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

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 X_i  в строке с номером jp (p = 1,…, k_j); k_j – количество строк-конъюнкций, в которых выход  – лингвистическая выходная переменная Y оценивается термом d_j; т – количество термов, используемых для выходной лингвистической переменной Y.

Нечеткие правила устанавливает взаимосвязь между заданными в виде нечетких множеств входами X = (X₁, X₂,…, X_n) и выходом Y. Для каждого терма   выходной переменной Y сформировано k_j 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: https://uecs.ru/index.php?option=com_flexicontent&view=items&id=2293:opaoa-cca-

7. 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.
8. Мухаметзянов И.З., Мешалкин В.П. Нечетко-логическая процедура прогнозирования развития нефтеперерабатывающих предприятий в условиях неопределенности // Нефтегазовое дело. – 2014. – №4. – С. 126-133.
9. 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: .
10. 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» ]