автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Система поддержки принятия решений при мониторинге банкротств предприятий

На правах рукописи

ВОЛИК Евгений Олегович

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ МОНИТОРИНГЕ БАНКРОТСТВ ПРЕДПРИЯТИЙ

Специальность 05.13.10 - Управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

А

1 003453037

Уфа 2008

003453037

Работа выполнена на кафедре вычислительной математики и кибернетики Уфимского государственного авиационного технического университета

Научный руководитель д-р техн. наук, проф.

Юсупова Нафиса Исламовпа

Официальные оппоненты д-р техн. наук, доц.

Черняховская Лилия Рашитовна

канд. техн. наук

Антонов Вячеслав Викторович

Ведущая организация ГОУ ВПО «Уфимский юридический

институт»

Защита диссертации состоится 10 декабря 2008 г. в 10 часов на заседании диссертационного совета Д-212.288.03 при Уфимском государственном авиационном техническом университете по адресу: 450000, Уфа-центр, ул. К. Маркса, 12

С диссертацией можно ознакомиться в научной библиотеке университета

Автореферат разослан 7 ноября 2008 г.

Ученый секретарь диссертационного совета д-р техн. наук, проф.

В.В. Миронов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

Число банкротств в России неуклонно растет, об этом свидетельствует статистика дел о несостоятельности (банкротстве) рассмотренная арбитражными судами Российской Федерации в 1998-2007 гг.

По данным Министерства внутренних дел РФ материальный ущерб от экономических преступлений в 2006 году превысил 100 миллиардов рублей. За этот же промежуток времени сотрудниками департамента экономической безопасности МВД РФ было выявлено более 250 тысяч преступлений экономической направленности. Среди экономических преступлений, которые вызывают наибольшую обеспокоенность в последнее время, прежде всего находятся преступления, связанные с банкротствами предприятий.

Ряд работ отечественных и зарубежных ученых и экономистов, таких как В. И. Терехин, В. П. Панагупшн, М. Н. Крейнина, Е. А. Мизиковский, А. П. Градов, А.О. Недосекин, М.И. Гизатуллин, А.И. Ковалев, В.П. Привалов, Э. Альтман, У. Бивер и др., посвящены исследованию проблемы банкротств.

Важным аспектом проблемы банкротств является анализ и своевременное выявление признаков ложных (фиктивных и преднамеренных) банкротств, так как они приносят наибольший ущерб в сфере банкротств предприятий. Ложное банкротство несет в себе прямую угрозу экономической безопасности государства, поскольку подрывает основы современной рыночной системы, делает страну непривлекательной для стратегических инвесторов. Важная роль в повышении достоверности принятия управленческих решений отводится мониторингу банкротств. На сегодняшний день не разработано комплексного решения данной задачи, которое бы включало весь необходимый набор методического, алгоритмического и программного обеспечения.

Целью диссертационной работы является разработка методического, алгоритмического и информационного обеспечения системы поддержки принятия решений при мониторинге банкротств предприятий для повышения уровня достоверности и обоснованности принятия управленческих решений в кризисных ситуациях.

Задачи исследования. Для достижения поставленной цели сформулированы следующие задачи:

1. Разработать концепцию системы поддержки принятия решений при мониторинге банкротств предприятий на основе применения инженерии зна-

ний, технологии экспертных систем и технологии интеллектуального анализа данных.

2. Разработать метод классификации предприятий в соответствии со степенью угрозы банкротства на основе технологии экспертных систем.

3. Разработать метод прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.

4. Разработать метод выявления признаков ложного банкротства на основе технологии экспертных систем.

5. Разработать алгоритмическое и информационное обеспечение для реализации системы поддержки принятия решений при мониторинге банкротств предприятий.

Методы исследования. В ходе исследования в качестве инструментария использовались методы системного анализа, теории принятия решений, методы разработки и эксплуатации экспертных систем, методы интеллектуального анализа данных, методы моделирования на основе иерархических сетей Петри.

На защиту выносятся:

1. Концепция системы поддержки принятия решений при мониторинге банкротств предприятий на основе применения инженерии знаний, технологии экспертных систем и технологии интеллектуального анализа данных.

2. Метод классификации предприятий в соответствии со степенью угрозы банкротства на основе технологии экспертных систем.

3. Метод прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.

4. Метод выявления признаков ложного банкротства на основе технологии экспертных систем.

5. Алгоритмическое и информационное обеспечение для реализации системы поддержки принятия решений при мониторинге банкротств предприятий.

Научная новизна работы:

I. Новизна концепции системы поддержки принятия решений при мониторинге банкротств предприятий состоит в подходе к выявлению признаков ложного банкротства на основе интеграции технологий экспертных систем и интеллектуального анализа данных, что позволяет организовать эффективную систему поддержки принятия решений при мониторинге банкротств предприятий.

2. Новизна метода классификации предприятий в соответствии с угрозой банкротств на основе экспертной системы состоит в формализации знаний в виде дерева решений для группировки предприятий в соответствии со степенью угрозы банкротства и поиске решений с использованием полученных продукционных правил, что позволяет снизить влияние человеческого фактора при классификации предприятий.

3. Новизна метода прогнозирования финансовых показателей предприятий состоит в разработке алгоритма прогнозирования для каждого из финансовых показателей путем нейросетевого моделирования в рамках интеллектуального анализа данных, что позволяет повысить точность прогноза.

4. Новизна метода выявления признаков ложного банкротства состоит в прогнозе динамики изменения финансовых показателей, характеризующих наличие признаков ложного банкротства, на основе экспертной системы и отличается способом подготовки данных и формированием признаков для поиска решений, что позволяет выявлять признаки ложного банкротства на ранней стадии.

5. Новизна алгоритмов и информационного обеспечения состоит в использовании технологии экспертных систем для реализации процедур классификации предприятий в соответствии с угрозой банкротств и выявления признаков ложного банкротства, что позволяет снизить количество ошибочных решений при мониторинге банкротств предприятий.

Практическая значимость и внедрение результатов. Практическую значимость имеют полученные автором следующие результаты:

• Метод классификации предприятий в соответствии с угрозой банкротств на основе экспертной системы.

• Комбинирование различных инструментов для прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.

• Метод выявления признаков ложного банкротства на основе экспертной системы.

• Реализация предложенных алгоритмов в компьютерной среде, включающей оболочку Knowledge Wright 4.3.2. и аналитическую платформу Deductor 5.0.

Практическое использование результатов работы позволяет повысить достоверность управленческих решений при мониторинге банкротств предпри-

ятий, а также снизить влияние человеческого фактора в процессе принятия решений.

Результаты работы внедрены в следственном управлении Следственного комитета при прокуратуре РФ по РБ, в учебном процессе УГАТУ, в ООО «Сервис-Центр Регион».

Связь с плановыми исследованиями. Исследование по тематике диссертации выполнено в рамках НИР по темы ИФ-ВК-01-08-03 Министерства образования РФ «Исследование и разработка интеллектуальных технологий поддержки принятия решений и управления на основе инженерии знаний».

Апробация работы. Основные положения и результаты работы докладывались на научно-технических конференциях: 8-й Международной конференции «Компьютерные науки и информационные технологии» (Германия, 2006), зимней школе-семинаре аспирантов и молодых ученых УГАТУ (2007, 2008 гг.), 9—й Международной конференции «Компьютерные науки и информационные технологии» (Красноусольск, 2007), на заседании Башкирского отделения научного совета РАН по методологии искусственного интеллекта (Уфа, 2008), на Международной научно-практической конференции «Технологии управления социально-экономическим развитием региона» ИСЭИ УНЦ РАН (Уфа, 2008), на 10-й Международной конференции «Компьютерные науки и информационные технологии» (Турция, 2008).

Публикации. Список публикаций по теме диссертации содержит 11 работ, в том числе 1 - в рецензируемом журнале из списка ВАК.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения и библиографии. Работа содержит 132 страницы и 101 наименование библиографических источников.

СОДЕРЖАНИЕ РАБОТЫ

Во введении дается общая характеристика работы: цель исследований, актуальность решаемых задач, определяется научная новизна и практическая значимость защищаемых результатов.

Первая глава посвящена анализу процесса поддержки принятия решения при мониторинге банкротств предприятий как объекта исследования. Процедуры признания предприятия банкротом и процесс выявления признаков возможного ложного банкротства определены законодательно, однако эта тема является предметом постоянных исследований, так как принятие решений про-

исходит в условиях неопределенности и неточности исходных данных, а особое место в процессе принятия решения занимает человеческий фактор. Влияние различных негативных факторов приводит к ошибкам в принятии решений о наличии признаков ложного банкротства. Количество дел по банкротству предприятий неуклонно растет, о чем свидетельствует проведенный анализ судебной практики Арбитражного суда РФ (рисунок 1).

120000

гооооо

800007

60000

40000

20000 о

1998г 1999г. 2000г. 2001г 2002г. 2003 г. 2004г. 2005г 2006г. О Количество заявлений о признании должника несостоятельным (банкротом) ЁЭ Количество решений о признании должника банкротом и об открытии конкурсного производства

Рисунок 1 - Данные о заявлениях, поступивших в Арбитражный Суд РФ

Анализ статистики позволил установить, что после спада в 2003-2005 гг. вновь увеличилось число поступивших в арбитражные суды заявлений о признании должников банкротами. Также следует отметить, что количество дел, по которым должников признали банкротом, растет. Аналогичная ситуация также актуальна и для развивающихся регионов, таких как Республика Башкортостан.

Статистические данные свидетельствуют не только об увеличении количества возбужденных дел о банкротстве, но и об увеличении количества зарегистрированных преступлений, связанных с банкротством. Так, по данным МВД России в 2006 г. количество выявленных преступлений в сфере экономической деятельности увеличилось на 26%, а количество выявленных преступлений, связанных с банкротством - на 23,6%. За 1-е полугодие 2007 г. выяв-ляемость преступлений, связанных с банкротством, вновь увеличилась, превысив аналогичный показатель 2006 г. на 11,2%.

Проведенный анализ показывает, что банкротства предприятий являются актуальной проблемой для экономики государства в целом.

В теории и практике прогнозирования банкротств используются формализованные (или количественные) и неформализованные (или качественные подходы). Анализ рынка программного обеспечения для мониторинга финансового состояния предприятий и прогнозирования банкротств показал, что большинство из них основывается на моделях Таффлера, Лиса, Альтмана и др. Предложенные на рынке программные продукты не рассматривают признаки ложного банкротства. Устранить выявленный недостаток призвана разрабатываемая система поддержки принятия решений при мониторинге банкротств предприятий.

Вторая глава посвящена разработке подхода к построению системы поддержки принятия решений при мониторинге банкротств предприятий. Определены требования, предъявляемые к такого рода системам, предложен алгоритм работы системы.

Разработанная схема взаимодействия компонентов системы мониторинга банкротств предприятий с использованием информационных технологий представлена на рисунке 2.

Рисунок 2 - Схема взаимодействия компонентов системы мониторинга банкротств предприятий с использованием информационных технологий Объектами мониторинга являются процессы банкротства, главными «действующими лицами» которых выступают предприятия (потенциальные или реальные банкроты), кредиторы (инициирующие процедуры банкротства), арбитражные суды (рассматривающие в соответствии с законодательством дела о несостоятельности и вводящие своими решениями процедуры банкротства).

Субъекты мониторинга - компетентные надзорные органы, наделенные в соответствии с законодательством соответствующими полномочиями надзора и принятия решений. Лица, принимающие решения, (ЛПР) в надзорных органах располагают силами и средствами для сбора, накопления и анализа данных (учетные и следственные органы, подразделения накопления и анализа данных).

Предлагается автоматизированная система мониторинга банкротств предприятий, основу которой составляют как законодательно утвержденные методические указания по учету и анализу финансового состояния и платежеспособности предприятий и организаций с целью группировки в соответствии со степенью угрозы банкротства, так и методики оценки наличия признаков ложного банкротства предприятия, используемые российскими аудиторами и арбитражными управляющими.

Третья глава посвящена разработке модели представления знаний, разработке правил для последующей реализации экспертной системы и построению дерева решений. Обосновывается выбор метода интеллектуального анализ данных, формулируется задача для интеллектуального анализа данных при мониторинге банкротств.

Блок экспертной системы СППР при мониторинге банкротств предприятий включает в себя два модуля:

1. Модуль классификации предприятий в соответствии со степенью угрозы банкротства.

2. Модуль выявления признаков ложного банкротства.

В результате анализа существующих моделей представления знаний и анализа предметной области для реализации модулей экспертной системы была выбрана продукционная модель представления знаний.

Для формирования продукционных правил экспертной системы модуля для классификации предприятий в соответствии со степенью угрозы банкротств и модуля выявления признаков ложного банкротства использовался ряд общих признаков, обладающих наибольшей разделяющей способностью, соответствующих цели классификации предприятий в соответствии со степенью угрозы банкротства и выявления признаков ложного банкротства.

Фрагмент базы знаний экспертной системы для классификации предприятий в соответствии со степенью угрозы банкротства и выявления признаков ложного банкротства представлен в таблице 1.

Табл. 1. Фрагмент базы знаний экспертной системы

№ Продукционные правила

Модуль классификации предприятий в соответствии со степенью угрозы банкротства Модуль выявления признаков ложного банкротства

ЯиЫ X1,: Если С) <6, То 01 X,: Если \ Ы) < £,((,), То М

Яи1е2 Х*2 ■ Если С, > 6 и С2 > 1, То 01 Х2: Если К1{1) + Д/)< к^^, То И

ШеЗ Х'з: Если С) > 6 и С2 < 1, То 02 Х3: Если Кг + А/) < к, (/,), То Ш

Ыи1е4 Х14 ■ Если С3 > 0, То ОЗ Х4: Если + дг) <*<(*,), То 112

С) - коэффициент восстановления платежеспособности;

С2 - коэффициент текущей ликвидности;

Сз - задолженность по денежным обязательствам.

01, 02, 03, 04 и 05 характеризуют принадлежность анализируемого предприятия к одной из 5 групп:

1. Группа 1 - платежеспособные предприятия, которые имеют возможность в установленный срок и в полном объеме рассчитаться по своим текущим обязательствам (01).

2. Группа 2 - предприятия, не имеющие достаточных финансовых ресурсов для обеспечения своей платежеспособности (02).

3. Группа 3 - предприятия, имеющие признаки банкротства, установленные Федеральным законом (03).

4. Группа 4 - предприятия, у которых имеется непосредственная угроза возбуждения дела о банкротстве (04).

5. Группа 5 - предприятия, в отношении которых арбитражным судом принято к рассмотрению заявление о признании такого объекта учета банкротом (05).

Ш - присутствуют признаки ложного банкротства;

112 - присутствуют признаки ложного банкротства, возможен вывод основных средств с предприятия;

Ю - отсутствуют признаки ложного банкротства, предприятие погашает обязательные платежи;

114 - отсутствуют признаки ложного банкротства, предприятие находиться в тяжелом финансовом положении;

115 - присутствуют признаки ложного банкротства, идет умышленное накопление недоимок для последующего списания. КI - Обеспеченность обязательств должника всеми его активами; К2 - Обеспеченность обязательств должника его оборотными активами; Кз - Величина чистых активов; К4 - Доля основных средств в активах;

Кп(^+Аг) - значение показателя Кп, рассчитанное на основе спрогнозированных финансовых показателей, в следующем периоде, где п = 1,7 - количество показателей для выявления признаков ложного банкротства.

На основании Федерального закона «О несостоятельности (банкротстве)» и распоряжения № 33-р от 8 октября 1999г., в котором были утверждены методически рекомендации по проведению экспертизы о наличии (отсутствии) признаков фиктивного и преднамеренного банкротства, структурированы знания, на основе которых сформированы продукционные правила экспертной системы. Для наибольшей достоверности оценки наличия признаков ложного банкротства утвержденная методика была дополнена критериями, применяемыми аудиторами-практиками для выявления на ранних стадиях действий, ведущих предприятие к банкротству.

На рисунке 3 представлено дерево решений ЭС для группировки предприятий в соответствии со степенью угрозы банкротства и выявления признаков ложного банкротства, где:

Хо - метаправило для выбора модуля экспертной системы; А Х12, ... X1„ - признаки, согласно методике проведения Федеральной налоговой службой учета и анализа финансового состояния и платежеспособности стратегических предприятий и организаций, обладающие наибольшей разделяющей способностью, соответствующие цели классификации предприятий в соответствии со степенью угрозы банкротства; Ур - показатель, характеризующийу-е значение признака Хь X1, Х2, ...X „ - признаки, обладающие наибольшей разделяющей способностью.

Рисунок 3 - Дерево решений экспертной системы для группировки предприятий в соответствии со степенью угрозы банкротства и выявления признаков

ложного банкротства

Продукционные правила модулей экспертной системы были проверены на непротиворечивость правил с помощь программного продукта ReSolver 32 Editor.

Целью разработки модуля интеллектуального анализа данных (НАД) является получение прогнозных значений финансовых показателей предприятия. Прогнозирование финансовых показателей предприятия осуществляется с помощью нескольких методов, таких как метод скользящего окна и нейронные сети. Для каждого из финансовых показателей (всего 20) разработан свой алгоритм прогнозирования, включающий величину шага скользящего окна, структуру нейронной сети, вид активационной функции и ее крутизну. Примеры структур применяемых многослойных нейронных сетей представлены на рисунке 4.

Применение иерархических сетей Петри позволило оценить моделируемую СППР на целостность и функциональность (рисунок 5), где р, - непустое конечное множество состояний (метка), t, - конечное непустое множество событий (переход).

Входной слой

Промежуточный слой

Выходной слой

-о

Входной слои Промежуточный

=*>ГЧ- _ ВЫХОДНОЙ

" 1- слой

__Г-* ■ ХА ,

Входной

спой Промежуточные

слои

■■■'ГУ •-•••Г;...

Выходной

а б в

Рисунок 4 - Примеры применяемых многослойных нейронных сетей: а - граф нейронной сети 5-2-1; б- граф нейронной сети 3-2-1; в - граф нейронной сети

5-4-3-2-1

Подсети для классификации предприятий в соответствии со степенью угрозы банкротства (переход г2) и для выявления признаков ложного банкротства предприятия (переход ^о) представлены на рисунке 6.

Результаты анализа СГД1Р с использованием инструментария иерархических сетей Петри показали отсутствие тупиковых или зацикленных меток и продемонстрировали работоспособность системы в целом.

р17 И6 р|9

Рисунок 5 - Моделирование процессов функционирования системы поддержки принятия решений при мониторинге банкротств предприятий с использованием

аппарата сетей Петри

7\ j«î pSj I

'"ХКНХЬD-OHXD

^Y P2* pJ; Oi Р^г "h p!3

H ^

pi 5

а б

Рисунок 6 - Подсети моделируемой СППР: a - для классификации предприятий в соответствии со степенью угрозы банкротства; б - для выявления признаков ложного банкротс тва предприятия

Четвертая глава посвящена программной реализации компонентов системы мониторинга банкротств предприятий, исследованию работоспособности и эффективности предложенной системы. Модули экспертной системы классификации предприятий в соответствии со степенью угрозы банкротства и выявления признаков ложного банкротства реализованы в программной оболочке Knowledge Wright 4.3.2 (рисунок 7).

Реализация блока ИАД осуществлялась с помощью аналитической платформы Deductor 5.0. Выбор данной платформы был продиктован рядом достоинств этой системы, в частности, возможностью автоматического импортирования данных из бухгалтерских программ предприятия, таких как 1С. Пример интерфейса модуля ИАД представлен на рисунке 8.

Рисунок 7 - Пример интерфейса экспертной системы: а - классификация предприятий в соответствии со степенью угрозы банкротства; б - выявление признаков ложного банкротства предприятия

Анализ эффективности применения экспертной системы для классифика-I ции предприятий в соответствии со степенью угрозы банкротства показал, что разработанный модуль экспертной системы эффективно решает поставленные I перед ним задачи. Сравнительный анализ выходных данных модуля экспертной 1 системы с эталонными данными выявил, что средняя ошибка при классификации предприятий в соответствии со степенью угрозы банкротства не превышает

I 10%.

1

Рисунок 8 - Пример программных окон реализации модуля ИАД: а - программное окно построенной нейронной сети с ее характеристиками; б - программное окно построения прогнозного значения

Анализ эффективности применения интеллектуального анализа данных строится на сравнительном анализе финансовых показатели за одинаковый ин-I гервал времени, полученных непосредственно от предприятия и спрогнозированных с помощью ИАД. Анализ эффективности применения интеллектуального анализа данных для получения прогнозных значений показал, что отклонения прогнозных значении от реальных данных находятся в интервале от 1 до

I

13%. Среднее отклонение составляет 6%, что является достаточно хорошим результатом для прогнозирования.

Анализ эффективности применения экспертной системы для выявления признаков ложного банкротства показал, что разработанный модуль экспертной системы эффективно решает поставленные перед ним задачи. Сравнительный I анализа результатов работы модуля экспертной системы с эталонными данными показал, что в тех случаях, когда следственными органами была инициирована проверка, экспертная система давала ответ о возможном наличии призна-1 ков ложного банкротства. Экспертная система так же четко реагировала на воз-

можное наличие признаков, указывающих на тяжелое финансовое состояние предприятия.

По результатам проведенного анализа эффективности работы СППР можно сделать вывод об адекватности предложенных методов для реализации комплексной системы поддержки принятия решений при мониторинге банкротств предприятий.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В диссертационной работе содержится решение научной задачи разработки системы поддержки принятия решения при мониторинге банкротств предприятий. В ходе исследования получены следующие результаты:

1. Концепция системы поддержки принятия решений при мониторинге банкротств предприятий на основе применения инженерии знаний, технологии экспертных систем и технологии интеллектуального анализа данных.

2. Метод классификации предприятий в соответствии со степенью угрозы банкротства на основе экспертной системы. Анализ эффективности применения экспертной системы для классификации предприятий показал, что средняя ошибка при классификации предприятий в соответствии со степенью угрозы банкротства не превышает 10%.

3. Метод прогнозирования финансовых показателей предприятия на основе интеллектуального анализ данных. Анализ эффективности применения интеллектуального анализа данных для получения прогнозных значений финансовых показателей предприятий показал, что отклонения прогнозных значений от реальных данных находятся в интервале типовой погрешности для ретроспективных данных и не превышают 13%.

4. Метод выявления признаков ложного банкротства на основе экспертной системы, отличающийся способом подготовки данных и формированием признаков для поиска решений. Анализ применения экспертной системы для выявления признаков ложного банкротства показал высокую эффективность разработанной системы поддержки принятия решений при мониторинге банкротств предприятий (в рассмотренных примерах - 80%), при этом ошибки системы носят характер «ложной тревоги», а не пропуска признаков ложного банкротства.

5. Алгоритмическое и информационное обеспечение для реализации системы поддержки принятия решений при мониторинге банкротств предпрюггий.

В ходе исследования эффективности системы поддержки принятия решения при мониторинге банкротств предприятий показана работоспособность и эффективность предложенных методов и алгоритмов, произведена оценка количественных и качественных показателей эффективности. Разработанная СПГТР мониторинга банкротств предприятий проверена на реальных данных предприятий (до 20 предприятий). Результаты подтверждают возможность ее использования для различных типов предприятий вне зависимости от рода их деятельности.

ОСНОВНЫЕ ПУБЛИКАЦИИ В рецензируемом журнале из списка ВАК

1. Мониторинг банкротств с использованием методов интеллектуального анализа данных / Н.И. Юсупова, Е.О. Волик // Вестник УГАТУ : науч. журн. Уфимск. гос. авиац. техн. ун-та. Сер. Управление, вычислительная техника и информатика. 2008. Т. 10. № 2(27). С.71-79.

В других изданиях

2. Предпосылки к исследованию неопределенности в принятии решения / Е. О. Волик // Принятие решения в условиях неопределенности : межвуз. науч. сб. Уфа, УГАТУ, 2005. Вып. 2, ч. 2. С. 257-262.

3. Корпоративная информационная система для Информационно- интеллектуального центра / Е. О. Волик // Компьютерные науки и информационные технологии (CSIT'2006) : Междунар. конф.: Карлсруэ, Германия, 2006. Т. 2. С. 157-159.

4. Методы оценки достоверности информации в обучающих системах / Е. О. Волик // Актуальные проблемы в науке и технике : сб. ст. 2-й per. зимн. шк.-сем. аспирантов и молодых ученых. Уфа: Технология, 2007. Т. 2. С. 8 -11.

5. Антикризисное управление: понятие и сущность / Н.И. Юсупова, Е.О. Волик // Информационные технологии и математические методы инвестиций в экономике : матер, круглого стола Башкирско-Саксонского форума. Уфа, УГАТУ, 2007. С. 71-74.

6. Методы оценки достоверности информации в обучающих системах / Н. И. Юсупова, Е. О. Волик // Информационные технологии и математические методы инвестиций в экономике : матер, круглого стола Башкирско-Саксонского форума. Уфа, УГАТУ, 2007. С. 67-71.

7. Программное обеспечение для поддержки принятия решения о кризисных ситуациях предприятия / Д. В. Курамшин, Е. О.Волик // Компьютерные науки и информационные технологию) (CSIT'2007) : 9-я Междунар. конф.: Уфа-Красноусольск, Россия, 2007, Т. 4. С. 39-41.

8. Механизм мониторинга законности банкротств / Е. О. Волик И Технологии управления социально-экономическим развитием региона : сб. ст. Междунар. науч. - практ. конф. Уфа: ИСЭИ УНЦ РАН, 2008. Т. 1. С. 172-177.

9. О применении интеллектуального анализа данных в системе поддержки принятия решений при мониторинге банкротств / Н. И. Юсупова, Г. Р. Шах-маметова, Е. О. Волик // Компьютерные науки и информационные технологии (CSIT'2008): 10-я Междунар. конф. Анталия, Турция, 2008. Т. 1. С. 82-85.

10. Модели принятия решений о несостоятельности предприятия / Е. О. Волик // Актуальные проблемы в науке и технике : сб. ст. 3-й третьей Все-рос. зимн. шк.-сем. аспирантов и молодых ученых. Уфа : Диалог, 2008. Т. 3. С.

11. Ошибки при принятии решений о несостоятельности предприятия / Е.О. Волик // Актуальные проблемы в науке и технике : сб. ст. 3-й третьей Все-рос. зимн. шк.-сем. аспирантов и молодых ученых. Уфа : Диалог, 2008. Т. 3.

41-50.

С. 50-57.

Диссертант

ВОЛИК Евгений Олегович

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ МОНИТОРИНГЕ БАНКРОТСТВ ПРЕДПРИЯТИЙ

Специальность 05.13.10 Управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Подписано в печать 05.11.2008. Формат 60x84 1/16. Бумага офсетная. Печать плоская. Гарнитура Times New Roman. Усл. печ. л. 1,0. Усл. кр.-отг. л. 1,0. Уч.-изд. л. 0,9. Тираж 100 экз. Заказ № 501.

ГОУ ВПО Уфимский государственный авиационный технический университет Центр оперативной полиграфии УГАТУ 450000, г. Уфа, ул. К. Маркса, 12

Введение.

ГЛАВА 1. АНАЛИЗ ПРОЦЕССА ПРИНЯТИЯ РЕШЕНИЯ ПРИ МОНИТОРИНГЕ БАНКРОТСТВ ПРЕДПРИЯТИЙ.

§1.1. Анализ процедур принятия решений о банкротстве предприятий.

§ 1.2. Анализ предпосылок к исследованию банкротств предприятий.

1.2.1. Анализ данных арбитражных судов федерального уровня.

1.2.2. Анализ данных арбитражных судов регионального уровня.

1.2.3. Анализ данных о незаконных банкротствах.

§ 1.3. Методические основы диагностики банкротств.

1.3.1. Анализ методик прогнозирования банкротства предприятия.

1.3.2. Анализ зарубежные методов диагностики банкротств.

1.3.3. Анализ методики принятия решения о несостоятельности на российских предприятиях.

§ 1.4. Анализ возможностей известных программных продуктов для поддержки принятия решения о финансовом состоянии предприятия.

Выводы по главе 1.

ГЛАВА 2. РАЗРАБОТКА ПОДХОДА К ПОДДЕРЖКЕ ПРИНЯТИЯ РЕШЕНИЙ ПРИ МОНИТОРИНГЕ БАНКРОТСТВ ПРЕДПРИЯТИЙ С ИСПОЛЬЗОВАНИЕМ ВОЗМОЖНОСТЕЙ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ.

§ 2.1. Место задачи принятия решения в общем контуре управления и разработка схемы обмена данными в системе мониторинга банкротств предприятий.

2.1.1. Определение структуры системы поддержки принятия решений при мониторинге банкротств предприятий.

2.1.2. Разработка схемы обмена данными в системе мониторинга банкротств

§ 2.2 . Разработка системных моделей поддержки принятия решений при мониторинге банкротства.

2.2.1. Разработка функциональной модели.

2.2.2. Разработка информационной модели.

§ 2.3. Разработка требований к экспертной системе и выбор моделей представления знаний для поддержки принятия решений при мониторинге банкротств предприятий.

2.3.1. Назначение и структура экспертной системы.

2.3.2. Этапы разработки экспертной системы.

2.3.3. Выбор моделей представления знаний для экспертной системы мониторинга банкротств предприятий.

§ 2.4. Разработка требований к блоку анализа финансовых показателей для поддержки принятия решений при мониторинге банкротств предприятий.

2.4.1. Анализ финансовых показателей предприятия и задача прогнозирования временных рядов.

2.4.2. Выбор инструментария интеллектуального анализа данных.

Выводы по главе 2:.

ГЛАВА 3. РАЗРАБОТКА МЕТОДОВ ДЛЯ СИСТЕМЫ МОНИТОРИНГА БАНКРОТСТВ ПРЕДПРИЯТИЙ.

§3.1. Формализация задачи принятия решения о наличии признаков ложного банкротства предприятий.

§ 3.2. Разработка моделей и алгоритмов для группировки предприятий в соответствии со степенью угрозы банкротства.

3.2.1. Структурирование знаний и формирование правил экспертной системы.

3.3.2. Разработка дерева решений модуля экспертной системы для группировки предприятий в соответствии со степенью угрозы банкротства

§ 3.3. Разработка моделей модуля экспертной системы для выявления признаков ложного банкротства предприятий.

3.3.1. Структурирование знаний и формирование правил модуля экспертной системы для выявления возможных признаков ложного банкротства предприятий.

3.3.2. Дерево решений модуля экспертной системы для выявления наличия возможных признаков ложного банкротства предприятий.

§ 3.4. Разработка моделей и алгоритмов для реализации модуля интеллектуального анализа данных в системе поддержки принятия решений при мониторинге банкротств предприятий.

§ 3.5. Моделирование процессов функционирования системы поддержки принятия решений при мониторинге банкротств предприятий с использованием иерархических цветных сетей Петри.

Выводы по главе 3:.

ГЛАВА 4. РЕАЛИЗАЦИЯ И АНАЛИЗ ПРОТОТИПА СИСТЕМЫ МОНИТОРИНГА БАНКРОТСТВ ПРЕДПРИЯТИЙ И АНАЛИЗ ЭФФЕКТИВНОСТИ ПРЕДЛОЖЕННОГО ПОДХОДА.

§ 4.1. Программная реализация модуля экспертной системы для классификации предприятий в соответствии со степенью угрозы банкротства.

§ 4.2. Программная реализация модуля экспертной системы для оценки наличия признаков ложного банкротства на предприятии.

§ 4.3. Программная реализация системы интеллектуального анализа данных для прогнозирования финансовых показателей предприятия.

§ 4.4. Анализ эффективности предложенных моделей и методов для мониторинга банкротств предприятий.

Выводы по главе 4:.

Направления дальнейших исследований.

Число банкротств в России неуклонно растет, об этом свидетельствует статистика дел о несостоятельности (банкротстве) рассмотренная арбитражными судами Российской Федерации в 1998-2007 гг.

По данным Министерства внутренних дел РФ материальный ущерб от экономических преступлений в 2006 году превысил 100 миллиардов рублей. За этот же промежуток времени сотрудниками департамента экономической безопасности МВД РФ было выявлено более 250 тысяч преступлений экономической направленности. Среди экономических преступлений, которые вызывают наибольшую обеспокоенность в последнее время, прежде всего находятся преступления, связанные с банкротствами предприятий.

Ряд работ отечественных и зарубежных ученых и экономистов, таких как В. И. Терехин, В. П. Панагушин, М. Н. Крейнина, Е. А. Мизиковский [1],А. П. Градов, А.О. Недосекин, М.И. Гизатуллин, А.И. Ковалев, В.П. Привалов, Э. Альтман, У. Бивер и др., посвящены исследованию проблемы банкротств.

Важным аспектом проблемы банкротств является анализ и своевременное выявление признаков ложных (фиктивных и преднамеренных) банкротств, так как они приносят наибольший ущерб в сфере банкротств предприятий. Ложное банкротство несет в себе прямую угрозу экономической безопасности государства, поскольку подрывает основы современной рыночной системы, делает страну непривлекательной для стратегических инвесторов. Важная роль в повышении достоверности принятия управленческих решений отводится мониторингу банкротств. На сегодняшний день не разработано комплексного решения данной задачи, которое бы включало весь необходимый набор методического, алгоритмического и программного обеспечения.

Целью диссертационной работы является разработка методического, алгоритмического и информационного обеспечения системы поддержки принятия решений при мониторинге банкротств предприятий для повышения уровня достоверности и обоснованности принятия управленческих решений в кризисных ситуациях.

Задачи исследования. Для достижения поставленной цели сформулированы следующие задачи:

1. Разработать концепцию системы поддержки принятия решений при мониторинге банкротств предприятий на основе применения инженерии знаний, технологии экспертных систем и технологии интеллектуального анализа данных.

2. Разработать метод классификации предприятий в соответствии со степенью угрозы банкротства на основе технологии экспертных систем.

3. Разработать метод прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.

4. Разработать метод выявления признаков ложного банкротства на основе технологии экспертных систем.

5. Разработать алгоритмическое и информационное обеспечение для реализации системы поддержки принятия решений при мониторинге банкротств предприятий.

Методы исследования. В ходе исследования в качестве инструментария использовались методы системного анализа, теории принятия решений, методы разработки и эксплуатации экспертных систем, методы интеллектуального анализа данных, методы моделирования на основе иерархических сетей Петри.

На защиту выносятся:

1. Концепция системы поддержки принятия решений при мониторинге банкротств предприятий на основе применения инженерии знаний, технологии экспертных систем и технологии интеллектуального анализа данных.

2. Метод классификации предприятий в соответствии со степенью угрозы банкротства на основе технологии экспертных систем.

3. Метод прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.

4. Метод выявления признаков ложного банкротства на основе технологии экспертных систем.

Алгоритмическое и информационное обеспечение для реализации системы поддержки принятия решений при мониторинге банкротств предприятий.

Методы исследования. В ходе исследования в качестве инструментария использовались методы системного анализа, теории принятия решений, методы разработки и эксплуатации экспертных систем, методы интеллектуального анализа данных, методы моделирования на основе иерархических сетей Петри.

На защиту выносятся:

5. Концепция системы поддержки принятия решений при мониторинге банкротств предприятий на основе применения инженерии знаний, технологии экспертных систем и технологии интеллектуального анализа данных.

6. Метод классификации предприятий в соответствии со степенью угрозы банкротства на основе технологии экспертных систем.

7. Метод прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.

8. Метод выявления признаков ложного банкротства на основе технологии экспертных систем.

9. Алгоритмическое и информационное обеспечение для реализации системы поддержки принятия решений при мониторинге банкротств предприятий.

Научная новизна работы:

1. Новизна концепции системы поддержки принятия решений при мониторинге банкротств предприятий состоит в подходе к выявлению признаков ложного банкротства на основе интеграции технологий экспертных систем и интеллектуального анализа данных, что позволяет организовать эффективную систему поддержки принятия решений при мониторинге банкротств предприятий.

2. Новизна метода классификации предприятий в соответствии с угрозой банкротств на основе экспертной системы состоит в формализации знаний в виде дерева решений для группировки предприятий в соответствии со степенью угрозы банкротства и поиске решений с использованием полученных продукционных правил, что позволяет снизить влияние человеческого фактора при классификации предприятий.

3. Новизна метода прогнозирования финансовых показателей предприятий состоит в разработке алгоритма прогнозирования для каждого из финансовых показателей путем нейросетевого моделирования в рамках интеллектуального анализа данных, что позволяет повысить точность прогноза.

4. Новизна метода выявления признаков ложного банкротства состоит в прогнозе динамики изменения финансовых показателей, характеризующих наличие признаков ложного банкротства, на основе экспертной системы и отличается способом подготовки данных и формированием признаков для поиска решений, что позволяет выявлять признаки ложного банкротства на ранней стадии.

5. Новизна алгоритмов и информационного обеспечения состоит в использовании технологии экспертных систем для реализации процедур классификации предприятий в соответствии с угрозой банкротств и выявления признаков ложного банкротства, что позволяет снизить количество ошибочных решений при мониторинге банкротств предприятий.

Практическая значимость и внедрение результатов. Практическую значимость имеют полученные автором следующие результаты:

• Метод классификации предприятий в соответствии с угрозой банкротств на основе экспертной системы.

• Комбинирование различных инструментов для прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.

• Метод выявления признаков ложного банкротства на основе экспертной системы.

• Реализация предложенных алгоритмов в компьютерной среде, включающей оболочку Knowledge Wright 4.3.2. и аналитическую платформу Deductor 5.0.

Практическое использование результатов работы позволяет повысить достоверность управленческих решений при мониторинге банкротств предприятий, а также снизить влияние человеческого фактора в процессе принятия решений.

Результаты работы внедрены в следственном управлении Следственного комитета при прокуратуре РФ по РБ, в учебном процессе УГАТУ, в ООО «Сервис-Центр Регион».

Связь с плановыми исследованиями. Исследование по тематике диссертации выполнено в рамках НИР по темы ИФ-ВК-01-08-03 Министерства образования РФ «Исследование и разработка интеллектуальных технологий поддержки принятия решений и управления на основе инженерии знаний».

Апробация работы. Основные положения и результаты работы докладывались на научно-технических- конференциях: 8-й Международной конференции «Компьютерные науки и информационные технологии» (Германия, 2006), зимней школе-семинаре аспирантов и молодых ученых УГАТУ (2007, 2008 гг.), 9-й Международной конференции «Компьютерные науки и информационные технологии» (Красноусольск, 2007), на заседании Башкирского отделения научного совета РАН по методологии искусственного интеллекта (Уфа, 2008), на Международной научно-практической конференции «Технологии управления социально-экономическим развитием региона» ИСЭИ УНЦ РАН (Уфа, 2008), на 10-й Международной конференции «Компьютерные науки и информационные технологии» (Турция, 2008).

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В диссертационной работе содержится решение научной задачи разработки системы поддержки принятия решения при мониторинге банкротств предприятий. В ходе исследования получены следующие результаты:

1. Концепция системы поддержки принятия решений при мониторинге банкротств предприятий на основе применения инженерии знаний, технологии экспертных систем и технологии интеллектуального анализа данных.

2. Метод классификации предприятий в соответствии со степенью угрозы банкротства на основе экспертной системы. Анализ эффективности применения экспертной системы для классификации предприятий показал, что средняя ошибка при классификации предприятий в соответствии со степенью угрозы банкротства не превышает 10%.

3. Метод прогнозирования финансовых показателей предприятия на основе интеллектуального анализ данных. Анализ эффективности применения интеллектуального анализа данных для получения прогнозных значений финансовых показателей предприятий показал, что отклонения прогнозных значений от реальных данных находятся в интервале типовой погрешности для ретроспективных данных и не превышают 13%.

4. Метод выявления признаков ложного банкротства на основе экспертной системы, отличающийся способом подготовки данных и формированием признаков для поиска решений. Анализ применения экспертной системы для выявления признаков ложного банкротства показал высокую эффективность разработанной системы поддержки принятия решений при мониторинге банкротств предприятий (в рассмотренных примерах - 80%), при этом ошибки системы носят характер «ложной тревоги», а не пропуска признаков ложного банкротства.

5. Алгоритмическое и информационное обеспечение для реализации системы поддержки принятия решений при мониторинге банкротств предприятий.

В ходе исследования эффективности системы поддержки принятия решения при мониторинге банкротств предприятий показана работоспособность и эффективность предложенных методов и алгоритмов, произведена оценка количественных и качественных показателей эффективности. Разработанная СППР мониторинга банкротств предприятий проверена на реальных данных предприятий (до 20 предприятий). Результаты подтверждают возможность ее использования для различных типов предприятий вне зависимости от рода их деятельности.

1. Мизиковский Е. А., Дружиловская Т. Ю. Международные стандарты финансовой отчетности и бухгалтерский учет в России. — 2-е изд., перераб. и доп. М.: Изд-во "Бухгалтерский учет", 2006. - 328 с.

2. Федеральный закон «О несостоятельности (банкротстве)» №127-ФЗ от 26 октября 2002 г.

3. Большой юридический словарь. 3-е изд., доп. и перераб. / Под ред. проф. А. Я. Сухарева. М.: ИНФРА-М, 2007. - VI, 858 с.

4. Волик Е.О. Механизм мониторинга законности банкротств// Технологии управления социально-экономическим развитием региона. Том 1.//Сборник статей Международной научно-практической конференции. 15-16 мая 2008.-Уфа: ИСЭИ УНЦ РАН, 2008 стр. 172-177.

5. Справка о рассмотрении арбитражными судами Российской Федерации дел о несостоятельности (банкротстве) в 1998г.

6. Справка о рассмотрении арбитражными судами Российской Федерации дел о несостоятельности (банкротстве) в 1999г.

7. Справка о рассмотрении арбитражными судами Российской Федерации дел о несостоятельности (банкротстве) в 2003-2006г.

8. Справка о рассмотрении арбитражными судами Российской Федерации дел о несостоятельности (банкротстве) в 2000-2004 г.

9. Справка о рассмотрении арбитражным судами Российской Федерации по Республике Башкортостан дел о несостоятельности (банкротстве) в 20052006г.

10. Энциклопедический словарь-справочник руководителя предприятия. Автор и составитель Лукаш Ю. А. (Серия «Библиотека профессиональных словарей»). М.: Книжный мир, 2004. - 1504 с.

11. Большой юридический словарь. 3-е изд., доп. и перераб. / Под ред. проф. А. Я. Сухарева. М.: ИНФРА-М, 2007. - VI, 858 с.

12. Сафин Ф.М. Межрегиональный форум "Актуальные вопросы экономической безопасности. Рейдерство как препятствие на пути промышленного роста России" 14 марта 2007 года, РБ, Уфа

13. Тимофеев О.В. Межрегиональный форум "Актуальные вопросы экономической безопасности. Рейдерство как препятствие на путипромышленного роста России" 14 марта 2007 года, Республика Башкортостан, Уфа

14. Юсупова Н.И., Волик Е.О. Антикризисное управление: понятие и сущность// Материалы круглого стола Башкирско-саксонского форума «Информационные технологии и математические методы инвестиций в экономике», Уфа, УГАТУ, -2007. С.71-74.

15. Крюков А.Ф.,Егорычев И.Г. Анализ методик прогнозирования кризисной ситуации коммерческих организаций с использованием финансовых индикаторов, Менеджмент в России и за рубежом №2 / 2001.

16. Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкротства предприятий // Управление риском, 1999 г., № 3, с. 13-20

17. Altman E.I. Financial Rations. Discriminent Analysis, and the Prediction of Corporate Bankruptcy .//Journal of Finance, September 1968.

18. Ковалев А.И., Привалов В.П. Анализ финансового состояния предприятия. М. : Центр экономики и маркетинга, 2001. - 256 с.

19. Зорин С.Ф. Антикризисное управление предприятием, 2005 г.

20. Ковалёв В.В. Введение в финансовый менеджмент. — М.: Финансы и статистика, 2000.

21. Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкротства предприятий // Управление риском, 1999 г., № 3.

22. Altman E.I., Haldeman R.G., Narayanan P. Zeta Analysis: A New Model to Identify Bankruptcy Risk of Corporation.//Journal of Banking and Finance, 1977.

23. Beaver W.H. Financial Rations and Predictions of Failure.//Empirical Research in Accounting Selected Studies, Supplement to Journal of Accounting Research, 1996.

24. Скоун Т. "Управленческий учет"/Пер. с англ. под редакцией Н.Д. Эриашвили. Аудит, ЮНИТИ, 1997. - 179 с.

25. Антикризисное управление. Учебное пособие для технических вузов/под ред. Минаева Е.С. и Панагушина В.П. — М.: Приор, 1998.

26. Зайцева О.П. Антикризисный менеджмент в российской фирме.//Аваль. (Сибирская финансовая школа). — 1998. —№ 11-12.

27. Ковалёв В.В. Введение в финансовый менеджмент. — М.: Финансы и статистика, 2000.

28. Теория и практика антикризисного управления./Под ред. Беляева С.Г. и Кошкина В.И. — М.: Закон и право, ЮНИТИ, 1996.

29. Семеней А. Проблемы прогнозирования банкротства на отечественных предприятиях // Люди дела XXI. 2003. - № 36.

30. Овчинникова Т.И., Пахомов А.И., Булгакова И.Н. Методы финансово-экономической диагностики банкротства предприятий // Финансовый менеджмент, 2005, № 5. С. 45- 48.

31. Барановская Т.П., Лойко В.И., Семенов М.И., Трубилин А.И. Информационные системы и технологии в экономике: Учебник. 2-е изд. - М.: Финансы и статистика, 2005.

32. Юсупов P.M. Заболотский В.П. Научно-методические основы информатизации.-СПб.:Наука, 2000. 455 с.

33. Андронова О., Бойцов И. Обзор корпоративных информационных систем, используемых на российских предприятиях и в организациях, Компьютер-Информ №2/2003.

34. Челышев А.Н. Разработка инструментальных методов прогнозирования банкротства предприятий: Дис. . канд. экон. наук. М., 2006. -116 с.

35. Романов A.H., Лукасевич И .Я., Титаренко Г.А. Компьютеризация финансово-экономического анализа коммерческой деятельности предприятий, корпораций, фирм. М.:Интерпракс, 1994.

36. Информационные аспекты теории управления: Учебное пособие/Б.Г.Ильясов, Л.А.Болотовская, Н.И.Юсупова, Ю.С.Кабальнов.-Уфа: изд. Уфимс. авиац. ин-та, 1987,90с.

37. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь, 1981.

38. Волик Е.О. Предпосылки к исследованию неопределенности в принятии решения// Принятие решения в условиях неопределенности, МежВУЗ. Науч. Сб. Уфа, УГАТУ, 2005 г. вып.2 ч.2 с. 257-262.

39. Little I.D.C. Models and Managers: The Concept of a Decision Calculus // Management Science, 1970, N 8.

40. Power D. J. Web-based and model-driven decision support systems: concepts and issues. Americas Conference on Information Systems, Long Beach, California, 2000.

41. Большой юридический словарь / Под ред. А. Я. Сухарева, В. Д Зорькина, В. Е. Крутских. М., 1997. С. 378.

42. Мониторинг правового пространства и правоприменительной практики: методология и мировоззрение. Материалы всероссийской научно-практической конференции (23 июня 2003 г., г. Москва) М. 2003.

43. Сахаров А. А. Концепция построения и реализации информационных систем, ориентированных на анализ данных // СУБД. 1996. - № 4. - С. 55-70.

44. Автоматизация процессов принятия решений в системах управления /В.С.Симанков, Ю.К.Лушников, В.А.Морозов и др.: Аналитический обзор, 1970-1985 гг., № 4087. -М.: ЦНИИТЭИ, 1986. 42 с.

45. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining.- СПб.: БХВ-Петербург, 2004.- 336 е.: ил.

46. Ларичев О. И., Петровский А. В. Системы поддержки принятия решений. Современное состояние и перспективы их развития. // Итоги науки и техники. Сер. Техническая кибернетика. Т.21. М.: ВИНИТИ, 1987, с. 131-164.

47. Черемных, С. В. . Моделирование и анализ систем. IDEF-технологии: практикум / С. В. Черемных, И. О. Семенов, В. С. Ручкин . М. : Финансы и статистика, 2005 . - 192 с.

48. Вендров A.M. CASE-технологии. Современные методы и средства проектирования информационных систем. — М. : Финансы и статистика, 1998. 176с.

49. Методология IDEF0. Функциональное моделирование. М.: Метатехнология, 1993. 117с.

50. Автоматизированное проектирование информационно-управляющих систем: Проектирование экспертных систем на основе системного моделирования / Куликов Г.Г., Набатов А.Н., Речкалов А.В. и др.- Уфа: УГАТУ, 1999.-223 с.

51. Автоматизированное проектирование информационно-управляющих систем. Системное моделирование предметной области: Учебное пособие/ Г.Г.Куликов, А.Н.Набатов, А.В.Речкалов.; Уфимск. гос. Авиац. Техн. Ун-т.-Уфа,1998. 204 с.

52. Методология IDEF1. Информационное моделирование. М.: Метатехнология, 1993.- 120с.

53. К.Дж. Введение в системы баз данных. К., М., СПб: Издательский дом "Вильяме", 1999.

54. Теперман В.В, Методы представления и обработки знаний (недоопределенные модели). Методическое пособие. Новосибирск, Изд-во НГУ, 1996.

55. Гаврилова, Т.А. Базы знаний интеллектуальных систем : Учеб. пособие для вузов / Т.А. Гаврилова, В.Ф. Хорошевский. -СПб. : Питер, 2001.384 с.

56. Левин Р., Дранг Д., Эдельсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике / Р.Левин, Д.Дранг, Б.Эдельсон. М.:Финансы и статистика, 1990. - С. 239

57. Гаврилова, Т.А. Базы знаний интеллектуальных систем Текст.: Учеб. пособие для вузов / Т.А. Гаврилова, В.Ф. Хорошевский. -СПб. : Питер, 2001. -384 с.

58. Девятков , В.В.Системы искусственного интеллекта: Учеб. пособие / В.В. Девятков.-М.: МГТУ, 2001.-352 с.

59. Попов Э.В. Статистические и динамические экспертные системы: Учеб. пособие.-М.: Финансы и статистика, 1996.-319с.: ил.

60. Уотермен Д. Руководство по экспертным системам,- М: Мир, 1989.388 с.

61. Загорулько Ю.А. Методы представления и обработки знаний: Семантические сети и системы продукций. Методическое пособие. -Новосибирск, Изд-во НГУ, 1997.

62. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы: Учебное пособие. — М.: Финансы и статистика, 1996. 320 с.

63. Parsaye К. A Characterization of Data Mining Technologies and Processes // The Journal of Data Warehousing. -1998.-№ 1.

64. Чубукова И. A. Data Mining: учебное пособие. M.: Интернет-университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. 382 с.

65. Приялковский В. В. Сложный анализ данных большого объема: новые перспективы компьютеризации // СУБД. 1996. - № 4. - С. 71-83.

66. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб: Питер, 2000.- 384 е.: ил.

67. Ларичев О. И. Теория и методы принятия решений. М.: Логос, 2000.

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

69. Хованов Н.В. Математические модели риска и неопределенности. СПб., СПбГУ, 1998.

70. Крамер Г., Математические методы статистики, пер. с англ., 2 изд., М., 1975.

71. Питер Джексон. Введение в экспертные системы.: Пер. с англ.: Уч. пос. -М.: Издательский дом «Вильяме», 2001.- 624 с.

72. Федеральный закон «О несостоятельности (банкротстве)». Распоряжение № 33-р от 8 октября 1999 г.

73. Newquist Н. P. Data Mining: The AI Metamorphosis // Database Programming and Design. 1996. - № 9.

74. Нильсон H. Принципы искусственного интеллекта. M.: Радио и связь, 1985.-376 с.

75. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996.

76. Котов В.Е. Сети Петри.- М., Наука, 1984.

77. К. Jensen. "Introduction to the Theoretical Aspects of Coloured Petri Nets", A Decade of Concurrency Lecture Notes in Computer Science", Springer Verlag, 1994, vol. 803, pp. 230-272.

78. Черняховская JI.P., Низамутдинов M.M., Федорова Н.И. Подход к разработке системы поддержки принятия решений диспетчера региональной энергосистемы на основе системного и лингвистического анализа предметной области., изд. СПбГТУ, 2001.

79. Дюк В., Самойленко A. Data Mining: учебный курс. — СПб: Питер, 2001.- 368 е.: ил.

80. Калиниченко JI.A., Рыбкин В.М. Машины баз данных и знаний-М.: Наука. Гл. ред. физ.-мат.лит., 1990. — 296 с.

81. Нейлор, К. Как построить свою экспертную систему / Перевод с англ.Н.Н.Слепова . -М. : Энергоатомиздат, 1991 . -288с.

82. Гаврилова, Т.А. Извлечение и структурирование знаний для экспертных систем . — М. : Радио и связь, 1992 . 200с.

83. Базы знаний интеллектуальных систем/ Т.А.Гаврилова, В.Ф.Хорошевский-СПб: Питер, 2000. 384 с.

84. Базы и банки данных и знаний / Г.И. Ревунков, Э.Н. Самохвалов, В.В. Чистов М.: Высш. шк., 1992. - 367 с.

85. Искусственный интеллект: В 3 кн. Кн.1. Системы общения и экспертные системы: Справочник/ Под ред. Э.В.Попова.-М.:Радио и связь, 1990.-464 с.

86. Системы управления базами данных и знаний: Справ, изд. / А.Н. Наумов, A.M. Вендров, В.К. Иванов и др.; Под ред. А.Н. Наумова. — М.: Финансы и статистика, 1991. 352 с.

87. Лелюк В.А. Концептуальное проектирование систем с базами знаний.-X.: Изд-во "Основа" при Харьк. ун-те, 1990. 144 с.

88. Проектирование и программная реализация экспертных систем на персональных ЭВМ / К. Таунсенд, Д. Фохт. М.: Финансы и статистика, 1990.- 320 с.

89. Леонтьев, Б.К. Microsoft Visio 2002 Professional: Построение проектов, диаграмм и бизнес-схем в операционной системе Microsoft Windows ХР./ Б.К.Леонтьев . -М. : Солон-Р, 2002 . 512 с.

90. Уотермен, Д. Руководство по экспертным системам : Пер. с англ./ Под ред.В.Л.Стефанюка . М. : Мир, 1989 . - 388 с.

91. Кусимов С.Т., Ильясов Б.Г., Черняховская Л.Р. Автоматизация управления сложными объектами в критических ситуациях с помощью интеллектуальной информационной системы// Проблемы управления в сложных системах, М. — 2000г., с. 105.

92. Выявление экспертных знаний (процедуры и реализации)/ О.И.Ларичев, А.И.Мечитов, Е.М.Мошкович, Е.М,Фуремс : М.Наука, 1989. -128 с.