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:
- Кофман А. Введение в теорию нечетких множеств. – М.: Радио и связь, 1982. – 432 с.
- Мухаметзянов И.З. Методы оптимизации. Нелинейное программирование: учеб. пособие /И.З. Мухаметзянов – Уфа: Изд-во УГНТУ, 2010. – 95 с.
- Мухаметзянов И.З. Методы оптимальных решений: учеб. пособие /И.З. Мухаметзянов – Уфа: Изд-во УГНТУ, 2015. – 271 с.
- Мухаметзянов И.З., Зайнашева Э.Б. Оценка маркетинговых решений в условиях нечеткой рыночной информации // РИСК: Ресурсы, Информация, Снабжение, Конкуренция. – 2013. – № 2. – С. 38-41.
- 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.
- 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: https://uecs.ru/index.php?option=com_flexicontent&view=items&id=2293:opaoa-cca-
- 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.
- Мухаметзянов И.З., Мешалкин В.П. Нечетко-логическая процедура прогнозирования развития нефтеперерабатывающих предприятий в условиях неопределенности // Нефтегазовое дело. – 2014. – №4. – С. 126-133.
- 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: .
- Фишберн П. Теория полезности для принятия решений. – М.: Наука, 1978. – 352 с.[schema type=»book» name=»ПРОЦЕДУРА ФОРМИРОВАНИЯ НЕЧЕТКОЙ БАЗЫ ЗНАНИЙ С ВЕСОВЫМИ КОЭФФИЦИЕНТАМИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ РЫНКА СЕРВИСНЫХ УСЛУГ НЕФТЕГАЗОВОГО БИЗНЕСА» description=»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. » author=»Фархутдинова Карина Рустемовна» publisher=»Басаранович Екатерина» pubdate=»2016-12-24″ edition=»euroasian-science.ru_25-26.03.2016_3(24)» ebook=»yes» ]