26 Мар

ПРОЦЕДУРА ФОРМИРОВАНИЯ НЕЧЕТКОЙ БАЗЫ ЗНАНИЙ С ВЕСОВЫМИ КОЭФФИЦИЕНТАМИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ РЫНКА СЕРВИСНЫХ УСЛУГ НЕФТЕГАЗОВОГО БИЗНЕСА




Номер части:
Оглавление
Содержание
Журнал
Выходные данные


Науки и перечень статей вошедших в журнал:

Процесс принятия решений для социально-экономических систем не удается построить на основе точных формализованных правил, поскольку многие параметры (индикаторы) таких систем являются расплывчатыми и неточными. Технология принятия решений таких систем основывается на методах нечеткой логики, позволяющей воспринимать и эффективно обрабатывать расплывчатые, неточные входные переменные, и делать выводы базируясь на прототипических знаниях, сформулированных экспертно на знаниях предметной области [1-3].

Задача принятия решений формально выглядит как задача  аппроксимации зависимости  с помощью нечеткой базы знаний и операций над нечеткими множествами. Ранее, в работах [4-6] предложена экспертно-аналитическая процедура формирования базы знаний для принятия маркетинговых решений для рынка нефтесервисных услуг. Основой принятия решений с использованием нечеткой логики является список правил базы знаний вида «Если  –  то», определяющих взаимосвязь между входами и выходами исследуемого объекта. В работах [7-9] описана методика нечетко-логического прогнозирования ряда рыночных факторов нефтегазового бизнеса, позволяющая учитывать динамический характер нечетких переменных и своевременно приспосабливаться к изменениям.

В настоящей работе применяется методика уточнения базы знаний принятия решений с использованием расстановки весов продукционных правил (степеней истинности нечетких высказываний), осуществляемая для каждого нечеткого терма выходной переменной в виде обобщенного формата нечетких правил с использованием алгоритма Мамдани:

для схемы нечеткого логического вывода, представленной на рисунке ниже:

Рисунок 1. Схема нечеткого логического вывода

где  – нечеткий терм, которым оценивается лингвистическая входная переменная Xi  в строке с номером jp (p = 1,, kj); kj – количество строк-конъюнкций, в которых выход  – лингвистическая выходная переменная Y оценивается термом dj; т – количество термов, используемых для выходной лингвистической переменной Y.

Нечеткие правила устанавливает взаимосвязь между заданными в виде нечетких множеств входами X = (X1, X2,…, Xn) и выходом Y. Для каждого терма   выходной переменной Y сформировано kj правил вывода вида:

 

Практика показывает, что веса правил не равнозначны. Поэтому реалистичная ситуация требует назначения приоритетов. Предлагается использовать двоякий подход выбора весов систему убывающих предпочтений и систему безразличия. Системе убывающего предпочтения альтернатив наилучшим образом отвечает система снижающихся по правилу арифметической прогрессии весов, определяемая по правилу Фишберна [10]:

Оценка по Фишберну отвечает максимуму энтропии имеющейся информационной неопределенности об объекте исследования.

Система безразличия строится по правилу равных весов:

Экспертами проводится ранжирование системы правил, определяющих i-ый нечеткий терм выходной переменной, в порядке убывания их значимости. Часть высказываний в системы находится в отношении безразличия (≈). Таким образом, получается цепочка вида:

Таблица 1

Фрагмент системы весов Фишберна для 4 правил F

Реализация методологии Нечеткая база знаний с весовыми коэффициентами построена для расчетов показателя конкурентоспособности четырех действующих предприятий нефтесервисного оборудования. С использованием экспертной системы была выполнена трансформация исходных факторов в натуральной шкале в балльную шкалу. В табл. 2 представлен фрагмент входных переменных.

Таблица 2

 Исходные данные (в баллах) для оценки конкурентоспособности по факторам для «НЗНО»

 

Факторы Цены Качество технологий Кадровое обеспечение Уровень легитимности уровень информативност Реклама (марк. Мероприятия) Экономика уровень рекламаций бонусы и скидки географ. Положение
   

X1

X2 X3 X4 X5 X6

X7

X8 X9 X10
Эксперты № 1 0,80 0,86 0,80 1,00 0,25 0,90 0,80 0,80 0,81 0,90
2 0,79 0,86 0,84 1,00 0,25 0,88 0,75 0,80 0,83 0,80
3 0,78 0,87 0,85 1,00 0,25 0,89 0,64 0,80 0,84 0,93
                   
9 0,81 0,87 0,94 1,00 0,25 0,90 0,87 0,80 0,90 0,80
10 0,81 0,92 0,93 1,00 0,25 0,89 0,92 0,80 0,90 0,80
6,32 6,21 6,27 6,57 6,49 6,41 6,66 6,46 6,53 6,61

 

Нечеткая модель конкурентоспособности реализована четырьмя системами нечеткого вывода: — нечеткая система моделирования качества сервисных услуг y1; нечеткая система моделирования имиджа предприятия y2; нечеткая система моделирования сервиса, ассоциированного с данным предприятием y3; нечеткая система прогнозирования конкурентоспособности предприятия y4.

  Далее приведены окончательные показатели конкурентоспособности по различным методикам.

Таблица 3

Значения показателей конкурентоспособности по различным методикам

Предприятие

Сравнение с

эталоном

Интегрированный показатель Дифференцирован-

ный показатель

Нечеткая логика (гауссовая. функция)

балл

Ранг балл Ранг балл Ранг балл

Ранг

«ОЗНПО» 6,38 3 0,64 4 36,77 4 36,80 4
«СЦ» 6,42 4 0,76 3 40,00 3 40,00 3
«НЗНО» 6,34 2 0,80 2 42,50 2 42,50 2
«ИЖНМ» 5,74 1 0,86 1 45,17 1 45,20 1

 

Каждый из рассмотренных методов обладает определенными недостатками и преимуществами. Методы сравнения с эталоном, дифференцированного показателя, интегрированной оценки показывают небольшой диапазон изменения значений для каждого исследуемого предприятия. Методы нечеткой логики дают сопоставимые результаты с другими рассмотренными методиками оценки конкурентоспособности. Это важно в случае недостатка исходной информации или неопределенности. Как правило, для фирм-конкурентов доступна лишь частичная информации. Здесь метод нечеткой логики позволяет оценить результаты не только качественно (например, в виде рангов), но и получить количественную оценку, характеризующую степень различия – на сколько результат будет больше, или меньше.

Основными факторами, влияющими на низкие значения (баллы) конкурентоспособности оказались: высокая ценовая политика (х1); недостаток высококвалифицированных кадров (х3);  низкий уровень  информативности об услугах и деятельности предприятия (х5); уровень рекламаций в СМИ и обществе (х8). Повышение этих показателей приведет к совершенствованию деятельности предприятия, приросту прибыл и эффективности производства.

Список литературы:

  1. Кофман А. Введение в теорию нечетких множеств. – М.: Радио и связь, 1982. – 432 с.
  2. Мухаметзянов И.З. Методы оптимизации. Нелинейное программирование: учеб. пособие /И.З. Мухаметзянов – Уфа: Изд-во УГНТУ, 2010. – 95 с.
  3. Мухаметзянов И.З. Методы оптимальных решений: учеб. пособие /И.З. Мухаметзянов – Уфа: Изд-во УГНТУ, 2015. – 271 с.
  4. Мухаметзянов И.З., Зайнашева Э.Б. Оценка маркетинговых решений в условиях нечеткой рыночной информации // РИСК: Ресурсы, Информация, Снабжение, Конкуренция. – 2013. – № 2. – С. 38-41.
  5. Мухаметзянов И.З., Мешалкин В.П. Имитационная многоагентная нечетко-логическая модель принятия маркетинговых решений промышленного предприятия в условиях неопределенности // Прикладная информатика. – 2014. – №3 (51). – С. 100-109.
  6. Мухаметзянов И.З., Зайнашева Э.Б. Информационная система принятия маркетинговых решений для многоагентного рынка с использованием нечетких выводов // Управление экономическими системами: электронный научный журнал. – 2013. – №56. URL: http://uecs.ru/index.php?option=com_flexicontent&view=items&id=2293:opaoa-cca-
  1. Мухаметзянов И.З., Тукаева З.М. Прогнозирование показателей тер­риториально-производственных комплексов на основе нечетких временных рядов // РИСК: Ресурсы, Информация, Снабжение, Конкуренция. – 2013. – №3 – С. 239-243.
  2. Мухаметзянов И.З., Мешалкин В.П. Нечетко-логическая процедура прогнозирования развития нефтеперерабатывающих предприятий в условиях неопределенности // Нефтегазовое дело. – 2014. – №4. – С. 126-133.
  3. Мухаметзянов И.З., Тукаева З.М. Модель прогнозирования нечетких данных для решения бизнес задач предприятий ТЭК // Управление экономическими системами: электронный научный журнал. – 2013. – №56. URL: http://uecs.ru/ru/instrumentalnii-metody-ekonomiki/item/2299-2013-08-27-07-57-10.
  4. Фишберн П. Теория полезности для принятия решений. – М.: Наука, 1978. – 352 с.
    ПРОЦЕДУРА ФОРМИРОВАНИЯ НЕЧЕТКОЙ БАЗЫ ЗНАНИЙ С ВЕСОВЫМИ КОЭФФИЦИЕНТАМИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ РЫНКА СЕРВИСНЫХ УСЛУГ НЕФТЕГАЗОВОГО БИЗНЕСА
    Для уточнения продукционных правил принятия решений для рынка сервисных услуг нефтегазового бизнеса используется методика расстановки весов с использованием системы убывающих предпочтений и системы безразличия. Такая формализация актуальна для иерархической системы определяющих факторов. Рекомендации, полученные с использованием методов нечеткой логики имеют не только качественный характер, но и количественную оценку, характеризующую степень достижения результата.
    Written by: Фархутдинова Карина Рустемовна
    Published by: Басаранович Екатерина
    Date Published: 12/24/2016
    Edition: euroasian-science.ru_25-26.03.2016_3(24)
    Available in: Ebook