автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Разработка и исследование моделей и методов оперативного управления транспортно-экспедиторскими компаниями

На правах рукописи

Мокров Дмитрий Викторович

Разработка и исследование моделей и методов оперативного управления транспортно-экспедиторскими компаниями

Специальность: 05.13.10 - Управление в социальных и экономических системах

I

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук.

Москва 2006

Работа выполнена в Институте проблем управления им. В.А. Трапезникова РАН

Научный руководитель

Кандидат технических наук Бахтадзе Наталья Николаевна

Официальные оппоненты

Доктор технических наук Мандель Александр Соломонович

Кандидат технических наук, доктор экономических наук Капитоненко Валерий Владимирович

Ведущая организация

Институт системного анализа РАН

Защита состоится «2» марта 2006 г. в 14:00 часов на заседании Диссертационного совета № 2 (Д 002.226.02) Института проблем управления им. В.А. Трапезникова РАН по адресу: 117997, Москва, ул. Профсоюзная, 65.

С диссертацией можно ознакомиться в библиотеке Института проблем управления им. В .А. Трапезникова РАН.

Автореферат разослан «г.

Ученый секретарь диссертационного совета

кандидат технических наук В.Н. Лебедев

¿¿2£>6 А-

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Оперативный учет спроса и гибкая тактика ценообразования обеспечивают получение не одноразового, а устойчивого конкурентного преимущества компаниям и предприятиям на рынке наряду с качеством продукции и лучшим сервисом. Именно в области прогнозирования спроса с целью выработки и корректировки политики цен в основном сосредоточены сегодня потребности предприятий в научных исследованиях маркетинга.

Однако на сегодняшний день нельзя говорить о существовании надежных методик исследования динамики наиболее существенных факторов, влияющих на спрос. В частности это объясняется ограниченным набором методов и моделей для прогнозирования динамики и структуры спроса, что значительно осложняется отсутствием необходимого информационного обеспечения. Поэтому необходимость разработки новых подходов к исследованию оперативного прогнозирования спроса с использованием современных методов теории управления является актуальной задачей не только в научном, но и практическом аспекте.

Опыт отечественных и зарубежных исследователей приводит к безусловному выводу о необходимости сочетания в исследованиях динамики микроэкономических процессов субъективного элемента и экономико-математических расчетов. Значительный вклад в развитие таких методов внесли работы О.И. Ларичева, A.A. Дорофеюка, Е.А. Гребенюк, A.C. Манделя, A.B. Карибского, Ю.Р. Шишорина.

Прогнозирование спроса и последующее определение уровня цен (с учетом эластичности спроса по цене) составляет важный аспект стратегического управления компанией Однако для эффективной работы в условиях рыночной экономики требуется придать большую гибкость процессу ценообразования, что осуществляется за счет текущего бюджетирования в рамках оперативного управления компанией.

Несмотря на всю важность задачи, на сегодняшний день здесь также нельзя говорить о существовании надежных методик оптимизации процессов планирования и управления бюджетом предприятий - бюжетирования.

Зачастую, владея достаточным для анализа количеством архивной и текущей информации, предприятия либо вообще не представляют, как ею распорядиться, либо используют ее для построения элементарной отчетности. В используемых сегодня дорогостоящих информационных системах, как правило, не содержится эффективных алгоритмов решения задач ценообразования и текущего бюджетирования.

Цель и задачи исследования. Целью диссертации является разработка методов и алгоритмов анализа и управления для систем поддержки принятия решений (СППР) руководством предприятий, осуществляющих перевозки грузов (транспортно-экспедиторских компаний). Разрабатываемые системы должны предоставить руководству транспортно-экспедиторских компаний возможность осуществлять стратегическое планирование и оперативную корректировку стоимости продукции (услуг) в зависимости от спроса, себестоимости и дополнительных расходов.

В соответствии с поставленной целью решаются следующие основные задачи:

разработка моделей, а также эффективных методов и алгоритмов оптимизации ценообразования и текущего бюджетирования для организаций, занимающихся коммерческим экспедированием;

построение с использованием разрабатываемых методов систем управления деятельностью транспортно-экспедиторских компаний на основании экспертной и текущей информации.

Методы исследования. В работе использованы методы математического аппарата теории идентификации, адаптивного управления, теории управления запасами, методы статистической обработки данных и статистического моделирования для анализа и оптимизации систем

Научная новизна. Научная новизна работы состоит в следующем:

Исследована и теоретически обоснована возможность решения на основании экспертной и текущей информации задач управления оперативным бюджетированием экспедиторской компании на базе архивной и текущей информации.

Разработаны методы синтеза систем управления текущим бюджетированием компаний с использованием адаптивных алгоритмов управления запасами.

Разработаны адаптивные алгоритмы прогнозирования спроса для систем управления (в режиме советчика) ценообразованием в сфере коммерческого экспедирования.

Теоретически обоснована, разработана и практически апробирована методика синтеза распределенной системы мониторинга производственно-финансовой ситуации и текущего управления для комплексов управления ресурсами экспедиторской компании.

Практическая значимость. Разработанные в диссертации алгоритмы применены в системе управления ресурсами транспортно-экспедиторской компании для решения задачи оптимального бюджетирования операции перевозки определенной партии заданного товара по указанному маршруту.

Разработана и практически используется информационно-оптимизирующая система ценообразования с использованием адаптивных моделей прогнозирования спроса на экспедиционные услуги.

Реализация результатов работы. Результаты работы применены в системе управления ресурсами российской транспортно-экспедиторской компании ООО «Контрансервис.

Аппробация работы. Основные результаты диссертационной работы докладывались на' Международной конференции «Системный анализ и управ-

ление» (Евпатория, Украина, 2004 г.), Международной конференции «Проблемы управления и энергетики» (Тбилиси, Грузия, 2004 г.), на семинарах и совещаниях Института проблем управления РАН, на пятой Всероссийской научно-практической конференции «Информационные технологии в России» (Москва, 2004 г.).

Публикации. По результатам работы опубликовано 5 печатных работ, список которых приведен в конце реферата.

Структура и объем работы. Работа состоит из введения, четырех глав, заключения и списка литературы. Работа содержит 137 страниц, 22 рисунка, 2 таблицы. Список литературы включает 119 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении приводится обоснование актуальности задач, поставленных и решенных в работе, формулируются цели и задачи исследования.

В первой главе кратко рассматриваются этапы развития систем управления ресурсами предприятия, и проводится анализ их возможностей по оптимизации производственного и логистического циклов деятельности предприятий по производству товаров и услуг. Выполнен также анализ перспективности решения задач управления интегрированным логистическим процессом с использованием современных методов теории автоматического управления

Важнейшей задачей, стоящей перед предприятиями на протяжении последних десятилетий, является рост эффективности производства на основе сокращения производственного и логистического циклов за счет оптимизации.

Интегрированный логистический подход к управлению за последнее десятилетие коренным образом изменился. Этому способствовали новые хозяйственные отношения, которые возникли между поставщиками и потребителями в связи с необходимостью совместного управления материальными потоками на основе новейших информационных технологий Оптимизация цепочек поставок и

коллективного доступа к информации позволяют получить дополнительный эффект от взаимодействия их участников.

Среди эффективных методов решения проблем логистики следует выделить технологии управления цепочками поставок — SCM (Supply Chain Management) . Современные системы SCM успешно решают задачи координации, планирования и управления процессами снабжения, складирования и транспортировки Создание и эксплуатация SCM эффективны только в том случае, если они интегрированы в общекорпоративные бизнес-процессы, встроены в систему планирования и управления ресурсами.

Разработанная в 90-х годах прошлого века исследовательской компанией Gartner Group концепция систем класса планирования ресурсов предприятия (ERP — Enterprise Resources Planning) расширила средства и методы планирования материальных, мощностных и финансовых ресурсов промышленного предприятия, распространив их на компании любых типов.

Сегодня наблюдается внедрение систем управления ресурсами нового класса, которые получили название развитых систем планирования (Advanced Planning/Scheduling - APS).

Переход финансово-производственных процессов современных предприятий на более высокий уровень осуществляется на базе использования современных логистических концепций. Различные логистические концепции в стратегическом планировании и текущем управлении уже, по крайней мере, в течение двадцати и более лет применяют ведущие зарубежные фирмы и транснациональные корпорации (IBM, Procter & Gamble, Coca-Cola, General Motors и др.). Использование логистических концепций и систем позволяет оптимизировать ресурсы компании (материальные, финансовые, трудовые).

В работе приведен краткий анализ применяющихся сегодня логистических концепций «Точно в срок» (JUST IN TIME, JIT), «Планирование материальных ресурсов» (MRP - Materials requirements planning), «Тонкое производство» (LEAN PRODUCTION), «Планирование производственных ресурсов» (MRP II - Manufac-

turing resource planning), «Планирование ресурсов предприятия» (ERP -Enterprise resource planning), «Синхронизированное с покупателем планирование ресурсов» (CSRP - Customer Synchronized Resource Planning), «Правила перезаказа» (ROP - Rules Based Reorder), «Быстрого ответа» (QR - Quick Response), «Непрерывного пополнения» (CR - Continuous Replenishment) и «Автоматического пополнения» (AR - Automatic Replenishment).

Применение современных методов теории управления в ERP-системах на сегодняшний день имеет большой потенциал. Это обусловлено, прежде всего, потребностью в анализе большого числа разнообразных массивов информации, прошедших первичную аналитическую обработку и структуризацию, и необходимостью принятия управленческих решений на основе одновременного использования оперативной и ретроспективной информации о бизнес-процессе.

Даже самые совершенные системы мониторинга далеко не всегда предоставляют полноценную поддержку лицу, принимающему решения. Эффективное решение этой проблемы заключается в разработке программно-алгоритмических управляющих комплексов на базе математических моделей, настраиваемых в реальном времени (получивших название «программные анализаторы»).

Особенность функционирования программных анализаторов (ПА), реализующих подход к построению моделей на базе идентификационного анализа, заключается в том, что они осуществляют построение модели конкретного производственного процесса, используя (помимо текущих и архивных данных) модели на других уровнях производственного управления. При этом существенно, что результаты моделирования различных участков производственного процесса не становятся элементами сложной модели на более высоком уровне, а лишь формируют для нее значения вектора входной информации. По сути, недостаточность априорной информации об исследуемом процессе компенсируется как бы дополнительными (виртуальными) измерениями. Поэтому программные анализаторы часто называют виртуальными анализаторами.

Формируемые с помощью ПА управляющие воздействия должны обеспечивать информационную поддержку руководства для окончательного принятия решений на основе формирования управляющих воздействий с помощью алгоритмов идентификации и управления.

Системы поддержки принятия решений, создаваемые на базе ПА для логистического процесса на основании экспертной и текущей информации, осуществляют анализ и моделирование, а также формируют рекомендации по оптимальному решению ряда важнейших прикладных задач, и в том числе:

• планирование бюджета и оптимизация стратегии бюджетирования на базе анализа текущих доходов и расходов:

• по формируемым группам контрактеров и обязательств;

• по потребностям в кредитах;

• по периодам и т.д.

(наряду с предоставлением руководителю возможности моделировать политику бюджетирования на основе структурированной информации);

• управление запасами на базе адаптивных и робастных алгоритмов:

• управление запасами при зависимом спросе;

• рекомендации по ценообразованию на следующий период на основе:

• статистического анализа внутренней экономической ситуации предпрятия;

• формирование алгоритмов прогнозирования спроса с учетом различных факторов;

• формирование и расчет схем по стимулированию сбыта и т.д.;

• управление процессами транспортировки, грузопереработки и упаковки и многих других.

Решение этих задач может быть осуществлено на основе построения моделей бизнес-процессов, рассматриваемых в качестве объектов управления. Соответственно, для идентификации и управления могут быть использованы алгоритмы и модели современной теории управления, в частности, управления запасами. Так, например, для решения задач коммерческого бюджетирования может быть ис-

пользована разработка программных анализаторов маркетинговой информации на базе алгоритмов и моделей параметрической идентификации и управления запасами в условиях неполной априорной информации и случайных поставок.

Использование ПА позволяет организовать наиболее эффективную деятельность маркетинговой службы фирмы и оптимизировать ценовую политику, основываясь на текущем анализе динамики рынка. Очевидна целесообразность использования методов экспертного анализа ситуации, когда динамика рыночных процессов становится практически не моделируемой. Необходима оценка эффективности таких направлений маркетинговой деятельности, как реклама и стимулирование сбыта.

Несмотря на всю важность точного и своевременного анализа имеющейся в корпоративных хранилищах данных информации для принятия оперативных и управленческих решений, в распространенных на сегодняшний день ЕЯР-системах используются неоправданно упрощенные алгоритмы оптимизации. Для примера рассмотрена алгоритмизация процесса ценообразования в некоторых, широко используемых в нашей стране системах.

На практике анализ значительных объемов структурированной информации в самых распространенных на сегодняшний день ЕКР-системах осуществляется практически без привлечения научных методов, предназначенных для различных задач логистики.

Во второй главе обсуждаются факторы спроса на продукцию предприятия и различные методы прогнозирования спроса. Представлены алгоритмы текущего бюджетирования и прогнозирования спроса с учетом межфакторной корреляции для услуг транспортно-экспедиторских компаний.

Продемонстрируем использование адаптивных алгоритмов в системах управления ресурсами. Рассмотрим задачу управления бюджетом (оптимизация движения денежных средств) при оказании транспортно-экспедиционных услуг. Рассматривается задача оптимального бюджетирования операции перевозки определенной партии определенного товара по указанному маршруту.

Анализируется операция перевозки по железной дороге. Клиент осуществляет заказ услуги на перевозку у экспедитора. Экспедитор покупает услуги у поставщиков (железнодорожный тариф на перевозку, погрузо-разгрузочные работы, доставка груза автотранспортом от станции на склад грузополучателя и т.п.) и перепродает их клиенту.

После поступления заказа от клиента ему выставляются авансовые счета, содержащие расчетную стоимость услуги у поставщика (себестоимость) и собственную прибыль экспедитора. В ряде случаев фактическая себестоимость услуги может превышать расчетную. Под эти дополнительные расходы закладывается определенный «резерв» в планируемой прибыли (в дальнейшем под термином «резерв» будем понимать всю планируемую прибыль).

Предлагается интерпретация этой задачи как задачи управления запасами при случайных поставках. Под запасом понимается назначаемая стоимость услуги в момент начала ее оказания I Соответственно, момент начала оказания следующей аналогичной услуги обозначим * +1. В общем случае, этот момент не совпадает с завершением оказания предыдущей услуги, но мы ограничимся рассмотрением именно такого случая (когда они совпадают). Отмечаются следующие важные особенности:

1. Цель решения формулируемой оптимизационной задачи - рациональное назначение стоимости аналогичной услуги в следующий момент. При этом решение задачи может быть отмасштабировано в зависимости от размера партии груза, расстояния и т.д.

2. Эквивалентной задачей (не требующей отдельной формальной постановки) оказывается оптимизация транспортных издержек при отгрузке готовой продукции предприятием-производителем.

3. В общем случае задача может быть без особых усилий расширена на любую область, связанную с перепродажей услуг, т.е. с посреднической деятельностью.

Формализация описанной процедуры движения денежных средств. Для

любого текущего момента времени t сумма денег, относимая к рассматриваемым коммерческим операциям, определяется соотношением:

к

где К - количество текущих операций, а - сумма денег на счетах экспедитора, предназначенная для оплаты заказов /-го клиента в момент t:

(здесь п = 1,2,..., Nj - номера заказов 1-го клиента, не выполненных к моменту Q.

Определяется, как оптимизировать планируемую прибыль экспедитора («резерв»), не оказавшись в итоге «в минусе», т.е. не потратив ее полностью на дополнительные расходы и, наоборот, не завысив ее настолько, что стоимость услуги будет существенно выше, чем у конкурентов.

Очевидно, что для Vf,Vw = l...N,-,Vi = 1 ...К

где Р" - себестоимость (prime costs), R" - резерв.

В качестве «запаса» в момент t представляется величина S" - состояние

Ц

бюджета л-го заказа /-го клиента в момент t. Затраты интерпретируются как «спрос». Если затраты превышают себестоимость услуги, то говорится о «дефиците» денег, который необходимо компенсировать за счет «резерва» (т.е. спрос складывается из себестоимости услуги и случайных дополнительных затрат):

где А" - дополнительные затраты.

В такой интерпретации в соотношении, описывающем динамику запаса:

где х+ =шах(0,х), х( = , величина (заявки на пополнение запаса)

может быть полностью ассоциирована с назначаемой на следующий аналогичный заказ стоимостью услуги. (При этом можно считать выражения для всех обозначенных выше сумм денег отнесенными «к единице выражения стоимости услуги», например, к транспортному средству, к единице веса перевозимого груза, к единице расстояния и т.п.)

Анализ выражения динамики запаса показывает, что если дополнительных затрат не было, то при выполнении следующего аналогичного заказа можно изначально назначить несколько большую стоимость услуги. Однако, слишком значительное завышение «резерва» может привести к тому, что цена услуги может стать заметно выше, чем у конкурентов.

Ищется оптимальная заявка на пополнение запаса в следующем периоде по критерию минимума издержек за период (в нашем случае он равен времени выполнения заказа):

Щ) = ¿Б(гх -*,/ + Щх, -г,)\

где Е - символ математического ожидания.

«Издержки, которые компания несет из-за дефицита запасов» - в данном случае это размер компенсации дополнительных затрат компании (за счет заложенного в стоимость перевозки «резерва» и даже выставления дополнительных

счетов клиенту, если > х{), т.е. потеря возможной дополнительной прибыли

из-за неправильного (заниженного) начального назначения цены. Поправочный коэффициент с/ характеризует потерю возможной прибыли компании. Утраченная прибыль («резерв») могла стать поступлением на депозитный счет компании в

определенном банке и принести прирост в соответствии с соответствующими ставками банка. Поэтому линейная модель в данном случае представляется оправданной.

Иная ситуация возникает при построении модели «издержек хранения». Можно интерпретировать возникновение такого рода потерь возможной прибыли компании, если назначение цены услуги будет неоправданно завышенным (за счет слишком большой планируемой прибыли, именуемой менеджерами резервом), что повлечет отток клиентов к конкурентам («потерянный спрос»). Однако было бы неверно предполагать в условиях динамичного и нестабильного рынка экспедиторских услуг линейность зависимости спроса и цены. В этом случае целесообразно воспользоваться мнением экспертов, которые могут внести свое мнение, например, в форме: «Если цена будет иметь такой уровень, то мы потеряем N клиентов». Коэффициент /) приобретает смысл поправочного коэффициента, косвенно характеризующего квалификацию эксперта (либо с аддитивной поправкой эксперта). Можно также учитывать мнение нескольких независимых экспертов, придавая им возможные «веса».

Оптимальная по критерию минимума издержек за период (в нашем случае он равен сроку выполнения одного заказа) стратегия бюджетирования определяется следующим образом:

где хь - доля суммы Х(, которая идет на оплату долга /-му поставщику, а Яц определяется посредством рекуррентной процедуры:

и и =

К ~х<1 пРи хп

О при хи > г,

и

) 8§Пии -в(ги) и,

п

ГО, приг,, > Кы,ги <ги\ где и( гп ) = < а б„ л,- константы, характеризую-

I^а, при г„ <2и<Яи,

щие уровни издержек.

Гибкая тактика ценообразования является одним из важнейших факторов достижения предприятием конкурентного преимущества. Завышенная цена на выпускаемую продукцию (услуги) может привести к оттоку потребителей, в то время как отсутствие элементов агрессивности в политике назначения цен может привести к потере прибыли.

Назначение базовой цены определяется прежде всего целью, которую на данном этапе предприятие стремится достичь в своей деятельности. Так, если целью на данном этапе является обеспечение выживаемости предприятия, его стратегия состоит в снижении цен на продукцию. Завоевание лидерства по показателям доли рынка предполагает назначение базовой цены ниже, чем у конкурентов с целью увеличения доли рынка. Завоевание лидерства по показателям качества продукции требует назначения цен более высоких, чем цены конкурентов.

В свою очередь, цена, назначенная предприятием, так или иначе, скажется на величине спроса на продукцию. Зависимость между ценой и величиной спроса (называемую также функцией спроса) можно проиллюстрировать кривой спроса. Для любой такой кривой характерно: чем выше цена товара, тем меньше его будет приобретено. Увеличение спроса приводит к падению цены. Однако для различных товаров характер таких кривых различен (характеристика эластичности спроса на товар либо услугу по цене). Прогнозирование объема продаж - неотъемлемая часть процесса принятия решения; это систематическая проверка ресурсов предприятия, позволяющая более полно использовать его преимущества и своевременно выявлять потенциальные угрозы. Предприятие должно постоянно следить за динамикой объема продаж и альтернативными возможностями развития рыночной ситуации с тем, чтобы наилучшим образом распределять имеющиеся ресурсы и выбирать наиболее целесообразные направления своей

деятельности. Анализ основных методов прогнозирования объема продаж приводится в диссертационной работе.

Рассматривается построение прогнозирующих моделей спроса на примере процесса оказания транспортно-экспедиционных услуг коммерческой компанией. Определение базовой цены на текущую услугу осуществляется следующим образом.

1) принимается заявка на экспедирование груза;

2) производится расчет себестоимости услуги, исходя из имеющихся тарифов поставщиков («цена на предыдущем временном интервале»);

3) в стоимость закладывается та прибыль, которую компания планирует получить с данного предприятия по данной услуге (увеличение цены на основе адекватной, по экспертному мнению, т.е. мнению лиц, принимающих решение, нормы прибыли);

4) предприятию выставляются:

4.1) авансовые счета;

4.2) дополнительные счета (на разницу факт - план) на основе анализа фактической себестоимости услуги;

С целью минимизации суммы дополнительных счетов и оптимизации функционирования системы текущего бюджетирования может быть осуществлена корректировка назначенной базовой цены.

Строится модель процесса динамики объема продаж (теперь уже речь идет о продаже услуг экспедиторской компании) в классе линейных моделей:

у,=ктХ,+£,. (1)

где у? - объем продаж экспедиторских услуг в момент времени и Х( - вектор коррелированных входов размерности п (как эндо-, так и экзогенных, например: назначенная экспедитором цена на услуги, удовлетворенность потребителя оказанными ранее аналогичными услугами, затраты на рекламу и т.п.), Л - вектор

неизвестных параметров той же размерности (весовые коэффициенты), £t - помехи, отнесенные к выходу объекта, t = 0,1,2,... - время.

В предположении принадлежности распределения помехи в (1) к классу

ограниченных распределений (помеха St не зависит от с в. при всех t и является последовательностью независимых в совокупности с.в., плотность распределения которых непрерывна, симметрична и строго положительна на интервале (-a, a), a = const > 0, и равна 0 вне этого интервала; такое допущение представляется естественным для процесса динамики спроса на определенную продукцию на сформировавшемся рынке) предлагается следующий алгоритм построения последовательности оценок {С,} вектора неизвестных параметров h объекта (1) по наблюдениям {у/, xt, /=0,1,...}:

О при к -С,тчх,|>а

С, — С,, + Е,х, п п

7V

Z,Jg—(yt -ChЕмх() при|у, -C,V,| < a

где Ef - оценка матрицы Е=(Е{х(х,Г}) вычисляемая по формулам

Т? — * /Р ВмхмхмЕм .

Ь' --г(ь<-1 """"Г"—77-)>

t-1

t- 1 + х( Емх,

_ Т -1 Е, — XjXJ + р I р - const > о.

£,/,= sign®,, signC*;

Ф(,=

> a

Н, = г = 1 ,...,п,

К при|^ -С,тчЕмх,ч| Сй при -С,т_,Емхм|<а' Здесь Хи (/ = 1,...«) - последовательность независимых в совокупности случайных величин с симметричной плотностью распределения. При этом

Ли Ф О , если / < оо; Хи —> 0 почти наверное со скоростью -

Предложенный алгоритм представляет собой рандомизацию соответствующего стабильного (не чувствительного к ошибкам в определении распределения помех) алгоритма оценивания параметров.

Алгоритм достаточно сложен (например, по сравнению с рекуррентным МНК), являясь существенно нелинейным и рандомизированным. Однако он обладает рядом важных достоинств:

• он сходится почти наверное;

• обладает свойством робастности по отношению к типу и распределению помех;

• хотя теоретический анализ скорости сходимости крайне осложнен существенной нелинейностью динамики оценок, существует достаточно большой практический опыт его применения в разнообразных задачах;

• фактически предложен целый параметризованный класс алгоритмов (параметры а, р - распределение случайных векторов Я1), в совокупности охватывающих очень широкий класс реальных задач.

В третьей главе рассматриваются основные этапы разработки программных анализаторов и механизмы взаимодействия программных анализаторов с информационно-управляющими комплексами предприятия. Представлен синтез структуры программных анализаторов в наиболее общей форме, из которой видно, что в зависимости от типа и характера задач, решаемых посредством таких программно-алгоритмических комплексов, видоизменяется только информационное наполнение функциональных модулей. Основная структура при этом остается неизменной.

Производится построение информационно-функциональной структуры программных анализаторов бюджетирования и ценообразования на основании прогнозирования спроса услуг транспортного экспедитора (рис 1.).

____________ J

Рмптфнм управляющие «озМкпиия

Рис. 1. Информационно-функциональная структура программного анализатора бюджетирования и ценообразования

В четвертой главе описано внедрение программных анализаторов бюджетирования услуг и ценообразования на основании прогнозирования спроса в компании ООО «Контрансервис». Программные анализаторы реализованы в качестве модулей системы управления ресурсами предприятия на базе платформы 1С: Предприятие 7.7.

Внедренная система прогнозирования дополнительных расходов при оказании услуг и, в соответствии с полученным прогнозом, назначения оптимальной цены на услуги позволила решить задачу текущего бюджетирования услуг компании. В результате значительно уменьшилось количество случаев перерасхода по услугам, снизилась общая сумма перерасходов, и сократился отток клиентов

из-за необоснованно завышенных цен. Внедрение положительно сказалось и на настроении сотрудников компании, получивших надежный инструмент планирования себестоимости услуг, и значительно реже вынужденных обосновывать перерасходы руководству.

На рис 2 представлены графики значений совокупных (по услугам и клиентам) прогнозной и фактической прибыли компании в январе 2005 г. Вполне объяснимо, что размер прибыли компании является ее коммерческой тайной, поэтому на графике прибыль представлена в условных единицах (т е. нормирована на некоторую величину).

- 360

С 340

0

1 320 5

ю 300

5

с 280

4' - _ А '

/' 'у

„'и*' % ''■■< Г-

тт

-факт

— прогноз

10 15 20 25 период обработки

30

Рис. 2. Совокупная по услугам прогнозная и фактическая прибыль в январе 2005 г.

Разработанная система прогнозирования спроса на услуги компании позволила ее руководству с достаточной для стратегического планирования точностью оценивать будущие объемы продаж и определять ценовую политику компании. Реализованная в рамках данного внедрения система контроля качества услуг позволила повысить уровень удовлетворенности клиентов, в результате чего, многие впервые приходящие в компанию клиенты, продолжают затем сотрудничество на постоянной основе.

На рис. 3. представлен график прогнозных и фактических объемов продаж услуг терминальной обработки для одного из филиалов компании в период с января по март 2005 г.

♦ факт — Ш — прогноз

Рис. 3. Объемы продаж услуг терминальной обработки в период с января по март 2005 г. для двух филиалов компании.

В заключении сформулированы основные выводы и результаты работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе получены следующие теоретические и практические результаты:

1. Построены модели процесса текущего бюджетирования услуг транспортного экспедитора.

2. Разработан метод решения оптимизационной задачи бюджетирования операций экспедирования на базе адаптивных алгоритмов оптимального управления запасами.

3. Построены модели процесса продаж услуг экспедиторской компании и разработаны адаптивные алгоритмы прогнозирования объема продаж в условиях коррелированных факторов спроса.

4. На базе платформы «1С: Предприятие 7.7» разработана типовая структура программно-алгоритмических комплексов (программных анализаторов), реализующих решение означенных задач. В т.ч. разработаны:

период обработки

• модуль аналитической обработки статистической информации - «блок анализа данных» (для оперативного информационного обеспечения руководства, стратегического планирования и т.д.).

• библиотека базовых моделей, описывающих взаимосвязь качественных показателей с текущими значениями измеряемых параметров;

• библиотеки алгоритмов и модуль настройки моделей по данным реального функционирования (идентификатор);

• регуляторы, вырабатывающие управляющие воздействия;

• интерфейсы пользователей.

5. Практически апробирована возможность использования разработанных программных анализаторов в компании ООО «Контрансервис». В результате практического использования программных анализаторов снизилась общая сумма перерасходов по услугам, повысилось качество услуг, сократился отток клиентов, появились возможности стратегического планирования развития компании.

6. На основе проанализированного опыта можно сделать вывод о целесообразности разработки программных анализаторов для других предприятий сферы услуг, а также оптимизации некоторых других проблемных участков деятельности экспедиторских компаний.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Д.В. Мокров, H.H. Бахтадзе. Перспективы применения виртуальных анализаторов в оперативных системах управления производством И Проблемы управления. 2004. №1. С. 40-46.

2. Потоцкий В .А., Бахтадзе H.H., Мокров Д.В. Об использовании виртуальных анализаторов для решения задач текущего бюджетирования логистического цикла систем управления ресурсами производства // Тезисы докладов 5-ой Междунар. конференции «Системный анализ и управление». Евпатория, 2004. С. 135.

3. Потоцкий В.А., Бэхтадзе H.H., Мокров Д.В. Виртуальные анализаторы оптимального текущего бюджетирования логистического цикла в системах управления ресурсами производства // Тезисы докладов 5-ой Междунар. конференции «Проблемы управления и энергетики». Тбилиси, Грузия, 2004.

4. Бахтадзе H.H., Мокров Д.В. Виртуальные анализаторы в информационно-аналитических системах логистического цикла производства // Автоматизация в промышленности II2004. №11. С. 20-24.

5. Д.В. Мокров, H.H. Бахтадзе. Программные анализаторы в системах управления транспортно-зкспедиционной компанией: экспериментальное исследование II Проблемы управления. 2006. №1.

Личный вклад автора в совместные публикации: [1-3] - разработан метод решения оптимизационной задачи оперативного бюджетирования услуг транспортно-экспедиторской компании на базе адаптивных алгоритмов оптимального управления запасами; [4] - построены модели процесса продаж услуг транспортно-экспедиторской компании и разработаны адаптивные алгоритмы прогнозирования объема продаж в условиях коррелированных факторов спроса; [5] - на базе платформы «1С: Предприятие 7.7» разработан программно-алгоритмический комплекс (программный анализатор), реализующий решение задач оперативного бюджетирования и ценообразования на основании прогнозирования спроса услуг транспортного экспедитора.

Принято к исполнению 20/01/2006 Заказ №31

Исполнено 20/01/2006 Тираж: 100 экз.

ООО «11-й ФОРМАТ» ИНН 7726330900 Москва, Варшавское щ., 36 (095)975-78-56 (095)747-64-70 www.8utoreferat.ru

Введение.

Глава I. Использование систем управления ресурсами предприятия с целью оптимизации его деятельности.

1.1. Задача оптимизации производственного и логистического циклов.

1.2. Концепции автоматизированных систем управления ресурсами предприятия.

1.3. Применение логистических концепций в стратегическом планировании и текущем управлении.

1.4. Анализ бизнес-процессов предприятия.

1.5. Методика разработки программных анализаторов для ERP-систем на базе современных методов теории управления.

1.6. Алгоритмы оптимизации ценообразования в ERP-системах.

1.7. Математические методы решения экономических задач.

Выводы.

Глава II. Программные анализаторы в информационно-аналитических системах логистического цикла производства.

2.1. Программные анализаторы в сфере транспортно-экспедиционных услуг.

2.2. Оптимизация ценообразования на базе изучения спроса.

2.3. Методы прогнозирования объема продаж.

2.3.1. Методы экспертных оценок.

2.3.2. Методы анализа и прогнозирования временных рядов.

2.3.3. Казуальные методы.'.

2.4. Факторы спроса на продукцию предприятия.

2.5. Алгоритмы прогнозирования спроса с учетом межфакторной корреляции.

2.6. Прогноз стоимости отгрузки готовой продукции.

Выводы.

Глава III. Информационно-функциональная структура программных анализаторов.

3.1. Этапы разработки программных анализаторов.

3.2. Механизмы взаимодействия программных анализаторов с информационно-управляющими комплексами предприятия.

3.3. Анализ информационно-функциональной структуры программных анализаторов.

3.4. Примеры структур программных анализаторов.

3.4.1. Структура программного анализатора бюджетирования услуг транспортного экспедитора.

3.4.2. Структура программного анализатора ценообразования на основании прогнозирования спроса.

Выводы.

Глава IV. Экспериментальное исследование функционирования программных анализаторов.

4.1. Программный анализатор бюджетирования услуг транспортного экспедитора.

4.2. Программный анализатор для задачи прогнозирования объема продаж.

Выводы.

Актуальность работы.

Способность создавать продукты, удовлетворяющие потребностям покупателя по качеству и количеству, гибкое отслеживание спроса и лучший сервис обеспечивают получение не одноразового, а устойчивого конкурентного преимущества. Еще одним важным фактором конкурентоспособности предприятия является гибкая тактика ценообразования. Завышенная цена на выпускаемую продукцию (услуги) может привести к оттоку потребителей, в то время как отсутствие элементов агрессивности в политике назначения цен - к потере прибыли.

Потребности предприятий в научных исследованиях маркетинга в основном сосредоточены в области прогнозирования спроса с целью выработки и корректировки политики цен. Однако на сегодняшний день нельзя говорить о существовании надежных методик исследования динамики наиболее существенных факторов, влияющих на спрос. В частности это объясняется ограниченным набором методов и моделей для прогнозирования динамики и структуры спроса, что значительно осложняется отсутствием необходимого информационного обеспечения. Вследствие вышеизложенного становятся понятны актуальность исследования и необходимость разработки новых подходов к исследованию оперативного прогнозирования спроса с использованием современных методов теории управления.

Опыт отечественных и зарубежных исследователей приводит к безусловному выводу о необходимости сочетания в прогнозировании субъективного элемента и экономико-математических расчетов.

Прогнозирование спроса и последующее определение уровня цен (с учетом эластичности спроса по цене) составляет важный аспект стратегического управления компанией. Однако для эффективной работы в условиях рыночной экономики требуется придать большую гибкость процессу ценообразования, что осуществляется за счет текущего бюджетирования в рамках оперативного управления компанией.

Несмотря на всю важность задачи, на сегодняшний день здесь также нельзя говорить о существовании надежных методик оптимизации процессов планирования и управления бюджетом предприятий - бюджетирования.

Зачастую, владея достаточным для анализа количеством архивной и текущей информации, предприятия либо вообще не представляют, как ею распорядиться, либо используют ее для построения элементарной отчетности. В используемых сегодня дорогостоящих информационных системах, как правило, не содержится эффективных алгоритмов решения задач ценообразования и текущего бюджетирования.

Цель и задачи исследования.

Целью диссертации является разработка теоретических и прикладных основ создания систем поддержки принятия решений (СППР) руководством предприятии, осуществляющих перевозки грузов (транспортно-экспедиторских компаний). Создаваемые СППР должны предоставить руководству транспортно-экспедиторских компаний возможность осуществлять стратегическое планирование и оперативную корректировку стоимости продукции (услуг) в зависимости от спроса, себестоимости и дополнительных расходов.

В соответствии с поставленной целью решаются следующие основные задачи:

- Разработка моделей, а также эффективных методов и алгоритмов оптимизации ценообразования и текущего бюджетирования для организаций, занимающихся коммерческим экспедированием;

- построение с использованием разрабатываемых методов систем управления деятельностью транспортно-экспедиторских компаний на основании экспертной и текущей информации.

Научная новизна.

Научная новизна работы состоит в следующем:

- Исследована и теоретически обоснована возможность решения на основании экспертной и текущей информации задач управления оперативным коммерческим бюджетированием экспедиторской компании на базе архивной, текущей и ретроспективной информации.

- Разработаны методы синтеза систем управления текущим коммерческим бюджетированием предприятий с использованием адаптивных алгоритмов управления запасами.

- Разработаны адаптивные алгоритмы прогнозирования спроса для систем управления (в режиме советчика) ценообразованием в сфере коммерческого экспедирования.

- Теоретически обоснована, разработана и практически апробирована методика синтеза распределенной системы мониторинга производственно-финансовой ситуации и текущего .управления для комплексов управления ресурсами экспедиторской компании.

Методы исследования.

В работе использованы методы математического аппарата теории идентификации, адаптивного управления, теории управления запасами, методы статистической обработки данных и статистического моделирования для анализа и оптимизации систем.

Практическая ценность.

Разработанные в диссертации алгоритмы применены в системе управления ресурсами транспортноэкспедиторской компании для решения задачи оптимального бюджетирования операции перевозки определенной партии заданного товара по указанному маршруту.

Разработана и практически используется информационно-оптимизирую-щая система ценообразования с использованием адаптивных моделей прогнозирования спроса на экспедиционные услуги.

Апробация работы.

Основные результаты диссертационной работы докладывались на: Международной конференции

Системный анализ и управление» (Евпатория, Украина, 2004 г.), Международной конференции «Проблемы управления и энергетики» (Тбилиси, Грузия, 2004 г.), на семинарах и совещаниях Института проблем управления РАН.

Выводы.

Внедренная в ООО «Контрансервис» система прогнозирования дополнительных расходов при оказании услуг и, в соответствии с полученным прогнозом, назначения оптимальной цены на услуги позволила решить задачу текущего бюджетирования услуг компании. В результате значительно уменьшилось количество случаев перерасхода по услугам, снизилась общая сумма перерасходов, и сократился отток клиентов из-за необоснованно завышенных цен. Внедрение положительно сказалось и на настроении сотрудников компании, получивших надежный инструмент планирования себестоимости услуг, и значительно реже вынужденных обосновывать перерасходы руководству.

2. Разработанная для ООО «Контрансервис» система прогнозирования спроса на услуги компании позволила ее руководству с достаточной для стратегического планирования точностью оценивать будущие объемы продаж и определять ценовую политику компании. Реализованная в рамках данного внедрения система контроля качества услуг позволила повысить уровень удовлетворенности клиентов, в результате чего, многие впервые приходящие в компанию клиенты, продолжают затем сотрудничество на постоянной основе.

Заключение.

В диссертационной работе проведено исследование и решение задачи разработки программно-алгоритмических комплексов анализа и оптимизации процесса текущего бюджетирования услуг транспортного экспедирования и прогнозирования спроса.

В рамках указанной проблемы получены следующие теоретические и практические результаты:

1. Построены модели процесса текущего бюджетирования услуг транспортного экспедитора.

2. Разработан метод решения оптимизационной задачи бюджетирования операций экспедирования на базе адаптивных алгоритмов оптимального управления запасами.

3. Построены модели процесса продаж услуг экспедиторской компании и разработаны адаптивные алгоритмы прогнозирования объема продаж в условиях коррелированных факторов спроса.

4. На базе платформы «1С: Предприятие 7.7» разработана типовая структура программно-алгоритмических комплексов (программных анализаторов), . реализующих решение означенных задач. В т.ч. разработаны:

• модуль аналитической обработки статистической информации - «блок анализа данных» (для оперативного информационного обеспечения руководства, стратегического планирования и т.д.) .

• библиотека базовых моделей, описывающих взаимосвязь качественных показателей с текущими значениями измеряемых параметров;

• библиотеки алгоритмов и модуль настройки моделей по данным реального функционирования (идентификатор);

• регуляторы, вырабатывающие управляющие воздействия;

• интерфейсы пользователей.

5. Практически апробирована возможность использования разработанных программных анализаторов в компании ООО «Контрансервис». В результате практического использования программных анализаторов снизилась общая сумма перерасходов по услугам, повысилось качество услуг, сократился отток клиентов, появились возможности стратегического планирования развития компании.

6. На основе проанализированного опыта можно сделать вывод о целесообразности разработки программных анализаторов для других предприятий сферы услуг, а также оптимизации некоторых других проблемных участков деятельности экспедиторских компаний.

1. Goodfellow R. Manufacturing Resource Planning. A Pocket Guide, 1993.

2. Vernon K.D.C. Information Sources in Management and Business. London, 1988.

3. Warnock I. Manufacturing and Business Excellence Strategies, Techniques and Technology. — Prentice Hall Europe, 1996.

4. Кутыркин С.В., Волчков С.А., Балахонова И. В. Повышение качества предприятия с помощью информационных систем класса ERP // «Методы менеджмента качества», № 4, 2000. — С. 8.

5. Д.В. Мокров, Н.Н. Бахтадзе. Перспективы применения виртуальных анализаторов в системах управления ресурсами производства // Проблемы управления. 2004. №1. С.40-46.

6. Нестерова A. MES системы управления производством. Воспользуйтесь явными преимуществами // Мир компьютерной автоматизации. 2001. № 4. С.24-26.

7. Дубинин В. А. Информационный Менеджмент фантом, обретающий плоть. М.: Планета КИС, 2001.

8. Куликов Б. Я. Стратегия развития информационных технологий в промышленности // Мир компьютерной автоматизации. 2001. № 4. С.12-15.

9. Гаврилов Д.А. Управление производством на базе стандарта MRP II. СПб.: Питер, 2002. - 320 с.

10. Darryl V. Landvater, and Christopher D. Gray. MRP II Standard System. A Handbook for Manufacturing Software Survival. — John Wiley & Sons, Inc., 1989.

11. APICS Dictionary, б-th ed. American Production and Inventory Control Society, 1987.

12. Hoske M.T. How to Integrate Software // Control Engineering. 2000. №11.

13. Галкин Г.В. Поверх ERP// "Сетевой журнал" №12.2001.

14. Новикова Н.Г.Реинжиниринг в управлении бизнес-процессами //«Экономика и производство».№8, 2001.

15. Мусаев А. А. Виртуальные анализаторы: концепция построения и применения в задачах управления непрерывными ТП // Автоматизация в промышленности. 2003. № 8. С.28-33.

16. Афанасьев В.Н., Постников А.И. Информационные технологии в управлении предприятием. М. : МГИЭМ, 2003.

17. Балахонова И., Волчков С. Современные стандарты управления в России. http://www.e-xecutive.ru/publications/aspects/article1046 .

18. Сергеев В.И., "Менеджмент в бизнес-логистике".-М. : Информационный издательский дом "Филинъ", 1997.

19. Сергеев В.И. Глобальные логистические системы. СПб.: Изд. «Бизнес-Пресс», 2001.

20. Де Роза К. Планирование ресурсов в зависимости от потребностей клиента(CSRP — Customer Synchronized Resource Planning): Новый норматив для изготовителей. Перевод с англ. — М.: СОКАП, 1998.

21. Н. Бахтадзе, А. Назин, Виртуальные анализаторы маркетинговой информации и их использование в системах управления предприятиями.// Проблемы управления. 2004. - № 4.- С.30-35.

22. Бахтадзе ' Н.Н., Потоцкий В.А., Максимов Е.М., Никулина И.В., Яралов А.А. Информационно-статистический подход к организации маркетинга. // Экономика и мат. методы. 1995. Т.29. Вып.1.

23. Егорова Н.Е., Мудунов А. С. Система моделей прогнозирования спроса на продукцию сферы услуг//Аудит и финансовый анализ. 2001. №3.

24. Дадали А. Системы ERP// КомпьютерПресс. 2001. -№ 10.

25. Колбасова А. Б. Обзор методов изучения спроса на новые модификации товара // Экономика и мат. методы. 1993. Т.29. Вып.1.

26. Vernon К.D.С.Information Sources in Management and Business. London, 1988.

27. Бунич A.JI., Бахтадзе H.H. Синтез и применение дискретных систем управления с идентификатором. -М.: Наука, 2003, 232 е., тираж 400.

28. Глушков В.М. Введение в АСУ. Киев: Техника, 1972.

29. Канторович JI. В. Математические методы организации и планирования производства. JI.; МГУ, 1939.

30. Канторович JI. В. Об одной математической символике, удобной при проведении вычислений на машинах // Докл. АН СССР, 1957 т. 113. - №4.

31. Канторович Л.В., Петрова Л.Т., Яковлева М.А. Об одной системе программирования // Пути развития советского математического машиностроения и приборостроения. Всесоюзная конференция, часть 111.1. М.: ВИНИТИ, 1956.

32. Поспелов Д.А. Введение в теорию вычислительных систем. М.: Советское Радио, 1972.

33. Поспелов Д.А., Фет Я.И. Очерки истории информатики в России. Новосибирск.:. НИЦ ИГГМ СО РАН, 1998.

34. Юдин Е.Б, Гольштейн Е.Г. Линейное программирование. М.: Наука, 1969.

35. Корбут А.А., Фикельштейн Ю.Ю. Дискретное программирование. М.: Наука, 1969.

36. Гейл Д. Теория линейных экономических моделей. М.:ИЛ,1963.

37. Данциг Дж. Линейное программирование, его обобщения и применения. М.:Прогресс,1966.

38. Головко М.В. Проекты ИС для крупных предприятий: от бессистемного управления к системам управления знаниями // «Директору информационной службы», № 4, 2000. С. 2.

39. Хэнсменн Ф. Применение математических методов в управлении производством и запасами. М.:Прогресс, 1966.

40. Интрилигатор М. Математические методы оптимизации и экономическая теория. М.: Прогресс.1975,2002.

41. Немчинов B.C. Экономико-математические методы и прикладные модели. М.: Мысль, 1965. - С. 32.

42. Лотов А. В. Введение в экономико-математическое моделирование.М.: Наука, 1984.

43. Белман Р. Динамическое программирование. М. : Иностранная литература, I960.

44. Подиновский В.В.,Ногин В. Д. Парето-оптимальные решения многокритериальных задач.М.: Наука,1982.

45. Математические методы планирования отраслей и предприятий/ Под ред. И.Г.Попова. М. : Экономика,1982.4 6. Методы народнохозяйственного прогнозирования. М. :Наука, 1985.

46. Бахтадзе Н.Н., Лотоцкий В.А. и др. Экспертно-статистические системы управления маркетингом. // Приборы и системы управления. 1996. №3.

47. Zadeh, Lotfi. Fuzzy Sets // Information and Control. 1965. №6. P.338-353.

48. Zadeh, Lotfi. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes // IEEE Transactions on Systems. Man and Cybernetics. 1973. №1. P.28-44.

49. Масалович А.И. Прогноз дает . компьютер // Софтмаркет.1996. № 23. С.6-9.

50. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова. М.: Наука, Гл. ред. физ.-мат. лит., 1986.

51. Kosko, Bart. Fuzzy thinking. NJ: Hyperion, 1993.

52. Kosko, Bart. Neural Networks and Fuzzy Systems. Englewood Cliffs. NJ: Prentice-Hall, 1991.

53. Zemankova-Leech, Maria, and Kandel, Abraham. Fuzzy Relational Data Bases: A Key to Expert Systems. Cologne: Verlag TUV Rheinland, 1984.

54. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику. // Тезисы докладов Всероссийской научной конференции "Проектирование научных и инженерных приложений в среде MATLAB". М. : ИПУ РАН. 2002.

55. Mamdani Е.Н. Application of fuzzy algorithms for the control of a simple dynamic plant. /Proc. IEEE 1974.121. P.1585-1488.

56. Jones A.J. Genetic algorithms and their applications to the design of neural networks // Neural computing and applications. 1993.V.l. № 1.

57. Booker L.В., Goldberg D.E., Holland J.H. Classifier Systems and Genetic Algorithms // Artificial Intelligence. 1989. V.40. №.2 P.235-282.

58. Горбань A.H. .Возможности нейронных сетей. Нейроинформатика. Новосибирск: Наука, Сибирская издательская фирма РАН,. 1998.

59. Блум Ф., Лейзерсон А., Хофстедтер JI. Мозг, разум и поведение. М.: Мир, 1988.

60. Галушкин А. И. Современные направления развития нейрокомпьютерных технологий в России. // Открытые системы. 1997.

61. Галушкин А.И., Логовский А.С. Нейроуправление: основные принципы и направления применения нейрокомпьютеров для решения задач управления динамическим объектами. // Доклад на Международной конференции по проблемам управления. М. : ИПУ. 1999.

62. Хехт-Нильсен Р. Нейрокомпьютинг: история, состояние, перспективы. // Открытые системы, 1998. № 4.

63. Holland J Adaptation in natural and artificial systems . Adaptation in Natural and Artificial Systems, Ann Arbor: The University of Michigan Press. Reprinted by MIT, 1992.

64. Колосов А.И и др. Создание аналитического обзора информационных источников по применению нейронных сетей для задач газовой технологии. / Отчет по научно-исследовательской работе. М.: ВНИИГАЗ, 1995.

65. Бобровский С. Перспективы и тенденции развития искусственного интеллекта // PC Week/ RE 2001. №32. С. 32.

66. А. Р. Горбунов. Управление финансовыми потоками. М. : Тора-центр, 2003.

67. Томпсон А.А.,Стрикленд А.Дж. «Стратегический Менеджмент» Москва ИНФРА- М 2000-412 с.

68. Когаловский В., Происхождение ERP. Директору ИС № 5,2000.

69. Домарацкий А. Н., Иванов JT, Н., Юрлов Ю. И. Многоцелевой статистический анализ случайных сигналов. Новосибирск Наука. 1975г.

70. Дайменд Соломон. Мир вероятностей. Статистика в науке. Пер. с англ. Серия: б-чка иностранных книг для экономистов и статистиков. М.: Статистика. 1970г.

71. Лотоцкий В. А., Мандель А. С. Модели и методы управления запасами. М.: Наука, 1991.

72. Вахтадзе Н.Н. Быстросходящийся алгоритм идентификации объекта с ограниченной помехой при коррелируемых входах // Автоматика и телемеханика. 1993. №1.

73. Котлер Ф. Основы маркетинга. М.: Мир, 1990.78 .Потоцкий В. А. , Бахтадзе Н.Н. , Максимов Е.А. Адаптивная идентификация в задачах стимулированиясбыта. // Труды ИПУ.- 2000. Том 10. - С. 86 -92.

74. Bakhtadze N.N., Lototsky V.A. Fast convergent identification algorithms in inventory control problems. // In: Proc. of 10th IFAC Symp. SYSID'94. Copenhagen. - 1994 .- V2.

75. Беляевский И.К. Маркетинговое исследование: информация, анализ, прогноз. — М. : Финансы и статистика, 2001.

76. Березин И. С. Маркетинг и исследования рынков. — М.: Русская деловая литература, 1999.

77. Покровская И.В., Чернявский A.J1. Экспертно-классификационные методы анализа и совершенствования крупномасштабных организационных систем управления // Искусственный интеллект, №2, 2004, стр.360-364.

78. Покровская И.В., Бауман Е.В., Дорофеюк А. А. Человеко-машинная система структурного анализа в задачах регионального управления // Искусственный интеллект, № 2, 2004, стр.355-359.

79. Ларичев О.И. Выявление экспертных знаний, М. : Наука, 1989.

80. Ларичев О. И. Структуры экспертных знаний // Психологический журнал, т. 16, №3, 1995.

81. Ларичев О.И. Теория принятия решений. М. : Логос, 2000.

82. Мандель А.С. Адаптивные экспертно-статистические системы // В кн.: "Доклады III Всесоюзн. школы-семинара "Комбинаторно-статистические методы анализа ■и обработки информации. Экспертное оценивание". Одесса: ИПУ-ОПИ, 1990.

83. Мандель А.С. Экспертно-статистические системы в задачах управления и обработки информации. Часть I // Приборы и системы управления, №12, 1996, стр.34-36.

84. Мандель А.С. Экспертно-статистические системы в задачах управления и обработки информации. Часть II // Приборы и системы управления, №2, 1997, стр.11-13.

85. Johnston, J. and J. DiNardo (1997). Econometric Methods. New York, McGraw Hill.

86. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. — М.: Финансы и статистика, 2003.

87. Гребенюк Е. А. Обнаружение изменений свойств нестационарных случайных процессов // Автоматика и телемеханика, №12, 2003, стр. 25-41.

88. Гребенюк Е.А. Анализ и оперативная диагностика систем, описываемых нестационарными случайными процессами // Проблемы управления, №4, 2003, стр. 25-34.

89. Головченко В.Б. Прогнозирование временных рядов по разнородной информации. Новосибирск: Наука, 1999.

90. Головченко В.Б. Прогнозирование временного ряда по экспертным высказываниям // Изв. АН СССР, "Техническая кибернетика", 1991, №3, стр. 47-51.

91. Головченко В.В., Носков С.И. Комбинирование прогнозов с учетом экспертной информации // Автоматика и телемеханика, 1992, №11, стр. 10 9117.

92. Беляков А.Г., Мандель А. С. Прогнозирование временных рядов на основе метода аналогов (элементы теории экспертно-статистических систем). Препринт. М.: ИПУ, 2002. С.60.

93. Беляков А.Г., Мандель А.С. Анализ достоверности выводов, формируемых с помощью экспертно-статистических систем. Препринт. М.: ИПУ, 2002. С.64.

94. Мандель А.С. Метод аналогов в прогнозировании коротких временных рядов: экспертно-статистический подход // Автоматика и телемеханика, №4, 2004. С. 143-152.

95. Девятериков И.П., Позняк А.С. Оценивание параметров линейных систем в условиях помех. М.: Издательство МФТИ, 1985.

96. Лотоцкий В.А., Чадеев В.М., Максимов Е.А., Бахтадзе Н.Н. Виртуальные анализаторы качества управления технологическими процессами на базе нелинейного динамического прогнозатора // Тезисы докладов IV Междунар. конгресса

97. Машиностроительные технологии'04». Варна,1. Болгария, 2004.

98. Латыев А.В. Промышленная автоматизация: рынок и отрасль // Промышленные контроллеры АСУ. № 3. 2002.

99. Прангишвили И.В. Актуальные проблемы развития систем управления в промышленности // Автоматизация в промышленности. 2003. №1.

100. Бахтадзе Н.Н., Мокров Д.В. Виртуальные анализаторы в информационно-аналитических системах логистического цикла производства // Автоматизация в промышленности // 2004. №11. С.20-24.

101. Бахтадзе Н.Н. Виртуальные анализаторы в системах управления производством // Датчики и системы. 2004. № 4. С. 52-64.

102. ИО.Аншина М. J1. Предприятие как единый объект автоматизации. Размышления на тему // Ссс. 1998.№16.

103. Ш.Кольский Н.И., Промышленные информационные технологии: общие проблемы это проблемы отраслевого управления и регулирования // Мир компьютерной автоматизации. 2002. №3.

104. Д.В. Мокров, Н.Н. Бахтадзе. Программныеанализаторы в системах управления транспортно-экспедиционной компанией: экспериментальное исследование // Проблемы управления. 2006. №1.