Исследование валидности правил в системе поддержки принятия решений при управлении сбытом
В статье рассматриваются вопросы создания системы поддержки принятия решений при управлении сбытом продукции в конкурентных условиях рынка. Основное внимание посвящено исследованию валидности базы правил для подтверждения адекватности алгоритмов поддержки принятия решений. Проведенные исследовани...
Saved in:
| Date: | 2009 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2009
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/8185 |
| 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: | Исследование валидности правил в системе поддержки принятия решений при управлении сбытом / С.В. Сильнова, Е.А. Пузырникова // Штучний інтелект. — 2009. — № 4. — С. 302-310. — Бібліогр.: 5 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859674481780326400 |
|---|---|
| author | Сильнова, С.В. Пузырникова, Е.А. |
| author_facet | Сильнова, С.В. Пузырникова, Е.А. |
| citation_txt | Исследование валидности правил в системе поддержки принятия решений при управлении сбытом / С.В. Сильнова, Е.А. Пузырникова // Штучний інтелект. — 2009. — № 4. — С. 302-310. — Бібліогр.: 5 назв. — рос. |
| collection | DSpace DC |
| description | В статье рассматриваются вопросы создания системы поддержки принятия решений при управлении
сбытом продукции в конкурентных условиях рынка. Основное внимание посвящено исследованию
валидности базы правил для подтверждения адекватности алгоритмов поддержки принятия решений.
Проведенные исследования показали валидность правил и позволили проанализировать рекомендуемые
управленческие решения. Приведен пример использования системы поддержки принятия решений на
основе реальных данных предприятия.
У статті розглядаються питання створення системи підтримки прийняття рішень при управлінні збутом
продукції у конкурентних умовах ринку. Основну увагу присвячено дослідженню валідності бази правил
для підтвердження адекватності алгоритмів підтримки прийняття рішень. Проведені дослідження
показали валідність правил і дозволили проаналізувати рішення управління, що рекомендуються. Наведений
приклад використання системи підтримки прийняття рішень на основі реальних даних підприємства.
Questions of a decision support system forming are considered, which is used for sales management in competitive
conditions of the market. The main attention is devoted validation research of rules for confirmation of
decision support algorithms adequacy. The researches have shown rules validation and have allowed to analyze
system recommended decisions. The example of decision support system usage based on the real enterprise
data is proposed.
|
| first_indexed | 2025-11-30T15:14:11Z |
| format | Article |
| fulltext |
«Искусственный интеллект» 4’2009 302
5С
УДК [681.5:658.5]:681.3
С.В. Сильнова, Е.А. Пузырникова
Уфимский государственный авиационный технический университет, Россия
sas@yandex.ru, puzyrnikova_ekat@mail.ru
Исследование валидности правил в системе
поддержки принятия решений
при управлении сбытом
В статье рассматриваются вопросы создания системы поддержки принятия решений при управлении
сбытом продукции в конкурентных условиях рынка. Основное внимание посвящено исследованию
валидности базы правил для подтверждения адекватности алгоритмов поддержки принятия решений.
Проведенные исследования показали валидность правил и позволили проанализировать рекомендуемые
управленческие решения. Приведен пример использования системы поддержки принятия решений на
основе реальных данных предприятия.
Введение
Управление современным предприятием происходит в условиях быстро изме-
няющейся экономической ситуации, постоянного и значительного усложнения инже-
нерно-технических проектов, а также роста наукоемкости продукции. Требования к
высокому качеству продукции, ее конкурентоспособности и возможности быстрого ее
усовершенствования свидетельствуют о том, что проблема повышения эффективности
управления производством имеет важное практическое значение для экономики. Неста-
бильность экономической ситуации, быстрая изменчивость рынков сбыта продукции,
динамичность процессов распределения усложняют управление производственными
системами. Участие человека в структуре управления предприятием вносит допол-
нительную неопределенность в процесс управления. Информационные технологии,
основанные на общепринятых или на новых стандартах построения, ограничены ге-
нерированием отчетов о текущей ситуации и не содержат компоненты поддержки ре-
шений. В связи с этим актуальной становится проблема эффективного управления
производственно-сбытовой деятельностью предприятия в условиях неопределеннос-
ти и динамичного характера рыночной среды.
В настоящее время при управлении производственно-сбытовой деятельностью
предприятий стали широко применяться системы поддержки принятия решений (СППР).
Это класс информационных систем, предназначенных для поддержки выработки управ-
ленческих решений на основе анализа частично и плохо формализуемой информации.
В связи с этим современные СППР представляют собой интеллектуальные средства
управления. Существующие системы поддержки принятия решений весьма разнооб-
разны и применяются на разных организационных уровнях управления, а также ха-
рактеризуются предметной специализацией.
Целью данной работы является исследование адекватности интеллектуальных
алгоритмов поддержки принятия решений при управлении сбытовой деятельностью
предприятия.
Исследование валидности правил в системе поддержки принятия решений...
«Штучний інтелект» 4’2009 303
5С
Используемый подход
В данной работе рассматривается СППР по управлению сбытом продукции,
основанная на нечеткой логике. Она предназначена для выполнения оперативного
анализа текущей ситуации, ее классификации и выработки рекомендаций по форми-
рованию соответствующего управленческого решения. Текущую ситуацию оценивают
по ряду экономических показателей, характеризующих рынки сбыта продукции в
течение анализируемого периода времени: объему выпуска продукции; доле рынка
предприятия; оценке спроса; неценовым детерминантам спроса и предложения продук-
ции; факторам ценовой эластичности. Перечисленное множество показателей сведено к
двум комплексным оценкам: количественной и качественной. Первая из них характе-
ризует избыток или дефицит продукции, т.е количественный аспект состояния рынка
lN . Качественная комплексная оценка характеризует потенциал рынка сбыта lV .
Чтобы учесть динамику рынка, при анализе текущей ситуации используют еще два
показателя – скорости изменения названных комплексных оценок lN , lV соот-
ветственно. Таким образом, в рассматриваемой СППР множество управляемых пере-
менных можно представить в виде },,,{ llll VVNNP .
Для идентификации текущей ситуации на множестве значений управляемых
переменных выделены на области нечетких значений, в связи с чем, для соответ-
ствующих показателей, представленных в относительных единицах, сформированы
нечеткие шкалы с пятью термами (рис. 1а) [1], [2]. В зависимости от идентифици-
рованной ситуации должно быть сформировано управляющее решение, направленное
либо на ее сохранение, либо на выход из нее.
Реализовывают управляющие решения с помощью управляющих переменных;
их множество включает в себя показатели, изменяя которые предприятие активно
влияет на состояние рынка, – это, например, объем предложения и цена продукции
предприятия }Ц,{ llNU . Поскольку формирование управляющих решений связано
с определением значений управляющих переменных, для них также были разработаны
нечеткие шкалы (рис. 1б) [1], [2].
Таким образом, становится возможным использовать нечеткий вывод для уста-
новления соответствия между описанием идентифицируемой текущей ситуации и
формируемым управляющим решением. С этой целью в СППР разработана база нечет-
ких правил, включающая отдельные совокупности правил для каждой из управляющих
переменных. При этом в условную часть каждого правила записывают только две
управляемые переменные. Например, это пары переменных ),( ll VN , ),( ll NN ,
),( ll VV . Одна из переменных является определяющей (указана первой), вторая
уточняющей. Для каждой пары можно выделить соответствующую группу правил в базе.
При выводе правила связывают между собой в соответствии с алгоритмом Мамдани.
Постановка задачи
База правил СППР может быть представлена в матричной форме (рис. 1в), что
в значительной степени упрощает ее проверку на непротиворечивость и полноту.
Так, отсутствие на пересечении строк и столбцов нескольких значений выводов –
многозначных выводов, говорит о непротиворечивости базы правил. Полнота базы
правил определяется с помощью показателя CM [3]. Для примера на рис. 1 CM = 3, что
означает избыточную полноту. Это обусловлено тем, что некоторые управляемые пе-
ременные входят в разные пары и записываются в условной части правил из разных
групп.
Сильнова С.В., Пузырникова Е.А.
«Искусственный интеллект» 4’2009 304
5С
Рисунок 1 – Фрагмент базы правил СППР при управлении сбытом:
а) нечеткая шкала для управляемых переменных;
б) нечеткая шкала для управляющей переменной lN ;
в) база правил для вывода решений по управляющей переменной lN .
Кроме того, базу правил необходимо проверить на непрерывность. Благодаря описан-
ной выше организации правил в группы, проверить непрерывность базы правил представ-
ляется затруднительным. В связи с этим предложено провести исследование валидности
базы правил СППР: анализируется соответствие направления изменения рекомендуемо-
го значения управляющей переменной и направления вектора значений управляемых
переменных.
Задать направление вектора значений управляемых переменных можно следую-
щим образом: их увеличение означает улучшение ситуации. При формировании базы
правил предполагалось, что значения управляющих переменных в этом случае также
должны увеличиваться, и наоборот, т.е. анализируемое соответствие означает совпаде-
ние направлений изменения текущей ситуации и значений управляющих переменных.
а) в) lll NVN ),(
LP SP2 SP MP LP2 LP
SP 0 SP2 SP SP1/2 MP1/2
Z 0 0 0 0 0 lN
SN MN1/2 SN1/2 SN SN 0
LN LN MN1/2 MN SN SN2
lN LN SN Z SP LP
lV
б)
lll NNN ),(
LP SP1/2 SP SP2 MP MP1/2
SP 0 0 SP2 SP2 MP
Z 0 0 0 0 0 lN
SN MN SN1/2 SN2 0 0
LN LN MN SN2 SN SN1/2
lN LN SN Z SP LP
,%lN
lN
lll NVV ),(
LP SP SP SP MP MP1/2
SP 0 0 SP2 MP2 MP1/2
Z 0 0 0 0 0 lV
SN MN1/2 MN2 SN2 0 0
LN MN1/2 MN SN SN SN
lN LN SN Z SP LP
lV
Исследование валидности правил в системе поддержки принятия решений...
«Штучний інтелект» 4’2009 305
5С
Очевидно, что при изменениях значений управляемых переменных в пределах од-
них и тех же термов, это требование выполняется. Поэтому главной задачей исследования
является анализ рекомендуемых значений управляющих переменных при возможных со-
четаниях значений управляемых переменных, принадлежащих различным термам. Для уп-
рощения исследования принимаются значения управляемых переменных, имеющие
степень принадлежности термам µ = 1. Для каждой управляющей переменной получено
число сочетаний четырех управляемых переменных, принимающих пять значений,
оно равно 54 = 625.
Планирование исследований эффективности алгоритма
ППР при управлении сбытом
При проведении экспериментальных исследований желательно расположить со-
четания управляемых переменных в порядке, соответствующем, например, улучше-
нию текущей ситуации. Однако, используя предложенное описание текущей ситуации
вектором },,,{ llll VVNNP , определить наличие тенденции в ее изменении
с помощью известных методов не представляется возможным.
Поэтому анализ проводится при варьировании значений одной из переменных
вектора },,,{ llll VVNNP и фиксировании значений всех остальных. Таким
образом, в каждом цикле эксперимента рассматривается пять сочетаний значений
управляемых переменных.
Из сказанного следует, что при планировании эксперимента необходимо задать
порядок, в котором будет назначаться варьируемая переменная. Так как в векторе
},,,{ llll VVNNP две переменные ll VN , назначены определяющими (при-
чем lN абсолютно), можно выделить две большие группы экспериментов, в каждой из
которых определяющая переменная будет варьироваться в первую очередь.
В больших группах экспериментов можно выделить малые группы, которые от-
личаются порядком варьирования остальных, не определяющих переменных. Каждая ма-
лая группа включает в себя 625 экспериментов или 125 циклов экспериментов.
Например, варьируют переменную lN при фиксировании переменных ll VN ,,
lV . Первые пять экспериментов связаны с последовательным назначением lN чет-
ких значений, принадлежащих с µ = 1 различным термам, согласно их упорядочиванию
по нечеткой шкале. Переменные lll VVN ,, при этом имеют значения, принадлежа-
щие с µ = 1 самому левому терму соответствующих нечетких шкал. Эти эксперимен-
ты образуют первый цикл.
Второй цикл связан с назначением и фиксированием другого четкого значения
одной из переменных в наборе lll VVN ,, , например, lV . Оно должно принад-
лежать с µ = 1 терму, который является прилегающим к самому левому на нечеткой
шкале этой переменной. Затем, как и в предыдущем цикле, переменной lN последова-
тельно назначаются значения разных термов.
Далее выполняются циклы экспериментов, связанные, во-первых, с фиксированием
для переменной lV значений, принадлежащих следующему по нечеткой шкале терму;
во-вторых, варьированием значений переменной lN . Значения ll VN , при этом ос-
таются неизменными, соответствующими самому левому терму. Поэтому переменную
lV называют варьируемой второй.
Сильнова С.В., Пузырникова Е.А.
«Искусственный интеллект» 4’2009 306
5С
Когда проведен цикл экспериментов, в котором варьируемая второй переменная
принимает значение, соответствующее самому правому терму ее шкалы, для одной из
переменных в наборе ll VN , , например, lN , назначают новое четкое значение,
принадлежащее с µ = 1 терму, прилегающему к самому левому на ее шкале. Перемен-
ной, варьируемой второй, назначают значение самого левого терма шкалы. Следующие
циклы экспериментов связаны с последовательным изменением значений переменных
lN и lV , как было описано выше. Далее назначается и фиксируется следующее по
шкале значение lN , варьирование lN и lV повторяется. Переменная lN расс-
матривается в данном случае как варьируемая третьей.
Значение последней переменной lV остается неизменным до тех пор, пока не
будет проведен цикл экспериментов, в котором для переменных, варьируемых третьей и
второй, фиксированы значения самых правых термов их шкал. Тогда для lV назначают
и фиксируют значение, соответствующее следующему по шкале терму, и повторяют
последовательное изменение значений lN , lV , lN . Переменная lV в данном случае
является варьируемой четвертой.
Таким образом, последний цикл экспериментов связан с варьированием значе-
ний lN при значениях lll VVN ,, , принадлежащих самым правым термам их не-
четких шкал.
Описанная совокупность экспериментальных исследований образует группу,
которая определяется последовательностью переменных, варьируемых второй, третьей
и четвертой. Она может быть произвольной, поэтому при заданной переменной, варьи-
руемой в первую очередь, число таких групп равно шести.
Проведение экспериментальных исследований
Экспериментальные исследования проводились для двух больших групп экс-
периментов, включающих по шесть малых, состоящих из 125 циклов экспериментов.
Для каждого цикла улучшение текущей ситуации соответствует увеличению значений
рассматриваемой определяющей управляемой переменной. Результаты выводов –
рекомендуемые значения управляющих переменных – записывают для дальнейшего
анализа, который заключается в сравнении их между собой в пределах одного цикла.
Затем подсчитывают число несоответствий для направления вектора значений управ-
ляемых переменных и рекомендуемого значения управляющей переменной. Такие
результаты названы неожидаемыми.
Наличие неожидаемых результатов обусловлено спецификой применения нечетких
моделей для описания ситуаций и нечеткого вывода в алгоритмах поддержки принятия
решений.
В случае получения неожидаемого результата необходимо оценить его относитель-
ную величину. Пусть между собой сравниваются два значения управляющей переменной
1U и 2U , при этом текущая ситуация, для которой будет рекомендовано 2U , оценена как
лучшая, чем ситуация для 1U . Однако при сравнении получено соотношение 21 UU –
неожидаемый результат. Его относительная величина рассчитывается как
1
21 ||
U
UUq
.
Количество неожидаемых результатов определяется тем, какая управляемая пе-
ременная выбрана в качестве варьируемой первой. Поэтому для двух больших групп
экспериментов этот показатель имеет одинаковое значение. Данные описанного иссле-
дования для управляющих переменных lN и lЦ сведены в табл. 1.
Исследование валидности правил в системе поддержки принятия решений...
«Штучний інтелект» 4’2009 307
5С
Таблица 1 – Анализ количества неожидаемых результатов для переменных lN
и lЦ при варьировании определяющих переменных
Группа
эксперимен-
тов
Количество
неожидае-
мых
результатов,
N
Процент
неожидае-
мых
результатов
Суммарное
|| 21 UU
Суммарная
относительная
величина
неожидаемых
результатов, q
Суммарная средняя
относит. величина
неожидаемых
результатов, q/N
Управляющая переменная lN
1 31 4,96 106,3922 7,368394 0,2376901
2 25 4 23,58233 1,228608 0,0491443
Среднее 28 4,48 64,98727 4,298501 0,143417
Управляющая переменная lЦ
1 28 4,48 6323,735 0,40147 0,014338
2 30 4,8 6219,101 0,374423 0,012481
Среднее 29 4,64 6271,418 0,387947 0,01341
Таким образом, при исследовании адекватности предложенного алгоритма под-
держки решений при управлении объемом/темпом предложения lN и ценой продукции
lЦ на территориальном рынке выявлено, что направления изменения текущей ситуации
и управляющих переменных совпадают в подавляющем большинстве правил. Число нео-
жидаемых результатов в среднем можно оценить как 4,48% случаев для переменной lN и
4,64% случаев для переменной lЦ . Относительные величины неожидаемых результатов
составляют 4,29 и 0,38 соответственно.
Пример использования СППР при управлении сбытом
Работа нечеткого алгоритма для управления сбытом продукции может быть про-
иллюстрирована следующим образом.
Предложено смоделировать четыре ситуации на территориальном рынке (базовый
период времени и три периода времени с разницей 10 дней). Ситуацию в базовый пе-
риод времени сравнивают с ситуациями в периоды I – III и оценивают полученные
результаты.
На первом этапе задаются исходные данные для определения показателей ка-
чественного состояния территориального рынка в четырех указанных ситуациях. Расчет
выполняется согласно методике, описанной в [4]. Также задается спрос на продукцию
спр
lN за интервал времени 10 дней, предложение продукции на рынке предл
lN , базовая
стоимость С продукции, текущая цена продукции tЦ [5]. Базовая стоимость С представ-
ляет собой цену продукции дистрибьютора. В данной работе принято, что текущая цена
продукции tЦ превышает базовую стоимость на 20%.
Второй этап связан с расчетом обеспеченности спроса lN и изменения качест-
венного состояния рынка lV и скоростей их изменения lN , lV для анализируемых
периодов времени в сравнении с базовым [4].
На третьем этапе на основе базы правил СППР выводится решение об изменении
управляющих переменных lN и lЦ . Исходные данные и решения по управлению сбы-
том продукции приведены в табл. 2.
Сильнова С.В., Пузырникова Е.А.
«Искусственный интеллект» 4’2009 308
5С
Таблица 2 – Исходные данные и решения для управления сбытом продукции
Управляемая переменная
Значение
переменной
в базовый
период
Значение
переменной
в период I
Значение
переменной
в период II
Значение
переменной
в период III
lV Комплексный показатель 63,125 55,3125 45,6875 57,70833
спр
lN Спрос на продукцию 4000 4000 4000 4000
предл
lN Предложение продукции 3325 3644 4000 3941
С Базовая стоимость
продукции, руб. 11913 12596 12749 11194
tЦ Текущая цена продукции,
руб. 14892 15746 15937 13993
lN Обеспеченность спроса,
% 16,8 8,90 0,00 1,48
lN Скорость изменения, % – 0,80 –0,84 – 0,51
lV Изменение качественного
состояния рынка, % – 12,38 – 27,62 – 8,58
lV Скорость изменения, % 0,00 – 1,52 0,19
t Время, дни 10 дней
Решение
lN Объем/темп
предложения, % – 0,139 – 17,76 0,50
lЦ Цена продукции, руб. 15797 14675 14228
В периоде I управляемые переменные принимают следующие значения: обеспе-
ченность спроса lN «незначительный дефицит», скорость изменения lN – «незна-
чительное уменьшение», изменение показателя качественного состояния рынка lV –
«значительное уменьшение» с функцией принадлежности µ = 0,24 или «незначи-
тельное уменьшение» с µ = 0,76, скорость изменения lV – «практически никакого
изменения». Ситуацию, сложившуюся в периоде I, можно считать нейтральной, т.к.
происходит незначительное уменьшение дефицита, а показатель качественного состояния
не изменяется. Поэтому, согласно рассмотренному алгоритму предложено незначи-
тельно уменьшить объем/темп предложения продукции lN (на 0,13%) или незначитель-
но увеличить цену продукции lЦ (до 15 797 рублей).
Графическое представление полученных результатов для переменных «объем/ темп
предложения» и «цена продукции» приведены на рис. 2.
Управляемые переменные в периоде II принимают следующие значения: обес-
печенность спроса lN – «малые отклонения от состояния равновесия», скорость из-
менения lN – «незначительное уменьшение», изменение показателя качественного
состояния рынка lV – «значительное уменьшение», скорость изменения lV – «зна-
чительное уменьшение» с µ = 0,52 или «незначительное уменьшение» с µ = 0,47. Та-
ким образом, в периоде II происходит отклонение от состояния равновесия, показатель
качественного состояния рынка значительно уменьшается, ситуация в целом является
неблагополучной. Поэтому предлагается существенно уменьшить (на 17,76 %) объем/
темп предложения продукции lN или существенно снизить (до 14 675 руб.) цену про-
дукции lЦ .
Исследование валидности правил в системе поддержки принятия решений...
«Штучний інтелект» 4’2009 309
5С
lN
%,lN
а) рекомендуемое значение объема/темпа предложения продукции lN
lЦ
l
Ц
б) рекомендуемое значение цены продукции lЦ
Рисунок 2 – Графическое представление результатов
для управляющих переменных в период I
Управляемые переменные в периоде III принимают следующие значения: обес-
печенность спроса lN – «малые отклонения от состояния равновесия» с µ = 0,51 или
«незначительное увеличение» с µ = 0,49, скорость изменения lN – «незначительное
уменьшение», изменение показателя качественного состояния рынка lV – «незначи-
тельное уменьшение», скорость изменения lV – «практически никакого изменения»
с µ = 0,37 или «незначительное увеличение» с µ = 0,63. То есть в периоде III происходит
отклонение от состояния равновесия в сторону уменьшения, показатель качествен-
ного состояния незначительно увеличивается, и ситуация считается неблагополучной, но
улучшающейся. Поэтому предлагается незначительно увеличить (на 0,5%) объем/темп
предложения продукции lN или незначительно увеличить (до 14 228 руб.) цену про-
дукции lЦ .
Рассмотрены четыре смоделированные ситуации на территориальном рынке
продукции. За исходную принята нейтральная ситуация на территориальном рынке в
базовый период времени. Поочередно с ней сравнивают ситуации в I – III периоды
времени. По результатам сравнения ситуации в I период времени с базовым периодом
было предложено незначительно уменьшить объем предложения или незначительно
увеличить цену продукции. В реальности в период времени II предприятие увеличило
цену на 200 руб. и увеличило объем предложения, что привело к насыщению спроса.
В период времени II ухудшился показатель качественной оценки рынка, что означает
ухудшение ситуации в целом – ситуация становится неблагоприятной. Предложено
существенно снизить цену или объем предложения продукции. Предприятие в пе-
риоде времени III снижает цену даже на большую величину, чем предлагается алгорит-
мом, и незначительно снижает объем предложения продукции. Качественное состояние
рынка незначительно улучшается, и в целом ситуация считается неблагополучной, но
улучшающейся. Поэтому предлагается незначительно увеличить объем/темп предло-
жения продукции или незначительно увеличить (до 14 228 руб.) цену продукции.
Сильнова С.В., Пузырникова Е.А.
«Искусственный интеллект» 4’2009 310
5С
Выводы
Предложено проводить исследование адекватности алгоритмов поддержки приня-
тия решений с помощью исследования валидности базы правил. Проведенные исследо-
вания позволяют сделать вывод о валидности базы правил для управляющих переменных
«объем/темп предложения продукции на территориальном рынке» и «цена продукции»
для уровня управления сбытом, поскольку направления изменения текущей ситуации и
управляющих переменных совпадают в подавляющем большинстве правил. Число
неожидаемых результатов для управляющих переменных в среднем можно оценить как
4,48% и 4,64% случаев соответственно.
Проиллюстрирована работа нечеткого алгоритма поддержки принятия решений при
управлении сбытом продукции. На основе реальных данных предприятия смоделированы
последовательные ситуации, что позволило сопоставить и проанализировать решения,
предлагаемые СППР и принятые предприятием. Экспериментальные исследования пока-
зали адекватность рекомендуемых управленческих решений.
Результаты проведенных исследований поддержаны грантом РФФИ № 07-08-005389
«Поддержка принятия решений по управлению сложными динамическими объектами в
критических ситуациях на основе инженерии знаний» на 2007 – 2009 гг.
Литература
1. Ильясов Б.Г. Система поддержки принятия решений при управлении производством в условиях
рынка / Б.Г. Ильясов, Р.Г. Валеева, С.В. Сильнова [и др.] // Мехатроника, автоматизация, управление. –
2007. – № 3. – С. 40-45.
2. Валеева Р.Г. Интеллектуальная система управления производством и сбытом / Р.Г. Валеева,
С.В. Сильнова, Е.А. Пузырникова // Мехатроника, автоматизация, управление. – 2008. – № 1. – С. 47-51.
3. Методы робастного, нейро-нечеткого и адаптивного управления : учебник; под ред. Н.Д. Егупова. –
М. : МГТУ им. Н.Э. Баумана, 2002. – 744 с.
4. Ильясов Б.Г. Управление производственной системой с использованием нечеткой логики / Б.Г. Ильясов,
С.В. Сильнова, Г.Р. Полюдова // Мехатроника, автоматизация, управление. – 2005. – № 11. –
С. 42-47.
5. Портал для эмитентов ценных бумаг и инвесторов. – Режим доступа : http://www.lin.ru/db/emitent
С.В. Сильнова, Є.О. Пузирнікова
Дослідження валідності правил у системі підтримки прийняття рішень при управлінні збутом
У статті розглядаються питання створення системи підтримки прийняття рішень при управлінні збутом
продукції у конкурентних умовах ринку. Основну увагу присвячено дослідженню валідності бази правил
для підтвердження адекватності алгоритмів підтримки прийняття рішень. Проведені дослідження
показали валідність правил і дозволили проаналізувати рішення управління, що рекомендуються. Наведений
приклад використання системи підтримки прийняття рішень на основі реальних даних підприємства.
S.V. Silnova, E.A. Puzyrnikova
The Validation Research of Rules in Decision Support System at Sales Management
Questions of a decision support system forming are considered, which is used for sales management in competitive
conditions of the market. The main attention is devoted validation research of rules for confirmation of
decision support algorithms adequacy. The researches have shown rules validation and have allowed to analyze
system recommended decisions. The example of decision support system usage based on the real enterprise
data is proposed.
Статья поступила в редакцию 14.07.2009.
|
| id | nasplib_isofts_kiev_ua-123456789-8185 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-11-30T15:14:11Z |
| publishDate | 2009 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Сильнова, С.В. Пузырникова, Е.А. 2010-05-14T09:17:52Z 2010-05-14T09:17:52Z 2009 Исследование валидности правил в системе поддержки принятия решений при управлении сбытом / С.В. Сильнова, Е.А. Пузырникова // Штучний інтелект. — 2009. — № 4. — С. 302-310. — Бібліогр.: 5 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/8185 [681.5:658.5]:681.3 В статье рассматриваются вопросы создания системы поддержки принятия решений при управлении сбытом продукции в конкурентных условиях рынка. Основное внимание посвящено исследованию валидности базы правил для подтверждения адекватности алгоритмов поддержки принятия решений. Проведенные исследования показали валидность правил и позволили проанализировать рекомендуемые управленческие решения. Приведен пример использования системы поддержки принятия решений на основе реальных данных предприятия. У статті розглядаються питання створення системи підтримки прийняття рішень при управлінні збутом продукції у конкурентних умовах ринку. Основну увагу присвячено дослідженню валідності бази правил для підтвердження адекватності алгоритмів підтримки прийняття рішень. Проведені дослідження показали валідність правил і дозволили проаналізувати рішення управління, що рекомендуються. Наведений приклад використання системи підтримки прийняття рішень на основі реальних даних підприємства. Questions of a decision support system forming are considered, which is used for sales management in competitive conditions of the market. The main attention is devoted validation research of rules for confirmation of decision support algorithms adequacy. The researches have shown rules validation and have allowed to analyze system recommended decisions. The example of decision support system usage based on the real enterprise data is proposed. ru Інститут проблем штучного інтелекту МОН України та НАН України Интеллектуальные системы автоматизации научных исследований, проектирования и управления Исследование валидности правил в системе поддержки принятия решений при управлении сбытом Дослідження валідності правил у системі підтримки прийняття рішень при управлінні збутом The Validation Research of Rules in Decision Support System at Sales Management Article published earlier |
| spellingShingle | Исследование валидности правил в системе поддержки принятия решений при управлении сбытом Сильнова, С.В. Пузырникова, Е.А. Интеллектуальные системы автоматизации научных исследований, проектирования и управления |
| title | Исследование валидности правил в системе поддержки принятия решений при управлении сбытом |
| title_alt | Дослідження валідності правил у системі підтримки прийняття рішень при управлінні збутом The Validation Research of Rules in Decision Support System at Sales Management |
| title_full | Исследование валидности правил в системе поддержки принятия решений при управлении сбытом |
| title_fullStr | Исследование валидности правил в системе поддержки принятия решений при управлении сбытом |
| title_full_unstemmed | Исследование валидности правил в системе поддержки принятия решений при управлении сбытом |
| title_short | Исследование валидности правил в системе поддержки принятия решений при управлении сбытом |
| title_sort | исследование валидности правил в системе поддержки принятия решений при управлении сбытом |
| topic | Интеллектуальные системы автоматизации научных исследований, проектирования и управления |
| topic_facet | Интеллектуальные системы автоматизации научных исследований, проектирования и управления |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/8185 |
| work_keys_str_mv | AT silʹnovasv issledovanievalidnostipravilvsistemepodderžkiprinâtiârešeniipriupravleniisbytom AT puzyrnikovaea issledovanievalidnostipravilvsistemepodderžkiprinâtiârešeniipriupravleniisbytom AT silʹnovasv doslídžennâvalídnostípravilusistemípídtrimkipriinâttâríšenʹpriupravlínnízbutom AT puzyrnikovaea doslídžennâvalídnostípravilusistemípídtrimkipriinâttâríšenʹpriupravlínnízbutom AT silʹnovasv thevalidationresearchofrulesindecisionsupportsystematsalesmanagement AT puzyrnikovaea thevalidationresearchofrulesindecisionsupportsystematsalesmanagement |