CC BY
1Совершенствование принятия решений по классификации .
УДК 339.544
совершенствование принятия решений по классификации товаров группы 39 тн вэд еаэс
Красильникова Елена Владимировна
Российская таможенная академия, доцент кафедры товароведения и таможенной экспертизы, канд. техн. наук, e-mail: e.krasilmkova@customs-academy
Кучинская Людмила Владимировна
Российская таможенная академия, доцент кафедры товароведения и таможенной экспертизы, канд. экон. наук, e-mail: l.kuchinskaya@customs-academy. ru
В данной статье обоснована необходимость совершенствования принятия решений по классификации товаров группы 39 Товарной номенклатуры внешнеэкономической деятельности Евразийского экономического союза (далее - ТН ВЭД ЕАЭС), проанализированы технологии, используемые для классификации товаров. Авторами предложен фрагмент экспертной системы определения классификационного кода полимеров и пластмасс на основе их признаков идентификации в соответствии с ТН ВЭД ЕАЭС
Ключевые слова: Товарная номенклатура внешнеэкономической деятельности Евразийского экономического союза; полимеры и пластмассы; идентификация; классификация; искусственный интеллект; экспертные системы
IMPROVING DECISION-MAKING ON THE CLASSIFICATION OF GOODS OF GROUP 39 OF THE CUSTOMS CODE OF THE EAEU
Krasilnikova Elena V.
Russian Customs Academy, Associate Professor of the Department of Commodity Science and Customs Expertise, Candidate of Technical Sciences, e-mail: e.krasilnikova@customs-academy.ru
Kuchinskaya Lyudmila V.
Russian Customs Academy, Associate Professor of the Department of Commodity Science and Customs Expertise, Candidate of Economic Sciences, e-mail: l.kuchinskaya@customs-academy.ru
The article substantiates the need with the advent of making a decision on the classification of goods of group 39 of the Commodity Nomenclature of Foreign Economic Activity of the EAEU, analyzes the technologies used for classification of goods, and proposes a fragment of an expert system for determining the classification code of polymers and plastics based on their identification features in accordance with the Commodity Nomenclature of Foreign Economic Activity of the EAEU
Keywords: Commodity nomenclature of foreign economic activity of the Eurasian Economic Union; polymers and plastics; identification; classification; artificial intelligence; expert systems
Для цитирования: Красильникова Е.В., Кучинская Л.В. Совершенствование принятия решений по классификации товаров группы 39 ТН ВЭД ЕАЭС // Учёные записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии. 2023. № 4(88). С. 41-44.
В соответствии с Планом мероприятий на период 2021-2024 гг. по реализации Стратегии развития таможенной службы Российской Федерации до 2030 года (далее - Стратегия) в разделе V «Трансформация контроля правильности классификации и происхождения товаров» предусмотрена разработка алгоритма автоматизированного выявления фактов неверной классификации посредством объединения имеющихся информационных ресурсов [1]. Учитывая одну из целей Стратегии - переход от электронной таможни к интеллектуальной, реализуются мероприятия, нацеленные на цифровизацию и автоматизацию деятельности таможенных органов, в том числе с применением технологии искусственного интеллекта, к которой относятся экспертные системы [2]. В связи с этим вопросы разработки экспертных систем классификации товаров с учетом
признаков идентификации в соответствии с ТН ВЭД ЕАЭС являются актуальными.
Полимеры и пластмассы является недорогим и универсальным материалом, обладающим свойствами, которые делают его идеальным для применения в разных отраслях промышленности. Однако полимеры являются товарами двойного назначения и могут использоваться, в том числе, в качестве прекурсоров при создании химического оружия.
Полимеры, пластмассы и изделия из них занимают значительную часть в структуре таможенной статистики экспорта и импорта Российской Федерации после углеводородных энергоносителей (27 группа ТН ВЭД ЕАЭС), черных металлов (72 группа ТН ВЭД ЕАЭС), механического оборудования (84 группа ТН ВЭД ЕАЭС), электрического оборудования (85 группа ТН ВЭД ЕАЭС) и машин и оборудования (84-90 группы ТН ВЭД ЕАЭС) [3].
Около 45 % от общего мирового объема рынка сырых полимеров и изделий из пластмассы располагается в странах Юго-Восточной Азии, около 25 % производится в Европе и Северной Америке [3].
Пластмассы и изделия из них классифицируются в группе 39 ТН ВЭД ЕАЭС [4]. При таможенном декларировании и таможенном контроле возникают проблемы при отнесении их к конкретной классификационной группировке ТН ВЭД ЕАЭС, как товаров со сложным химическим составом, структурой или назначением [5].
Для выявления проблем идентификации и классификации товаров группы 39 ТН ВЭД ЕАЭС авторами были проанализированы материалы судебной практики таможенных органов по направлению классификации товаров за последние 5 лет, которые позволили выявить следующие причины неверной идентификации и классификации товаров группы 39 ТН ВЭД ЕАЭС:
- неверное применение ОПИ ТН ВЭД ЕАЭС;
- неправильное толкование примечаний и Пояснений к ТН ВЭД ЕАЭС;
- неучет решений Коллегии ЕЭК и ФТС России о классификации отдельных видов товаров;
- трудности определения признаков идентификации товаров;
- указание неполных сведений в графе 31 декларации на товары;
- представление не в полном объеме документов, подтверждающих классификационные признаки товаров в соответствии с ТН ВЭД ЕАЭС;
- неоднозначное толкование терминов и определений товаров в ТН ВЭД ЕАЭС и нормативных правовых актах национального и международного уровней;
- некорректная постановка вопросов таможенному эксперту при назначении таможенной экспертизы относительно объекта экспертизы и др. [6, 7, 8].
В настоящее время активно разрабатываются следующие технологии, используемые для классификации товаров:
Поисковые системы по ключевым словам.
Поисковые системы - это набор алгоритмов, позволяющих проводить поиск объекта по ключевым словам. Они функционируют путем сопоставления слова или фразы, которые указывают пользователи, со словами или фразами в документе, по которому ведется поиск. Однако при работе с поисковыми системами терминология должна быть идентична терминологии ТН ВЭД ЕАЭС, иначе поисковая система не сможет распознать ключевые слова. Примерами таких систем могут быть автоматизированная система обработки таможенных данных (ASYCUDA), электронная платформа государственно-частного партнерства, созданная с целью последующего развития в стране инфраструктурной базы электронной торговли (eTrade Hubs) и др. [9].
2. Экспертные системы.
Экспертные системы - компьютерные системы,
способные частично заменить специалиста-эксперта в разрешении проблемной ситуации. Для решения задач классификации товаров применяются экспертные системы на основе прикладного искусственного интеллекта.
В данном случае интересен подход системы к классификации товаров в соответствии с ТН ВЭД ЕАЭС. Искусственный интеллект, взаимодействуя с пользователем, на основе полученных ответов, приходит к конкретному выводу, предоставляя рекомендованный классификационный код, полученный на основе ОПИ и Примечаний к разделам, группам, товарным позициям и субпозициям. Примерами таких систем являются Комбинированная номенклатура ЕС (EU Combined Nomenclature SearchEngine) и тарифы других стран.
3. Алгоритмы машинного обучения.
Алгоритмы машинного обучения позволяют пользователям исследовать и анализировать сложные наборы данных и находить в них смысл. Каждый алгоритм представляет собой конечный набор однозначных пошаговых инструкций, необходимых для достижения определенной цели.
Сравнительный анализ принципов работы систем показывает, что для классификации товаров в соответствии с ТН ВЭД ЕАЭС наиболее подходят экспертные системы, которые распознают коммерческие названия товаров, сложные товары, задают логичные вопросы пользователю с учетом свойств и характеристик товара, следуя по уровням классификации, начиная с общих и заканчивая частными свойствами. Экспертные системы позволяют определять с большой вероятностью классификационный код товара, используя основные правила интерпретации и примечания к различным группировкам ТН ВЭД ЕАЭС.
Поисковые системы не учитывают смысловое значение слов, не взаимодействуют с пользователем и не используют ОПИ при определении кода, что, несомненно, приведет к низкой вероятности правильного кода товара в соответствии с ТН ВЭД ЕАЭС.
Алгоритмы машинного обучения не предполагают взаимодействие с пользователем, отсутствует логика в порядке действий. Данные алгоритмы определяют перечень «возможных» совпадений кодов товаров, рассчитывая вероятность их правильности, при этом не учитывают ОПИ и примечания ТН ВЭД ЕАЭС.
Для разработки экспертной системы определения кода в соответствии с ТН ВЭД ЕАЭС авторами выделены следующие основные признаки идентификации полимеров и пластмасс на уровне товарных позиций 3901-3914 первичных форм 39 группы ТН ВЭД ЕАЭС: вид полимера, тип реакции получения, химический состав, структура, форма, наличие добавок, назначение, физико-механические показатели и наличие модификаций.
В Товарной номенклатуре достаточно глубоко представлены признаки полимеров
Совершенствование принятия решений по классификации ..
Алгоритм работы экспертной системы при классификации полимеров и пластмасс
и пластмассна разных уровнях детализации, что снижает риски недостоверного декларирования. Однако проблема однозначной классификации до сих пор актуальна, о чем свидетельствует анализ материалов судебной практики по классификации полимеров, пластмасс и товаров на их основе.
В качестве рекомендации по совершенствованию классификации товаров в соответствии с ТН ВЭД ЕАЭС предлагается фрагмент экспертной системы определения классификационного кода. Данная система может быть полезна для участников внешнеэкономической деятельности и для должностных лиц таможенных органов.
Алгоритм работы экспертной системы при классификации полимеров и пластмасс представлен на рисунке.
В данном примере системе задана задача определить классификационный код пластмассы. Декларант вводит в окно интерфейса системы вид пластмассы, например, «полиэтилен». «Полиэтилен» может рассматриваться как товар в первичных формах и как исходный материал изготовления готовых товаров. В связи с этим предлагается пользователю первый контрольный вопрос: «Товар находится в первичных формах?». В экспертной системе предусмотрен термин «первичные
формы» в соответствии с ТН ВЭД ЕАЭС, такие как жидкости, пасты, куски, порошки и др. Предлагаемый ответ - да/нет. В случае ответа «да» система понимает, что классификация будет осуществляться в товарной позиции 3901 подгруппе I группы 39 ТН ВЭД ЕАЭС. Далее для определения субпозиции предлагается пользователю второй контрольный вопрос: «Какая химическая формула вещества?», так как в товарной позиции 3901 классифицируется не только «чистый» полиэтилен, но и сополимеры с винилацетатом и прочие.
Например, полиэтилен имеет химическую формулу (C2H4)n и возможные коды субпозиций 3901 10 или 3901 20. Следующим вопросом система разводит конкурирующие группировки: «Какой удельный вес полиэтилена?». Пользователь вводит конкретное значение удельного веса «0,91», система сравнивает полученное число с числом в номенклатуре 0,94. В таком случае полиэтилен классифицируется в субпозиции 3901 10.
Окончательным вопросом системы является: «Структура полимера линейная?». Предлагаемый ответ - да/нет. Пользователь отвечает «да». Система, получив необходимые ответы, проходит по внедренной базе данных примеров декларирования, сравнивает описания товаров с их классификационными кодами и определяет рекомендуемый код 3901 10 100 0 (полиэтилен линейный) в ТН ВЭД ЕАЭС [10]. Пользователь может также ознакомиться с перечнем товаров, которые классифицировались под таким кодом, и самостоятельно принять решение по использованию кода для декларирования товара.
Таким образом, внедрение экспертных систем для принятия решений по классификации товаров в соответствии с ТН ВЭД ЕАЭС будет способствовать ускорению сроков принятия предварительных решений, решений о классификации и совершенствованию таможенного контроля до и после выпуска товаров.
Библиографический список:
1. План мероприятий на период 2021-2024 годов по реализации Стратегии развития таможенной службы Российской Федерации до 2030 года. URL: https://customs.gov.ru/storage/folder_link/2021/0901/ zmWRUCe1/plan_21_24.
2. Стратегия развития таможенной службы Российской Федерации до 2030 года. URL: https://customs.gov.ru/activity/programmy-razvitiya/ strategiya-razvitiya-fts-rossii-do-2030-goda.
3. Федеральная таможенная служба / Справочные и аналитические материалы по таможенной статистике внешней торговли Российской Федерации: официальный сайт. URL: http://stat.customs.ru/
4. Единая Товарная номенклатура внешнеэкономической деятельности Евразийского экономического союза и Единый таможенный тариф Евразийского экономического союза: Решение Совета Евразийской экономической комиссии от 14 сентября 2021 г. № 80. URL: https://eec.eaeunion.org/ comission/department/catr/ett/
5. Таможенный кодекс Евразийского экономического союза (ред. от 29.05.2019) (приложение № 1 к Договору о Таможенном кодексе Евразийского экономического союза) // СПС «Консультант Плюс» / Региональный центр правовой информации Информправо. Москва. URL: http://www.
consultant.ru/document/cons_doc_LAW_215315
6. Решение от 17.01.2019 по делу № А57-15478/ 2018 // Судебные и нормативные акты РФ. Москва, 2022. URL: https://sudact.ru/arbitral/ doc/cuIwf0KUoPrp/
7. Решение от 16.11.2020 по делу № А40-24861/2020 // Судебные и нормативные акты РФ. Москва. 2022.URL: https://sudact.ru/arbitral/doc/ MJs4coyXwQQA/
8. Постановление от 05.08.2021 по делу № А56-61081/2020 // Судебные и нормативные акты РФ. Москва. 2022. URL: https://sudact.ru/arbitral/doc/ hvtSa4w3yDJJ/
9. ВАВТ, Автоматизированная система обработки таможенных данных. URL: https://www.vavt.ru/ wto/wto/ASYCUDA
10. Тиранова И.М. Предложения по совершенствованию классификации товаров 39 группы ТН ВЭД ЕАЭС на основе международного опыта // Молодежный вектор таможни. 2022. №1 (1). С. 41-44.
