- утримання системи в крапці экстремума.
Проведений аналіз показав, що комплексне застосування моделей і методів знайшло своє застосування в ІАС і системах керування економічними об'єктами. У цих системах здійснюється аналіз фінансово-економічних показників з подальшим рішенням завдань оптимізації, прогнозування, прийняття рішень на всіх рівнях управлінської системи. При обробці інформації в ІАС використаються економіко-математичні методи й моделі, і виробляються наступні дії :
- фіксування інформації, що надходить із всіх джерел економічного об'єкта, і збір цієї інформації в базі даних ІАС;
- обробка й фільтрація економічної інформації в ІАС ;
- аналіз інформації в ІАС;
- подання інформації для різних рівнів керування економічним об'єктом;
- рішення завдань оптимізації, прогнозування економічних показників і підготовки основи прийняття рішень для керування економічним об'єктом.
Таким чином, запропонована модель оптимізації системи керування підприємством вугільної промисловості забезпечує втримання економічного об'єкта в крапці экстремума.
Існує кілька методів пошуку екстремуму цієї моделі. Найбільш підходящими засобами є:
- Принцип максимуму Понтрягина;
- застосування нечіткої логіки;
- програмування Беллмана;
- генетичні алгоритми;
- варіаційне обчислення;
- нейронні мережі.
Кожен із цих засобів має свої, лише йому притаманні властивості. Так за допомогою принципу максимуму Понтрягина, варіаційного обчислення або програмування Беллмана ми можемо вирахувати чітке значення екстремуму нашої функції але таке рішення буде дуже громозким й некомпьютерізованним. Інщі засоби, зокрема, нейронні мережі, дають можливість знайти одне з множини рішень, яке не є єдиним оптимальним рішенням, але задовольняє усім введеним обмеженням.
На мою думку найкраще реалізувати дану модель за допомогою нейронних мереж. Запропонований метод багатомірного прогнозування, що базується на використанні багатошарової нейронної мережі із прямою передачею дозволяє одержати прогнозні значення економічних показників з урахуванням коефіцієнтів активності зовнішнього середовища. Даний метод прогнозування є універсальним і може бути використаним як у стратегічному, так й в оперативному керуванні економічними об'єктами різного рівня.
Таким чином, можна зробити висновок, що показники ефективності діяльності підприємства залежать від оперативності обробки інформації і якості прогнозу. Саме тому в умовах реструктуризації дослідження шляхи підвищення ефективності керування підприємством необхідно починати з оцінки стану підприємства.
Рішення про проведення процесу реструктуризації приймається групою осіб, які приймають рішення по сукупності критеріїв. У цьому випадку мова йдеться про групове прийняття рішення. У зв’язку з цим постає питання про застосування нейронно-мережевої моделі, що імітує групове прийняття рішень.
Багатокритеріальна модель групового прийняття рішень на основі штучних нейронно-мережевих агентів та нечітких множин на відміну від традиційних групових прийнять рішень замість людських експертів застосовує штучні інтелектуальні агенти (ІА). Ця модель реалізується наступними кроками:
- обираються декілька інтелектуальних методів у якості А (нейронна мережа зворотного розповсюдження помилки, метод опорних векторів, радіальні мережі та ін.);
- використовуючи набори даних, обрані ІА виробляють різні оцінки, встановлюючи різні параметри навчання;
- для різних результатів оцінки здійснюється фазифікація, в результаті чого одержуються нечіткі судження;
- нечіткі судження агрегуються у групове рішення, використовуючи оптимізаційний метод, за умови принципу максимальної погодженості;
- агреговане нечітке групове рішення дефазифікується в чітке число. Це дефазифіковане значення може бути використане як остаточне рішення про проведення процесу реструктуризації.
Висновки
1. Для забезпечення виконання операцій прогнозування станів об'єкта на етапі реструктуризації запропонована модель процесу оцінки ймовірності станів економічних об'єктів.
2. Запропоновано систему прогнозування економічних показників вуглевидобувних підприємств в умовах реструктуризації, що включає метод багатомірного прогнозування на основі нейронних мереж.
3. Розроблений метод багатомірного прогнозування, що базується на використанні багатошарової нейронної сети із прямою передачею дозволяє одержати прогнозні значення економічних показників з урахуванням оцінки ймовірності станів економічних об'єктів.
ПЕРЕЛІК ПОСИЛАНЬ:
1. Чумакова Е.Б. Модель оптимизации системы управления предприятия угольной промышленности // Новое в экономической кибернетике: (Сб. науч. тр.) Под общ. ред. Ю.Г. Лысенко; Донецкий нац. ун-т. // Модели управления в рыночной экономике – Донецк: ДонНУ, 2007. – № 10. – С. 229-235.
2. Чумакова О.Б., Іванов М.М. Метод оцінки фінансового стану вуглевидобувних підприємств у процесі реструктуризації // Збірник Криворізького економічного інституту КНЕУ: (Зб. наук. праць), Кривий Ріг, КЕІ ДВНЗ «КНЕУ ім. В. Гетьмана», 2007, №4. – С. 68-73.
3. Ширнин И.Г., Палкин В.А., Дубницкий В.И. Состояние угольной и сланцевой отраслей ЕС и Украины // Уголь Украины. – 2007. - № 8. – С. 8-10.
4. http://www.mvp.gov.ua