решений, принятых ЛПР и БТПР, в модуле 5 алгоритма аккумулирует статистику, которая используется в дальнейшем для определения возможности применения БТПР при возникновении однородных задач, а также для обучения БТПР (модуль 6).
Учитывая формулу (3), формулу (2) можно записать в следующем виде:
(1 ЗПРо > (£ 3ПР1, при ККС, Кв, Кт) = 0) + £ 3ПР1, при ККС, Кв, Кт) = 1) (4)
КкаЧ1 ^ КкаЧо
Объем задач, которые могут быть отданы на решение БТПР, и объем задач, которые отданы быть не могут, в различных условиях принятия решений отличаются. Результат соотношения этих объемов характеризует эффективность эксплуатации СППР с подсистемой ПРБТ по сравнению с существующей СППР. Соответственно, чем
большую долю задач мы сможем передать на выполнение БТПР, тем эффективнее эксплуатация СППР нового типа.
Обозначив затраты на принятие решений ЛПР в отношении задач, относящихся к множеству тех, что нельзя решить с помощью БТПР (Зпр0а), и затраты на принятие решений ЛПР в отношении задач, относящихся к множеству тех, что можно передать на БТПР (ЗПРОб), получим:
С£(Зпр0а + Зпр0б) — £(Зпр0а + Зисовпбтпрд + Зисбтпра + ЗисСПриссА + Зисобтпрд (5) +ЗиссиП0Иб + Зис0ВПБТПРб + Зисбтпрб) к > тс
1укач1 — пкач0
где:
Зисовпбтпрд - затраты информационной системы на определение возможности применения БТПР из группы задач 3Пр0д;
ЗисБТПРа - затраты информационной системы на принятие решений БТПР из группы задач ЗПРод;
ЗисСПРиССа - затраты информационной системы на сравнение принятых решений и сбор статистики из группы задач 3Пр0а;
Зис0бтпра - затраты информационной системы на обучение БТПР из группы задач 3пр0а ;
ЗисСиПОиБ - затраты информационной системы на сбор и первичную обработку необходимой информации, а также выработки и оценки вариантов решений (альтернатив) из группы задач ЗПРОб;
Зис0впбтпрб - затраты информационной системы на определение возможности применения БТПР из группы задач 3Пр0б;
ЗисБТПРб- - затраты информационной системы на принятие решений БТПР из группы задач. ЗПР0б
При этом сумму затрат на принятие решений ЛПР -ми на горизонте планирования с использованием существующих СППР можно выразить следующим образом:
£ Зпр0 = Е(ЗисСиП0И + 3Прлпр), где:
ЗиСсипои - затраты информационной системы на сбор и первичную обработку необходимой информации, а также выработки и оценки вариантов решений (альтернатив);
3Прлпр - затраты на принятие решения ЛПР (3, рис. 2). Проведя математические преобразования, получаем:
ГЕ 3прлпр > Е(Зис0впбтпр + ЗисБТПр + ЗисСПРиссА + Зис0бтпра)
Ккачх ^ ^кач0
(7)
Интерпретируя полученное выражение, закономерно делаем вывод о том, что эксплуатация СППР с подсистемой ПРБТ в соответствии с предлагаемым алгоритмом
рентабельна в том случае, если затраты информационной системы на принятие решений при помощи БТПР и затраты информационной системы на определение возможности применения БТПР по всем поступающим задачам на горизонте планирования вместе с затратами информационной системы на сравнение принятых решений и сбор статистики и затратами информационной системы на обучение БТПР по задачам, которые нельзя передать БТПР, не превышают затраты на ЛПР в процессе принятия решений с использованием существующих СППР, в отношении задач, которые после внедрения предлагаемого алгоритма не потребуют привлечения ЛПР.
Заключение
В предложенном варианте определения рентабельности затрат на эксплуатацию СППР с подсистемой ПРБТ не рассматривается вопрос о целесообразности разработки, внедрения СППР нового типа или модификации существующей СППР, не учитываются затраты на разработку и внедрение СППР, функционирующего по предложенному алгоритму. Эти аспекты имеют самостоятельное значение при оценке перспективы развития рекомендательных информационных систем с подсистемой ПРБТ и должны быть предметом отдельного исследования.
Перед внедрением СППР нового типа и повсеместным их распространением на всю область принимаемых управленческих решений представляется необходимым ввести ограничения и выделить ту область принятия решений, которая должна быть оставлена за ЛПР - человеком, с учетом специфики осуществляемой деятельности.
Наиболее перспективным направлением для внедрения и использования СППР с подсистемой ПРБТ видится, прежде всего, сфера государственного и территориального управления, поскольку административные регламенты оказания услуг представляют собой типовые задачи, выполняемые посредством алгоритмизируемой последовательности действий и снабженные критериями принятия решений.
Библиографический список
1. Уринцов А.И. Системы поддержки принятия решений/А.И. Уринцов, В.В.Дик. - Москва: МЭСИ, 2011. -230 с.
2. Зайцев С.В. Системы поддержки принятия решения как основа успешного функционирования хозяйствующего субъекта в современном бизнесе / С. В. Зайцев // Мягкие измерения и вычисления. - 2020. - Т. 37. № 12. - С. 77-83. - DOI: 1036871/2618-99762020.12.007. - EDN GZNLPL.
3. Граецкая О.В. Информационные технологии поддержки принятия решений/О.В. Граецкая, Ю.С. Чусова. -Ростов-на-Дону: Южный федеральный университет. 2019. -130 с. - ISBN 978-5-9275-3123-3. - EDN JUNFWS.
4. Агеева А.Ф. Обзор современных систем поддержки принятия решений. созданных при помощи агентного подхода //Электронные информационные системы. 2018. № 4. С. 29-46.
5. Ершов Д.М, Качалов Р.М. Системы поддержки принятия решений в процедурах формирования комплексной стратегии предприятия/Препринт # WP/2013/299. - М.: ЦЭМИ РАН. 2013. - 60 с.
6. Балдин К.В. Информационное обеспечение менеджмента организационной устойчивостью производственно-хозяйственных систем/К.В. Балдин.А.Т. Алиев //Вестник Коми республиканской академии государственной службы и управления. Теория и практика управления. - 2021. - № 2(32). - С. 78-83. - EDN BCIWMU.
7. Иващенко Т.И. Анализ структуры рынка систем поддержки принятия решений / Т.И. Иващенко, С.И. Поповская //Современные проблемы экономического развития предприятий, отраслей, комплексов, территорий: материалы международной научно-практической конференции: в 2 томах,Хабаровск, 27 апреля 2017года. Том 2. - Хабаровск: Тихоокеанский государственный университет, 2017. - С. 34-37. - EDN YTBZIH.
8. Развадовская Ю.В. Модели инновационной политики и системы поддержки принятия решений: эволюция и перспективы/Ю.В. Развадовская, Е.В. Каплюк, К.С. Руднева//Вестник Томского государственного университета. Экономика. - 2019. - № 47. - С 80-98. - DOI: 10.17223/19988648/47/6. -EDN ELFIZV.
9. Терещенко В.Н. Исследование нейросетевых алгоритмов поиска ключевых слов для оптимизации работы СППР для службы технической поддержки / В.Н. Терещенко, А.С. Лопатина // Проектирование и обеспечение качества информационных процессов и систем: Сборник докладов Международной конференции, Санкт-Петербург, 15-17марта 2022 года. - Санкт-Петербург: Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина), 2022. -С113-116. - EDNZAOEIZ.
10. Шугалей А.П. Система поддержки принятия решений при исследовании эффективности сложных систем /А.П. Шугалей, М.М. Маркелов, Ю.А. Камшилова // Решетневские чтения: Материалы XXIII Международной научно-практической конференции, посвященной памяти генерального конструктора ракетно-космических систем академика М.Ф. Решетнева. В 2 частях, Красноярск, 11-15 ноября 2019 года /Под общей редакцией Ю.Ю. Логинова. Том Часть 2. - Красноярск: Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева», 2019. -С 470-471. - EDN LTLEAO.
11. Дик В.В. Методология формирования решений в экономических системах и инструментальные среды их поддержки /В.В. Дик. - М.: Финансы и статистика, 2001. - 298 с.
12. Иоселиани А.Д. «Искусственный интеллект» vs человеческий разум / А.Д. Иоселиани //Манускрипт. -
2019. - Т. 12, № 4. - С102-107. - DOI: 10.30853/manuscript.2019.4.21. - EDN ZDGGWT.
13. Широковских С.А. Возможности, ограничения и вероятные угрозы устойчивому развитию высокотехнологичных компаний азиатского региона вследствие выхода из-под контроля искусственного интеллекта и нейросетей / С.А. Широковских// Экономика Центральной Азии. - 2020. - Т. 4, № 4. -С. 385-394. - DOI: 10.18334/asia.4.4.111626. - EDN CFLXEQ.
14. Искусственный интеллект в механизме развития человеческой цивилизации / С.И. Захарцев, Н.Д. Литвинов, В.П. Сальников, В.С. Чернявский // Юридическая наука: история и современность. -2021. - № 4. - С. 47-73. - EDN CVVBCD.
15. ГОСТ Р 57193-2016. Национальный стандарт Российской Федерации. Системная и программная инженерия. Процессы жизненного цикла систем.
16. Шикина В.Е. Техническая документация информационных систем / В.Е. Шикина. - Ульяновск: Ульяновский государственный технический университет, 2018. - 92 с. - ISBN 978-5-9795-1852-7. - EDN TULAJL.
References
1. UrintsovA.I. Sistemypodderzhkiprinyatiya reshenii/A.I. Urintsov, V.V. Dik. - Moskva : MEHSI, 2011. - 230 s.
2. Zaitsev S.V. Sistemy podderzhki prinyatiya resheniya kak osnova uspeshnogo funktsionirovaniya khozyaistvuyushchego sub"ekta vsovremennom biznese/S.V.Zaitsev//Myagkie izmereniya i vychisleniya. -
2020. - T 37, № 12. - S. 77-83. - DOI 10.36871/2618-9976.2020.12.007. - EDN GZNLPL.
3. Graetskaya O. V. Informatsionnye tekhnologii podderzhki prinyatiya reshenii/O. V. Graetskaya, YU. S. Chusova. -Rostov-na-Donu : Yuzhnyi federal'nyi universitet, 2019. -130 s. - ISBN 978-5-9275-3123-3. - EDNJUNFWS.
4. Ageeva A.F. Obzor sovremennykh sistem podderzhki prinyatiya reshenii, sozdannykh pri pomoshchi agentnogo podkhoda // Ehlektronnye informatsionnye sistemy. 2018. № 4. S. 29-46.
5. Ershov D.M., Kachalov, R.M. Sistemy podderzhki prinyatiya reshenii v protsedurakh formirovaniya kompleksnoi strategii predpriyatiya / Preprint # WP/2013/299. - M.: TSEHMI RAN, 2013. - 60 s.
6. Baldin K. V. Informatsionnoe obespechenie menedzhmenta organizatsionnoi ustoichivost'yu proizvodstvenno-khozyaistvennykh sistem /K.V. Baldin, A.T. Aliev// Vestnik Komi respublikanskoi akademii gosudarstvennoi sluzhby i upravleniya. Teoriya i praktika upravleniya. - 2021. - № 2(32). - S. 78-83. - EDN BCIWMU.
7. Ivashchenko T.I. Analiz struktury rynka sistem podderzhki prinyatiya reshenii / T.I. Ivashchenko, S.I. Pop-ovskaya // Sovremennye problemy ehkonomicheskogo razvitiya predpriyatii, otraslei, kompleksov, territorii: materialy mezhdunarodnoi nauchno-prakticheskoi konferentsii: v 2 tomakh, Khabarovsk, 27 aprelya 2017 goda. Tom 2. - Khabarovsk: Tikhookeanskii gosudarstvennyi universitet, 2017. - S. 34-37. - EDN YTBZIH.
8. Razvadovskaya YU.V. Modeli innovatsionnoi politiki i sistemy podderzhki prinyatiya reshenii: ehvolyutsiya iperspektivy /YU.V. Razvadovskaya, E.V. Kaplyuk, K.S. Rudneva//Vestnik Tomskogo gosudarstvennogo univer-siteta. Ehkonomika. - 2019. - № 47. - S. 80-98. - DOI 10.17223/19988648/47/6. - EDN ELFIZV.
9. Tereshchenko V.N. Issledovanie neirosetevykh algoritmov poiska klyuchevykh slov dlya optimizatsii raboty SPPR dlya sluzhby tekhnicheskoi podderzhki/ V.N. Tereshchenko, A.S. Lopatina //Proektirovanie i obespechenie kachestva informatsionnykh protsessov i sistem : Sbornik dokladov Mezhdunarodnoi konferentsii, Sankt-Peterburg, 15-17 marta 2022 goda. - Sankt-Peterburg: Sankt-Peterburgskii gosudarstvennyi ehlektrotekh-nicheskii universitet "LEHTI"im. V.I. Ul'yanova (Lenina), 2022. - S. 113-116. - EDN ZAOEIZ.
10. Shugalei A.P. Sistema podderzhki prinyatiya reshenii pri issledovanii ehffektivnosti slozhnykh sistem / A.P. Shugalei, M.M. Markelov, YU.A. Kamshilova // Reshetnevskie chteniya : Materialy XXIII Mezhdunarodnoi nauchno-prakticheskoi konferentsii, posvyashchennoi pamyati general'nogo konstruktora raketno-kosmicheskikh sistem akademika M.F. Reshetneva. V 2-kh chastyakh, Krasnoyarsk, 11-15 noyabrya 2019 goda/Pod obshchei redaktsiei YU.YU. Loginova. Tom Chast' 2. - Krasnoyarsk: Federal'noe gosudarstvennoe byudzhetnoe obrazovatel'noe uchrezhdenie vysshego obrazovaniya «Sibirskii gosudarstvennyi universitet nauki i tekhnologii imeni akademika M.F. ReshetnevA», 2019. - S. 470-471. - EDN LTLEAO.
11. Dik V.V. Metodologiya formirovaniya reshenii v ehkonomicheskikh sistemakh i instrumental'nye sredy ikh podderzhki/V.V. Dik. - Moskva : Finansy i statistika, 2001. - 298 s.
12. Ioseliani A.D. «Iskusstvennyi intellekT» vs chelovecheskii razum/A.D. Ioseliani//Manuskript. - 2019. - T. 12, № 4. - S. 102-107. - DOI: 10.30853/manuscript.2019.4.21. - EDN ZDGGWT.
13. Shirokovskikh S.A. Vozmozhnosti, ogranicheniya i veroyatnye ugrozy ustoichivomu razvitiyu vysokotekhnolog-ichnykh kompanii aziatskogo regiona vsledstvie vykhoda iz-pod kontrolya iskusstvennogo intellekta i neiros-etei/S.A. Shirokovskikh//Ehkonomika Tsentral'noi Azii. - 2020. - T. 4, № 4. - S. 385-394. - DOI: 10.18334/ asia.4.4.111626. - EDN CFLXEQ.
14. Iskusstvennyi intellekt v mekhanizme razvitiya chelovecheskoi tsivilizatsii /S.I. Zakhartsev, N.D. Litvinov, V.P. Sal'nikov, V.S. Chernyavskii //Yuridicheskaya nauka: istoriya i sovremennost'. - 2021. - № 4. - S. 47-73. -EDN CVVBCD.
15. GOST R 57193-2016. Natsional'nyi standart Rossiiskoi Federatsii. Sistemnaya i programmnaya inzheneriya. Protsessy zhiznennogo tsikla sistem.
16. Shikina V.E. Tekhnicheskaya dokumentatsiya informatsionnykh sistem /V.E. Shikina. - Ul'yanovsk : Ul'yanovskii gosudarstvennyi tekhnicheskii universitet, 2018. - 92 s. - ISBN 978-5-9795-1852-7. - EDN TULAJL.
Контактная информация / Contact information
ФГБОУ ВО «Российский экономический университет им. Г.В. Плеханова»,
117997, г. Москва, Стремянный пер., 36.
The Plekhanov Russian University of Economics, 36, Stremyanny per., Moscow, 117997, Russia.
Афанасьев Михаил Анатольевич / Mikhail A. Afanasev
afanasev.ma@rea.ru
