автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Анализ и совершенствование методов управления закупками сырья на промышленном предприятии

АНАЛИЗ И СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ УПРАВЛЕНИЯ ЗАКУПКАМИ СЫРЬЯ НА ПРОМЫШЛЕННОМ ПРЕДПРИЯТИИ

05 13.01 — Системный анализ, управление и обработка информации (промышленность)

АВТОРЕФЕРАТ

Диссертации на соискание ученой степени кандидата технических наук

Самара - 2007

Работа выполнена на кафедре «Информационные технологии» Государственного образовательного учреждения высшего профессионального образования «Самарский государственный технический университет»

Научный руководитель:

доктор технических наук, профессор, БАТИЩЕВ Виталий Иванович

Официальные оппоненты

доктор технических наук, профессор

ДИЛИГЕНСКИЙ Николай Владимирович

ГОУВПО «Самарский государственный технический университет»

кандидат технйческих наук, ЕФРЕМОВ Дмитрий Владимирович НПЦ «Инфотранс», г Самара

Ведущая организация. Институт проблем управления сложными системами РАН, г.Самара

Защита диссертации состоится «13» ноября 2007г. в II00 на заседании диссертационного совета Д212.217.03 ГОУ ВПО «Самарский государственный технический университет» по адресу г.Самара, ул Галактионовская 141, корпус №6, аудитория 28.

Отзывы на автореферат просим направлять в двух экземплярах по адресу: 443100, г Самара, ул Молодогрвардейская 244, ГОУ ВПО «Самарский государственный технический университет», главный корпус, на имя ученого секретаря диссертационного совета

С диссертацией можно ознакомиться в библиотеке Самарского Государственного Технического Университета по адресу г Самара, ул. Первомайская 18

Автореферат разослан «11» октября 2007г

Ученый секретарь диссертационного совета Д212.217 03

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы.

В последние годы промышленный сектор Российской Федерации демонстрирует уверенный рост, характеризующийся увеличением объемов выпускаемой продукции. По данным Госкомстата, наблюдается также рост промышленных предприятий ведущих активную внешнеэкономическую деятельность, связанную с экспортно-импортным обменом. Рост масштабов производства, усложнение внутренних процессов ресурсного обмена, увеличение объемов поставок сырья на промышленных предприятиях требует профессионального подхода к управлению таким предприятием, для обеспечения устойчивости его функционирования.

Если в период плановой экономики, предприятия обменивались сырьевыми ресурсами в рамках, и по правилам единого собственника, и вся ответственность за потери ложилась на государство, то в настоящее время, в России, экономические субъекты были вынуждены, практически мгновенно перейти на новые условия обмена принадлежащими им ресурсами. Это значительно повысило ответственность за принятие управленческих решений, при управлении ресурсами и снабжении сырьем, без скидок на незнание и отсутствие опыта Если методы управления производственными и внутренними процессами предприятия хорошо изучены, то процесс управления снабжением сырьевыми ресурсам в условиях изменяющийся внешней среды, для российских предприятий, является новым и начал рассматриваться только в постсоветский период

Одним го основных рискообразующих факторов, в процессе сырьевого снабжения промышленного предприятия, является неопределенность развития сырьевых рынков, обусловленная-изменяющимися объемами добычи или производства сырья, в связи с рыночными, природными и другими факторами, изменяющимся таможенным и налоговым законодательством, изменяющимися ожиданиями участников сырьевых рынков.

Мировая практика показывает, что неблагоприятные изменения ценовых характеристик сырьевых ресурсов, использующихся в производственном процессе конкретного предприятия, оказывает сильное негативное влияние на эффективность его деятельности. Недопустимость сбоев способных привести к снижению объемов производства, повышению себестоимости или его остановке, требует разработки и внедрения систем управления процессами сырьевого снабжения, опирающихся на прогнозирование изменения ценовых характеристик сырья.

Таким образом, первоочередной задачей на промышленном предприятии является создание такой стратегии управления снабжением сырьевыми ресурсами, которая была бы направлена на формирование

оптимальных производственных показателей, и ориентирована к работе в условиях динамично меняющейся внешней среды. Решение подобной задачи требует системного подхода к ее решению, включающую в себя разработку инструментария прогнозирования, принятия решений, оценку результатов принимаемых решений, корректировку параметров реализованных в виде системы для принятия управленческих решений.

Рассмотренные выше особенности сырьевого снабжения обуславливают актуальность исследования проблем и методов управления закупками сырья промышленных предприятий и разработку методики принятия решений для управления сырьевым снабжением промышленных предприятий.

Целью настоящей диссертационной работы является системный анализ проблемы управления процессами сырьевого снабжения промышленного предприятия, разработка и совершенствование методов управления сырьевым снабжением промышленных предприятий.

Основными задачами для достижения поставленной цели являются:

- системный анализ процесса закупки сырья с целью выявления рискообразующих факторов снижающих эффективность производственной деятельности и разработка системного описания данного процесса;

- исследование существующих методов управления закупками

сырья,

- разработка методов обработки ценовых показателей сырьевых ресурсов для обоснования принятий решений в процессе управления закупками сырья;

- разработка алгоритмов оценки показателей, характеризующих эффективность и риск стратегий принятия решения в процессе управления закупками сырья,

- разработка методов снижения риска стратегий, используемых для принятия решений;

- разработка алгоритма оценки параметров стратегии принятия решения в процессе управления закупками сырья,

- разработка методов и алгоритмов обработки экспериментальных данных и определение инструментов для их реализации,

- разработка архитектуры информационно-аналитической системы для управления процессом закупки сырьевых ресурсов и реализация необходимых для проведения экспериментального исследования модулей,

- исследование эффективности разработанных методов и алгоритмов на статистических данных,

Методы исследования: для решения поставленных задач использовались методы системного анализа, методы обработки временных

рядов, методы статистического анализа, методы теории управления, методы искусственного интеллекта, методы имитационного моделирования

Научная новизна исследования:

1) предложено системное описание процесса управления закупками сырья, которое в отличие от аналогов позволяет учитывать рискообразующие факторы внешней среды посредсгвам применения методов прогнозирования, позволяющее повысить эффективность процесса закупки сырья,

2) разработана методика принятия решения в процессе закупки сырьевых ресурсов на промышленном предприятии, отличающаяся использованием методов прогнозирования ценовых показателей сырьевого ресурса и используемая для повышения эффективности процесса управления закупками сырья;

3) предложен метод разделения рисков между несколькими стратегиями принятия решения, позволяющий обеспечить повышение показателя эффективности, набора стратегий, по сравнению с отдельно взятой стратегией, при заданном уровне показателя риска, используемый для повышения устойчивости принимаемых решений,

4) предложен генетический алгоритм для решения многокритериальных задач, отличающийся модифицированным оператором кроссовера, позволяющий обеспечить более быстрое схождение алгоритма, используемый для оптимизации набора стратегий принятия решения,

Практическая полезность работы:

1) предложенное описание процесса управления закупками сырья, повышает эффективность закупки сырьевых ресурсов промышленного предприятия и способствует обеспечению устойчивости производственного процесса;

2) предложенные алгоритмы, используемые для принятия решения в процессе управления закупками сырья, могут быть использованы для управления другими видами ресурсов,

3) предложенный модифицированный генетический алгоритм может быть использован для оптимизации любых многокритериальных задач,

Основные положения, выносимые на защиту:

1)системное описание процесса управления закупками сырья,

2)методика принятия решения в процессе закупки сырьевых ресурсов на промышленном предприятии;

3) метод разделения рисков между несколькими стратегиями принятия решения,

4) модифицированный генетический алгоритм для решения многокритериальных задач,

Реализация работы: разработанная методика управления закупками сырья, а также методы и алгоритмы использующиеся в этом

процессе внедрены и используются в практической деятельности предприятия ООО «Инвест-лайн», г Самара

Апробация работы: основные положения работы и результаты исследований обсуждались на следующих конференциях международных конференциях «Интеллектуальные системы и компьютерные науки» (г Москва, 2006г ), «Моделирование Теория, методы и средства»(г.Новочеркасск, 2006г.), «Мягкие вычисления и измерения» (г С Петербург, 2005г), «Информационные технологии в XXI веке» (г Днепропетровск, 2005г), «Наука и образование» (г Мурманск, 2005г), «Современная техника и технологии» (г Томск, 2003г), всероссийской конференции «Математическое моделирование и краевые задачи»(г.Самара, 2005, 200бг), всероссийской конференции «Компьютерные технологии в науке, практике и образовании» (г Самара, 2003г), всероссийской конференции «Компьютерные технологии в науке, практике и образовании-2003»и других

Публикации: по теме диссертации опубликовано 12 печатных работ, в их числе 1 статья в журнале из перечня, рекомендуемого ВАК РФ,

Структура работы: диссертация состоит из введения, пяти глав, заключения и списка литературы. Основная часть содержит 131 страницу машинописного текста, 38 рисунков, 105 формул и 11 таблиц Список использованных источников состоит из 116 наименований

Работа выполнена в рамках НИР №517/05, 501/06 «Разработка, исследование и оптимизация приближенно-аналитических методов обработки и интерпретации результатов экспериментальных исследований»

СОДЕРЖАНИЕ РАБОТЫ Введение содержит актуальность темы диссертации, дана общая характеристика работы, определены цели и задачи исследования Сформулированы научная новизна и практическая ценность, а также основные научные положения, выносимые на защиту Приведены сведения о внедрении результатов, публикациях, структуре и объеме работы

В первой главе проанализированы тенденции в развитии промышленных предприятий в Российской Федерации в последние годы, что показало рост масштабов внешнеэкономической деятельности связанной с обменом товарами и сырьем с зарубежными странами С другой стороны проанализированы исследования, говорящие о цикличности и изменчивости ценовой динамике сырьевых товаров Произведенные исследования позволили сделать вывод, что цикличность в поведении цен на сырьевые товары имеет значительные последствия для прибыльности предприятий, зависящих от импорта этих товаров. Как показывает практика, предприятия-потребители сырья начинают уделять внимание управлению

процессами закупки сырья на стадии резкого роста цен Учитывая непредсказуемость и внезапность смены фаз ценового цикла, момент разворота может застать врасплох и привести к существенным финансовым потерям

На основании анализ изменчивости сырьевого рынка сделан вывод, что долгосрочные ценовые тренды являются малозначительными, по сравнению с краткосрочной изменчивостью, значительно усилившейся в последнее время В результате краткосрочные движения цен на сырьевые товары становятся в последнее время абсолютно непредсказуемыми С экономической точки зрения краткосрочные колебания цен абсолютно доминируют над долгосрочными трендами Так как долгосрочные темпы роста цен на сырьевые товары являются нестабильными, знание долгосрочных трендов изменения цен имеет незначительное практическое значение для потребителей сырьевых товаров

Мировая практика показывает, что неблагоприятные изменения ценовых характеристик сырьевых ресурсов, использующихся в производственном процессе конкретного предприятия, оказывает сильное негативное влияние на эффективность его деятельности Недопустимость сбоев, способных привести к снижению объемов производства, повышению себестоимости или его остановке, требует разработки и внедрения систем управления процессами закупки сырья, опирающихся на прогнозирование изменения ценовых характеристик сырья

Рассмотренные факторы обусловили изучение современного состояния проблемы управления рисками в процессе закупки сырьевых ресурсов, в результате которого проведен анализ традиционных инструментов управления сырьевыми рисками, рассмотрены механизмы их применения, а также достоинства и недостатки Классификация традиционных инструментов управления сырьевыми рисками приведена на рисунке 1

Проведенный анализ, традиционных инструментов управления сырьевыми рисками, характерных для промышленных предприятий позволил сделать следующие выводы

традиционным инструментам управления сырьевыми рисками, характерна «пассивность», т к они используются без каких либо обоснованных ожиданий относительно дальнейшего развития событий,

традиционные инструменты управления сырьевыми рисками носят характер «страхования» и позволяют избежагь сырьевых рисков ценой многомиллионных расходов,

основным фактором при выборе инструмента, обеспечивающего его эффективность, является ожидание относительного будущего развития ценовой динамики сырьевых ресурсов,

использование метода управления основанного на анализе ценовой динамики в совокупности с традиционными инструментами управления рисками существенно повысит эффективность процесса управления закупками сырья.

-^ ^--^-^ ^-^р ^-^

Как правило Организованная и прозрачная Банки снижают Торговля между Приобретаются

торги не торговля на биржах риски банками и инвест институциональным

проводятся через биржи фондами и инвесторами

Рисунок 1 - Традиционные инструменты управления сырьевыми рисками

Российскими промышленными предприятиями используется планирование объемов сырьевого снабжения в соответствии с планом технологической потребности в сырье для производства Данный подход эффективен в плановой экономике, где обмен сырьем производится в рамках единого собственника. Учитывая же рыночные особенности и изменчивость сырьевых рынков, заключенные сырьевые контракты от момента их заключения до момента их реализации многократно меняют свою рыночную стоимость, вследствие чего для повышения эффективности управления сырьевыми ресурсами, необходимо осуществлять непрерывное изменение и преобразование их формы (из натуральной в денежную, и обратно) Управляющие воздействия формируются на основе стратегий принятия решений и выражаются в форме решений о переводе сырьевых ресурсов из одной формы в другую, более предпочтительную с точки зрения промышленного предприятия, исходя из выбранных критериев, в качестве которых выступает доходность выбранной формы Профессионально осуществлять подобное управление сырьевыми ресурсами, в рамках промышленного предприятия, возможно только опираясь на формализованные методы, позволяющие оценивать ожидания относительно проводимых операций, контролировать (ограничивать) рыночный риск, что

позволяет обеспечить системность принятия решений и исключить пагубное влияние случайно принятых решений

Системный подход включает в себя рассмотрение процесса закупки сырья на промышленном предприятии, как генерацию финансовых результатов, формирующихся как отклики на суперпозицию управленческих решений Системное описание процесса управления закупками сырья, изображенное на рисунке 2, позволяет учитывать риск, связанный с изменением ценовых характеристик сырьевых ресурсов посредством применения методов обработки временных рядов

Факторы внешней среды (врем ряд)

Правило входа

4Г

Механизм входа

Механизм выхода

Правило выхода

Коппектишвка папаметпов

Лимиты

Решение

Отдел снабжения

Решение

ХОЗ. субъект

Накоплю результат

Огпяниченис писков

Анализ эффективности проведенных операций

Анализ эффективности текущей операции

Рисунок 2 — Системное описание процесса управления закупками сырья

Перевод сырьевых активов из одной формы в другую осуществляется посредством использования стратегии принятия решений, в основе которой лежат математические методы обработки ценовой динамики сырьевых ресурсов, набор алгоритмов формирующих управляющие воздействия и механизмы их реализации Основная задача стратегии заключается в выявлении наилучших моментов для перевода сырьевых активов в различные формы, что сводится к поиску точек начала определенного ценового движения и точек его окончания, т е существенных ориентиров, способствующих принятию эффективного решения Перечисленные элементы системы используются лицом принимающим решение (соответствующим подразделением организации) для формирования управляющих воздействий на предприятие в форме действий относительно имеющихся сырьевых контрактов для перевода их в наиболее доходную форму

Рассмотрен подход к оценке показателя эффективности стратегии принятия решения Показатель эффективности стратегии определяется доходностью проводимых с ее помощью операций, т е приростом стоимости приобретенных с помощью нее сырьевых активов Основная сложность такой оценки состоит в отсутствии функциональной связи между параметрами такой системы и оценкой показателя эффективности

В подобных условиях единственный способ расчета показателя эффективности системы при установленных параметрах x={xls х2,..., xj, состоит в оценке суммарной доходности сделок, проведенных с использованием этой стратегии, смоделированных на установленном историческом периоде Очевидно, что данный показатель эффективности будет носить вероятностный характер

Показатель эффективности системы с параметрами х, может быть оценен по формуле (1), с помощью статистических данных по 7V-последовательно заключенным сырьевым сделкам в определенный временной период

Y N

r* - показатель эффективности j -ой сделки

Подобную оценку систем принятия решения в процессе закупки сырья, обращающихся на организованных товарных рынках, способны производить программные продукты Equis MetaStock, Omega Research TradeStation 2000i

Во второй главе проведен анализ статистических, интеллектуальных и нестатистических методов прогнозирования, рассмотрены их применимость для различных процессов, а также их достоинства и недостатки Проведенный обзор известных методов прогнозирования сложных процессов позволяет отобразить результаты их сравнительного анализа в виде таблицы 1

Обзор показал, что большинство го них обладает своими преимуществами и недостатками, поэтому они взаимно дополняют, не исключая друг друга На основе проведенного анализ можно сделать вывод, что исходя из поставленных задач и имеющихся данных, наиболее перспективный метод анализа ценовой динамики сырьевых товаров, для применения в процессе закупок сырья, является метод сглаживания ценовой тенденции посредствам фильтрации, позволяющей выделить низкочастотные составляющие в колебаниях ценовых показателей сырьевых ресурсов

Весомым фактором также является удобная программная реализация методов сглаживания, позволяющая быстро оценивать тенденции динамики процесса, тем самым, предоставив информацию для принятия адекватного управленческого решения

Таблица! - Сравнительные характеристики методов прогнозирования

Наименование Достоинства Недостатки

Элементарные методы Простота компьютерной реализации Невысокая точность прогноза, неприменимость в случае нестационарных процессов

Нестатистические методы Наглядность методов, удобная реализации на компьютере, быстрота реализации, легкая осваиваимость Неточность, субъективность, нечеткая интерпретация результатов

Трендовые методы Простота компьютерной реализации, возможность прогноза нестационарных процессов, малый объем требуемой информации Требование к "гладкости тренда", не учитывают случайной составляющей — и вследствие этого невысокая точность прогноза

Метод экспоненциального сглаживания Простота компьютерной реализации, возможность прогноза нестационарных процессов, малый объем требуемой информации Требование к "гладкости тренда", не учит Случайная составляющая — и вследствие этого невысокая точность Прогноза

Метод Бокса и Дженкинсона Простота компьютерной реализации, возможность прогноза нестационарных процессов, малый объем требуемой информации Применим только для процессов линейного вида и не подходит для нелинейных стохастических процессов, а также для процессов с негладкими трендами, сложен для реализации в многомерном случае

Методы фильтрации Алгоритмы применимы для прогнозирования стохастических векторных нестационарных и нелинейных случайных процессов, удобны для компьютерной реализации, позволяют учитывать неточности в задании параметров модели процесса Применимы дня линейных процессов или для процессов, допускающих линеаризацию, большой требуемый объем априорной информации, расходимость (неустойчивость) алгоритмов в ряде случаев, особенно для моделей сложного вида

йнтеллектуаль Нейросетевые Алгоритмы применимы для прогнозирования стохастических векторных нелинейных случайных процессов, не требуется какая-либо априорная информация о прогнозируемом процессе - достаточно лишь обучающей выборки, простота использования Применимы только для стационарных или приводимых к стационарным процессам, не позволяют получить качественную интерпретацию модели процесса

ные методы | Нейро-нечеткие Позволяют учесть имеющуюся экспертную информацию качественного характера, не предполагают выполнение каких-либо вероятностных предпосылок, позволяют прогнозировать сложные процессы, получаемые модели допускают понятную интерпретацию не позволяют получить качественную интерпретацию модели процесса

В третьей главе построены модели сглаживания ценовой динамики сырьевых ресурсов, для определения среднесрочной тенденции, при принятии решений Для построения индикаторов сглаживающих колебания ценовых показателей, использован фильтр Баттерворта Выбор определен на основании наиболее гладкой частотной характеристики и удобстве реализации в специализированных программных пакетах анализа динамики сырьевых показателей Оценка тренда осуществляется с использованием цифрового фильтра, служащего для подавления рыночных циклов с очень короткими периодами колебаний, которые также можно считать «шумом».

Синтезированы алгоритмы построения фильтра четного (2) и нечетного (3) порядков

¥к(т)--Цк) ¥к(т-1)-Цк) ¥к(т-2)+Ск{¥к_,(т)+2¥к_,(т-1)+¥к_1(т-2)} К }

к-1,р т=0,1,.

¥(т)=¥/т)

Синтезирован алгоритм построения фильтра нечетного порядка Х(т)=А¥0(т-1)+С(х, +хт__,)

¥к(т)=1,(к)¥к(т-1)-ЦкЩт-2) + фк1(т)+2Ук_,(т-1)+¥„(т-2)] ( )

т=0,1,...;к=1,р;

¥(т)=¥р(т)

Гдер -порядок фильтра, хт - временной ряд, С,Ск,Я,Я1 (к),Л,(к) -

параметры фильтра, ¥(т) - выходной сигнал фильтра

Алгоритмы фильтрации используются для построения индикаторов разных порядков и служат для подавления незначительных колебаний В результате индикатор, построенный на базе фильтра нижних частот Батерворта, оказывается значительно более гладким и регулярным, нежели индикаторы не использующие механизм фильтрации

Подходы к выбору порядка фильтра с помощью метрологических характеристик мало применимы, вследствие отсутствия какой либо функциональной зависимости между порядком фильтра и показателем эффективности стратегии, построенной на его основе Проведенные исследования показали, что рельеф функции характеризующей зависимость показателя эффективности стратегии <р(х) от ее параметров х сложен, имеет

множество локальных экстремумов и изменчив во времени Соответственно единственным способом определения параметров стратегии, остается их подбор, способный обеспечить экстремальные значения показателя эффективности

В диссертационной работе предложено использование генетических алгоритмов для решения задачи оптимизации параметров стратегии построенной на основе фильтра Батгерворта

Символьная модель рассматриваемой задачи включает множество параметров {х} пространство потенциальных решений 0—{о,}, пространство представлений 5={}, функцию кодирования е(о) и декодирования ¿'(и), функцию цели /(о) и функцию оценки представлений <р (в,) Постановка задачи оптимизации, с использованием генетических алгоритмов может быть представлена соотношениями (4):

Ч> ( «; ) ~> шах ^

&,=€(<>,) ' О I ~ }

X, е [1..2* + 1 ]

где, Я - размерность генов в наборе хромосом, N - число искомых параметров Решением задачи (4) будет являться такой вектор я, (особь), при котором целевая функция <р (э,) будет максимальна

Оценка показателя эффективности т,(г) /-ой стратегии, находится с помощью формулы (1) и определяется эмпирически, на основе статистических данных динамики выбранной стохастической величины

Анализ методов оценки риска, проведенный во второй главе, показал что в качестве риска целесообразно рассматривать величину V, , найденную из соотношения (5) Риск оценивается величиной V,, которую показатель эффективности сделки (г), не превысит с вероятностью а, те*

Р(\г\<У,) = а (5)

Для нахождения Ук необходимо оценить закон распределения показателя эффективности каждой стратегии

Учитывая стохастический характер показателей эффективности отдельно взятых стратегий, существует вероятность неустойчивости практических результатов применения каждой отдельной стратегии Для повышения устойчивости принимаемых решений предложен метод разделения рисков между несколькими стратегиями, позволяющий обеспечить повышение показателя эффективности набора стратегий, по сравнению с отдельно взятой стратегией, при заданном уровне показателя риска

Таким образом, для управления закупками сырья предлагается использование не одной стратегии принятия решения <5, а набора подобных стратегий А, разделив имеющиеся средства для закупки сырья по выбранным стратегиям

Для подобного подхода необходимо оценить показатели эффективности и риска набора стратегий и ранжировать стратегии в таком наборе, определив весовые коэффициенты

Оценка показателя эффективности набора стратегий ¿1, будет определяться по формуле (6)

V ^ 1 (6)

1-1

где ЛГД- количество систем в наборе А , щ- весовой коэффициент Оценка показателя риска набора стратегий принятия решения, будет определяться по формуле (7)

1=1 1-1

Определив показатели эффективности и риска рассматриваемого набора стратегий, получаем постановку задачи оптимизации весовых коэффициентов, исходя из максимизации эффективности, описанную соотношениями (8)

т л = ^ к т г ) так != /

= £ X =сот1

1=1 }- /

г-1 », > в

Из соотношений (8), можно сделать вывод о том, что возможно подобрать такие весовые коэффициенты отдельных стратегий, чтобы обеспечить повышение показателя эффективности набора систем принятия решения, по сравнению с отдельно взятой стратегией, сохранив при этом заданный уровень показателя риска

Рассмотрен подход к решению поставленной задачи с использованием генетического алгоритма Потенциальное решение задачи это вектор весов {к, , н>2 Значение долей н>„ как было показано ранее, варьируются в

интервале (0,1), а их сумма равна 1

Основное отличие использованного генетического алгоритма, заключается в использовании нечеткого выбора точки кроссовера исходя из степени значимости родителя, определяемая формулой (9)

При формировании потомства от каждой родительской особи берется фрагмент хромосомы равный Гар (5), что позволяет перенести потенциально

важные гены в хромосому потомков Схематичный пример работы алгоритма нечеткого выбора точки кроссовера представлен на рисунке 3

К достоинствам данной методики можно отнести то, что она позволяет учитывать потенциально лучшие решения при генерации новой популяции, но в некоторых задачах неизбежно приведет к увеличению времени схождения алгоритма

lt 1 10 I 0 \ 1\ 0 \ I \ ГПП

v Степень значимости Х-ого родители

I о | 1 | Q [0 |1 [0 | О 1П I | I | 0 | 0 | 0 | 1 | ТК I 1 1

гСтепень значимости 2-ого родителя

I Я I » II II И II \]ГТТ]

Степень значимости n-ого родителя

Рисунок 3 - Схематичный пример формирования новой хромосомы с помощью алгоритма нечеткого выбора точки кроссовера

В четвертой главе изучаются свойства разработанных методов и алгоритмов Программно реализован фильтр нижних частот Баттерворта Исследованы свойства предложенной стратегии принятия решения, на основе фильтров 2 и 3 порядка, основные результаты исследования представлены в таблице 2 В качестве статистических данных была взята динамика цены сырой нефти марки Brent f за период с 24 12000г по 13 7 2006г

Таблица №2 - Оценка эффективности предложенной стратегии

Показатель Значение

Количество выполненных сделок 253

Суммарное значение показателя эффективности за период(%) 194%

Математическое ожвдание показателя эффективности операции 4,5%

Средняя продолжительность сделки (дней) 5,3

Максимальное значение показателя эффективности сделки (%) +39,95%

Минимальное значение показателя эффективности сделки (%) -8,17%

Доля прибыльных сделок 0,36

Следующим этапом исследования свойств разработанной методики закупки сырья состоит в определении оптимальных параметров стратегии закупки сырья

Исследование рельефа функции, характеризующей зависимость показателя эффективности стратегии от ее параметров, проводилось на основании данных полученных с помощью проведения вычислительного эксперимента, за период с 2005-2007г График зависимости показателя эффективности стратегии от ее параметров для рынка сырой нефти марки

brent Яслева) и для рынка какао-бобов(справа) изображен на рисунке 4. Очевидно, что рельеф функции, характеризующей зависимость показателя эффективности стратегии от ее параметров, имеет множество локальных экстремумов, что обосновывает использование генетического алгоритма для нахождения параметров, позволяющих максимизировать показатель эффективности.

Рисунок 4 - График зависимости эффективности системы от ее параметров для рынка сырой нефти марки brent 1"(слева) и для рынка какао-бобов(справа)

В результате проведенного экспериментального исследования по исследованию рельефа функции, характеризующей зависимость показателя эффективности стратегии от ее параметров, были получены данные о значениях показателя эффективности для различных парк параметров. Также были получены параметры определяющие глобальные экстремумы, значения которых приведены в таблице 3:

Таблица №3 - Экстремум показателя эффективности, для разных рынков

Рынок Значение параметра Значение параметра Суммарная эффективность

Сырая нефть 5 11 98,327

Какао-бобы 2 3 188,99

Использование простого и модифицированного генетического алгоритма, рассмотренного в 3-ей главе, позволили найти параметры стратегии близкие к оптимальным за меньшее количество вычислений целевой функции. Результаты использования генетического алгоритма (ГА), для поиска оптимальных параметров стратегий приведены в таблице 4.:

Таблица №4 - Результаты поиска экстремумов с помощью ГА

Рынок Алгоритм Кол-во иттераций Значение параметра Значение параметра Суммарная эффективность

Сырая нефть Модиф ГА 65 4 13 94,568

Простой ГА 57 5 13 85,558

Какао-бобы Модиф ГА 83 1 11 143,24

Простой ГА 79 4 5 136,21

Для проведения вычислительного эксперимента помимо данных о сделках проведенных с помощью разработанной стратегии были использованы данные о работе 2х аналогичных стратегий Для указанного набора из Зх стратегий, в ходе вычислительного эксперимента, были найдены оптимальные весовые коэффициенты, позволившие добиться увеличения значения показателя эффективности набора стратегий, по сравнению с отдельными стратегиями, при заданном значении показателя риска

Этапы вычислительного эксперимента, используемые программные средства, исходные и промежуточные данные схематично представлены на рисунке 5 В ходе эксперимента найдены промежуточные данные, указанные на рисунке 5

Рисунок 5 - Схема обработки экспериментальных данных

В таблице 5 приведены результаты поиска оптимального решения по 10 запускам генетического алгоритма, для разных уровней показателя риска

Маке.зн. Кол-во Вес.коэфф. Вес.коэфф. Вес.коэфф.

Ц.Ф. иттерации стратегии №1 стратегии №1 стратегии №1

MS 0,0465215 136 0.2261146 0.4426752 0,3312102

0,0465094 53 0,2285714 0,4412698 0,3301587

0,0463551 47 0,2358491 0,4371069 0,3270440

0,0510900 188 0.0000000 0,5819672 0.4180328

о 0,0506383 101 0,0217391 0,5724638 0,4057971

0.0496392 55 0,1465969 0,3926702 0,4607330

со 0,0539231 138 0,0208333 0,3541667 0,6250000

0,0538421 121 0.0213904 0,3582888 0,6203209

0,0536598 65 0,0209424 0,3717277 0,6073298

Построено пространство поиска, определяющее возможные сочетания значений показателя эффективности и риска представленную на рисунке 6.

I

Рисунок 6 - Графическое представление пространства поиска

Очевидно, что в рамках подобной области необходимо выбрать, исходя из поставленных задач, наилучшие решения. В исследованиях проведенных в 1 и 2 главах, мы определили, что значимыми будут решения, которые позволяют максимизировать показатель эффективности при заданном показателе риска, либо минимизировать риск при заданном значении показателя эффективности.

В обоих случаях при поиске наилучших решений нам интересна левая верхняя граница представленной фигуры, где расположены наиболее предпочтительные, исходя из наших задач решения, называемая

0,065

0,06

0,055

0,05

0,045

0,04

0,035

0,03

0,025

0,035

0,045 0,055 0,065 0,075 0,085 0,095 0,105 0,1 Значение показателя риска

эффективным множеством решений. При этом, заданные значения уровней показателя будут определяться от индивидуальной расположенности лица принимающего решения к риску.

Произведено сравнение быстродействия модифицированного генетического алгоритма с классическим алгоритмом Холланда. Результаты сравнения ?ыстродействия поиска решения, при уровне показателе риска равного 0.08, приведены на рисунке 7.

Произведено сравнение точности найденного значения целевой функции при использовании модифицированного генетического алгоритма и метода перебора. Погрешность при поиске глобального максимума не превышает 0,1%, что в сочетании с высоким уровнем быстродействия, говорит о высокой эффективности метода поиска.

76 101 126

номер иттерации

0,055 0,053 0,051 0,049 0,047 0,045 0,043 0,041 0,039 0,037 0,035

Рисунок 7 - Динамика средней ценности популяции для модифицированного ГА (толстая линия) и классического ГА(тонкая линия), при уровне риска 0,08

Произведено тестирование разработанного модифицированного генетического алгоритма при помощи нахождения максимума тестовой функции (10). В качестве которой использовалась функция Растринга:

F(x, j?) = 20 + jc2 + j?2-10-eos(2?r • x) -10 • cos(2^r ■><) (10)

По результатам усреднения данных полученных по 10 запускам были получены данные, представленные в таблице 6.:

Таблица 6 - Усредненные результаты тестирования по Ю запускам

Вид алгоритма Максимальное значение тестовой функции Кол-во поколений

Классический ГА 80.63284 156

Модифицированный ГА 80.6634 127

Пятая глава содержит описание проектирования информационной системы Разработана архитектура информационно аналитической системы управления закупками сырья на промышленном предприятии

Определены основные требования к информационно-аналитической системе, а также входные и выходные данные. В рамках объектно-ориентированного подхода разработан класс процедур, функций, и переменных для реализации генетического алгоритма.

Программно реализован модуль оптимизации на основе предложенного модифицированного генетического алгоритма

Методика внедрена и используется в практической деятельности предприятия ООО «Инвест-Лайн».

ЗАКЛЮЧЕНИЕ

Основные результаты и выводы, полученные в работе:

1) Проанализированы тенденции развития промышленных предприятий, выявлены рискообразующие факторы влияющие на процесс закупки сырьевых ресурсов, которые позволили сформулировать проблемную ситуацию и определить группу традиционных методов применимых для управления сырьевыми рисками,

2) Проведен анализ, традиционных методов управления закупками сырья, рассмотрены механизмы их применения, а также достоинства и недостатки, что позволило выявить необходимость применения в совокупности с традиционными методами, методов прогнозирования динамики ценовых показателей сырьевых ресурсов;

3) Предложено системное описание процесса управления закупками сырья позволяющее посредствам применения методов прогнозирования осуществлять управление закупками сырья с учетом существующих рисков изменения ценовых показателей сырьевых ресурсов,

4) Произведен анализ существующих методов прогнозирования, на основе которого, исходя из поставленных задач и имеющихся данных, обосновано применение методов фильтрации как основополагающего класса методов используемых в стратегии принятия решения,

5) Рассмотрены алгоритмы оценки показателей, характеризующих эффективность и риск стратегий принятия решения в процессе управления закупками сырья,

6) Синтезирован алгоритм сглаживания ценовых показателей сырьевых ресурсов, основанный на цифровом фильтре Баттерворта, позволяющий построить индикатор, выделяющий низкочастотную составляющую временного ряда, служащий для получения среднесрочного прогноза при принятии решении в процессе закупки сырья и позволяющий повысить эффективность проведения сырьевых сделок,

7) Предложен метод разделения рисков в процессе закупки сырья на промышленном предприятии, за счет комплексного использования набора стратегий принятия решения, позволяющий обеспечить повышение показателя эффективности набора стратегий, по сравнению с отдельно взятой стратегией, сохранив при этом заданный уровень показателя риска;

8) Предложен модифицированный генетический алгоритм для решения поставленных задач поиска квази-оптимальных параметров, отличающийся нечетким способом выбора точки кроссовера и позволяющий обеспечить более быстрое схождение алгоритма;

9) Получены результаты экспериментального исследования, оценены показатели эффективности и риска стратегии принятия решения, на основе фильтра нижних частот Батгерворта, найдены решения задачи оптимизации весовых коэффициентов набора стратегий принятия решения, оценено быстродействие модифицированного генетического алгоритма; оценка точности решений найденных с помощью модифицированного генетического алгоритма,

10) Сформулированы основные требования к информационной системе, позволившие спроектировать архитектуру информационно-аналитической системы управления закупками сырья,

11) Программно реализованы библиотека описания иерархии классов, для реализации генетического алгоритма; индикатор, на основе фильтра нижних частот Батгерворта, программный модуль оптимизации, с использованием модифицированного генетического алгоритма.

По теме диссертации опубликованы следующие печатные работы:

1 Портнов К.В. Генетические алгоритмы и поиск эффективных порядков индикаторов в Биржевой торговой стратегии на основе пересечения трех скользящих средних// Вестник Самар Госуд Техн.Ун-та- серия Технические науки, выпуск №32. - Самара- СамГТУ, 2005г - с.72-76.

2 Портнов К.В. Использование модифицированных генетических алгоритмов в задачах распределения ресурсов// Материалы IX международной конференции «Интеллектуальные системы и компьютерные науки»- (23-27 октября 2006г ), том 2,часть 2. - М -Изд-во механико-математического факультета МГУ, 2006г. - с 244-250

3 Батшцев В.И., Портнов КВ. Анализ генетических алгоритмов оптимизации инвестиционных процессов// материалы Межд конф по мягким вычислениям и измерениям. — С.Петербург, 2005г

4 Портнов К В Использование вероятности заданного отклонения для оценки риска инвестиционного портфеля// Информационные технологии

в XXI веке Сборник докладов и тезисов Ill-го Молодежного н-пр. форума - Днепропетровск ИПКИнКомЦентраУГХТУ,2005-с 161-163 5 Портнов К В. Анализ системного подхода к исследованию задачи распределения инвестиционных ресурсов // Моделирование. Теория, методы и средства* Материалы VI межд н-пр.конф (апрель 2006) -Новочеркасск: 2006г

6. Портнов KB Использование нерекурсивного цифрового фильтра типа скользящего среднего для создания механической торговой системы// Компьютерные технологии в науке, практике и образовании. Тезисы доки. Всеросс межвуз. н-пр конф. - Самара- СамГТУ. - 2003г. с 57-58.

7. Портнов К.В. Анализ оценки неопределенности инвестиционного портфеля// Математическое моделирование и краевые задачи Труды III-ейвсеросконф -Самара СамГТУ,2006.

8 Портнов К.В. Анализ использования генетических алгоритмов в задачах формирования оптимального портфеля// Наука и образование - 2005. материалы Междн-техн.конф -Мурманск МГТУ,2005.с237-240 9. Портнов К В Модификация модели генетических алгоритмов с применением нечеткого оператора выбора точки кроссовера // Математическое моделирование и краевые задачи: Труды II Всеросс конф.-Самара СамГТУ, 2006 - Ч 2. - с 203-205. 10 Портнов К.В Создание автоматизированной системы технического анализа и проведение операций на рынке FOREX// Компьютерные технологии в науке, практике и образовании- Тезисы докладов Всеросс. межвузовской н-пр конф. - Самара СамГТУ. - 2003г. с. 58-59 11. Портнов КВ. Технические, экономические и правовые аспекты создания электронных представительств торговых фирм// IX Межд н-пр. конф «Современная техника и технологии» - Томск Изд-во Томского политехи ун-та, 2003 -Т. 2.-е 118-120 12 Портнов КВ. Анализ и реализация модели оптимизации процессов деятельности информационно-игровых центров // Интеллектуальные системы. Труды V межд симпозиума (г Калуга, 2-4 июля 2004г,)Ии / Под. Ред К.А Пупкова -М.МГТУ им НЭ Баумана, 2002г.-с 382-385

Автореферат напечатан с разрешения диссертационного совета Д212 217.03 ГОУ ВПО «Самарский Государственный Технический Университет» (протокол №12 от 05 10 2007г )

Заказ №706, Тираж ЮОэкз Отпечатано на ризографе Самарский Государственный Технический Университет Отдел типографии и оперативной печати 443100, г Самара, ул Молодогрвардейская 244

ВВЕДЕНИЕ.

1. АНАЛИЗ ПРОБЛЕМ УПРАВЛЕНИЯ СЫРЬЕВЫМИ РЕСУРСАМИ НА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ.

1.1. Анализ факторов риска в процессе закупки сырья для нуяед промышленных предприятий.

1.2. Современное состояние проблемы управления рисками в процессе закупки сырья для промышленных предприятии.

1.3. Системный подход к управлению процессами закупки сырьевых ресурсов.

1.4. Подход к оценке эффективности системы управления закупками сырья.

1.5. Определение класса методов прогнозирования.

Актуальность темы.

В последние годы промышленный сектор Российской Федерации демонстрирует уверенный рост, характеризующийся увеличением объемов выпускаемой продукции. По данным Госкомстата, наблюдается также рост промышленных предприятий ведущих активную внешнеэкономическую деятельность, связанную с экспортно-импортным обменом. Рост масштабов производства, усложнение внутренних процессов ресурсного обмена, увеличение объемов поставок сырья на промышленных предприятиях требует профессионального подхода к управлению таким предприятием, для л обеспечения устойчивости его функционирования.

Если в период плановой экономики, предприятия обменивались сырьевыми ресурсами в рамках, и по правилам единого собственника, и вся ответственность за потери ложилась на государство, то в настоящее время, в России, экономические субъекты были вынуждены, практически мгновенно перейти на новые условия обмена принадлежащими им ресурсами. Это значительно повысило ответственность за принятие управленческих решений, при управлении ресурсами и снабжении сырьем, без скидок на незнание и отсутствие опыта. Если методы управления производственными и внутренними Л процессами предприятия хорошо изучены, то процесс управления снабжением сырьевыми ресурсам в условиях изменяющийся внешней среды, для российских предприятий, является новым и начал рассматриваться только в постсоветский период.

Одним из основных рискообразующих факторов, в процессе сырьевого снабжения промышленного предприятия, является неопределенность развития сырьевых рынков, обусловленная:

• изменяющимися объемами добычи или производства сырья, в связи с рыночными, природными и другими факторами;

• изменяющимся таможенным и налоговым законодательством;

• изменяющимися ожиданиями участников сырьевых рынков.

Мировая практика показывает, что неблагоприятные изменения ценовых характеристик сырьевых ресурсов, использующихся в производственном процессе конкретного предприятия, оказывает сильное негативное влияние на эффективность его деятельности. Недопустимость сбоев способных привести к снижению объемов производства, повышению себестоимости или его остановке, требует разработки и внедрения систем управления процессами сырьевого снабжения, опирающихся на прогнозирование изменения ценовых характеристик сырья.

Таким образом, первоочередной задачей на промышленном предприятии является создание такой стратегии управления снабжением сырьевыми ресурсами, которая была бы направлена на формирование оптимальных производственных показателей, и ориентирована к работе в условиях динамично меняющейся внешней среды. Решение подобной задачи требует системного подхода к ее решению, включающую в себя разработку инструментария прогнозирования, принятия решений, оценку результатов принимаемых решений, корректировку параметров реализованных в виде системы для принятия управленческих решений.

Рассмотренные выше особенности сырьевого снабжения обуславливают актуальность исследования проблем и методов управления закупками сырья промышленных предприятий и разработку методики принятия решений для управления сырьевым снабжением промышленных предприятий.

Целыо настоящей диссертационной работы является системный анализ проблемы управления процессами сырьевого снабжения промышленного предприятия, разработка и совершенствование методов управления сырьевым снабжением промышленных предприятий.

Основными задачами для достижения поставленной цели являются:

- системный анализ процесса закупки сырья с целью выявления рискообразующих факторов снижающих эффективность производственной деятельности и разработка системного описания данного процесса;

- исследование существующих методов управления закупками сырья;

- разработка методов обработки ценовых показателей сырьевых ресурсов для обоснования принятий решений в процессе управления закупками сырья;

- разработка алгоритмов оценки показателей, характеризующих эффективность и риск стратегий принятия решения в процессе управления закупками сырья;

- разработка методов снижения риска стратегий, используемых для принятия решений;

- разработка алгоритма оценки параметров стратегии принятия решения в процессе управления закупками сырья;

- разработка методов и алгоритмов обработки экспериментальных данных и определение инструментов для их реализации;

- разработка архитектуры информационно-аналитической системы для управления процессом закупки сырьевых ресурсов;

- реализация необходимых для проведения экспериментального исследования модулей информационно-аналитической системы;

- исследование эффективности разработанных методов и алгоритмов на статистических данных;

Научная новизна исследования:

1) предложено системное описание процесса управления закупками сырья, которое в отличие от аналогов позволяет учитывать рискообразующие факторы внешней среды посредствам применения методов прогнозирования, позволяющее повысить эффективность процесса закупки сырья;

2) разработана методика принятия решения в процессе закупки сырьевых ресурсов на промышленном предприятии, отличающаяся использованием методов прогнозирования ценовых показателей сырьевого ресурса и используемая для повышения эффективности процесса управления закупками сырья;

3) предложен метод разделения рисков между несколькими стратегиями принятия решения, позволяющий обеспечить повышение показателя эффективности, набора стратегий, по сравнению с отдельно взятой стратегией, при заданном уровне показателя риска, используемый для повышения устойчивости принимаемых решений;

4) предложен генетический алгоритм для решения многокритериальных задач, отличающийся модифицированным оператором кроссовера, позволяющий обеспечить более быстрое схождение алгоритма, используемый для оптимизации набора стратегий принятия решения;

Практическая полезность работы:

1) предложенное описание процесса управления закупками сырья, повышает эффективность закупки сырьевых ресурсов промышленного предприятия и способствует обеспечению устойчивости производственного процесса;

2) предложенные алгоритмы и методы управления процессами закупками сырья, реализуемы для отделов снабжения промышленных предприятий, торговых домов осуществляющих снабженческую деятельность;

3) предложенные алгоритмы, используемые для принятия решения в процессе управления закупками сырья, могут быть использованы для управления другими видами ресурсов;

4) предложенный модифицированный генетический алгоритм может быть использован для оптимизации любых многокритериальных задач;

5) Разработанная архитектура информационно-аналитической системы позволяет отслеживать зоны благоприятные для заключения сырьевых сделок и корректировать параметры системы в режиме реального времени;

6) Внедрение информационно-аналитической системы, позволяет повысить эффективность подразделений осуществляющих сырьевые сделки;

Основные положения, выносимые на защиту:

1) системное описание процесса управления закупками сырья;

2) методика принятия решения в процессе закупки сырьевых ресурсов на промышленном предприятии;

3) метод разделения рисков между несколькими стратегиями принятия решения;

4) модифицированный генетический алгоритм для решения многокритериальных задач;

Реализация работы. л

Разработанная методика управления закупками сырья, а также методы и алгоритмы использующиеся в этом процессе внедрены и используются в практической деятельности предприятия ООО «Инвест-лайн», г.Самара.

Апробация работы.

Основные положения работы и результаты исследований обсуждались на следующих конференциях: международных конференциях «Интеллектуальные системы и компьютерные науки» (г.Москва, 2006г.), «Моделирование. Теория, методы и средства»(г.Новочеркасск, 2006г.), «Мягкие вычисления и измерения» (г.С.Петербург, 2005г.), «Информационные технологии в XXI веке» (г.Днепропетровск, 2005г.), «Наука и образование» (г.Мурманск, 2005г.), «Современная техника и технологии» (г.Томск, 2003г.), всероссийской конференции «Математическое моделирование и краевые задачи»(г.Самара, 2005, 2006г.), всероссийской конференции «Компьютерные технологии в науке, практике и образовании» (г.Самара, 2003г.)., всероссийской конференции «Компьютерные технологии в науке, практике и образовании-2003»и других.

Публикации.

По теме диссертации опубликовано 12 печатных работ, в их числе 1 статья в журнале из перечня, рекомендуемого ВАК РФ;

Структура работы.

Диссертация состоит из введения, пяти глав, заключения и списка литературы. Основная часть содержит 131 страницу машинописного текста, 38 рисунков, 105 формул и 11 таблиц. Список использованных источников состоит из 116 наименований.

Основные результаты и выводы, полученные в работе:

1) Проанализированы тенденции развития промышленных предприятий, выявлены рискообразующие факторы влияющие на процесс закупки сырьевых ресурсов, которые позволили сформулировать проблемную ситуацию и определить группу традиционных методов применимых для управления сырьевыми рисками;

2) Проведен анализ, традиционных методов управления закупками сырья, рассмотрены механизмы их применения, а также достоинства и недостатки, что позволило выявить необходимость применения в совокупности с традиционными методами, методов прогнозирования динамики ценовых показателей сырьевых ресурсов;

3) Предложено системное описание процесса управления закупками сырья позволяющее посредствам применения методов прогнозирования осуществлять управление закупками сырья с учетом существующих рисков изменения ценовых показателей сырьевых ресурсов;

4) Произведен анализ существующих методов прогнозирования, на основе которого, исходя из поставленных задач и имеющихся данных, обосновано применение методов фильтрации как основополагающего класса методов используемых в стратегии принятия решения;

5) Рассмотрены алгоритмы оценки показателей, характеризующих эффективность и риск стратегий принятия решения в процессе управления закупками сырья;

6) Синтезирован алгоритм сглаживания ценовых показателей сырьевых ресурсов, основанный на цифровом фильтре Баттерворта, позволяющий построить индикатор, выделяющий низкочастотную составляющую временного ряда, служащий для получения среднесрочного прогноза при принятии решении в процессе закупки сырья и позволяющий повысить эффективность проведения сырьевых сделок;

7) Предложен метод разделения рисков в процессе закупки сырья на промышленном предприятии, за счет комплексного использования набора стратегий принятия решения, позволяющий обеспечить повышение показателя эффективности набора стратегий, по сравнению с отдельно взятой стратегией, сохранив при этом заданный уровень показателя риска;

8) Предложен модифицированный генетический алгоритм для решения поставленных задач поиска квази-одтимальных параметров, отличающийся нечетким способом выбора точки кроссовера и позволяющий обеспечить более быстрое схождение алгоритма;

9) Получены результаты экспериментального исследования, оценены показатели эффективности и риска стратегии принятия решения, на основе фильтра нижних частот Баттерворта; найдены решения задачи оптимизации весовых коэффициентов набора стратегий принятия решения; оценено быстродействие модифицированного генетического алгоритма; оценка точности решений найденных с помощью модифицированного генетического алгоритма;

10) Сформулированы основные требования к информационной системе, позволившие спроектировать архитектуру информационно-аналитической системы управления закупками сырья;

11) Программно реализованы библиотека описания иерархии классов, для реализации генетического алгоритма; индикатор, на основе фильтра нижних частот Баттерворта; программный модуль оптимизации, с использованием модифицированного генетического алгоритма.

ЗАКЛЮЧЕНИЕ

1. Агафонова И.П. Стратегии инновационного развития предприятий легкой промышленности России в преддверии вступления в ВТО и их риски // Директор, №8(78) 2005, с. 77-81

2. Андерсон Т. Статистический анализ временных рядов. М.:Наука, 1986. -406с.

3. Балабанов И.Т. Основы финансового менеджмента. Как управлять капиталом? М.: Финансы и статистика, 1994.

4. Балабанов И.Т. Риск-менеджмент. М.: Финансы и статистика, 1996.

5. Беллман Р. Заде Л. Принятие решений в расплывчатых условиях // В кн.: Вопросы анализа и процедуры принятия решений. М.: Мир. 1976.

6. Брейли Р. Майерс С. Принципы корпоративных финансов. М.: ЗАО «Олимп-Бизнес». 1997.

7. Бромвич М. Анализ экономической эффективности капиталовложений: пер с англ.-М.:1996-432с.

8. Батищев В.И., Портнов К.В. Анализ генетических алгоритмов оптимизации инвестиционных процессов// материалы Международной конференция по мягким вычислениям и измерениям. С.Петербург, 2005г. - с.88-89

9. Безручко Б.П., Диканев Т.В., Смирнов Д.А. Тестирование на однозначность и непрерывность при глобальной реконструкции модульных уравнений по временным рядам//Изв.Вузов. Прикладная нелинейная динамика. 2002, - Т. 10, №4 - С.51-57

10. Бокс Дж., Дненкинс Г. Анализ временных рядов, прогноз и управление. -М.:Мир, 1974.

11. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов: Пер. с англ ./Под ред. И.Н. Коваленко. М.: Мир, 1971, с. 11.

12. Бендат Дж., Пирсол А. Прикладной анализ случайных данных: Пер. с англ. -М.: Мир, 1989.-540 с.

13. Бендат Дж., Пирсол А. Применение корреляционного и спектрального анализа-М.: Мир, 1983.-310 с.

14. Болдырев М. Нейросети: современное оружие финансовых баталий// Рынок ценных бумаг 1996 - №19 с.50-51

15. Вентцель Е.С. Теория вероятностей. М.: Наука, 1964. 576с.

16. Вентцель Е.С., Овчаров П.А., Прикладные задачи теории вероятностей. М.: Радио и связь. 1983. -416 с.

17. Вильяме Б. Торговый хаос. М.: ИК Аналитика, 2000. - 328с.

18. Вине Р. Математика управления капиталом. М.: Альпина, 2000. - 328с.

19. Воронов В.И. Управление проектами в России. М.: «Алане», 1995

20. Галушкин А. Современное развитие нейрокомпыотерных технологий в России// Открытые системы 1997 - №4 с.25-28

21. Гальперин В.М. Гребенников П.ИП. Леусский А.И. Тарасевич Л.С. Макроэкономика: Учебник. СПб: Экономическая школа. 1994.

22. Танеев P.M. Математические модели в задачах обработки сигналов. М.: Горячая линия Телеком ., 2002. - 83 с.

23. Гитман Л. Жд, Джонк М.Д. Основы инвестирования. -М.: Дело. 1997.

24. Грабовой П.Г., Петрова С.Н., Полтавцев С.И., Романова К.Г., Хрусталев Б.Б., Яровенко С.М. Риски в современном бизнесе. М.:Аланс, 1994,200 с.

25. Гранатуров В.М. Экономический риск: сущность, методы измерения, пути снижения. М: Дело и Сервис, 1999. 112 с.

26. Догиль Л. Ф. Управление хозяйственным риском. Москва: Книжный дом, Мисанта, 2005 г. 224с.

27. Друкер П. Управление, нацеленное на результаты: Пер. с англ.-М.: Технологическая школа бизнеса. 1994.

28. Еремеев A.B. Разработка и анализ генетических и гибридных алгоритмов для решения задач дискретной оптимизации. Дисс. канд.физ.-мат.наук. Омск, 2000.

29. Жигло А.Н. Расчет ставок дисконта и оценка риска.// Бухгалтерский учёт 1996-№6.

30. Зубанов Н.В., Пестриков C.B. Анализ устойчивости функционирования экономических систем относительно поставленных целей. Самар.гос.техн.ун-т. Самара, 2005.- 119с.

31. Кандинская O.A. Развитие мирового рынка валютных фьючерсов и опционов. // Журнал «Финансовый бизнес», № 2. — 2000.

32. Карпушев О. Визуальный анализ поверхностей дохода // Современный трейдинг №3, 2001г. с.20-23.

33. Колемаев В.А., Калинина В.Н. Теория вероятностей и математическая статистика: Учебник / Под ред. В.А. Колемаева. М.:ИНФРА-М, 1997. - 302с.

34. Коломина М. Сущность и измерение инвестиционных рисков. // Финансы №4- 1994, с. 17-19.

35. Косарев A.C., Новгородова Л.П. Управление ценовыми рисками промышленных предприятий // Управление финансовыми рисками, №4, 2005 г. с.34 -41.

36. Кофман А., Хил Алуха X. Введение теории нечетких множеств в управлении предприятиями, Минск: Вышэйшая школа, 1992.

37. Кулик А.Н. Черных А.Г., Нейронные технологии на финансовом рынке// Рынок ценных бумаг 1996 - №23с.60-62

38. Курейчик В.М. Генетические алгоритмы. Состояние. Проблемы. Перспективы//Известия РАН. Теория и системы управления. -1999. -№1 -С. 144-160

39. Кузнецов В. Измерение финансовых рисков.//Банковские технологии, №7,1997, с.41-55.

40. Лакушин Ю.П. Адаптивные методы прогнозирования экономических показателей. -М. ¡Статистика 1979. 144с.

41. Лукашов A.B. Управление ценовыми рисками на сырьевые товары (commodities) для нефинансовых корпораций.// Управление финансовыми рисками/Июль. №03(07) 2006г. 246-270

42. Масалович А.И. Пять шагов к вершине (портрет российского рынка аналитических систем)// Рынок ценных бумаг 1996 - №14с.41-44

43. Мун Ф. Хаотические колебания. М: Мир. 1990, 312 с.

44. Недосекин А.О. Финансовый менеджмент в расплывчатых условиях. СПб, Типография «Сезам», 2002. 201с.

45. Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа: Учеб. 3-е изд. Томск: Изд-во НТЛ, 2001- 396 е.: ил.

46. Питер С. Роуз "Банковский менеджмент" Москва.: Дело, 1997 - 299с.

47. Половинкин П. Зозулюк А. Предпринимательские риски и управление ими. // Российский экономический журнал №9 1997, с.ЗЗ- 41.

48. Портнов К.В. Анализ использования генетических алгоритмов в задачах формирования оптимального портфеля// Наука и образование 2005: материалы Междунар.науч.-техн.конф.(Мурманск, 6-14 апреля 2005г.):в 7ч. -Мурманск: МГТУ, 2005.' - Ч.У1. - с.237-240

49. Портнов К.В. Анализ системного подхода к исследованию задачи распределения инвестиционных ресурсов // Моделирование. Теория, методы и средства: Материалы Шестой Международной научно-практической конференции (апрель 2006). Новочеркасск: 2006г.

50. Портнов К.В. Анализ оценки неопределенности инвестиционного портфеля// Математическое моделирование и краевые задачи: Труды Ш-ей всероссийской конференции. Самара: СамГТУ, 2006. - с.203-205.

51. Портнов К.В. Генетические алгоритмы и поиск эффективных порядков индикаторов в Биржевой торговой стратегии на основе пересечения трех скользящих средних. Вестник СамГТУ - 2005 - №32 с.72- 76.

52. Портнов К.В. Использование модифицированных генетических алгоритмов в задачах распределения ресурсов// Интеллектуальные системы и компьютерные науки: материалы IX международной конференции. -М.: 2006г. с.98-104

53. Пушкарева Г.В. Генетическое программирование при автоматизированном проектировании управляющих программ для систем ЧПУ // Сборник научных трудов НГТУ. 2004. №1 - С.67-72

54. Растригин JI. А. Случайный поиск — специфика, этапы истории и предрассудки. // Вопросы кибернетики. Вып. №33 (1978), с. 3-16.

55. Рогов М.А. Риск-менеджмент. М.: Финансы и статистика, 2001. - 120с.

56. Родионова В.М. Федотова М.А. Финансовая устойчивость предприятия в условиях инфляции. М.: Изд-во «Перспектива». 1995.

57. Российская экономика на современном этапе: стратегия развития, инновационная политика, под ред. И.Я. Каца. Ульяновск:УлГУ, 2000 380 с.

58. Рэдхед К. Хыос С. Управление финансовыми рисками. М.: Инфра-М.1996.

59. Рюэль Д., Такенс Ф. О природе турбулентности. 1971г.

60. Сафин Ф. Сущность и факторы экономической устойчивости (постановка проблемы). Вестник ТИСБИ, Выпуск № 2, Казань, 2000.

61. Системный анализ в управлении; учебное пособие/ B.C. Анфилатов, М.: Финансы и статистика, 2003. - 368с.

62. Снизить риски инвесторов задача государства: Интервью с председателем ФКЦБ России Игорем Костиковым // Рынок Ценных Бумаг. №22 2000, с.64-66

63. Солонников C.B., Горюнова JI.B. Менеджмент риска в промышленности медицинских изделий. // Менеджмент № 2/19/2005, с. 44-49.

64. Степанов B.C. Фондовый рынок и нейросети.// МИР ПК 1998 - №12 с.40-46

65. Тарасенко Ф.П. Прикладной системный анализ: Наука и искусство решения проблем. Томск. Изд-во ТГУ, 2004. 180 с.

66. Телегина Е. Об управлении рисками при реализации долгосрочных проектов. //Деньги и кредит, №1 1995, с.57-59.

67. Тейл Г. Экономические прогнозы и принятие решений. М.: «Прогресс» 1970.

68. Трифонов Ю.В., Плеханова А.Ф., Юрлов Ф.Ф. Выбор эффективных решений в экономике в условиях неопределённости. Монография. Н. Новгород: Издательство ННГУ, 1998г. 140с.

69. Трухаев Р.И. Модели принятия, решений в условиях неопределенности. М.: Наука, 1981.

70. Уткин Э.А. Риск-менеждмент. М.Экмос, 1998, 288 с.

71. Финансовый менеджмент. -М.: Перспектива, 1999.-268с

72. Финансовый рынок: адаптация к рыночной экономике/ под ред. В.И.Колесникова СПб.: СПб ун-т эк-ки и финансов. 1999. - 143с.

73. Фролькис В. Введение в теорию и методы оптимизации для экономистов. -СПб., ИД ПИТЕР, 2002. 320с.

74. Фурунджиев Р.И.,Бабушкин Ф.М., Варавко В.В. Применение математических методов и ЭВМ: Практикум. Мн.: Высшая школа, 1998.-191с.

75. Хил Лафуенте A.M. Финансовый анализ в условиях неопределенности. -Минск. Тэхнолопя, 1998.

76. Хохлов Н.В. Управление риском. М.: Юнити Дана, 1999. 239 с.

77. Чекулаев М.В. Риск-менеджмент: управление финансовыми рисками на основе анализа волатильности. М.: Альпина Паблишер, 2002. - 350с.

78. Черкасов В.В. Проблемы риска в управленческой деятельности. М: Рефл-бук, К.:Ваклер, 1999. 288 с.

79. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1977.

80. Чехлов A.B. Хеджирование ценовых рисков экспортно-импортных операций. // Доклад на XI Международной Ежегодной Конференции «Международные рынки капитала: привлечение финансовых ресурсов»( 8 ноября 2003 г.).Баден-Баден, Германия.

81. Чижова E.H. Предприятие как кибернетическая система. На сайте: http://conf.intbel.ru/conf/docs/0010/0010.doc

82. Шапкин A.C. Экономические и финансовые риски. Оценка, управление, портфель инвестиций. 3-е изд. - М.: Издательско-торговая корпорация «Дашков и К0», 2004. - 544 с.:ил.

83. Шустер Г. Детерминированный хаос. М: Мир, 1988. 240 с.

84. Элдер А., Основы биржевой игры. Учебное пособие для участников торгов на мировых биржах. Психология. Тактика торгов. Денежный менеджмент М.: Издательство «Светоч», 1995. -327с.

85. Эфрон Б. Нетрадиционные методы многомерного статистического анализа: Сб. статей: Пер.с англ.М.: Финансы и статистика, 1988. 263 с.

86. Яковлев В.Л., Яковлева Г.Л., Малиевский Д.А. Нейросетевая экспертная система управления портфелем банка: Сборник докладов V Всероссийскойконференции «Нейрокомпьютеры и их приминение» М.: «Радио и связь», 1999 -с.291.

87. Bremermann H.J., Roghson J., Salaff S. Global properties of evolution processes.Natural automata and useful simulations. London.-Macmillan. 1966.pp3-42.

88. Cashin P., McDermott C., Scott A. (1999). Booms and Slumps in World Commodity Prices. IMF working paper. Research department.

89. Charles LeBeau, Dawid W.Lucas. Computer analysis of the futures market.: IRWIN Professional Publishing, 1992. 362p.

90. Chorafas D.N. Chaos Theory in the Financial Market. Probus Publishing, 1994.

91. D.L.Frechette, E.Ro. The Effect of California Weather Conditions on Price Premia for Organically Grown Vegetables in the United States // Journal of Food Distribution Research. July 2001. Vol. 32. No. 2. P. 20-28.

92. Geoff Kates. Risk management systems 2000. Risk Professional, #2/1 February 2000. London Informa Group, 2000. pp. 19-31.

93. Goodman E.,Tetelbaum A., Kureichik V. A Genetic Algorithm Approach to Compaction, Bin Packing, and Nesting Problems // Case Center Technical Report №940702. Michigan State University, 1994.

94. Goldberg D. E. Genetic algorithms in search, optimization, and machine learning. Reading, MA: Addison-Wesley. 1989.

95. Holland J. H. Adaptation in natural and artificial systems. Ann Arbor: University of Michigan Press. 1975.

96. John C.Hull. Options, Futures & Others Derevatives. USA.: Prentice-Hall, Inc.,2000. - 698p.

97. Markovitz H.M. Portfolio selection. Journal of Finance. 1952. vol.7, №1.

98. Mitchell M. An introduction to Genetic Algorithm. MIT Press, 1996 186p.

99. Roland Kenett. Towards a grand unified theory of risk. Operational Risk, London, Infroma Business Publishing, 2000. pp. 61-69.

100. Rechenberg I. Evolutionsstrategie: Optimierung technischer Systeme nach Prinzipien der Biologischen Information, Freiburg: Fromman, 1973.

101. Silies C. (2004). Reducing Price Risk of Mongolian Commodity Exports through Market-Based Management. Joint Mongolian-German Project «Export-Oriented Industrial and Trade Policy»

102. Sharpe W.F. Simplified model for portfolio analysis//Management Sei. -1963. vol.9, №2.

103. Schwefel H. P. Numerical optimization of computer models. Chichester: Wiley, 1981.

104. Tobin J. Liquidity Prefercene as Behavior Towarrds Risk. Review of Economic Studies 25, February

105. UNCTAD (1998). A Survey of ¡Commodity Risk Management Instruments. Report by the UNCTAD secretariat.

106. Zadeh L.A. Fuzzy Sets / Information and Control. Vol.8, 1965.№3. P.338-353.1. ООО «Инвест-лайн»443041, г. Самара, ул.Рабочая 85тел/факс: 8 (462) 339-41-93 е-таИ: Шпе^шиЛеШ1. Утверждаю1. Заместитель дире1#6ра Лл Попова р^В.2006г.1. АКТ

107. Методика и необходимое для расчетов программное обеспечение находится в эксплуатации с мая 2006г.