Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях
Saved in:
| Published in: | Збірник наукових праць Інституту проблем моделювання в енергетиці ім.Г.Є.Пухова НАН України |
|---|---|
| Date: | 2010 |
| Main Authors: | , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України
2010
|
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/27106 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях / Б. Дурняк, Т. Равецки // Збірник наукових праць Інституту проблем моделювання в енергетиці ім.Г.Є.Пухова НАН України. — К.: ІПМЕ ім. Г.Є.Пухова НАН України, 2010. — Вип. 54. — С. 58-64. — Бібліогр.: 4 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-27106 |
|---|---|
| record_format |
dspace |
| spelling |
Дурняк, Б. Равецки, Т. 2011-09-27T17:28:47Z 2011-09-27T17:28:47Z 2010 Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях / Б. Дурняк, Т. Равецки // Збірник наукових праць Інституту проблем моделювання в енергетиці ім.Г.Є.Пухова НАН України. — К.: ІПМЕ ім. Г.Є.Пухова НАН України, 2010. — Вип. 54. — С. 58-64. — Бібліогр.: 4 назв. — рос. XXXX-0067 https://nasplib.isofts.kiev.ua/handle/123456789/27106 683.03 ru Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України Збірник наукових праць Інституту проблем моделювання в енергетиці ім.Г.Є.Пухова НАН України Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях |
| spellingShingle |
Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях Дурняк, Б. Равецки, Т. |
| title_short |
Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях |
| title_full |
Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях |
| title_fullStr |
Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях |
| title_full_unstemmed |
Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях |
| title_sort |
алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях |
| author |
Дурняк, Б. Равецки, Т. |
| author_facet |
Дурняк, Б. Равецки, Т. |
| publishDate |
2010 |
| language |
Russian |
| container_title |
Збірник наукових праць Інституту проблем моделювання в енергетиці ім.Г.Є.Пухова НАН України |
| publisher |
Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України |
| format |
Article |
| issn |
XXXX-0067 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/27106 |
| citation_txt |
Алгоритмы прогнозирования и определения риска функционирования предприятия, при изменяющихся условиях / Б. Дурняк, Т. Равецки // Збірник наукових праць Інституту проблем моделювання в енергетиці ім.Г.Є.Пухова НАН України. — К.: ІПМЕ ім. Г.Є.Пухова НАН України, 2010. — Вип. 54. — С. 58-64. — Бібліогр.: 4 назв. — рос. |
| work_keys_str_mv |
AT durnâkb algoritmyprognozirovaniâiopredeleniâriskafunkcionirovaniâpredpriâtiâpriizmenâûŝihsâusloviâh AT raveckit algoritmyprognozirovaniâiopredeleniâriskafunkcionirovaniâpredpriâtiâpriizmenâûŝihsâusloviâh |
| first_indexed |
2025-11-26T11:00:33Z |
| last_indexed |
2025-11-26T11:00:33Z |
| _version_ |
1850619152707878912 |
| fulltext |
58 © Б.Дурняк, Т.Равецки
УДК 683.03
Б.Дурняк, Т.Равецки
АЛГОРИТМЫ ПРОГНОЗИРОВАНИЯ И ОПРЕДЕЛЕНИЯ РИСКА
ФУНКЦИОНИРОВАНИЯ ПРЕДПРИЯТИЯ, ПРИ ИЗМЕНЯЮЩИХСЯ
УСЛОВИЯХ
В соответствии с исходными положениями, случаи функционирования
предприятий в условиях повышенного риска должны быть достаточно
редкими. Поэтому, все функциональные части, которые связаны с такими
ситуациями, должны составлять существенно меньшую часть по отношению
к системе управления и системе функционирования предприятия в целом.
Кроме того, ресурсы предприятия и системы управления, которые
необходимы для реализации средств выявления опасных ситуаций и средств
противодействия факторам, которые их определяют, должны по своей
величине находиться в такой пропорции ко всем ресурсам, в какой находится
период функционирования предприятия в ситуации повышенного риска к
периоду функционирования предприятия в нормальной ситуации. Одним из
важных ресурсов является время системы. Чтобы уменьшить потребление
этого ресурса средствами, которые должны выявлять наступление опасных
ситуаций, система обеспечения безопасности этого типа построена на основе
иерархической организации ее средств.
На наивысшем уровне иерархии реализуется процесс мониторинга,
который обладает возможностями адаптации периода инициации
мониторинга, а также возможностями адаптации ее потребностей в других
ресурсах, например, памяти, времени вычислений и т.д. Поэтому, период
инициализации системы мониторинга тем больше, чем меньшая вероятность
возникновения рискованных ситуаций. Для уменьшения потребностей в
вычислительных ресурсах, система мониторинга, при отсутствии признаков
возникновения опасных ситуаций, использует минимальное количество
алгоритмических и вычислительны средств.
На следующий уровень иерархии система защиты переходит только в
том случае, когда возникают признаки возможности появления опасных
ситуаций. Такими признаками является возникновение аномалий в рамках
отдельных параметров, которые анализируются системой мониторинга.
Аномалии отдельных параметров или групп анализируемых параметров
представляют собой аномалии, которые требуют уже специального
исследования. Такое исследование реализуется на основе использования
средств прогнозирования опасных ситуаций. В результате такого
прогнозирования может подтвердиться возможность возникновения опасных
ситуаций или не подтвердиться возможность ее возникновения. Во втором
случае, система безопасности переходит на высший уровень иерархии
функционирования, на котором реализуется только мониторинг факторов,
59
которые могут обуславливать возникновение опасности, путем анализа
соответствующих параметров.
Алгоритмы прогнозирования, в рамках рассматриваемой идеологии
иерархического расширения средств защиты предприятия, которая обуслав-
ливается объективной необходимостью, должны быть более сложными по
отношению к алгоритмам, которые выявляют аномалии в анализируемых
параметрах, а также аномалии в среде функционирования предприятия.
Последние характеризуются группами соответствующих параметров.
Схема процесса, которая связана с реализацией прогнозирования, в
рамках данной работы может быть представлена в виде следующего
соотношения:
( , )K
i iOVD PP TP DP CP SP H τ→ → → → → → ,
где OVD - входные данные для модели прогнозирования, которые по своему
характеру обуславливают необходимость проведения прогноза, поскольку
они характеризуют возможность существования определенных аномалий,
PR - параметрические переменные, которые характерны для различных
типов моделей прогнозирования, например, период прогнозирования или
время, через которое необходимо получить прогнозируемые результаты и т.
д., TP - тип модели прогнозирования или тип методики реализации прогноза,
например, модель прогнозирования может реализовываться на основе
методов теории вероятностей [1], на основе использования логических
моделей процесса функционирования производства или на основе других
моделей, которые тоже могут основываться на моделях процессов, по
отношению к которым предполагается реализовывать прогнозирование, DP
- дополнительные параметры, которые необходимо включать в модели
прогнозирования, например, скорость решения задачи прогнозирования или
интервал времени, который определен, как допустимый для решения задачи
прогнозирования, точность прогнозирования и т.д., CP - цель прогнози-
рования, которая описывает параметры, по отношению к которым должна
решаться задача прогнозирования, или более сложная структура параметров,
которая может быть результатом прогноза, KSP - система или модель
прогнозирования, ( , )i iH τ - параметры и период, на который должен делаться
прогноз, которые, в большинстве случаев, являются наиболее типовыми
выходными данными процесса прогнозирования.
Временные параметры, которые могу характеризовать модели прогноза,
процесс прогноза и его результаты, являются достаточно многообразными. К
таким временным параметрам можно отнести:
• время реализации процесса прогноза, которое часто заменяется
представлением о скорости прогноза Vt ,
• период, на который реализуется прогноз itΔ ,
• время цикла прогнозирования, если процесс прогнозирования
повторяется iδ ,
60
• поскольку прогнозирование допускает интерпретацию, согласно
которой он экстраполирует, например, некоторые значения параметра,
то в состав входных данных должны входить значения
экстраполированного параметра, которые этот параметр принимал в
течении некоторого времени до момента прогнозирования и это время
будем называть историей прогнозирования iτ .
Во временной шкале процесс прогнозирования, который характери-
зуется приведенными интервалами времени, можно представить в виде
следующей последовательности:
V
i i it tδ τ→ → → Δ ; 1max i i itτ δ −= + Δ .
Существенной характеристикой системы прогнозирования является
точность прогноза. Поскольку методов прогнозирования существует много и
предметом прогнозирования могут быть различные факторы, например,
величины значений определенных параметров, факт возникновения опреде-
ленного события, время начала определенных изменений и т.д., то параметр
точности измерений может представлять собой достаточно широкий вид
разновидностей. Примером таких разновидностей могут быть точность
предсказываемого значения отдельного параметра, точность времени
возникновения некоторого события и точность его описания и т.д. В связи с
этим, остановимся на анализе возможных типов моделей прогнозирования.
Одним из основных типов моделей прогнозирования является модель,
которая основывается на использовании того или иного описания самого
процесса или объекта, по отношению к которому предполагается осущест-
влять процесс прогнозирования. В большинстве случаев рассматриваются
формализованные описания, которые называются математическими
моделями соответствующих процессов. Математическая модель [2] представ-
ляет собой такое описание процесса, в рамках которого существует
возможность определять параметры, которые описывают соответствующий
процесс, определять их значения в различных режимах процесса функциони-
рования рассматриваемого объекта и проводить достаточно широкий круг
исследований моделируемого процесса без физического участи или исполь-
зования самого исследуемого процесса. Традиционный способ использования
произвольной модели состоит в том, что на вход такой модели подаются
выбранные пользователем или определенные каким либо другим образом
значения параметров, являющихся аргументами модели, в инициации
процессов преобразований входных данных, которые соответствуют
преобразованиям, которые происходят в реальном, физическом процессе и
определении соответствующих значений параметров функций, которые
сформировались в результате выполнения описанных преобразований.
В отличие от такого способа использования модели, ее использование с
целью решения задачи прогнозирования состоит в выполнении следующих
пунктов.
1. Выбирается параметр, по отношению к которому будет решаться
61
задача прогнозирования. Такой параметр не должен быть непосредственно
связанным с параметром, который предполагается экстраполировать.
Примем, как это принято в большинстве случаев [3,4], по отношению к
которому буде решаться задача прогнозирования будет время.
2. выбирается параметр или группа параметров, по отношению к
которым необходимо выполнить прогнозирование, которое может состоять в
их определении. Если прогнозируемым параметром является переменная
функция, то формальное описание системы прогнозирования совпадает с
формальным описанием модели. Если прогнозируемый параметр в
рассматриваемой модели является параметром аргументом, то описание
модели изменяется таким образом, чтобы параметр, по отношению к
которому будет выполняться прогноз, стал параметром функцией.
3. Параметр, который выбирается в качестве параметра,
синхронизирующего процесс прогнозирования, разбивается на отдельные
дискретные интервалы, которым должны соответствовать некоторые
интервалы значений прогнозируемых параметров. Таким образом,
синхронизирующий параметр представляет собой некоторую шкалу, или ось
для процесса прогнозирования. В большинстве случаев прогнозирования
такой осью является ось времени.
4. Для всех точек интервала iτ , который может быть равным интервалу
iδ или может быть равным V
i i tτ δ= + , если процесс прогнозирования
является циклическим, если процесс прогнозирования не является
циклическим, то величина интервала iτ ограничивается исходя из
интерпретации параметра синхронизации в предметной области и аспектов
связанных с решением задачи прогнозирования на этапе Vt , определяются
значения параметров аргументов и параметров функций. Это можно
реализовывать на основе традиционного использования модели процесса или
на основе некоторых данных о соответствующих значениях параметров
аргументов и параметров функций.
5. В отличии от традиционного способа использования модели процесса,
на этапе Vt реализуется экстраполяция параметров аргументов для всех
дискретных интервалов синхронизирующего параметра. Такая экстраполяция
может реализовываться в пределах интервала Vt или в пределах интервала
V
i it t+ Δ на основе использования рекуррентных методов. По существу, на
этом этапе рассматриваемого метода реализации процесса прогнозирования,
реализуется процесс прогнозирования параметров аргументов.
Преимущество использования этого подхода состоит в том, что процесс
прогнозирования значений некоторого параметра заменяется процессами
прогнозирования значений параметров аргументов, от которых параметр
функция является зависимым. Это позволяет перейти от прогнозирования
более сложного фактора, к прогнозированию более простых факторов, от
62
которых зависит сложный фактор, по отношению к которому необходимо
осуществлять прогноз.
6. В этом пункте реализуется завершающий фрагмент процесса
прогнозирования, который состоит в следующем. Для всех значений пара-
метров аргументов, которые получены для интервала itΔ , с использованием
модели процесса, определяются значения параметра функции, которые
необходимо было спрогнозировать.
Для иллюстрации используемого подхода приведем простейший рису-
нок, который иллюстрирует взаимозависимости между отдельными этапами
работы данного алгоритма прогнозирования. Для иллюстрации выберем в
качестве синхронизирующего параметра параметр времени, в котором
реализуется прогнозирование. Соответствующая схема приведена на рис. 1.
Рис. 1. Схема иллюстрирующая использование в качестве
синхронизирующего параметра процесса прогнозирования параметр
реального времени t .
Для решения задач экстраполяции параметров составляющих параметр,
значения которого предполагается спрогнозировать, используются средства,
совокупность которых определяют когнитивные принципы. Такими
средствами являются эвристические правила, широкое использование
семантических параметров текстовых компонент, которые описывают
интерпретации элементов или переменных в модели im , информационные
модели, объединяющие систему правил определения и преобразования
семантических параметров и, соответственно, их носителей, которыми
являются текстовые описания ( )ij x , систему правил, которая описывает
эвристические ограничения и условия 1{ ,..., }nE e e . Поэтому, рассмотрим
способы использования соответствующих средств, для решения задачи
прогнозирования возникновения рискованных, для предприятия, ситуаций.
Очевидно, что ситуацию, которая соответствует повышенному риску
функционирования предприятия, достаточно сложно описать в виде
некоторой единой аналитической модели. Более естественно представить ее в
виде совокупности параметров, которые тем или иным образом могут
характеризовать рискованные для предприятия ситуации. Это позволяет
принять некоторое гипотетическое приближение описания модели опасных
для предприятия ситуаций в виде линейно заданной функции идентифи-
63
катора такого состояния, зависящего от совокупности соответствующих
параметров. Каждый отдельный параметр, при его расширении текстовыми
интерпретациями и соответствующими семантическими параметрами, может
свидетельствовать о наступлении соответствующей рисковой ситуации. При
использовании эвристических условий, а также с использованием
семантических расширений, которые по своей природе являются наиболее
близкими к предметной области, можно получить описание ситуаций
повышенного риска для функционирования предприятий.
В алгоритме прогнозирования наступления ситуации с повышенным
риском используются фрагменты, в которых реализуются семантические и
эвристические расширения анализируемых параметров. Рассмотрим более
детально, в чем состоят соответствующие расширения и в чем преимущества
их использования в рассматриваемой системе прогнозирования. Расширения
реализуются в том случае, если отсутствует модель, которая описывает
соответствующий параметр или отсутствует функциональная зависимость, с
помощью которой можно было бы провести экстраполяцию значений
соответствующего параметра на интервал itΔ , определенный на параметре
синхронизации процесса прогнозирования. Принимается, что существует
линейная проекция этого параметра на параметр синхронизации tP . Примем,
что рассматриваемый параметр отображается переменной ix , которая в cS
имеет свое текстовое описание интерпретации ( )i ix j x= в предметной
области iW . Это означает, что на естественном языке существует описание
всех особенностей и характеристик переменной ix или идентифицируемого
этим описанием некоторый объект. Наличие модели или функциональной
связи у параметра iP в iW означает, что существует возможность определить
значения iP в области интервала itΔ . Если существует функциональная
зависимость 1[ ( ,..., ), ]t
i i j jkP P P Pϕ= , или [ ( ), ]t
i i jP P Pϕ= , где tP
синхронизирующая функция, если существует модель im , которая, на ряду с
другими параметрами, описывается и параметром jP , то можно записать
соотношение 1[( ,..., ), , ]t
i j jk im F P P P P= . Если не существует явной или
заданной каким либо другим образом iϕ и, соответственно, im , то это не
означает, что i iP W∈ не может быть вычислено. Поэтому, возникает задача
полного определения iP в точках, которые определяет параметр tP , который
может описываться функцией синхронизации. Пусть имеет место
соотношение:
i iP x= ; 1 1 1( ) ,..., ,..., ,...,i i i i i i
i i n m kx j x P Pα α ϕ ϕ= =< > Ι < > Ι < > .
Примем, что для рассматриваемого ix в ( )ij x отсутствуют расширения
64
s
jϕ и отсутствуют i
jP . В cS содержатся все компоненты из iW . Это означает,
что хотя бы на семантическом уровне существует хотя бы один jx , который
имеет или общий фрагмент интерпретации с ( )ij x или имеет 1( ,..., )j jrλ α α ,
которая выводима из ( )ij x с помощью семантических преобразований,
которые сформированы в системе 1{ ,..., }kζ ζΞ = . Эти правила можно
рассматривать на уровне описания преобразования фраз, из которых состоит
( )ij x . Идея расширения ( )ij x состоит в следующем. Пусть
1( ) ,...,i i
i kj x ψ ψ=< > , где i
jψ отдельна фраза. Преобразование ( )iA σ
осуществляет поиск некоторой i
jψ из ( )ij x в интерпретационных описаниях
других компонент находящихся в cS . Пусть оказалось, что i
jψ из ( )ij x и k
jψ
из ( )kj x совпали, или i k
j jψ ψ= . Это означает, что к ( )ij x можно
подсоединить k
jψ из ( )kj x , если значения семантических параметров ( )P σ в
конкатенациях ( ) ( )k i i k
j j j jψ ψ ψ ψ∗ ∨ ∗ не выйдут за допустимые пределы.
Например, если Pσ , семантическая противоречивость не превзойдет
некоторый порог ( )Pd σ . Если соответствующее расширение состоит из
некоторого количества активных фраз { ,..., }k k
j j rψ ψ + , то, при r dr≥ , где dr
порог семантических зависимостей между ix и jx , декларируется
взаимосвязь, которая описывается в виде ( , )i i jf x x . Это не означает,
( , )i i jf x x не существовала в iW вообще, а означает, что она не была
установлена на этапе, который предшествовал ее введению. Поскольку в cS
каждый ix должен иметь свое полное описание, то среди таких описаний
существуют необходимые диапазоны значений параметров. На последнем
этапе семантического расширения эти диапазоны синхронизируются
параметром tP .
1. Котлер Ф. Маркетинг. Менеджмент: анализ, планирование, внедрение, кнтроль.
СПб. Питер, 1999.
2. Гхосал А. Прикладная кибернетика и ее связь с исследованием операций. М.:
Радио и связь, 1982.
3. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных
рядов. М.: Финансы и статистика, 2003.
4. Дуброва Т.А. Статистические методы прогнозирования. М.: Юнити-ДАНА, 2003.
Поступила 2.03.2010р.
|