автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Повышение эффективности функционирования авиакомпании на основе информационно-аналитической поддержки бизнес-процессов

На правах рукописи

Дубинина Вера Гавриловна

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ АВИАКОМПАНИИ НА ОСНОВЕ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ ПОДДЕРЖКИ БИЗНЕС-ПРОЦЕССОВ

Специальность: 05.13.01 - Системный анализ, управление и обработка информации (технические системы)

Автореферат диссертации на соискание ученой степени доктора технических наук

Москва 2005

Работа выполнена в Московском государственном технологическом университете "Станкин"

Официальные оппоненты

доктор технических наук, профессор Соломенцев В.В.

доктор технических наук, профессор Юрчак П.Ф.

доктор технических наук, профессор Фролов Е.Б.

Ведущее предприятие

Институт системного анализа РАН

Защита состоится «21» апреля 2005 г. в 10.30 часов на заседании диссертационного совета Д 212.142.03 Московского государственного технологического университета "Станкин" по адресу: 101472, ГСП, Москва, К-55, Вадковский пер.,д.3а.

С диссертацией можно ознакомиться в библиотеке МГТУ "Станкин". Автореферат разослан «10» марта 2005 г.

Отзыв на автореферат просьба направлять в двух экземплярах по вышеуказанному адресу ученому секретарю диссертационного совета

Д 212.142.03

Ученый секретарь диссертационного совета к.т.н.

Общая характеристика работы

Актуальность.

Важнейшим условием успешной деятельности современных авиакомпаний является обеспечение её менеджмента эффективным инструментом всестороннего анализа и прогнозирования состояния как самих авиакомпаний, так и мирового рынка авиаперевозок с последующим принятием управленческих решений на основе получаемой аналитической информации.

В качестве такого инструмента в настоящее время в авиакомпаниях используются информационно-аналитические системы (ИАС) -специальный класс компьютерных систем, в которых для анализа и синтеза управленческих решений широко применяются методы математической статистики, экономико-математические и оптимизационные модели и т.п. Обладая высокой разрешающей способностью в плане детализации анализа бизнес-процессов авиакомпании как производственной структуры, такие системы позволяют осуществлять мониторинг их всесторонних показателей, правильно позиционируя поставляемый на рынок собственный продукт - авиаперевозки относительно компаний-конкурентов.

В условиях рыночной экономики корпоративная цель и стратегия управления авиаперевозками может быть сформулирована как максимизация прибыли от их выполнения при заданных ограничениях на маршрутную сеть, параметры парка воздушных судов (ВС) и презентационные ресурсы (PR, реклама и т.п.). В свою очередь, корпоративная цель определяет стратегическую политику авиакомпании, реализуемую в виде комплекса постоянно осуществляемых мер и решений, обеспечивающих выполнение следующих основных задач:

• обеспечение стабильной прибыли;

• обеспечение рентабельности авиаперевозок;

• повышение конкурентоспособности.

Вполне очевидно, что успешное решение этих задач, обеспечивающих доминирующее положение авиакомпании на современном рынке авиаперевозок, невозможно без применения современных технологий, средств их автоматизации, а также новых экономико-математических методов и моделей для описания бизнес-процессов авиакомпании, являющихся основой для создания информационно-аналитических систем.

Для поддержки процессов управления авиаперевозками, контроля и анализа их эффективности в последнее время за рубежом начали широко использоваться локальные системы типа Revenue Management System, Sale Support Tool, Quasar, Profecy и др. Для быстрого нахождения и извлечения необходимых данных используются специальные технологии (Data Mining, Knowledge Discovery, MIDTProcessing и т.п. Вопросам повышения эффективности информационно-аналитического обеспечения процессов управления авиаперевозками посвящено также много работ отечественных авторов, в качестве основных из которых следует отметить труды Леонтьева Р.Г., Правдина Н.Н., Румянцевой З.П., Негрея В.Я., Курочкина Е.П., Макарова Е.В. и др.

Однако, эффективные решения по созданию методов аналитической поддержки процессов управления авиаперевозками, опирающихся на системный подход, широкое использование математико-статистических моделей в сочетании со сквозной автоматизированной сетевой технологией, сводящей к минимуму ручную обработку исходной статистики, до сих пор не созданы.

Для поддержки бизнес-процессов современных авиакомпаний создаваемые ИАС должны удовлетворять ряду важнейших условий, основными из которых являются:

• адекватный математический аппарат, учитывающий особенности динамики поведения отдельных показателей и критериев эффективности перевозок;

• правильно выбранная концептуальная основа (архитектура системы);

• эффективная программная реализация систем и т.п.

Для наиболее полного удовлетворения упомянутым выше условиям необходимо провести системный анализ существующих методов и технологий измерения основных показателей авиаперевозок в условиях рынка, выявить их основные недостатки, снижающие эффективность информационно-аналитической поддержки принятия управленческих решений, наметить пути их устранения. В результате проведенного анализа должны быть сформулированы требования к создаваемым новым аналитическим инструментам.

Результаты решения отмеченных задач могли бы послужить основой построения эффективной системы управления авиаперевозками.

Изложенное выше дает основания считать выбранную тему диссертационных исследований актуальной для науки и практики управления авиакомпаний.

Цель работы. Целью исследований является разработка методов, моделей, а также автоматизированных средств информационно-аналитической поддержки процессов принятия решений, обеспечивающих повышение эффективности управления основными бизнес-процессами авиакомпании,

Методы исследования. Для решения поставленных задач использовались теория систем, методы оптимального статистического оценивания нестационарных процессов, системного анализа, исследования операций, экономико-математического моделирования, методы эконометрии.

Научная новизна работы.

Впервые предложен комплексный подход к решению проблемы повышения эффективности бизнес-процессов авиакомпании на основе развития методологии их информационно-аналитической поддержки, реализация которого позволила получить автору следующие новые научные результаты.

1. Предложен метод, устанавливающий функциональные зависимости во временной и пространственной областях между процессами формирования операционных доходов от полетов и доходов от продаж, что позволило разработать модели и алгоритмы измерения и мониторинга каждой из составляющих доходов, а также реализовать на их основе сквозной процесс формирования доходной части бюджета.

2. Разработаны методы, модели и алгоритмы измерения операционных расходов авиаперевозок, новизна которых состоит в учете динамических свойств процессов сбора и обработки исходных статистических данных по каждой компоненте затрат для каждого рейса, что позволило обеспечить более высокую точность и своевременность получения результирующих оценок по сравнению с известными методами.

3. Предложен новый метод многовариантного сценарного прогнозирования долгосрочного развития авиакомпании, основанный на использовании комплекса регрессионных моделей для прогнозирования базового сценария с последующей корректировкой динамики изменения основных показателей бизнес-процессов.

4. Разработаны и впервые внедрены в практику управления авиаперевозками модели оптимизации бизнес-процессов пассажирской загрузки и оптимального управления тарифами, учитывающие эластичность функции спроса для различных рынков, результаты которой позволяют выбирать различные стратегии авиакомпании: либо для расширения рынка, либо для получения быстрой прибыли.

5. Впервые решена задача оптимального распределения пассажиропотока на маршрутной сети по критерию прибыли, что дает возможность формировать оптимальный план авиакомпании по доходам от продаж.

6. Предложена и реализована концепция единого информационного пространства для решения аналитических задач, основными принципами построения которого являются: стандартизация нормативно-справочной информации, использование единой статистической базы, а также архитектуры сетевых вычислений, сводящей к минимуму ручную обработку информации.

Новизна предложенных в диссертации решений по п/п. 2 и 3 защищена двумя патентами на изобретение.

Практическая значимость диссертации заключается в том, что полученные автором результаты позволяют создавать информационно-аналитические системы, обеспечивающие сквозную автоматизацию процессов обработки исходных данных, минимизирующую использование ручных методов и обеспечивающую более высокую точность и скорость получения аналитической информации по сравнению с традиционными методами. Это, в свою очередь, снижает риски ошибок при принятии решений, повышает гибкость и скорость реагирования авиакомпании на изменения конъюнктуры рынка, и, в целом, повышает эффективность управления авиаперевозками. Результаты промышленной эксплуатации ряда разработанных в диссертации методов, моделей и алгоритмов в авиакомпаниях «Аэрофлот-российские авиалинии», «Внуковские авиалинии» подтверждают их практическую ценность.

Достоверность научных результатов и выводов подтверждается корректным использованием научных методов исследования, современного математического аппарата, практической проверкой и верификацией результатов моделирования, а также практикой применения

разработанных методов, моделей и алгоритмов при управлении бизнес-процессами ряда авиакомпаний.

Апробация работы. Основные результаты и выводы диссертационных исследований докладывались и обсуждались на 6-й Международной конференции "НТИ - 2002: информационное общество, интеллектуальная обработка информации, информационные технологии», Москва, 2002, на научной конференции молодых ученых «Инновации в экономике» - Москва, 2001, на Международной конференции «Статистические методы анализа и прогнозирования авиаперевозок», Англия, Крэнфилд, 1999, на Международной конференции «Информационные технологии в моделировании и управлении», Санкт-Петербург, 2000, на Международной научно-технической конференции «Проблемы автоматизации и управления в технических системах», Пензенский государственный университет, Пенза, 2004 г.

По материалам диссертации опубликовано 44 печатных работ, общим объёмом 11,4 п.л., в том числе получены два патента на изобретение.

Структура и объём работы.

Диссертация состоит из введения, семи глав, заключения, списка литературы и приложений. Объём работы включает 236 страниц основного текста, 99 рисунков, 29 таблиц и список литературы из 204 наименований.

Основное содержание работы

Глава 1. Анализ существующих принципов построения систем управления авиаперевозками

Современные авиакомпании поставляют на мировой рынок авиаперевозки, относящиеся к классу наиболее сложных высокотехнологичных продуктов, производство которых связано с множеством различных по своей природе процессов научно-

производственного, организационно-экономического, а также социально-политического характера. Однако, современный мировой рынок авиаперевозок, находясь под воздействием различных объективно существующих стохастических процессов, является не менее сложным. Проведенные в диссертации исследования показывают, что хаотичность и непредсказуемость рынка авиаперевозок непрерывно возрастает, вместе с тем возрастают и трудности получения своевременной и достоверной информации о выполняемых авиаперевозках. Поэтому общие принципы построения системы управления авиаперевозками должны в максимальной степени учитывать вероятностный характер показателей конъюнктуры рынка, выбирать адекватный математический аппарат с целью синтеза оптимального управления авиаперевозками.

Состояние объекта управления - рейса с информационной точки зрения определяется множеством параметров О , описывающими это состояние: , подлежащими количественной оценке; , подлежащими изменению (регулированию). Совокупность величин 0\02 является конечномерной.

и представляют собой пересекающиеся подмножества

множества О , и их конкретный выбор определяется целевой функцией Q.

Информационно-аналитическая система (ИАС) может характеризоваться величинами:

Х- подлежащими измерению с помощью ИАС;

Е — технико-экономическими, стоимостными и эксплуатационными показателями ИАС;

и - параметрами, отражающими взаимодействие ИАС с потребителем;

Z - результатами количественной оценки показателей X (собственно аналитическая информация на выходе системы).

В свою очередь потребитель информации (ЛПР или ЭВМ) может быть описан переменными:

I - переменными, определяющими его состояние, которое изменяется при получении результатов оценки Z;

7 — функционалом, определяющим эффективность решения, принимаемого потребителем для реализации целевой функции Q.

Процесс получения аналитической информации и последующего её использования для принятия управленческих решений может быть описан следующей системой уравнений:

I=Ф](10>г,и), (1)

Здесь - информация о состоянии рейса, полученная ранее (априорная информация).

Связь между измеряемыми (наблюдаемыми) величинами X и величинами определяется оператором . Оператор определяется

преимущественно структурой и алгоритмами функционирования ИАС; операторы - процессами, протекающими при анализе и принятии

решения потребителями (ЛПР или ЭВМ).

Решая систему уравнений относительно можно получить:

(2)

Из выражения (2) следует, что при заданных значениях операторов Фг и Ф2 решения, принимаемые потребителем, существенно зависят от достоверности аналитической информации Z, получаемой от объекта с помощью ИАС.

Таким образом, из приведенных рассуждений следует, что повышение эффективности управления авиаперевозками в значительной мере зависит от того, насколько успешно может быть достигнута

поставленная автором цель исследований - разработка методов, моделей и автоматизированных средств, обеспечивающих более высокую точность аналитической информации по сравнению с известными методами, для поддержки основных бизнес-процессов авиакомпании. Для ее достижения в работе определен комплекс задач, основными из которых являются следующие:

• анализ особенностей развития современных рынков авиаперевозок, а также идентификация состава информации, необходимой для моделирования и оптимизации бизнес-процессов авиакомпании, с оценкой влияния её качества на эффективность принимаемых управленческих решений;

• синтез моделей и алгоритмов измерения операционных доходов, затрат и рентабельности авиаперевозок, обеспечивающих более высокую точность и своевременность по сравнению с традиционными методами;

• синтез методов оперативного, а также долгосрочного сценарного прогнозирования производственно-экономических показателей для стратегического планирования развития авиакомпании;

• разработка методов оптимизации основных бизнес-процессов управления авиаперевозками, включая задачи оптимального планирования загрузки рейсов, оптимизации тарифов на перевозки, оптимального распределения объёмов перевозок и продаж по маршрутной сети;

• разработка информационного обеспечения аналитических задач на основе концепции единого информационного пространства;

• создание и внедрение в эксплуатацию ряда информационно -аналитических систем, реализующих разработанные автором методы, модели и алгоритмы, обеспечивающие повышение эффективности управления основными бизнес-процессами авиакомпании.

Глава 2. Методы, модели и алгоритмы измерения операционных доходов от авиаперевозок

Для измерения доходов авиакомпании используются, как правило, косвенные методы измерений, что затрудняет быстрое получение достаточно точных оценок этого показателя. Проблема ещё более усугубляется тем, что доходы от авиаперевозок объективно представляются в двух видах: доходов от выполнения рейсов и доходов от продаж, существенно отличающихся друг от друга.

В основу предлагаемого в диссертации подхода положены следующие основные принципы:

1. В каждый момент времени в авиакомпании одновременно существует два независимых друг от друга потока доходов:

• поток выручки от продаж билетов на рейсы;

• поток доходов, связанных с выполняемыми рейсами.

2. Поток доходов, связанных с рейсами, выполняет важную роль обратной связи в контуре оперативного управления авиаперевозками, позволяя оценивать качество бронирования, эффективность применяемых тарифов, рентабельность рейсов и т. п.

3. Критерием достоверности результатов измерения доходов является сходимость при определенных условиях оценок планируемой выручки от продаж к оценкам доходов, привязанных к рейсам, которые будут выполняться в соответствии с проданными на них билетами.

Сходимость заключается в разработке синтаксически и семантически корректных моделей, которые обеспечили бы тождественность перехода от оценок доходов, связанных с рейсами, к оценкам выручки.

Доход от выполнения любого х-го рейса в k-м месяце можно представить в виде:

I С^хР^, (3)

где ср. доходная ставка для х-го рейса, выполняемого в

ху

Рк

ху

к-м месяце, для у-го класса бронирования; количество пассажиров, перевезенных х-м рейсом в к-м месяце по у-му классу бронирования; х = 1,Х ; Х- количество рейсов в к-м месяце; у = У- количество классов бронирования.

С другой стороны, в течение каждого месяца года, предшествующего вылету х-го рейса в к-м месяце, на него продавались билеты, выручка от которых составляла величину:

? = 12

(4)

г д (р1 - ср. стоимость билета, проданного в Х-м месяце X

предшествующего вылету х-го рейса периода;

^Л - количество билетов, проданных в ¡-м месяце на х-й рейс.

При точной расценке полетных и контрольных купонов должны выполняться следующие условия:

Д*=Г?= Е Е К*1* (5)

У

= 1 У * ык-12

¥ к к 1Г= I

г'.

х

(6)

У = 1 / = 4-12

С учетом (5) и (6) средняя доходная ставка х-го рейса, выполненного в к-м месяце, будет равна:

и

Соотношение (7) показывает, что средняя доходная ставка х-го рейса, вылетевшего в к-м месяце, равна средней стоимости билетов, проданных на х-й рейс за весь предшествующий период.

Тогда связь суммарного дохода от всех выполненных в к-м месяце рейсов с доходами от продаж билетов на них в предшествующие периоды будет описываться следующей балансовой моделью:

Синтез оптимального по точности алгоритма измерения доходов от продаж связан с задачей нахождения такой функции, которая устанавливала бы функциональную связь между измеряемым количеством пассажиров на каждый рейс и необходимым для выполнения этой перевозки количеством билетов, продаваемых в предшествующие перед вылетом периоды времени. Иными словами, это задача является задачей идентификации динамического профиля продаж для каждого рейса (по аналогии с профилем бронирования).

Решения этой задачи в общем виде приводит к полиномиальной модели вида:

¿к

к +12

Т = I OUL + fi' >

х _ , tx tx X t = k

(9)

г д t jk - среднее количество билетов, проданных в к-м X

месяце нах-й рейс на все последующие 12 месяцев года;

tx

- количество пассажиров, отлетевших в ¿-месяце на X-OM рейсе

- коэффициенты полинома;

- ошибка аппроксимации модели.

Без потери общности, пренебрегая ошибкой аппроксимации и учитывая (8), найдем значение выручки от продаж в к-и месяце билетов на все рейсы, выполняемые в течение будущего года:

уК= £ткхрК = 2 рК £ а р _ X X , X , , ¡X &

х х=1 ¡=к

(10)

Сходимость оценок доходов, привязанных к рейсам, к оценкам выручки (10) проверяется на основе корректирующего коэффициента, определяемого для каждого к-го месяца, т. е.

(И)

Смысл этого коэффициента заключается в учете различия во времени статистических свойств двух разнородных временных ряда: динамики изменения доходов, привязанных к рейсам, и выручки. Проверка сходимости по найденным условиям (9), (10) и (11) означает, что при правильной расценке полетных и контрольных купонов количество проданных за предшествующие месяцы билетов должно сходиться к числу перевезенных пассажиров по этим билетам, а средняя доходная ставка любого х-го рейса в к-м месяце должна сходиться к средней стоимости билетов, проданных на этот рейс за предшествующий период.

Точность выполнения сходимости будет зависеть от остаточных ошибок расценки как полетных, так и контрольных купонов, зависящих от полноты БД исходной статистики, учета возврата билетов, точности расценивания прорейтов и т. п.

На рис Л представлен профиль продаж билетов на рейсы MOW-NYC по месяцам 2004г. в сравнении с фактически перевезенными пассажирами на данном рейсе.

Рис.1. Профиль продаж на рейс MOW-NYC

Динамические профили продаж идентифицированы для каждого рейса и табулированы.

Использование их для периодической калибровки алгоритмов и тестирования получаемых в процессе измерения данных позволяет существенно повысить точность оценивания доходов от продаж, обеспечив снижение среднеквадратической ошибки оценок с 6-8% до уровня 2-3%.

Найденные условия сходимости позволяют также исключить методические погрешности планирования доходов, обусловленные наличием пространственно-временных различий их составляющих, в процессе формирования доходной части бюджета авиакомпании.

Глава 3. Методы, модели и алгоритмы измерения операционных расходов и рентабельности рейсов

Широко известные в настоящее время методы измерения затрат и расчета рентабельности авиаперевозок, как правило, используют нормативный подход, позволяющий получать средневзвешенные за некоторый период времени оценки финансовых результатов от их выполнения. Однако, эти методы, обладая низкой точностью, принципиально не могут учитывать динамику постоянных изменений условий полета каждого рейса, его загрузки, потенциала и конъюнктуры

рынков авиаперевозок в конкретных регионах и т.п., что в современных условиях является не приемлемым.

Более точный и оперативный подход к решению данной проблемы требует наряду с использованием нормативных показателей обязательное измерение всех существенных компонент затрат для каждого выполняемого рейса практически в реальном масштабе времени. Анализ структуры расходов на выполнение рейса показывает, что доминирующей компонентой затрат является расход авиакомпании на ГСМ, её измерение с достаточной точностью представляет сложную задачу.

Объем израсходованного на каждом í-м участке маршрута топлива определяется в виде:

где остаток топлива после пролета -го участка;

Vi - остаток топлива после пролета í-го участка;

- объем технологического слива после пролета -го участка; - объем заправляемого на участке топлива; где - индекс участка пролета данным бортом безотносительно к

конкретному рейсу.

При заданных значениях объемов, входящих в (12), и цен на заправляемое топливо С^ (эти величины могут рассматриваться как детерминированные) задача расчета стоимости израсходованного на участке топлива сводится к задаче определения средневзвешенных значений цен остатков топлива после каждого участка полета, которая решается на основе алгоритма вида:

(13)

где: Си С1-1, . . . , Сц - значения средневзвешенной цены остатков топлива после пролета /-ро, (г-/)-го,..., (/-&)-ГО участков соответственно;

- значения случайных ошибок расчета средневзвешенных цен остатков топлива после пролета /-го, (1-7)-Г0, . . . , участков соответственно; к - индекс количества учитываемых предшествующих участков пролета, выбираемых из условия получения необходимой точности (индекс количества итераций).

Сходимость алгоритма (13) к приемлемым по точности оценкам можно оценить следующим образом.

Значение ошибки £1 на каждом /-М шаге вычислений (после пролета каждого участка) можно записать в виде:

е,=Р1хе,-1> (14)

где р1 - коэффициент уменьшения ошибки при переходе с (/-/)-го на /-Й шаг.

Путем несложных вычислений можно получить:

(15)

Процесс сходимости алгоритма (15) хорошо иллюстрируется графиками, представленными ниже, из которых следует, что даже при незначительном возрастании числа к значение относительной ошибки асимптотически стремится к нулю.

Рис.2. Графики сходимости алгоритма

Соотношение (15), а также графики показывают, что при всегда выполняемом на практике условии уже после выполнения 3-го

шага ошибка становится пренебрежимо малой.

Тогда полный алгоритм вычисления затрат на топливо по каждому многоплечевому рейсу будет иметь следующий вид:

(16)

При этом результирующая точность расчета стоимости затрат на топливо будет определяться только точностью измерения объемов, входящих в (16).

В главе описаны алгоритмы расчета всех статей затрат в соответствии с заданной их структурой, а также разработан комплекс производных показателей эффективности авиаперевозок (рентабельность рейса, коэффициент пороговой загрузки, доходные ставки, расходные ставки и т.п.).

Глава 4. Разработка моделей прогнозирования производственно-экономических показателей авиаперевозок

Проведенные в работе автором исследования показали, что прогнозирование объёмов пассажирских перевозок и доходов рейсов представляет собой типичную задачу прогнозирования нестационарных статистических временных рядов.

Для авиакомпаний, располагающих достаточно представительными объёмами статистических данных о перевозках, приемлемые по точности прогнозы объёмов перевозок обеспечивают модели экстраполяции трендов с учетом сезонных колебаний. Показано, что наиболее точными алгоритмами в этом классе моделей являются модели Бокса-Дженкинса и АРИСС . Параметризация алгоритмов прогнозирования осущестачяется на основе использования стандартных процедур статистических пакетов SPSS, Neural Connection (USA) и Мезозавр (ЦЭМИ).

В зависимости от временного ряда, описывающего выбранный показатель рейса, оптимизация прогнозных оценок по критерию точности может быть осуществлена на основе перебора ряда моделей тренда из следующего фиксированного набора:

Линейный

Экспоненциальный

Параболический

Логарифмический

Логистический

Степенной

T(t) = A*t + В + err; T(t) = ехр(А *t + В) + err; T(t) = At2 +Bt + C + err ; T(t) = A *Ln(t + b) + C+ err; T(t) = A/(l + exp(B - C*t)) + err; T(t) = A(t + Bf + err.

Для прогнозирования доходов пассажирских рейсов была разработана прогнозная модель на основе использования множественной линейной регрессии вида:

Y=ml*xl + т2 *х2 + тЗ *хЗ + err,

В качестве основных факторов, влияющих на функцию дохода, в уравнении регрессии использовались:

х1 - количество запланированных рейсов; х2 - уровень загрузки кресел (% занятости); хЗ - уровень внутреннего валового продукта за данный период. Верификация прогнозов, регулярно проводимая путем сравнения предсказываемых значений с фактическими, показывает, что среднеквадратические ошибки прогнозов не превышают 5%.

В отличие от достаточно известной теории краткосрочного прогнозирования показателей авиаперевозок, вопросы долгосрочного прогнозирования требуют проведения отдельных исследований.

В работе предложен новый подход, основанный на использовании принципа сохранения тенденций развития экономических процессов с последующей их корректировкой с помощью многовариантных расчетов в соответствии с задаваемыми сценариями развития авиакомпании. Предложенный подход позволил разработать модель сценарных прогнозов развития авиакомпании с горизонтом 10-15 лет.

В качестве математического описания пассажирского спроса для долгосрочного прогноза выбрана классическая показательная функция, использующая в качестве независимых переменных цену с и доход клиента К, при этом показатель функции /? напрямую выражает эластичность спроса, т.е.

По определению эластичность спроса по отношению к цене будет равна:

V = аС^Л*

(17)

АК/Г Д УС (IV С

п=

АС/С А С Vя ас'V

(18)

Производная функции спроса относительно цены будет:

Следовательно,

Аналогичным образом можно получить значение эластичности спроса относительно других независимых переменных. Чтобы сделать использование предложенного подхода более удобным и легким, функция спроса приводится к линейному виду путем логарифмирования. Идентификация функции пассажирского спроса V (RPK) авиакомпании для долгосрочного прогнозирования приводит к линейной комбинации следующих переменных:

Здесь: GNI- внутренний валовый продукт (ВВП) двух городов, РОР-средняя численность населения двух городов, связанных маршрутом; UnEmpl - уровень безработицы; Сотр - доля рынка; YLD - собственный удельный доход; - свободный член, определяемый на основе RPK базового года; ai-a? - соответствующие коэффициенты эластичности.

Важнейшим показателем, необходимым для формирования сценария развития авиакомпании, является показатель ее затрат. Для их определения в диссертации разработан комплекс регрессионных моделей, позволяющих сформировать достаточно точные оценки статей затрат, где в качестве предикторов используются производственные показатели деятельности авиакомпании. Примеры разработанных моделей для отдельных статей затрат приведены ниже.

1. Стоимость парка ВС за один день:

Z/ = 460,58 + 1,63 *САР.

R2 = 0,96

2. Стоимость наземного обслуживания ВС за один день: Z2 = 121,13+ 19,73 * САР.

R-= 0,94

3. Аэропортовые сборы за взлет-посадку в аэропорту и аэронавигацию:

Z3 - 8,94 * ASK. r2= 0,76

4. Наземное обслуживание пассажиров:

ТА =1,52 *Ж

Л2 = 0,87

5. Бортпитание пассажиров: ЪЪ = 2,57 *ЛРК.

= 0,89

6. Стоимость топлива:

16 = 19,86 *ЛЖ

= 0,96

7. Затраты на экипаж:

27 = 50162+10416 *С№Ж.

= 0,82

8. Полные затраты на содержание персонала:

18 = \\П2* ЕМРЬ.

я

0,97

Затраты приведены в тыс. долл. США. Проверка адекватности моделей осуществлена путем оценки значимости каждого коэффициента регрессии с помощью ^критерия Стьюдента, а также вычисления коэффициента детерминации

Для построения сценариев развития авиакомпании в диссертации разработана многосвязная модель, учитывающая взаимное влияние каждой из переменных в полученных соотношениях и позволяющая построить сквозной цикл вычислений значений производственно-экономических показателей для каждого варианта сценария. Схема сценарного прогнозирования развития авиакомпании, основанная на использовании многосвязной модели, приведена на рис.3.

РисЗ.Схема сценарногопрогнозирования развития авиакомпании

Предложенная модель позволяет прогнозировать развитие авиакомпании в терминах пассажиропотока, самолетно-моторного парка, количества служащих так же успешно, как и в терминах доходов, затрат, а также удельных доходов, отражающих среднюю стоимость билетов. В качестве исходных допускаются гипотезы о ежегодных изменениях средних цен (тарифов), показателей производительности, коэффициента занятости кресел и т.п., а в качестве выходных прогнозов представляются значения пассажиропотоков (RPK), размеры флота, требуемые ресурсы персонала, ожидаемой прибыли. Графическая иллюстрация примера долгосрочного прогноза развития авиакомпании с горизонтом в 10 лет для двух сценариев, характеризующихся различными трендами роста цен на ГСМ, приведена на рис.4

Верификация результатов прогноза базового сценария на основе фактической статистики свидетельствует о том, что среднеквадратические ошибки прогнозов не превышают 5-6%.

ГСМ Л$К №К У|«1<! ямпиа ЛНО 1 Ст»гш ЛС 2 СШья Зсшм См1 Рю(Н

Рис.4. График сценарного прогноза развития авиакомпании

Глава 5. Разработка моделей оптимизации бизнес-процессов

Полученные в предыдущих главах результаты позволили осуществить разработку моделей оптимизации основных бизнес-процессов авиакомпании. Для формализации постановки задачи оптимизации загрузки рейсов по критерию прибыли использовался метод

гарантированного статистического оценивания параметров процессов и систем, в соответствии с которым наихудший вид функции спроса, минимизирующий риск получения ошибочных оценок, имеет вид:

С = а-ехр(-ЬУ), (22)

где С - цена; V- объём перевозок в пассажирокиломеграх (КРК); а,Ъ- коэффициенты экспоненты. Линейная аппроксимация (22) приводит к виду:

С = а-Ь¥ (цент^Х). (23)

По смыслу коэффициент а означает платежеспособность рынка (максимальная цена, которую может пассажир заплатить); отношение а/Ь -имеет смысл емкости (вместимости) рынка.

Сделанные допущения позволяют сформулировать постановку задачи оптимизации загрузки рейсов:

Целевая функция: прибыль М е=С> МАХ Системные ограничения:

где - индекс рейсов авиакомпании.

Зная функцию спроса, можно определить доходы от продажи перевозок, т.е. выручку:

Представим операционные затраты на выполнение авиаперевозки в

виде:

(25)

где р - затраты, не зависящие от полета; q - затраты, зависящие от полета.

Тогда величина прибыли авиакомпании М от выполненной авиаперевозки будет равна:

Функция прибыли имеет экстремум, определяемый значениями

Полученные, соотношения показывают, что эффективность управления загрузкой рейсов зависит от того, насколько текущее значение значений V/ отстоит от точки оптимума Упри При осуществлении мониторинга доходов, расходов и объёмов перевозок, правила принятия оптимальных решений довольно ясно определимы, рис.5.

Для эффективного управления тарифами в диссертации разработан метод оптимизации цен на авиаперевозки. В процессе синтеза модели оптимизации рассмотрены два случая, определяемые видом используемой для аппроксимации исходной функции спроса.

Гор, V

Рис 5. График выбора оптимальной загрузки

Первый вариант использует линейную аппроксимацию. Результаты исследования данного варианта позволили определить значение цен, при которых достигается два различных экстремума:

- максимум прибыли при

С =-

Ор!

2е

- максимум пассажирооборота при

Ъе-к

л >

2е

е -

коэффициент эластичности функции спроса.

Отсюда следует, что максимум пассажирских перевозок и максимум прибыли достигаются при разных ценах. Иначе говоря, оптимальная цена, обеспечивающая максимум прибыли, не может одновременно обеспечивать максимум перевезенных пассажиров. Полученный результат представляет значительный интерес для авиакомпании с точки зрения выбора различных стратегий развития авиаперевозок на отдельных рынках (стратегия захвата нового рынка или стратегия быстрой прибыли).

Второй вариант - аппроксимация логистической функцией. В этом случае задача становится нелинейной, однако при этом результаты ее решения являются более точными в сравнении с предыдущим вариантом.

Логистическая функция спроса V от цены С может быть представлена в виде

к

V = -

(28)

1 +

где - основание натурального логарифма;

- параметры логистической кривой, определяемые на основе анализа статистической информации.

Предполагая, что зависимость по-прежнему определяется

видом (25), будем иметь:

М =С-

к -[р+ъ- к

ЦС-Ъ)

~Р (29)

После ряда преобразований выражение (29) будет иметь вид:

ещС + щ (уф +1) = Су/^ (30)

Уравнение (30) имеет единственный корень, что хорошо иллюстрируется графиками на рис. 4, где кривые и

имеют лишь одну точку пересечения.

Решая уравнение (30) численными методами, получим:

J Y i y=Wic/

v,(vj>+1)

Copt

Рис. 4. Графическое решение задачи оптимизации цены

Легко доказать, что при С-Сор/г где С^ - корень уравнения (30), функция прибыли имеет максимум.

Используя выражение (28), можно найти интервальную оценку оптимального объёма планируемой транспортной работы (RPK):

(32)

Для решения задачи оптимального распределения объёмов перевозок на маршрутной сети используется традиционный метод линейного программирования, однако формирование ограничений представляет довольно сложную задачу, связанную с формированием технологической матрицы, элементами которой являются доли продаж каждого представительства на каждый рейс авиакомпании.

Пусть дана маршрутная сеть, в которой планируемое количество линий принадлежит множеству

где 1 = 1,™ - собственные рейсы авиакомпании.

Для каждой линии маршрутная сеть задает определенное число выставленных кресел на весь период планирования

которое в сумме может рассматриваться как ограничение на общий ресурс маршрутной сети.

Тогда суммарное значение выставленных кресел на всех рейсах должно быть равно общему числу выставленных кресел в маршрутной сети (Capacity), т.е.

= Capacity

Продажа представительств осуществляется в у'-ых точках (7 = 1»и), которые соответствуют городам, где размещены представительства авиакомпании.

Задача формулируется следующим образом: необходимо определить сколько билетов должно быть продано в/-ом представительстве на каждую i-тую линию, чтобы доход от их продажи был максимальным, где: i = l,m; m - количество эксплуатируемых линий; j= 1,п; п - количество точек продаж (представительств). Обозначим неизвестный вектор, определяющий общую сумму продаваемых в авиакомпании билетов как

Технологической матрицей в данной задаче является матрица размерности (т х п) с элементами определяющая ресурсы каждого

'-ого представительства по продаже билетов на соответствующий i-тый рейс. Так как значение каждого отдельного коэффициента матрицы

определяется как доля продаж ¡-ого представительства на г'-тый рейс, то их сумма должна быть равна 1.

т

54=1

i=i

(33)

В качестве ограничений должны выступать суммарное количество выставленных кресел на каждую линию. Тогда каждая строка матрицы может быть записана в виде

л

7 = 1

(34)

Очевидно, что авиакомпания стремится получать с маршрутной сети возможно больше прибыли, т.е.

2*7**7

7 = 1

m ах

(35)

где с] ~ средний тариф на билет на i-ый рейс в j - ой точке продажи.

Таким образом, задача оптимального планирования продаж на маршрутной сети сведена к кононической форме задачи линейного программирования.

Для определения ач используется статистика продаж, которая формируется на БД SCS, сформированной на основе контрольных купонов - отчетов агентов.

Значения определяются как отношение частных суммарных продаж представительства на рейс к общей сумме продаж в городе:

(36)

где - количество билетов проданных на рейс в ом

представительстве.

Важным результатом решения данной задачи является возможность формировать оптимальный план объемов продаж по каждой точке маршрутной сети, максимизирующий доходы авиакомпании.

Глава 6. Разработка информационного обеспечения основных бизнес - процессов авиакомпании

Своевременность и точность разработанных в диссертации задач, а также их реализуемость, в значительной мере определяются уровнем их информационного обеспечения. Традиционно внедрение ГГ осуществлялось в отсутствии единой информационной политики, что в совокупности с дублированием и несогласованностью в деятельности подразделений по сбору и анализу информации приводили к потере качества получаемых оценок показателей.

В работе предложена концепция единого информационного пространства как интегрированной информационной системы, представляющей собой совокупность информационных баз данных, основанных на единых корпоративных справочниках и классификаторах, единой технологии обмена информацией, обеспечивающих:

• интегрированное накопление информации и дифференцированное обслуживание пользователей;

• выполнение задач анализа и прогноза на единой статистической базе;

• корректную агрегацию информации при переходе от низшего уровня управления к высшему;

• эксплуатацию информационно-аналитических систем поддержки принятия решений по основным бизнес-процессам авиакомпании.

Укрупненная схема единого информационного пространства представлена на рис.5.

Важнейшим фактором реализации единого информационного пространства является внедрение современных технологий обмена информацией.

Рис. 5.Схема единого информационногопространства

Анализ существующих систем на рынке привел к выбору технологии суперсервера приложений Taxxi - Baikonur, использующей 3-х звенную архитектуру с ультратонким клиентом, которые обеспечили:

• быстроту процессов проектирования, отладки и внедрения систем за счет использования Delphi в качестве среды программирования;

• легкий доступ удаленных пользователей;

• масштабируемость системы;

• низкие требования к пропускной способности каналов связи;

• некритичность к мощности клиентской аппаратуры;

• наличие сертифицированного модуля, обеспечивающего безопасность передачи информации.

Немаловажным фактором является то, что данный продукт разработан российской компанией Epsilon Technology, вследствие чего он характеризуется относительно невысокой стоимостью затрат на его покупку и сопровождение по сравнению с аналогичными зарубежными продуктами (SAP R/3, BAAN-4, Oracle Application и т.п.).

Глава 7. Информационно-аналитические системы и средства поддержки бизнес-процессов управления авиаперевозками

Разработанные теоретические основы, методы и модели легли в основу создания ряда информационно-аналитических систем поддержки принятия управленческих решений, основными из которых являются следующие.

1. Система мониторинга производственных показателей авиаперевозок. Основанная на БД оперативной статистики, данная система позволяет получать данные по производственным показателям регулярных и дополнительных рейсов с учетом классов бронирования, а также чартерных пассажирских и грузовых рейсов.

Динамические отчеты могут формироваться с любой степенью агрегации, начиная с сегмента, а также в разрезах рейсов, типов ВС, регионов и т.п. за любые периоды времени. Режим представления отчетных данных предусматривает автоматический процесс формирования как табличных, так и графических форматов.

2. Информационно-справочная система ведения договоров с агентами. Создание единой системы ведения договоров с агентами дает неоспоримые преимущества по сравнению с традиционными методами:

• единая база агентских соглашений;

• актуальность информации;

• автоматическая расценка комиссии;

• формирование отчетов;

• повышение точности процесса составления бюджета авиакомпании.

Система ликвидирует необходимость вести в каждом подразделении свою систему учета агентов, соглашений, уровней комиссии, точек продаж, и обеспечивает их информационную совместимость, а также позволяет контролировать эффективность деятельности агентов в части начисления комиссионных, повышая тем самым точность измерения доходов авиакомпании от продаж.

3. Информационно-аналитическая система расчета затрат и рентабельности рейсов (ИАС РР). Основная цель разработки и внедрения данной автоматизированной системы заключается в обеспечении производственных и планово-экономических подразделений авиакомпании инструментом анализа эффективности работы существующих, а также вновь создаваемых воздушных линий и последующего принятия управленческих решений на основе получения регулярной информации: о доходах рейса; о расходах рейса; о прибыли (убытках), получаемой от каждого рейса и т.п.

Система позволяет решать не только прямую задачу оценки рентабельности рейсов, она также позволяет решать и обратную задачу -задачу диагностики, заключающуюся в выявлении узких мест и нежелательных отклонений при принятии управленческих решений на различных этапах планирования и управления авиаперевозками.

ИАС РР представляет собой систему с распределенной базой данных, общая структура которой включает две основные функциональные подсистемы: подсистему доходов и подсистему затрат. Интеграция их в единую систему осуществляется на основе классификаторов и справочников, стандартизованных по формату и средствам доступа. С целью автоматизации процессов формирования информации по отдельным статьям затрат в рамках проекта ИАС РР разработаны автоматизированные рабочие места (АРМ), функционирующие в различных службах авиакомпании: АРМ "ГСМ", АРМ "Ставки и сборы в аэропортах", АРМ "Бортпитание", АРМ "Аэронавигация", АРМ "Эстафеты", АРМ "Сервис на борту", АРМ "Плановик" и др.

Внедрение в промышленную эксплуатацию ИАС РР позволило объединить ресурсы практически всей авиакомпании для решения задач расчета затрат и рентабельности ее перевозок, приведя для этого все корпоративные справочники к единому стандарту, в результате именно эта система создала основу для формирования единого информационного пространства авиакомпании.

4. Информационно-аналитическая система сквозного

планирования бюджета авиаперевозок (ИАС ПБ). Процесс формирования бюджета авиаперевозок подразделяется на три задачи: задачу формирования бюджета перевозок, задачу формирования бюджета доходов и задачу формирования бюджета затрат.

Процесс бюджетирования поэтапный, и каждый этап использует ранее разработанные соответствующие модели.

Эффект от внедрения системы значителен: если раньше процесс бюджетирования составлял 3-3,5 месяца, то внедрение ИАС ПБ позволило сократить этот процесс до 2-х недель, оставив значительный запас времени на согласование параметров бюджета с различными инстанциями.

ОБЩИЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Предложен метод, устанавливающий функциональные зависимости во временной и пространственной областях между процессами формирования операционных доходов от полетов и доходов от продаж, что позволило разработать модели и алгоритмы измерения каждой из составляющих доходов, а также реализовать на их основе сквозной процесс формирования доходной части бюджета.

2. В рамках предложенного подхода идентифицированы модели профилей продаж для отдельных рейсов и их агрегатов, позволяющие осуществлять пересчет прогнозируемого количества пассажиров в планируемые величины доходов от продаж.

3. Разработаны методы, модели и алгоритмы измерения операционных расходов авиаперевозок, новизна которых состоит в учете динамических свойств процессов сбора и обработки исходных статистических данных по каждой компоненте затрат для каждого рейса, что позволило обеспечить более высокую точность и своевременность получения результирующих оценок по сравнению с известными методами.

4. Доказано, что наибольшую точность оперативных (краткосрочных) прогнозов производственно-экономических показателей перевозок обеспечивают модели экстраполяции трендов с учетом сезонных колебаний.

5. Предложен новый метод многовариантного сценарного прогнозирования долгосрочного развития авиакомпании, основанного на использовании комплекса регрессионных моделей для прогнозирования

базового сценария с последующей корректировкой динамики изменения основных показателей бизнес-процессов.

6. Разработаны и впервые внедрены в практику управления авиаперевозками модели оптимизации бизнес-процессов пассажирской загрузки и оптимального управления тарифами, учитывающие эластичность функции спроса для различных рынков.

7. Впервые решена задача оптимального распределения пассажиропотока на маршрутной сети по критерию прибыли, результаты которой позволяют выбирать различные стратегии авиакомпании: либо для захвата новых рынков, либо для получения быстрой прибыли.

8. Предложена модель интеграции информационной структуры авиакомпании в виде единого информационного пространства для решения аналитических задач, основанного на принципах стандартизации и унификации данных, использования единой нормативной БД, а также сетевой технологии вычислений, сводящей к минимуму ручную обработку информации.

9. На основе полученных теоретических результатов разработан ряд информационно-аналитических систем для решения следующих задач:

• мониторинга производственно-экономических показателей авиаперевозок;

• автоматизированного расчета и анализа затрат и рентабельности рейсов в различных разрезах и с различными уровнями агрегации;

• сквозного автоматизированного планирования бюджета авиаперевозок;

• автоматизированного ведения и анализа договоров с агентами и анализа эффективности их деятельности, а также ряда других.

10. Стратегические преимущества созданных и внедренных в промышленную эксплуатацию информационно-аналитических систем заключаются в повышении скорости и точности расчетов финансовых

результатов авиаперевозок, удобного доступа удаленных пользователей, снижения риска принятия ошибочных решений, повышения эффективности процессов управления авиаперевозками в целом.

11. Полученные в диссертации решения обладают общностью и носят универсальный характер, вследствие чего они могут быть применимы для широкого класса крупных сетевых авиакомпаний.

В приложениях приведены описание структур баз данных, интерфейсы и инструкции пользователей ряда разработанных информационно-аналитических систем, а также документы об их внедрении в промышленную эксплуатацию.

Основные положения диссертационных исследований опубликованы в работах:

1. Дубинина В.Г. Модели формирования доходной части бюджета пассажирских перевозок в авиакомпании. // Информационные технологии в проектировании и производстве: Сб.- М.: ФГУП "ВИМИ", 2002.- №4.- с.13-16.

2. Дубинина В.Г, Кузин Л.Т., Пивоваров В.Ф. Некоторые вопросы интеллектуальной системы проектирования сетей ЭВМ. // Техника средств связи.: Сб. Серия АСУ.-М.: ВИМИ, 1980-Вып. 1-с.27-36.

3. Дубинина В.Г. Некоторые вопросы автоматизации проектирования сетей ВМ. // Вопросы атомной науки и техники: Сб. Серия АСУ.- М.: Атомиздат,1981.-№2(10).- с. 56-62.

4. Дубинина В.Г. Алгоритм повышения точности расчета затрат авиакомпании на ГСМ. // Новейшие достижения науки и техники на транспорте.:Сб.- Челябинск: Вестник Южно-Уральского государственного университета, 2004г.- Ч.З.- с. 183-187.

5. Дубинина В.Г. Анализ ошибок финансово-экономических показателей авиаперевозок. // Новейшие достижения науки и техники на транспорте. :Сб.- Челябинск: Вестник Южно-Уральского государственного университета, 2004г.-Ч.3.- с. 178-184.

6. Дубинина В.Г, Прогнозирование пассажирского спроса на авиаперевозки с учетом эластичности рынка. // Известия вузов. Северо-Кавказский регион. Технические науки. Математическое моделирование и компьютерные технологии.- Новочеркасск, 2004г.-Спец. вып.-с. 17-20.

7. Дубинина В.Г. Модели расчета затрат авиакомпании на ГСМ. // Известия вузов. Северо-Кавказский регион. Технические науки.-Новочеркасск, 2004.- Приложение № 9 - с. 263-265.

8. Дубинина В.Г. Оптимизация объёмов пассажирских перевозок. // Известия вузов. Северо-Кавказский регион. Технические науки.,

2004.-№3.-с. 121-122.

9. Дубинина В.Г. BAIKONUR - программно-технологическая среда "Аэрофлота", // Известия вузов. Северо-Кавказский регион. Технические науки. Математическое компьютерные моделирование и технологии.-Новочеркасск, 2004.-Спец. вып.-с. 15-17.

10. Дубинина В.Г. Статистическое оптимальное оценивание доходов рейсов на основе учета ковариационных моментов. // Известия вузов. Северо-Кавказский регион. Технические науки.-Новочеркасск, 2004-№4.-с. 110-111.

11. Дубинина В.Г. Модели оптимизации цены авиаперевозок. // Известия вузов. Северо-Кавказский регион. Технические науки.- Новочеркасск, 2005-Приложение №1.-с. 125-128.

12. Дубинина В.Г. Модели оптимального планирования авиаперевозок по сети маршрутов. // Известия вузов. Северо-Кавказский регион. Технические науки.- Новочеркасск, 2005 - Приложение № 1 - с. 128130.

13. Дубинина В.Г. Модель оптимального управления тарифами авиакомпании. // Известия вузов. Северо-Кавказский регион. Технические науки.- Новочеркасск, 2005- Приложение №1.- с. 131134.

14. Дубинина В.Г. Моделирование процессов продаж пассажирских перевозок. //Научный вестник-М.: МГТУГА, 2004-№77(4).-с. 98104.- Серия Информатика. Прикладная математика.

15. Дубинина В.Г. Модель оптимального планирования бюджета продаж агентской сети авиакомпании. // Научный вестник.- М.: МГТУГА,

2005.- № 1. - с. 77-84.- Серия Информатика. Прикладная математика

16. Дубинина В.Г, Кузин Л.Т. Интеллектуальные банки информации в сетях ВЦ // Сети ЭВМ и системы передачи данных.: Сб.- М.: МДНТП, 1977.- с. 45-51.

17. Дубинина В.Г, Колесников М.И. Выбор предприятий, на базе которых возможно создание КВЦ. // Научно-технический прогресс и информация.: Сб.-М.: ВИМИ, 1975.-с. 31-38.

18. Дубинина В.Г., Терентьев ГБ. Математические методы прогнозирования объемов пассажирских авиаперевозок и доходов от выполнения регулярных пассажирских рейсов. // Сб. научных трудов.-Рига: РИА, 2000.- №3.- с. 34-41.

19. Дубинина В.Г., Селезнев П.В. Влияние эластичности рынка на прогнозирование пассажирского спроса. // Информационные технологии в проектировании и производстве.: Сб.- М.: ФГУП ВИМИ, 2004.- №3.- с. 57-61.

20. Дубинина В.Г., Терентьев Г.В. Анализ возможных методов расчета рентабельности рейсов в ОАО "Аэрофлот". // Научный вестник.- М.: МГТУ ГА, 2000.-№30.- с. 67-72.- Серия: Экономика и образование.

21. Дубинина В.Г., Курочкин E.П. Метод гарантированного статистического оценивания рентабельности рейсов. // Информационные технологии в проектировании и производстве.: Сб.-М.: ФГУП ВИМИ, 2002.- №4,- с. 21-24.

22. Дубинина В.Г. Прогнозирование пассажирских перевозок на основе обработки временных рядов. // Документооборот. Прикладные аспекты. /Сборник трудов ИСА РАН под ред. чл.-корр. РАН Арлазарова В.Л.- М.: Едиториал УРСС, 2004..- с. 181-189.

23. Дубинина В.Г., Бачурин Е.В. Применение регрессионных моделей для прогнозирования объемов продаж. // Документооборот. Прикладные аспекты. /Сборник трудов ИСА РАН под ред. чл.-корр. РАН Арлазарова В.Л.-М.: Едиториал УРСС, 2004- с. 189-198.

24. Дубинина В.Г. Статистическое оценивание рентабельности рейсов с учетом апостериорных законов распределения. // Документооборот. Прикладные аспекты. /Сборник трудов ИСА РАН под ред. чл.-корр. РАН Арлазарова В.Л.- М.: Едиториал УРСС, 2004- с. 198-207.

25. Дубинина В.Г. Вопросы оптимизации объемов пассажирских перевозок транспортных компаний. // Документооборот. Прикладные аспекты. /Сборник трудов ИСА РАН под ред. чл.-корр. РАН Арлазарова В.Л.- М.: Едиториал УРСС, 2004 - с. 208-214.

26. Дубинина В.Г. Оптимизация коммерческой загрузки многоплечевых рейсов, максимизирующей доходы. // Управление информационными потоками. /Сборник трудов ИСА РАН под ред. чл.-корр. РАН Арлазарова В.Л.-М.: Едиториал УРСС, 2005.- с. 125-129.

27. Дубинина В.Г. Сценарная модель экономических прогнозов авиакомпании. // Управление информационными потоками. /Сборник трудов ИСА РАН под ред. чл.-корр. РАН Арлазарова В.Л.- М.: Едиториал УРСС, 2005.- с. 130-134.

28. Дубинина В.Г Подход к оцениванию маркетинговых и рекламных акций. // Управление информационньми потоками. /Сборник трудов ИСА РАН под ред. чл.-корр. РАН Арлазарова В.Л.- М.: Едиториал УРСС, 2005.-с. 134-141.

29. Дубинина В.Г. Информационное обеспечение аналитической системы расчета рентабельности авиаперевозок. // Информационные технологии в технических системах.: Сб.- М.: ИКТИ РАН, 2004.- вып. 4.-с. 31-39.

30. Дубинина В.Г. Подсистема генерации отчетов аналитической системы расчета рентабельности рейсов. // Информационные технологии в технических системах.: Сб.-М.: ИКТИ РАН, 2004- вып. 4- с. 19-24.

31. Дубинина В.Г. Программная реализация аналитической системы расчета рентабельности авиаперевозок. // Информационные

технологии в технических системах.: Сб.- М.: ИКТИ РАН, 2004- вып. 4.-с. 25-30.

32. Дубинина В.Г., Кузин Л.Т. Интеллектуальная система проектирования сетей ЭВМ. // Проектирование интеллектуальных систем.: Сб.- М.: Атомиздат, 1980- с. 14-20.

33. Дубинина В.Г, Кузин Л.Т., Мельников Е.И. Основы построения интерпретатора ЯГО с использованием метаязыка РЕФАЛ. // Представление знаний в системах искусственного интеллекта.: Сб-М.: МДНТП, 1980.- с. 62-66.

34. Дубинина В.Г, Кузин Л.Т. Интерпретация и формирование решений во фрейм-системах. // Техника средств связи.: Сб., 1982.- вып. 3(7), с. 67-72.-Серия АСУ.

35. Дубинина В.Г, Кузин Л.Т. Преобразование фрейма - прототипа во фрейм-пример в системах автоматизации проектирования. Техника средств связи.: Сб., 1983- вып.2(10).- с. 6-11- Серия АСУ.

36. Дубинина В.Г., Бачурин Е.В. Трехзвенная технология-основа создания информационно-аналитических систем авиакомпаний. // Информационные технологии в проектировании и производстве.: Сб.-М.: ФГУП ВИМИ, 2002.- №2.- с. 9-12.

37. Дубинина В.Г, Акимова Н.Ф. Информационно-аналитическая система расчета рентабельности рейсов. // Информационные технологии в проектировании и производстве.: Сб.-М.: ФГУП ВИМИ, 2002.- № 4 -с. 16-21.

38. Дубинина В.Г., Бачурин Е.В., Курочкин E.П. Информационная среда, используемая для принятия решений по управлению авиаперевозками. // Информационные технологии в проектировании и производстве.: Сб.-М.: ФГУП ВИМИ, 2002.- с. 26-30.

39. Дубинина В.Г., Курочкин Е.В. Система управления расчетом рентабельности регулярных рейсов авиакомпании. Положительное решение о выдаче патента по заявке № 2004118824.- ФИПС, 2004.

40. Дубинина В.Г., Курочкин Е.В. Система ситуационного анализа пассажирских перевозок. Положительное решение о выдаче патента по заявке №2004118825.- ФИПС, 2004.

41. Дубинина В.Г, Мельников Е.И. Формальное описание фреймов системы представления понятийных знаний ПРЕФ. // Тезисы докладов IV семинара "Интеллектуальные банки данных".- Нальчик, 1984.- с. 21-22.

42. Дубинина В.Г, Пивоваров В.Ф. Представление знаний в интеллектуальных системах проектирования. // Тезисы докладов Всесоюзного научно-технического симпозиума "Диалоговые и фактографические системы информационного обслуживания".- М.,

1979.-с. 23-24.

43. Дубинина В.Г., Начинкин А.Д., Вольфенгаген В.Э. Интеллектуальные банки данных и исчисление конверсий. // Тезисы докладов 2-го Всесоюзного семинара "Интеллектуальные банки данных".- Ереван,

1980.-с. 30-33.

44. Дубинина В.Г, Пивоваров В.Ф. Применение системы представления знаний типа ФРЛ для проектирования сетей ЭВМ. // Тезисы докладов 2-го Всесоюзного семинара "Интеллектуальные банки данных".-Ереван, 1980-с. 12-13.

Автореферат диссертации на соискание ученой степени доктора технических наук

Дубинина Вера Гавриловна

Повышение эффективности функционирования авиакомпании на основе информационно-аналитической поддержки бизнес-процессов

Лицензия на издательскую деятельность ЛР №01741 от 11.05.2000 Подписано в печать 03.02 2005. Формат 60x90 /16 Уч изд. л. 2,75. Тираж 100 экз. Заказ № 12

Отпечатано в Издательском Центре МГТУ «СТАНКИН» 103055, Москва, Вадковский пер., д За

о s. a-os &

г

19

МАй\о5

1125

Введение.

1. Анализ существующих принципов построения систем управления авиаперевозками.

Ф 1.1. Анализ особенностей современного рынка авиаперевозок.

1.2. Концепция построения системы управления авиаперевозками авиакомпании.

1.3. Система информации, используемой для моделирования и оптимизации бизнес-процессов в авиакомпании.

1.4. Влияние качества аналитической информации на эффективность управления авиаперевозками.

1.5. Постановка задач диссертационных исследований.

2. Методы, модели и алгоритмы измерения операционных доходов от авиаперевозок.

2.1. Анализ общей структуры доходов от выполнения авиаперевозок.

2.2. Модели учета пространственно-временного разделения доходов рейсов и доходов продаж.

2.3. Методы и алгоритмы измерения операционных доходов от авиаперевозок.

2.4. Статистические алгоритмы повышения точности измерения доходов.

2.5. Разработка комплекса моделей формирования доходной части бюджета авиаперевозок.

Выводы.

3. Методы, модели и алгоритмы измерения операционных расходов и рентабельности рейсов.

3.1. Анализ общей структуры операционных затрат авиакомпании.

3.2. Методы и алгоритмы измерения прямых затрат рейсов.

3.3. Разработка регрессионных моделей для статистического оценивания косвенных затрат.

3.4. Модели и алгоритмы оценивания рентабельности рейсов.

3.5. Гарантированное статистическое оценивание рентабельности авиаперевозок.

Выводы.

4. Разработка моделей прогнозирования производственно-экономических показателей авиаперевозок.

4.1. Оперативный прогноз объёмов пассажирских перевозок на основе статистической обработки временных рядов.

4.2. Алгоритмы прогнозирования доходов и доходных ставок.

4.3. Разработка регрессионных моделей для прогнозирования доходов от продаж.

4.4. Идентификация функции спроса для задач долгосрочного прогнозирования.

4.5. Алгоритмы долгосрочного прогнозирования затрат на основе уравнений регрессии.

4.6. Сценарная модель прогнозирования развития авиакомпании.

Выводы.

5. Разработка моделей оптимизации бизнес-процессов.

5.1. Модели оптимального планирования загрузки рейсов с учетом эластичности функции спроса.

5.2. Модели оптимального планирования авиаперевозок по сети маршрутов.

5.3. Модели оптимизации цены авиаперевозок.

5.4. Модели гибкого управления тарифами авиаперевозок.

5.5. Модели оптимальной коммерческой загрузки двухплечевых рейсов.

Выводы.

6. Разработка информационного обеспечения основных бизнес-процессов авиакомпании.

6.1. Разработка концепции единого информационного пространства для поддержки основных бизнес-процессов авиакомпании.

6.2. Консолидация данных в рамках единого информационного пространства.

6.3. Методы повышения достоверности первичной информации.

6.4. Выбор оптимальной программно- технологической платформы для создания аналитических систем.

6.5. Разработка информационной технологии генерации динамических отчетов о финансовых результатах авиаперевозок.

Выводы.

7. Информационно-аналитические системы и средства поддержки бизнес-процессов управления авиаперевозками.

7.1. Информационно-аналитическая система расчета рентабельности рейсов.

7.2. Информационно-аналитическая система планирования бюджета авиаперевозок.

7.3. Информационно-аналитическая система мониторинга авиаперевозок.

7.4. Информационно-справочная система ведения договоров с агентами.

7.5. Информационная система для анализа Code Share рейсов.

7.6. Автоматизированный ситуационный анализ критических рейсов.

Общие результаты и выводы.

Важнейшим условием успешной деятельности современных авиакомпаний является обеспечение её подразделений эффективным инструментом всестороннего анализа и прогнозирования как состояния самих авиакомпаний, так и мирового рынка авиаперевозок с последующим принятием управленческих решений на основе Л получаемой аналитической информации.

В качестве такого инструмента в настоящее время в авиакомпаниях используются информационно-аналитические системы (ИАС) - специальный класс компьютерных систем, в которых для анализа и синтеза управленческих решений широко применяются методы математической статистики, экономико-математические и оптимизационные модели и т.п. Обладая высокой разрешающей способностью в плане детализации анализа бизнес-процессов авиакомпании как производственной структуры, такие системы позволяют осуществлять мониторинг анализ их всесторонних показателей, правильно позиционируя поставляемый на рынок собственный продукт - авиаперевозки относительно компаний-конкурентов.

В условиях рыночной экономики корпоративная цель и стратегия управления авиаперевозками может быть сформулирована как максимизация прибыли от выполнения авиаперевозок на основе использования современных принципов маркетинга, экономико-математических методов и моделей, а также новых информационных технологий в сфере авиабизнеса при заданных ограничениях на маршрутную сеть, параметры парка воздушных судов (ВС) и презентационные ресурсы (РЯ, реклама и т.п.). В свою очередь корпоративная цель и стратегия авиакомпании определяют политику, реализуемую в виде комплекса постоянно осуществляемых мер и решений, обеспечивающих выполнение следующих основных требований:

• достижение планируемых доходов от авиаперевозок; ^ • обеспечение стабильной прибыли;

• обеспечение рентабельности авиаперевозок;

• повышение конкурентоспособности; ч • увеличение доли рынка.

Вполне очевидно, что успешное решение именно этих задач, обеспечивающих доминирующее положение авиакомпании на рынке авиаперевозок с учетом конкурентного окружения, невозможно без применения информационно-аналитических систем.

Ключевыми проблемами управления авиаперевозками является формирование оптимальных планов продаж, бюджета авиаперевозок, а также постоянный контроль их выполнения. Методологической базой решения этих проблем являются прогнозы рынка, а также наличие информационных систем, осуществляющих мониторинг его параметров. Здесь следует отметить ряд следующих важных моментов.

До сих пор в сфере авиабизнеса для прогнозирования параметров авиаперевозок широко используются методы экспертных оценок, точность которых остается недостаточной для принятия эффективных решений. Сложность данной задачи объясняется тем, что потоки доходов от продаж авиаперевозок и доходов от их выполнения (доходы рейсов) разнесены как в пространстве, так и во времени, что создает определенные трудности в процессе идентификации их моделей. В результате в большинстве российских авиакомпаний до сих пор отсутствует единая методология исчисления доходов от продаж, хотя статистика именно этих показателей должна служить основой для прогнозирования и последующего планирования доходной части бюджета авиакомпании. Часто не совсем корректное использование показателей доходов от выполняемых рейсов и доходов от продаж (выручки) приводит к значительным методическим ошибкам в процессе формировании бюджета авиаперевозок, делая его либо необоснованно заниженным, либо заранее не выполнимым. Неполнота и недостоверность исходной статистики, используемой в расчетах показателей авиаперевозок, только усугубляет сложившуюся ситуацию.

Отсюда возникает вторая важная проблема - проблема корректного измерения и контроля показателей авиаперевозок, т.е. проблема мониторинга выполнения планов по авиаперевозкам, обеспечивающего получение оперативной и достоверной информации из всех пунктов продаж авиакомпании. Своевременное получение такой информации -важнейший фактор максимизации доходов авиакомпании. Специалист-управленец не может ждать, когда кем-то будет подготовлен очередной периодический отчет в соответствии с заданным регламентом, так как необходимость в конкретной аналитической информации по показателям перевозок может возникнуть в любой момент времени, чтобы быстро отреагировать на динамику изменения коньюктуры рынка.

Для поддержки процессов управления авиаперевозками, контроля и анализа их эффективности в последнее время за рубежом начали широко использоваться системы Revenue Management System, Sale Support Tool, Quasar, Profecy и др. Для быстрого нахождения и извлечения необходимых данных используются специальные технологии {Data Mining, Knowledge Discovery, MIDT Processing и т.п.). Однако эти системы носят локальный характер, их трудно интегрировать в единую корпоративную систему управления, они эффективны только лишь на этапах первичного сбора и анализа данных.

Вопросам повышения эффективности информационно-аналитического обеспечения процессов управления авиаперевозками посвящено много работ отечественных авторов, в качестве основных из которых следует отметить труды Леонтьева Р.Г., Правдина Н.Н., Румянцевой З.П., Негрея В.Я., Курочкина Е.П., Макарова Е.В. и др.

Вместе с тем, эффективные решения по созданию методов аналитической поддержки процессов управления авиаперевозками, опирающихся на системный подход, широкое использование математико-статистических моделей в сочетании со сквозной автоматизированной сетевой технологией, сводящей к минимуму ручную обработку исходной статистики, до сих пор не созданы.

Для реализации этих требований создаваемые ИАС должны удовлетворять ряду условий, основными из которых являются:

• адекватный математический аппарат, учитывающий вышеперечисленные особенности отдельных показателей и критериев эффективности перевозок;

• правильно выбранная концептуальная основа (архитектура системы);

• эффективная программная реализация проекта и т.п.

Разработанный для ИАС адекватный математический аппарат должен обеспечивать высокую точность алгоритмов обработки информации в задачах анализа и прогнозирования параметров авиаперевозок. А правильно выбранная и реализованная программно-технологическая платформа позволила бы решать аналитические задачи с минимальными затратами времени, т.е. практически в реальном масштабе времени. При этом архитектура системы должна строиться по принципу открытых систем, обеспечивающему возможность её дальнейшего наращивания и интеграции на основе унификации и стандартизации её отдельных функциональных компонент. Ускоренные процессы электронизации функций управления авиаперевозками с применением TCP/IP протоколов и связанное с этим интенсивное накопление положительного опыта во многих авиакомпаниях мира делает предпочтительным при выборе программно-технологической платформы системы использовать трехзвенные технологии типа «клиент-сервер» в среде Internet/Intranet. Вместе с тем ИАС должна максимально использовать ранее созданные в авиакомпании технологии, сохранять уже сделанные финансовые вложения в развитие информационной инфраструктуры, в разработанные приложения и в квалификацию персонала.

В данной работе исследуется комплекс методов, моделей и алгоритмов решения новых наукоёмких и приоритетных задач, лежащих в основе информационно-аналитической поддержки процессов управления авиаперевозками, основными из которых являются:

• Измерение основных производственно-экономических показателей авиаперевозок (операционных доходов, затрат и рентабельности перевозок).

• Статистическое прогнозирование пассажиропотоков, а также финансовых результатов авиаперевозок.

• Моделирование сценариев развития авиакомпании.

• Оптимизация процессов управления авиаперевозками.

• Повышение точности измерения финансовых результатов перевозок.

• Стратегическое планирование доходов от перевозок и доходов от продаж и т.п.

Для успешного решения упомянутого комплекса задач необходимо провести системный анализ существующих методов и технологий измерения основных показателей авиаперевозок, выявить их основные недостатки, снижающие эффективность информационно-аналитической поддержки принятия управленческих решений, наметить пути их устранения. На основе проведенного анализа должны быть сформулированы функциональные спецификации для создаваемых новых аналитических инструментов.

Результаты решения отмеченных задач могли бы послужить основой построения эффективной системы управления авиаперевозками. Изложенное выше дает основания считать выбранную тему диссертационных исследований актуальной для науки и практики управления авиакомпаний.

Выход

Сектор |День он Плсс ¡F |с |v 1 крес/ю-г.м Пасс им До код Дояоц F ТДЖСЙ I * I

Америка Понедельник^ т 1090 37 БЗ 15745410 9417197 403321 325743 411j

Ar. «риг а Среда в юзо 15 5в 957 1522S56? 9596382 334866 10563.1 31 £

Америка Четверг г 277 л 18 255 2946332 2071406 68249 1750 7 е:

Аг^ермка П V.-T--,1ц,. Б т 11 50 7БЗ 11109442 6718929 275212 13014.9 32Í

Америк а Суббота 4 711 22 67 622 6513Й96 6198259 281228 325415 52Е

Америке и Воскресенье 4 427 14 37 376 5677790 3190031 136761 15676 0 Тг1

Сектор Америка (Кип.)

ГТонеде

Четеерг

Пятница

СуФбега с*рес енье

I П^воя 01 04 2003 ■ Ги 04 2003 1 Пц-исд 01 Сн 2002 ■ ОЙ 04 1-002 [

Рис. 7.23. Пример мониторинга показателей в сравнении с предыдущим годом

7.4. Информационно-справочная система ведения договоров с агентами.

Выходной информацией такой системы являются данные об агентах, агентских соглашения е ними и причитающихся им но данным соглашениям комиссионных. Схема заключения соглашений с агентами и субагентами является иерархической и представлена на рис 7.24.

Рис. 7.24. Общая схема иерархии заключения договоров

Агенты авиакомпаний делятся на несколько категорий:

• генеральные,

• простые,

• корпоративные,

• BSP,

• ARC,

• консолидаторы,

• субагенты.

Агент характеризуется такими параметрами как присвоенный ему код, ИНН (для российских агентов), банковские реквизиты, фактический и юридический адрес, список офисов продаж, список валидаторов, информация о руководстве, контактных лицах и пр.

Информация об офисах продаж билетов включает в себя:

• название,

• тип офиса,

• адрес,

• дата начала работы,

• ZZ адрес,

• используемые в данном офисе валидаторы.

В каждый момент времени у агента должно быть не более одного агентского соглашения. Обычно агентское соглашение заключается на 1 год и, затем, каждый год продлевается (или нет).

О каждом агентском соглашении надо обрабатывать следующую информацию:

• номер агентского соглашения,

• регистрационный номер,

• даты начала и окончания действия АС,

• период получения отчетов,

• период перечисления выручки,

• валюты продажи и перечисления,

• продажа по тарифам «нетто»,

• данные о банковской гарантии или депозите,

• комиссионные.

Наиболее ценной для обработки в агентском соглашении является информация о полагающихся агенту процентах комиссии. Типичное соглашение содержит информацию о следующих типах комиссионных отчислений:

• % от продажи на территории РФ, включая РТА,

• % от продажи МегЬте с собственным рейсом авиакомпании,

• % от продажи ЫегЫпе на рейсы других авиакомпаний,

• % от 3-х стран, включая СНГ,

• % от страны пребывания,

• % при перевозке экипажей морских судов,

• бонусные комиссионные

Каждая из данных величин может быть как фиксированным значением, так и некоторой функцией, зависящей от объема продаж и периода продажи. Приведем пример комиссионных, зависящих от выручки в разные месяцы (см. табл.7.1):

1. Дубинина В.Г. Модели формирования доходной части бюджета пассажирских перевозок в авиакомпании. Сб. "Информационные технологии в проектировании и производстве", М.:ФГУП "ВИМИ", N4,2002 ,стр.13-16

2. Дубинина В.Г, Кузин J1.T., Пивоваров В.Ф. Некоторые вопросы интеллектуальной системы проектирования сетей ЭВМ. Сб. "Техника средств связи", серия АСУ, Выпуск 1, М.: ВИМИ, 1980 г., стр.27-36.

3. Дубинина В.Г. Некоторые вопросы автоматизации проектирования сетей ВМ. "Вопросы атомной науки и техники " Серия АСУ, 2(10), М.: Атомиздат,1981г., стр.56-62.

4. Дубинина В.Г. Алгоритм повышения точности расчета затрат авиакомпании на ГСМ. Вестник Южно-Уральского государственного университета, "Новейшие достижения науки и техники на транспорте", Часть 3, г. Челябинск, 2004г. стр. 183-187

5. Дубинина В.Г. Анализ ошибок финансово-экономических показателей авиаперевозок, "Новейшие достижения науки и техники на транспорте", Часть 3, Вестник Южно-Уральского государственного университета, г. Челябинск, 2004г., стр. 178-184

6. Дубинина В.Г. Модели расчета затрат авиакомпании на ГСМ. "Известия вузов. Северо-Кавказский регион. Технические науки", Приложение № 9, г. Новочеркасск, 2004г., стр.263-265.

7. Дубинина В.Г. Оптимизация объёмов пассажирских перевозок "Известия вузов. Северо-Кавказский регион. Технические науки", № 3, 2004г., стр. 121-122.

8. Дубинина В.Г. BAIKONUR программно-технологическая среда "Аэрофлота". "Известия вузов. Северо-Кавказский регион. Технические науки". Специальный выпуск "Математическое моделирование и компьютерные технологии", г. Новочеркасск, 2004г., стр. 15-17.

9. Дубинина В.Г. Статистическое оптимальное оценивание доходов рейсов на основе учета ковариационных моментов. "Известия вузов. Северо-Кавказский регион. Технические науки", № 4, г. Новочеркасск, 2004г., стр. 110-111

10. Дубинина В.Г. Модели оптимизации цены авиаперевозок. "Известия вузов. Северо-Кавказский регион. Технические науки". Приложение №1, г. Новочеркасск, 2005г., стр. 125-128.

11. Дубинина В.Г. Модели оптимального планирования авиаперевозок по сети маршрутов. "Известия вузов. Северо-Кавказский регион. Технические науки". Приложение №1, г. Новочеркасск, 2005г., стр.128- 130.

12. П.Дубинина В.Г. Модель оптимального управления тарифами авиакомпании. "Известия вузов, Северо-Кавказский регион. Технические науки", Приложение №1, г. Новочеркасск, 2005г., стр.131-134.

13. Дубинина В.Г. Моделирование процессов продаж пассажирских перевозок. Научный вестник. Серия "Информатика. Прикладная математика", №77(4), М., МГТУГА, 2004г., стр.98-104.

14. Дубинина В.Г. Модель оптимального планирования бюджета продаж агентской сети авиакомпании. Научный вестник. Серия "Информатика. Прикладная математика", №1, М., МГТУГА, 2005г., стр. 77-84.

15. Дубинина В.Г, Кузин JI.T. Интеллектуальные банки информации в сетях ВЦ. Сб. "Сети ЭВМ и системы передачи данных", М., МДНТП, 1977г., стр. 45-51.

16. Дубинина В.Г, Колесников М.И. Выбор предприятий, на базе которых возможно создание КВЦ. "Научно-технический прогресс и информация", М., ВИМИ, 1975г., стр. 31-38.

17. Дубинина В.Г., Терентьев Г.В. Математические методы прогнозирования объемов пассажирских авиаперевозок и доходов от выполнения регулярных пассажирских рейсов. Сб. научных трудов №3, Рига: РИА, 2000г., стр.34-41.

18. Дубинина В.Г., Селезнев П.В. Влияние эластичности рынка на прогнозирование пассажирского спроса. Сб. "Информационные технологии в проектировании и производстве", N3, М.: ФГУП ВИМИ, 2004г., стр.57-61.

19. Дубинина В.Г., Терентьев Г.В. Анализ возможных методов расчета рентабельности рейсов в ОАО "Аэрофлот", Научный вестник №30. Серия: "Экономика и образование", М., МГТУ ГА, 2000г., стр.67-72.

20. Дубинина В.Г, Курочкин Е.П. Метод гарантированного статистического оценивания рентабельности рейсов. Сб. "Информационные технологии в проектировании и производстве", N4, М.: ФГУП ВИМИ, 2002г., стр. 21-24.

21. Дубинина В.Г. Прогнозирование пассажирских перевозок на основе обработки временных рядов. «Документооборот. Прикладные аспекты». Сборник трудов ИСА РАН под ред. член корреспондента РАН Арлазарова В.Л. - М.: Едиториал

22. УРСС, 2004г., стр.181-189.

23. Дубинина В.Г., Бачурин Е.В. Применение регрессионных моделей для прогнозирования объемов продаж. «Документооборот. Прикладные аспекты». Сборник трудов ИСА РАН под ред. член корреспондента РАН Арлазарова В.Л. - М.: Едиториал УРСС, 2004г., стр.189-198.

24. Дубинина В.Г. Вопросы оптимизации объемов пассажирских перевозок транспортных компаний. «Документооборот. Прикладные аспекты». Сборник трудов ИСА РАН под ред. член корреспондента РАН Арлазарова В.Л. - М.: Едиториал УРСС, 2004г., стр.208-214.

25. Дубинина В.Г. Оптимизация коммерческой загрузки многоплечевых рейсов, максимизирующей доходы. «Управление информационными потоками». Сборник трудов ИСА РАН под ред. Член-корреспондента РАН Арлазарова В.Л. -М.: Едиториал УРСС, 2005г., стр.125-129.

26. Дубинина В.Г. Сценарная модель экономических прогнозов авиакомпании. «Управление информационными потоками». Сборник трудов ИСА РАН под ред. член-корреспондента РАН Арлазарова В.Л М.: Едиториал УРСС, 2005г., стр. 130-134.

27. Дубинина В.Г Подход к оцениванию маркетинговых и рекламных акций. «Управление информационными потоками». Сборник трудов ИСА РАН под ред. член-корреспондента РАН Арлазарова В.Л. М.: Едиториал УРСС, 2005г, стр. 134-141.

28. Дубинина В.Г. Информационное обеспечение аналитической системы расчета рентабельности авиаперевозок. Сб. Информационные технологии в технических системах. ИКТИ РАН, вып. 4.- М., 2004г., стр. 31-39.

29. Дубинина В.Г. Подсистема генерации отчетов аналитической системы расчета рентабельности рейсов. "Информационные технологии в технических системах", ИКТИ РАН, вып. 4- М„ 2004г., стр. 19-24.

30. Дубинина В.Г. Программная реализация аналитической системы расчета рентабельности авиаперевозок. "Информационные технологии в технических системах", ИКТИ РАН, вып. 4- М., 2004г., стр.25-30.

31. Дубинина В.Г., Кузин Л.Т. Интеллектуальная система проектирования сетей

32. ЭВМ. Сб. "Проектирование интеллектуальных систем", М., Лтомиздат, 1980г., стр. 14-20.

33. Дубинина В.Г, Кузин Л.Т., Мельников Е.И. Основы построения интерпретатора ЯПЗ с использованием метаязыка РЕФАЛ. Сб. "Представление знаний в системах искусственного интеллекта", М., МДНТП, 1980г., стр. 62-66.

34. Дубинина В.Г, Кузин Л.Т. Интерпретация и формирование решений во фрейм-системах. Сб. "Техника средств связи", серия АСУ, вып.3(7), 1982г., стр.67-72.

35. Дубинина В.Г, Кузин Л.Т. Преобразование фрейма прототипа во фрейм-пример в системах автоматизации проектирования. Сб. "Техника средств связи", серия АСУ, вып.2(10), 1983г., стр. 6-11.

36. Дубинина В.Г., Бачурин Е.В. Трехзвенная технология-основа создания информационно аналитических систем авиакомпаний. Сб "Информационные технологии в проектировании и производстве", N2, М.: ФГУП ВИМИ, 2002г., стр.9-12.

37. Дубинина В.Г, Акимова Н.Ф. Информационно-аналитическая система расчета рентабельности рейсов. Сб. "Информационные технологии в проектировании и производстве", №4, М.:ФГУП ВИМИ, 2002г., стр. 16-21.

38. Дубинина В.Г., Бачурин Е.В., Курочкин Е.П. Информационная среда, используемая для принятия решений по управлению авиаперевозками. Сб. "Информационные технологии в проектировании и производстве", М.:ФГУП ВИМИ, 2002г., стр.26-30.

39. Дубинина В.Г., Курочкин Е.В. Система управления расчетом рентабельности регулярных рейсов авиакомпании. Положительное решение о выдаче патента по заявке № 2004118824. ФИПС, 2004г.

40. Дубинина В.Г., Курочкин Е.В. Система ситуационного анализа пассажирских перевозок. Положительное решение о выдаче патента по заявке №2004118825. ФИПС, 2004г.

41. Дубинина В.Г, Мельников Е.И. Формальное описание фреймов системы представления понятийных знаний ПРЕФ. Тезисы докладов IV семинара "Интеллектуальные банки данных", Нальчик, 1984г., стр. 21-22.

42. Дубинина В.Г, Пивоваров В.Ф. Представление знаний в интеллектуальных системах проектирования. Тезисы докладов Всесоюзного научно-технического симпозиума "Диалоговые и фактографические системы информационного обслуживания", М., 1979г., стр. 23-24.

43. Дубинина В.Г., Начинкин А.Д., Вольфенгаген В.Э. Интеллектуальные банкиданных h исчисление конверсии. Тезисы докладов 2-го Всесоюзного семинара "Интеллектуальные банки данных", Ереван, 1980г., стр.30-33.

44. Дубинина В.Г, Пивоваров В.Ф. Применение системы представления знаний типа ФРЛ для проектирования сетей ЭВМ. Тезисы докладов 2-го Всесоюзного семинара "Интеллектуальные банки данных", Ереван, 1980г., стр. 12-13.

45. Аврашков Л.Я., Адамчук В.В., Антонова О.В и др. "Экономика предприятия" под ред. Проф. В.Я. Горфинкеля, проф. В.А. Швандара. 2-е изд., перераб. и доп.-М. Банки и биржи, ЮНИТИ, 1998 г., 1-76.

46. Алан Р. Экономические индексы. М.¡Статистика,1980г., стр. 56-176.

47. Алексахин C.B. «Прикладной статистический анализ». «Приор», Москва-2001г., стр. 1-247.

48. Андерсон Т. Статистический анализ временных рядов. М-:Мир, 1976г., стр. 1-235.

49. Андронов А.Н., Хижняк А.Н. Математические методы планирования и управления производственно-хозяйственной деятельностью предприятий гражданской авиации. М.: Транспорт, 1977г. стр. 1-211.

50. Андреев A.M., Березкин Д.В., Буйдов А.Ю., Смирнов Ю.М. Объектные информационные системы (подход к проектированию). Вестник МГТУ, 1995г., стр.54-61.

51. Ансофф И. Стратегическое управление / Пер. с англ. М.: Экономика, 1990г., стр.1-340.

52. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985г., стр. 1-73.

53. Артамонов Б.В. Конъюнктура мирового рынка воздушных перевозок. Методология изучения, закономерности и проблемы развития. М.: Международные отношения, 1986г., стр. 1-89.

54. Артамонов Б.В. Особенности формирования тарифной политики на рынке международных перевозок в современных условиях. Межвузовский тематический сборник научных трудов. М: МИИГА, 1990г., стр. 34-45.

55. Артамонов Б.В. Рынок международных воздушных перевозок: особенности и проблемы развития. М: Воздушный транспорт, 1992г., стр. 1-178.

56. Афанасьев В.Г. "Еврорегулирование" и Общий рынок международных воздушных перевозок. Межвузовский тематический сборник научных трудов. -М: МИИГА, 1990г., стр. 76-79.

57. Афанасьев В.Г. Международные отношения в области гражданской авиации

58. М.: Международные отношения, 1983г., стр. 1-211.

59. Афанасьев В.Г. Международный воздушный транспорт: экономика, политика, внешнеэкономические связи. М.: Международные отношения, 1992г., стр. 1-177.

60. Афанасьев В.Г. Организация перевозок на международных воздушных линиях. -Д.: 1979г., стр. 1-66.

61. Афанасьев В.Г. Организация международных воздушных перевозок. Перевозки пассажиров и багажа. М: Воздушный транспорт, 1992г., стр. 1-33.

62. Афанасьев В.Г., Сумароков В.Д. Внешнеэкономический комплекс отрасли.//Совершенствование форм и методов коммерческой работы Аэрофлота на рынке международных перевозок. Межвузовский тематический сборник научных трудов. М.:МИИГА, 1990г., стр. 67-71.

63. Бабушкин М., Иваненко С., Коростелев В. "WEB-сервер в действии", Питер Пресс, 1997г., стр. 1-278.

64. Баззел Р.Д. и др. Информация и риск в маркетинге /Пер. с англ. М.: Финстатинформ, 1993г., стр. 1- 180.

65. Бачурин Е.В., Курочкин Е.П. Системные проблемы измерения финансово-экономических показателей авиаперевозок. Информационные технологии в проектировании и производстве. М.: ФГУП «ВИМИ». 2002, № 4 с. 9-12.

66. Бачурин Е.В. Маркетинговые приоритеты информатизации коммерческих бизнес-процессов в авиакомпании. М.: ФГУП « ВИМИ». 2002, № 4, стр. 1-8.

67. Белогина Н.С. Неожиданные парадоксы приватизации на воздушном транспорте. Авиакомпания, 1995г., №1, стр. 34-37.

68. Бешелев СЛ., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980г., стр. 1-223.

69. Бобровский С. Огас1е8: архитектура. Основные принципы построения и структура баз данных Oracle. Введение в основные понятия Огас1е8.М: Лори, 1998г., стр.1-144.

70. Большова Г.А. Стандарт SQL:hto нового?// Компьютеруик, 1997г., стр. 23-34.

71. Бриллинджер Д.Р. Временные ряды: Обработка данных и теория. М.: Мир, 1980г, стр. 1-536.

72. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров иучащихся вузов.13 изд., М.: «Наука», Гл. редакция физ-мат. лит., 1986г., стр. 1544,

73. Брусиловский В.Е. Интеграция авиакомпаний.//Приватизация и акционирование на воздушном транспорте России: опыт, проблемы, пути решения. М.:1993г., стр. 56-67.

74. Брюзгин Ю.А. SQL Base 7.0СУБД№1,М, 1998г., стр. 1-345.

75. Букин Г.А. Обоснование международных пассажирских авиатарифов. Межвузовский тематический сборник научных трудов. JL: Академия ГА, 1993г., стр. 12-18.

76. Буч Г. "Объектно-ориентированный анализ проектирование с примерами приложений на С++", М, Бином, 2001г., стр.1-233.

77. Вейскас Д. Эффективная работа с Access 7.0 для Windows, С Петербург, ПитерПресс, 1997г., стр.1-536.

78. Вентцель Е.С. Исследование операций. М.: «Советское радио», 1975г., стр. 1551.

79. Виткрофт С. Разработка стратегии авиакомпании//Современные условия на мировом воздушном транспорте. Материалы симпозиума ICAO в АГА -С.Петербург, 1992г., стр. 167-171.

80. Вячек Р. Функционально-стоимостной анализ в управлении /Пер. с чешского. М.: Экономика, 1996г., стр. 1-245.

81. Герман Д.Я. Проектирование реляционных баз данных, М.: Издательство МГТУ им. Н.Э. Баумана, 1994г., стр. 1-231.

82. Герчикова И.Н. Маркетинг и международное коммерческое дело. М.: Внешиздат, 1991г., стр. 1-320.

83. Гнеденко Б.В., Коваленко И.Н. Введение в теорию массового обслуживания. М.: Наука, 1966г., стр. 1-524.

84. Голосов А. Аномалии в реляционных базах данных//СУБД, 1996г., стр. 77-98.

85. Голубев И.С. Эффективность воздушного транспорта. М.: Транспорт, 1982г., стр.1-230.

86. Голубев И.С., Сакач Р.В., Логинов Е.П., Пинаев Е.Г. Исследование операций в гражданской авиации. М.: Транспорт, 1981г., стр. 1-256.

87. Гольдштейн Г.Я., Катаев A.B. Маркетинг: Учебное пособие для магистрантов. Таганрог, ТРГУ, 1999г., стр. 1-101.

88. Горбатов В.Я. и др. Автоматизация проектирования сложных логических структур. М.: Энергия, 1981г., стр. 1-322.

89. Гофман В., Хомченко A. «Delphi 6», БХВ-Питербург, 2001г., стр. 1-567.

90. Грегори К Использование Visual С++6. Специальное издание. Перевод с англ.-М, Вильяме, 1999г., стр. 1-446.

91. Дармоян П.А., Кучевский Н.Г. Методы прогнозирования пассажирских перевозок. Минск: Наука и техника, 1975г., стр. 1- 89.

92. Диброва Г.С., Лисин Е.П., Хижняк А.Н. Экономика, организация и планирование ГА М: Транспорт, 1989г., стр. 1-222.

93. Джессен Р. Методы статистических обследований. Под ред. Е.М. Четыркина; пер.с.англ. Ю.П.Лукашина. М., Финансы и статистика, 1985г., стр. 1-256.

94. Елисеева И.И., Юзбашев М.М. Общая теория статистики, М: Статистика, 1998г., стр. 1-126.

95. Иващенко Г.А., Кильдишев Г.С., Шмойлова P.A. Статистическое изучение основной тенденции и взаимосвязи в рядах динамики. Томск, Издательство Томского университета, 1985г., стр. 1-231.

96. Информационные системы в экономике: Учебник под ред. проф. В.В. Дика. М.: Финансы и статистика, 1996г., стр. 200-272.

97. Исикова Каору. Японские методы управления качеством продукции./Пер. с англ. М.: Экономика, 1988г., стр 1-425.

98. Капур К, Ламберсон Л. Надежность и проектирование систем «Мир», Москва, 1980г., стр. 1-239.

99. Карлоф Б. Информация в бизнесе. /Пер. с англ. М.: Экономика, 1991г., стр.1-189.

100. Канер С., Фолк Д., Нгуен Е. Тестирование программного обеспечения. Фундаментальные концепции менеджмента бизнес-приложений. / Пер. с англ. Киев, Диасофт, 2001г., стр.234-276.

101. Кантер Дж. Управленческие информационные системы. / Пер. с англ. М.: «Радио и связь» 1982г., стр. 1-510.

102. Казанкова И.А. Факторы эффективности авиатранспортного производства. Практика крупнейших авиакомпаний США. Межвузовский тематический сборник научных трудов.- М: МИИГА, 1989г., стр. 67-71.

103. Каюров Ю.А. Проектирование баз данных. Учебное пособие. Ижевск. Изд-во "Ижевс.гос.техн.ун-т", 1994г., стр. 1-154.

104. Кеворков В.В., Леонтьев C.B. Политика и практика маркетинга на предприятии. СПБ.: Дельта, 2000г., стр. 1-176.

105. Князева Н.Б. Методические подходы к определению структуры затрат для расчета эффективности авиалиний по степеням покрытия доходами расходов.

106. Научный вестник МГТУГА №12, серия Общество, экономика, образование, 1999г., стр. 34-36.

107. Ковалевский Г.В. Индексный метод в экономике. М.: Финансы и статистика, 1989г., стр. 1-156.

108. Кодд Е.Ф. Реляционная модель данных для больших совместно используемых банков данных. СУБД №1. М.: Открытые системы, 1998г., стр.56-89.

109. Конноли Т., Бегг К. Базы данных. Проектирование, реализация и сопровождение. Теория и практика. М.: Вильяме, 2001г., стр. 1-324.

110. Костромина Е.В. "Экономика авиакомпании в условиях рынка", НОУ ВКШ "Авиабизнес", 2000г., стр. 1-129.

111. Костромина Е.В. Экономика ГА.- М.:МГТУ ГА, 1994г., стр. 1-321.

112. Костромина E.B.BSP в России. ВТ, 1996г., стр.1-233.

113. Костромина Е.В., Григорьев Ю.М., Жебрак A.B. Рынок и тарифы. ВТ, 1996г., стр. 1-237.

114. Костромина Е.В. О формировании тарифной политики авиакомпаний. М.: БТИ, 1996г., стр. 1-98.

115. Котлер Ф. Управление маркетингом. М.:Экономика, 1980г., стр. 1-234.

116. Котлер Ф. Основы маркетинга. М.: Прогресс, 1990г., стр. 1-121.

117. Кузнецов С.Д. Стандарты языка реляционных данных SQL: краткий обзор. СУБД №2. М: Открытые системы, 1996г., стр. 34-37.

118. Кульба В.В., Ковалевский С.С., Косяченко С.А., Сиротюк В.О. Теоретические основы проектирования распределенных баз данных. Серия "Информатизация России на пороге XXI века". М. Сингер, 1999г., стр. 1-342.

119. Курочкин Е.П. Адаптивные методы обработки информации. Изд-во «Фан», Ташкент, 1987г., стр. 1-234.

120. Курочкин Е.П., Колесов Ю.Б. Технология программирования сложных систем. М: Изд-во ГКВТИ. 1993г., стр.1-112.

121. Леонтьев Р.Г. Прогнозирование авиапотоков и оптимизация управления воздушной транспортной системой. М.: Из-во Наука, 1987г., стр. 1-185.

122. Леонтьев Р.Г. Методика использования корреляционного анализа в проблемахкоммерческой деятельности гражданской авиации. В книге: Навигация и управление воздушным движением. JL: ОЛАГА, 197г., стр. 32-34.

123. Лившиц А.Я. Введение в рыночную экономику. Курс лекций. М.: МП ТПО "Квадрат", 1991г., стр. 1-67.

124. Лобко А.Г. и др. Управление рынком. М.: Изд-во МГАП «Мир книги», 1993г., стр.1-456.

125. Лодыженский Г.М. Системы управления базами данных коротко о главном//СУБД №1, 1995г., стр. 56-89.

126. Лотов A.B. "Введение в экономико-математическое моделирование". М: Наука, 1994г., стр.1-127.

127. Мазере Тодд Архитектура "тонкого " клиента в Windows NT/2000. Пер.с англ М.: Издательский дом "Вильяме", 2001г., стр. 1-234.

128. Макаров Е.В. Финансово-экономические проблемы развития мировой воздушно-транспортной индустрии. Транспорт: наука, техника, управление. Сборник обзорной информации, ВИНИТИ, 1993г., стр. 78-94.

129. Мартин Грабер "SQL Справочное руководство" М: ЛОРИ, 2001г., стр.1-345.

130. Мескон Альберт Хедоури. Основы менеджмента.- М.: Дело, 1992г., стр. 1-456

131. Методические рекомендации по определению себестоимости рейсов ВС ГА -ДВТ Минтранса РФ, 1993г., стр. 1-57.

132. Моисеев H.H. Математические модели в управлении. М.: «Наука», 1985г., стр. 68-75.

133. Москалев A.A. Повышение эффективности задач управления за счет их интеграции в едином информационном пространстве. Автореферат диссертации на соискание ученой степени канд.техн.наук M , 2002г., стр. 2-21.

134. Мэнеску М. Экономическая кибернетика. М.: Экономика, 1988г., стр. 1-230.

135. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. М.: Мир, 1980г., стр. 1-344.

136. Неруш Ю.М. Коммерческая логистика: Учебник для вузов. М.: Банки и биржи, ЮНИТИ, 1997г., стр. 1-271.

137. Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса. Реинжиниринг организаций и современные информационные технологии, М.'.Финансы и статистика, 1987г., стр. 1-336.

138. Оркат Г., Винокур Г. Авторегрессия первого порядка: вывод, оценивание и прогнозирование. М, Статистика, 1978г., стр. 1-123.

139. Орлик C.B. Borland Delphi как средство разработки масштабируемыхприложений СУБД №4, М., Открытые системы, 1995г., стр. 2-32.

140. Орлов A.B. Рынок товаров. М.: Экономика, 1987г., стр. 1-270.

141. Петров В. «Информационные системы», Питер, 2001г., стр. 1-564.

142. Плошко В.Г., Елисеева И.И. История статистики. М., Финансы и статистика, 1990г., стр. 1-79.

143. Попов Э.В. и др Статические и динамические экспертные системы. М.: Финансы и и статистика. 1995г., стр. 1-320.

144. Правдин H.H., Негрей В.Я. "Прогнозирование пассажирских перевозок" М, Транспорт, 1980г., стр. 1-143.

145. Раскин Л.Г. Анализ сложных систем и элементы теории оптимального управления. М.: «Советское радио», 1977г., стр. 1- 344.

146. Робсон М., Уллах Ф. Практическое руководство по реинжинирингу бизнес-процессов. / Пер. с англ. М.: Аудит. ЮНИТИ, 1997, стр. 1-224 .

147. Розин Б.Б. Статистическое моделирование экономических показателей. Новосибирск: Наука, 1978г., стр. 1-142 .

148. Рохваргер А.Е., Шевяков А.Ю. Математическое планирование научно-технических исследований (статистический подход). М.: Наука, 1978г., стр. 1439.

149. Румянцева З.П. "Математические методы в планировании гражданской авиации" В книге Воздушный транспорт, 1987г., стр. 1-127.

150. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1995г., стр. 45-134.

151. Саати Т., Керне К. Аналитическое планирование. Организация систем. /Пер. с англ. М.: Радио и связь, 1991г., стр. 1-350 .

152. Саркисян С.А., Голованов Л.В. Прогнозирование больших систем. М.: Статистика. 1984г., стр. 131-145.

153. Седов О. Затраты Аэрофлота. Enterprise partner. Корпоративные системы. № 1 (42), 2002г., стр. 3-5.

154. Семёнов М. «Автоматизированные информационные технологии в экономике», Финансы и статистика, 2002г., стр. 1-221.

155. Сигнор Р. Использование ODBC для доступа к базам данных. М., Бином-П, 1995г., стр. 1-256.

156. Скотт Синк Д. Управление производительностью. / Пер. с англ. М.: Прогресс, 1999г., стр. 124-325 .

157. Соколов A.A. "Прогнозирование пассажирских перевозок" В книге "Наука итехника гражданской авиации", ВИНИТИ, М, 1975г., стр. 12-16.

158. Степанова Н.И., Князева Н.Б. Принципы формирования затрат для расчета эффективности авиалиний на основе выделения центров стоимости единицы работы: Научный вестник МГТУГА №12, серия Общество, экономика, образование, 1999г., стр.56-58.

159. Стоянова Е.С. Финансы маркетинга. М.: Перспектива, 1994г., стр. 1-123.

160. Такаца Э. Исследование операций воздушного транспорта. ВИНИТИ, М. 1986г., стр.34-87.

161. Тинтнер Г. Введение в эконометрию. М., Статистика, 1965г., стр. 1-137.

162. Торвей Р. Индексы потребительских цен/ Методология и руководство. М., Финансы и статистика, 1993г., стр. 1-167.

163. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере /Под ред. Фигурнова В.Э. М.: Инфра-М. Финансы и статистика, 1995г., стр. 1-384.

164. Федосеев В.В. Экономико-математические методы и модели в маркетинге. М: Финстатинформ, 1996г., стр. 1-232.

165. Фестер Э., Ренц Б. Методы корреляционного и регрессионного анализа М., Финансы и статистика, 1983г., стр. 1-145.

166. Фишер Г. Экономика. М: Дело, 1995г., стр. 34-76.

167. Фостер Р. Обновление производства: атакующие выигрывают /Пер. с англ. М.: Экономика, 1989г., стр. 1-270.

168. Хорошилов А.А. и др. Taxxi. Удаленные приложения с богатыми интерфейсными возможностями. Компьютер пресс № 4, 2001г., стр.21-24.

169. Чуев Ю.В., Михайлов Ю.Б., Кузмин В.И. Прогнозирование количественных характеристик процессов. М.: «Советское радио», 1979г., стр. 1-398.

170. Шеремет А.Д., Сейфуллин P.C. Финансы предприятий. М: ИНФРА, 1998г., стр. 1-156.

171. Шмойлова Р.А. Теория статистики. «Финансы и статистика», Москва-2001г., стр. 1-556.

172. Шнайдер Р.Д. Microsoft SQL Server: Проектирование высокопроизводительных баз данных. M.:BHV, 1998г., стр. 1-234.

173. Эванс Дж., Берман Б. Маркетинг. М: Экономика, 1990г., стр. 1-456.

174. Эддоус М., Стэнфилд Р. Методы принятия решений./Пер. с англ. М.: Аудит. Юнити, 1997г., стр.1- 590.

175. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры. Перевод с англ.- М.: Финансы и статистика, 1993г., стр. 1-237.

176. Экономика, организация, планирование и управление ГА.- Рига:

177. РКИИГА, 1979г., стр. 23-126. 177.Энсор Д. Oracle. Проектирование баз данных: Перевод с англ. Киев:ВНУ, 1999г., стр. 1-567.

178. Юдин Д.Б. Вычислительные методы теории принятия решеиий. — М.: Наука, 1989., стр. 1-423.

179. Юзбашев М.М., Манелля А.И. Статистический анализ тенденций и колеблемости. М., Финансы и статистика, 1983г., стр. 45-67.

180. Anderson, T.W., The Statistical Analysis of Time Series. John Wiley & Sons, Inc. New York, 1971, pp.45-127.

181. Barfield N. A perspective of commercial airliner programs for 90s, ICAO Bulletin, 32,pp. 14-16.

182. B.C. Smith , J. Leimkuhler and R.M. Darrow. Yield Management at American Airlines. Interfaces. Vol. 22, No. 1, pp. 8-31, 1992.

183. Belobaba, P.P. Airline Yield Management An Overview of Seat Inventory Control. Transportation Science. Vol. 21, No. 2, May 1987, pp. 34-56.

184. Belobaba P.P. Application of a Probabilistic Decision Model to Airline Seat Inventory Control. Operations Research. Vol. 37, No. 2, March-April 1989, pp.2-12.

185. Business Systems Planing/ Information Systems Planing Guide. 2nd ed. N.Y.: IBM Corp. White Plains, 1980, pp. 1-270.

186. Da Silva The Analysis of Cross-Sectional Time Series Data. Ph.D. Dissertation, Department of Statistics, North Carolina State University, 1975, pp. 1-45.

187. David Field. The data game. Airline business, IATA, №12, 2002, pp. 33-42.

188. Global Market Forecast. Airbus Industrie reports. France, 1997, pp.1-34.

189. Greene, W.H. Econometric Analysis, Macnullan Publishing Company, New York, 1990 (4), pp. 1-145

190. R. Gross. Airlines Domination at the Market. Viking, New York, 2002, pp. 45-63.

191. Hamish Pringle, William Gorden. Brand Manners. Rexdale. Ontario, M9W 111, Canada, 2001, pp. 71-89.

192. Haykin, S. Neural Networks: A Comprehensive Foundation. MacMillan College Publishing Company, New York, 1994, pp. 32-56.

193. Hertz, J., A. Krogh and R. Palmer. Introduction to the Theory of Neural Computation. Addison-Wesley, Menlo Park, CA, 1991, pp.23-34.

194. Jeanette Borso. Russian Enterpreneurs Aim to Link Start-Ups With Western Investors. The Wall Street Journal. March 14, 2001, pp. 17-18.

195. Lloyd's Aviation Economist, pp. 12 May, 1985, pp. 34-46.

196. Mckinsey Quarterly. The power of pricing № 16 2003, pp. 47-58.197.0twell, K., S.S. Hormby and W. Hutchison. A Large-Scale Neural Network Application for Airline Seat Allocation. World Congress on Neural Networks, 1994, pp. 2-23.

197. Revenue Management System. Reports of International Conference. IATA, 1997, pp.1-345.

198. Rumelhart, D.E., G. Hinton and R. Williams. Parallel Distributed Processing. Vol. 1, MIT Press,Cambridge, MA, 1986,1-345.

199. Silver M.S. Buisness statistics. McGraw-Hill, 1997, pp.56-67.

200. Stephen Shaw. Air transport, a marketing perspective, London, 1994, pp. 1-76.

201. Stephens K., Hutchison W, Hormby S. and T.M. Bell. Dynamic Resource Allocation Using Adaptive Networks. Neurocomputing. 2, 1990, pp. 9-16.

202. Bedbury S. A new Brand World. Viking, New York, 2002, pp. 34-56.

203. Webster F.E. and Wind Y. Organisation at Buying Behavior, Englewood Cliffs. N.Y. Prentice Hall, 1978, pp. 1-247.

204. Структура таблиц базы данных "Аэростат"