МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

ОДЕСЬКИЙ ДЕРЖАВНИЙ МОРСЬКИЙ

УНІВЕРСИТЕТ

Карповська-Скорик Катерина Юхимівна

УДК 658.511.011.56

ЕКСПЕРТНІ СИСТЕМИ

В МАРКЕТИНГОВІЙ ДІЯЛЬНОСТІ ПІДПРИЄМСТВА

Спеціальність 08.03.02 — економіко – математичне моделювання

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата економічних наук

Одеса — 2001

Дисертацією є рукопис.

Робота виконана на кафедрі обчислювальної техніки та інформаційних систем в економіці Одеського державного економічного університету Міністерства освіти і науки України.

Науковий керівник: доктор економічних наук, доцент

Соколовська Зоя Миколаївна,

Одеський державний економічний університет,

в. о. професора кафедри обчислювальної техніки та інформаційних систем в економіці

Офіційні опоненти: доктор економічних наук, професор

Ревенко Валерій Лук’янович,

Міжнародний науково-навчальний центр інформаційних технологій та систем НАН України та Міністерства освіти і науки України, провідний науковий співробітник

кандидат економічних наук, доцент

Мазарчук Андрій Юрійович,

Технологічний університет Поділля (м. Хмельницький),

доцент кафедри автоматизованих систем та моделювання в економіці

Провідна установа: відділ секторальних прогнозів та кон’юнктури ринків, Інститут економічного прогнозування НАН України

(м. Київ)

Захист відбудеться “__”________________2001 р. о _______ годині на засіданні спеціалізованої вченої ради Д 41.060.02 Одеського державного морського університету за адресою: 65029, м. Одеса, вул. Мечнікова, 34.

З дисертацією можна ознайомитись у бібліотеці Одеського державного морського університету.

Автореферат розісланий “___”________2001 р.

Вчений секретар

спеціалізованої вченої ради

к.е.н., доц. Холоденко А.М.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ.

Актуальність теми. Сучасний етап розвитку економіки України передбачає якісно новий підхід до підвищення ефективності управління підприємствами – найважливішими суб'єктами господарювання. Поступово формується новий, маркетинговий підхід до рішення проблем управління виробництвом і реалізацією товарів і послуг в інтересах споживачів.Сфера маркетингу охоплює рішення широкого спектра питань, починаючи від дослідження ринкового попиту і визначення комерційних стратегій підприємства, до дослідження можливостей виробництва і збуту, організації реклами і т.і.

Умови, в яких розгортається маркетингова діяльність підприємств в Україні, є в край нестабільними. Через це необхідні нові підходи, що відображають економічну ситуацію в країні; особливо гнучкі методи дослідження, що дозволили б оперативно реагувати на конкретні ситуації на ринку і у внутрішній господарській діяльності підприємства.

Для розв’язання поставленої проблеми можна використати прогностичні методи маркетингових досліджень.

Однак, існують складні проблеми. Традиційні методи прогнозу мають об'єктивні недоліки, що перешкоджають їх ефективному використанню в розв’язанні конкретних задач управління. Ряд методів перестали працювати в сучасних економічних умовах України через відсутність достовірної інформації, необхідної для проведення прогнозу.

Через це актуальним є використання нечітких методів прогностики, які практично не застосовуються у практиці роботи вітчизняних підприємств.

Необхідна розробка методики застосування зазначених методів у прогнозуванні і плануванні маркетингової діяльності підприємств —визначення конкретних сфер їх застосування, формування умов та математичної постановки задач, що розв'язуються; інформаційного і програмного забезпечення досліджень.

Поняття, якими оперують у різних областях аналізу економічних процесів і знань, виявляються насправді занадто складними і витонченими для того, щоб можна було скористатися традиційно пануючою логікою, у якій центральна роль відведена тільки точним, добре визначеним кількісним міркуванням.

Тільки за допомогою особливо гнучких методів стає можливою розробка і прийняття дійсне ефективних управлінських рішень.

Таким чином, відсутність однозначного теоретичного обґрунтування і відповідних практичних наробок визначили вибір теми дисертаційного дослідження і її актуальність.

У процесі роботи над дисертацією автор спирався на роботи вчених, що спеціалізуються в даній проблематиці: Борисова А.Н., Заде Л., Крастиня О.П., Попова Э.В.

Зв'язок роботи з науковими програмами, планами, темами. В основу дисертації покладені теоретичні і практичні розробки автора, що виконувалися в рамках програми, затвердженої Міністерством освіти і науки України(наказ №37 від 13.02.97 р.) - “Економічні проблеми розбудови державності України: важелі та стимули розвитку господарчих систем” (тематичний план міжвузівських наукових і науково-технічних програм на 1997-1999 р., №68).

Мета і задачі дослідження. Метою дисертаційної роботи є підвищення ефективності роботи промислових підприємств на основі теоретичного обгрунтування і розвитку методів прогнозування та стратегичного планування їх маркетингової діяльності в умовах недостатності вхідних даних.

Виходячи з поставленої мети дослідження, у роботі визначені та розв’язані наступні задачі:

- на основі філософії маркетингу проаналізувати застосовність відомих методів прогнозування стосовно специфіки економіки України;

- розвити відомі методи прогнозування при стратегічному плануванні і розробити економіко-математичні моделі й алгоритми, що формалізують процеси прийняття прогностичних рішень на базі нечіткої логіки з кількісними і якісними параметрами стану ринку;

- вирішити задачі інформаційного забезпечення маркетингових досліджень на базі нечіткої логіки;

- виявити необхідність і можливість застосування експертних систем для нечіткого прогнозування і стратегічного планування промислового виробництва;

- із застосуванням запропонованих моделей і алгоритмів розробити експертну систему прогнозування на основі малого числа спостережень і узагальнити досвід практичного використання експертної системи.

Об’єкт дослідження. Об’єкт дослідження-маркетингова діяльність промислового підприємства (об’єднання, фірми) незалежно від форм власності.

Предмет дослідження. Предметом дослідження є теоретичні та практичні аспекти використання апврату експертних систем в прогнозуванні та плануванні маркетинговой діяльності підприємства.

Методи дослідження. Теоретичною основою дисертаційної роботи є праці вітчизняних і закордонних учених із проблем маркетингу, моделювання і прогнозування економічних процесів, а також використання сучасних інформаційних технологій в управлінні маркетинговою діяльністю виробничих об'єктів. В роботі використані методи аналізу та синтезу; ідеї, принципи і підходи застосування нечітких множин, нечіткої логіки лінгвістичних змінних та інших понять теорії нечітких множин для прогнозування і планування промисловості.

Наукова новизна отриманих результатів дослідження. Наукова новизна розробленого методу полягає в тому, що на відміну від традиційних методів прогнозування (які використовують результати теорії імовірності, математичної статистики і бінарної логіки), запропоновано метод, заснований на застосуванні апарата теорії нечітких множин. Це дозволяє моделювати причинно-наслідкові зв'язки між прогнозом і параметрами стану ринку в термінах обмеженої природної мови, звільняючи маркетологів від трудомістких процесів збору й обробки великих масивів статистичних даних при стратегічному плануванні.

Базою розробленого методу є наступні нові наукові результати:

1.

2.

3.

4.

5.

Практичне значення одержаних результатів. Практичне значення роботи полягає в тому, що розроблена методика застосування нечітких прогностичних методів дозволяє істотно підвищити рівень ефективності управлінських рішень, прийнятих у сфері маркетингової діяльності підприємства. Це сприяє визначенню оптимальних (у конкретних ситуаціях) маркетингових стратегій підприємства, а також оцінці його виробничих можливостей щодо запуску у виробництво нової продукції, яка користується попитом. Крім того, це сприяє своєчасному вживанню заходів щодо “вузьких місць”, які виникають у виробництві і збуті; запобіганню й усуненню негативних впливів з боку внутрішнього і зовнішнього середовища підприємства.

Результати досліджень упроваджені на ряді промислових підприємств, зокрема, ВАТ “Спецавтоматика” (акт № 98 від 16.12.2000 р.), ВАТ “Автотранспортне підприємство -15165” (акт №31 від 20.11.2000 р.).

Апробація результатів дисертації. Результати досліджень доповідалися автором та отримали позитивні відгуки на ряді конференцій, у тому числі : Ювілейний конгрес “25 років теорії нечітких множин” (м. Торонто, Канада, 1990),Міжнародна науково-практична конференція “Соціально-економічні проблеми перехідних процесів в народном господарстві” (м.Харьків, Україна, 1996), Міжнародна науково-практична конференція “Маркетинг у системі управління виробництвом” (м. Київ, Україна, 1996).

Публікації. По темі дисертації опубліковано 8 наукових праць, з них 4 наукові праці у виданнях, затверджених ВАК України, з них 2 монографії, 2 статті в науково-аналітичних журналах. Загальний обсяг опублікованих робіт, опублікованих у виданнях, затверджених ВАК України-14,5 др.ар

Структура дисертації.Дисертація складається зі вступу, трьох розділів і висновків, викладених на 156 сторінках машинописного тексту, містить 37 малюнків (загальним обсягом 14 сторінок)і 20 таблиць (загальним обсягом 6 сторінрк). Дисертація також містить список використаних літературних джерел, що складається з 121 найменування на 10 сторінках машинописного тексту.

ОСНОВНИЙ ЗМІСТ ДИСЕРТАЦІЙНОЇ РОБОТИ.

У вступі обгрунтовано актуальність вибраної теми, з’ясовано стан вивчення проблеми, сформульовано мету і завдання дослідження, науково-практичне значення та новизну роботи.

В першому розділі “Обґрунтування застосовності методів прогнозування в маркетингових дослідженнях” були розглянуті деякі відомі традиційні методи прогнозування, що знайшли застосування в економіці. На основі виконаного аналізу встановлено, що методи, засновані на прямій екстраполяції та інших класичних прийомах обробки статистичної інформації, для стратегічного прогнозування, як правило, не прийнятні, тому що в умовах коротких часових рядів динаміки їхнє застосування не є коректним. Методи, засновані на експертизах, що базуються на непрямій інформації і суб'єктивних оцінках, обмежено прийнятні, тому що результати, отримані таким шляхом, звичайно не користуються довірою.

Таким чином, усі розглянуті в даному розділі методи прогнозування, у силу відомих причин, не можуть бути використані при стратегічному плануванні.

Виходячи зі специфіки маркетингових досліджень в умовах економіки України, найбільш прийнятним варто вважати метод нечіткого прогнозування на основі істотно малого числа спостережень у сполученні з розробкою експертних систем, що сприяють усуненню недоліків, властивих перерахованим раніше методам прогнозування.

Необхідність такого сполучення методів прогнозування обумовлена наступними причинами:

По-перше, у нових умовах ринкової економіки статистичні показники не мають довгих рядів спостережень. У той же час класичні методи аналізу часових рядів вимагають, щоб довжина ряду в 4-6 разів перевищувала величину інтервалу прогнозування.

По-друге, найважливіші вимоги, які необхідно дотримувати при використанні перерахованих вище (класичних) методів прогнозування полягають у тому, щоб забезпечувати однорідність, коректність і конкретність вхідних даних. На жаль, ці вимоги не можуть виконуватися на сучасному етапі розвитку економіки України.

Крім того, складність використання класичних методів прогнозування обумовлена тим, що в економіці країни існує різноманіття форм власності і прагнення до перекручування звітності як унаслідок комерційної таємниці, так і прагнення до приховання доходів.

Необхідність застосування методу прогнозування на основі малого числа спостережень у сполученні з експертними системами сприяє рішенню неформалізованих задач, що в основному мають такі характеристики як помилковість, неоднозначність, неповнота і суперечливість вхідних даних та знань про проблемну галузь. Цим задачам властиві дані та знання, що швидко змінюються. Саме такі умови переважають в економіці країни в останні роки і, тим самим, характеризують її нинішній стан. На наш погляд, доцільність використання відомих властивостей експертних систем, у тому числі, розроблених правил продукції для прогнозування з застосуванням комп'ютерної техніки, відкриває можливість позитивного рішення поставлених задач, а також усуває зазначені недоліки відомих підходів і методів.

Запропоновані варіанти прогнозування - метод прогнозування на основі малого числа спостережень і експертні системи - сприяють проведенню необхідних розрахунків в умовах невизначеності (неточності) і нечіткості вхідних даних, що неможливо забезпечувати "стандартним" методом.

Розглянуті методи прогнозування дозволяють зробити наступні висновки:

Метод нечіткого прогнозування найбільш ефективний в умовах малого обсягу вхідної статистичної інформації.

Експертні системи припускають можливість використовувати практичний досвід і знання (евристики фахівців-експертів) для створення баз знань з метою рішення важко формалізованих задач. База знань здатна підтримувати міркування експертів при сумнівних (нечітких, неточних) даних.

В цілому, сполучення методу нечіткого прогнозування і експертних систем може дозволити здолати відзначені вище труднощі прогнозування економічних показників при рішенні задач стратегічного планування.Це робить доцільним створення нового методу прогнозування на основі розвитку апарата теорії нечітких множин.

У другому розділі “Загальні принципи прийняття рішень у маркетинговій діяльності підприємства” розроблені математичні моделі і алгоритми, що дозволяють формалізувати процедури прийняття прогностичних рішень на базі нечіткої логіки при кількісних і якісних параметрах стану ринку, а також математичні моделі функцій приналежності, що дозволяють представити кількісні і якісні параметри стану ринку у вигляді нечітких множин.

Введемо основні формалізми, необхідні для визначення матриці нечітких знань — носія експертної інформації, на базі якої будуть розроблятися моделі й алгоритми маркетингової прогностики.

Будемо позначати:

d — деякий вихідний параметр, значення якого визначає прогноз ринку в розглянутому секторі економіки;

х — вхідні параметри, що характеризують стан ринку і впливають на прогноз d, тобто

d=f(х)=f(х1,x2,...,xn), (1)

де f- деяка функція, що встановлює зв'язок між змінними xi (і=1,2,...,n) та d.

В залежності від областей зміни параметрів xi та d ці параметри можуть бути кількісними чи якісними.

Області зміни кількісних параметрів визначимо у вигляді діапазонів:

U(i) = [ximin, ximax], (2)

W=[dmin, dmax], (3)

де ximin і ximax— відповідно нижнє (верхнє) значення вхідного параметра xi;

dmin і dmax — відповідно нижнє (верхнє) значення вихідного параметра d.

Дискретні множини всіх можливих значень якісних параметрів визначимо в такий спосіб:

U(i) ={v(i)min,v(i)1,v(i)2,...,v(i)max}, (4)

W={Wmin,W1,W2,...,Wmax}, (5)

де v(і) — бальна оцінка, що відповідає найменшому (найбільшому) значенню вхідного параметра x(і);

W — бальна оцінка, що відповідає найменшому (найбільшому) значенню вихідного параметра d.

Нехай х — вектор параметрів стану конкретного ринку. Задача маркетингової прогностики полягає в тому, щоб на основі інформації про вектор х визначити прогноз d. Необхідною умовою формального рішення такої задачі є наявність залежності типу (1). Для встановлення цієї залежності будемо розглядати параметри вектора х і прогноз d як лінгвістичні змінні, задані на універсальних множинах (2), (3) чи (4), (5).

Для оцінки лінгвістичних змінних х(і) і d будемо використовувати якісні терми з наступних терм -множин:

A(і)={a(і)1, a(і)2,...,a(і)l} — терм-множина змінної x(і);

D={d1,d2,...,dm} — терм-множина змінної d,

де a(і)p — р-й лінгвістичний терм параметра x(і);

dj — j-й лінгвістичний терм параметра d, що збігається з назвою j-го прогнозу;

m — число різних прогнозів у розглянутій галузі економіки.

Потужності терм-множин А(і) у загальному випадку можуть бути різні.

Назви окремих термів a(і) можуть також відрізнятися друг від друга для різних лінгвістичних змінних x(і).

Лінгвістичні терми a(і)p будемо розглядати як нечіткі множини, задані на універсальних множинах U(і) та W, визначених співвідношеннями (2) - (5).

У випадку кількісних параметрів x(i)та d нечіткі множини a(і)p та dj визначимо співвідношеннями:

x(i)max

a(i)p = m(a(i)p,x(i))/x(i), (6)

x(i)min

dmax

dj = m(dj,d)/d (7)

dmin

де m(a(і)p,x(і)) — функція приналежності значення вхідного параметра x(і) терму a(і)p;

m(dj,d) — функція приналежності значення вихідного параметра d терму-прогнозу dj.

У випадку якісних параметрів x(i) та d нечіткі множини a(i)p та dj визначимо як:

q(i)

a(i) p = m(a(i) p,v(i)k)/v(i)k, (8)

k=1

qm

dj = m(dj,w(r))/w(r), (9)

r=1

де m(a(i) p,v(i)k)-ступінь приналежності елемента v(і)k терму a(і)p;

m(dj,w(r))— ступінь приналежності елемента w(r) терму-прогнозу d(j).

Візьмемо N ринкових ситуацій у розглянутій галузі економіки і розподілимо їх у такий спосіб:

N =k(1) + k(2) + ... + k(m) ,

де k(j) — число ринкових ситуацій із прогнозом d(j);

m — число прогнозів.

Передбачається, що N < l1*l2*...l n, тобто число відібраних ринкових ситуацій менше повного перебору різних сполучень рівнів l(і) зміни параметрів стану ринку.

Пронумеруємо ринкові ситуації в такий спосіб:

11,12,...,1k1 — номера ринкових ситуацій із прогнозом d1;

21,22,...,2k2 — номера ринкових ситуацій із прогнозом d2;

...

j1, j2, ...,jkj — номера ринкових ситуацій із прогнозом dj;

...

m1, m2, ...,mkm — номера ринкових ситуацій із прогнозом dm .

Матрицею знань назвемо таблицю 1, сформовану за такими правилами (див. табл. 1):

1) Розмірність цієї матриці дорівнює (n+1) х N, де (n+1) — число стовпців, а N — число рядків.

Таблиця 1

Матриця знань

Номера ситуацій

ринку | Параметри стану ринку | Прогноз d

x1 | x2 | ... x(i) ... | x(n)

11

12

...

1k1 | a1,11

a1,12

...

a1,1k1 | a2,11

a2,12

...

a2,1k1 | ...ai,11...

...ai,12...

... ...

...ai,1k1... | an,11

an,12

...

an,1k1 |

d1

... | ... | ... | ... ... | ... | ...

j1

j2

...

jkj | a1,j1

a1,j2

...

a1,jkj | a2,j1

a2,j2

...

a2,jkj | ...ai,j1...

...ai,j2...

... ...

...ai,jkj... | an,j1

an,j2

...

an,jkj |

dj

... | ... | ... | ... ... | ... | ...

m1

m2

...

mkm | a1,m1

a1,m2

...

a1,mkm | a2,m1

a2,m2

...

a2,mkm | ...ai,m1...

...ai,m2...

... ...

...ai,mkm... | an,m1

an,m2

...

an,mkm |

dm

2) Перші n стовпців матриці відповідають параметрам x(і) стану ринку, а (n+1)-ий стовпець відповідає прогнозам d(j).

3) Рядки матриці відповідають ринковим ситуаціям з різними прогнозами: перші k1 рядків відповідають прогнозу d1, другі k2 рядків прогнозу d2, ..., останні km рядків — прогнозу dm.

4)

Матрицю можна описати системою рівнянь:

kj n

U [&{x(i)=ai,jp}] > d(j) (10)

p=1 i=1

Представлення параметрів стану ринку у вигляді лінгвістичних змінних з нечіткими термами дозволило описати причинно-наслідкові зв'язки "параметри стану - прогноз" природною мовою за допомогою нечітких логічних висловлень.

Введення матриці знань дозволило формалізувати перехід від фактографічних даних або даних досвіду експертів до опису ринкової ситуації у вигляді нечітких логічних висловлень, що зв'язують лінгвістичні перемінні прогнозу і параметрів стану ринку. Перехід від матриці знань до нечітких логічних рівнянь дозволив зв'язати функції приналежності прогнозів і параметрів станів ринку, а потім вибрати прогноз з найбільшим значенням функції приналежності для конкретного набору кількісних параметрів стану ринку.

Для застосування розроблених функцій приналежності необхідно і достатньо мати наступну інформацію: назва параметра, діапазон його зміни, кількість лінгвістичних термів, назва кожного терму.

Уніфікація функцій приналежності досягається за рахунок того, що різні за економічним змістом кількісні і якісні параметри відображаються на єдину універсальну множину, потужність якої дорівнює числу термів, і на якій задані нечіткі підмножини кожного з термів.

Генерація функцій приналежності довільним числом лінгвістичних термів забезпечується шляхом апроксимації цих функцій трикутниками з наступним застосуванням операції стиску-розтягання, що дозволяє адаптувати трикутні функції до експериментальних (експертних) даних за рахунок підбору тільки одного параметра. У цьому полягає новизна запропонованого генератора функцій приналежності, у порівнянні з відомим (L-R) представленням.

Новизна розроблених математичних моделей і алгоритмів полягає в тому, що вони узагальнюють відомі в алгебрі нечітких множин операції на випадок усієї матриці знань, що дозволяє враховувати довільне число параметрів стану ринку, даних експертів і довільне число фактографічних даних.

У третьому розділі — “Експертні системи для нечіткого прогнозування і стратегічного планування маркетингової діяльності”- описується розробка конкретної експертної системи на основі оболонки MARKES.

Оскільки MARKES, як оболонка, містить у готовому вигляді основні програмні компоненти, визначена структура баз знань, баз даних, параметри оболонки пристосовані до особливостей конкретної проблемної галузі.

Ціль запропонованого алгоритму нечіткого планування (рис1) полягає в підвищенні якості планування за рахунок обліку значень функції довіри нечіткої цільової змінної плану та нечітких змінних плану, що впливають на значення цієї функції.

Застосування алгоритму нечіткого планування вимагає рішення прямої і зворотної задач для нечітких відносин. Пряма задача полягає у визначенні невідомого значення лінгвістичної змінної з використанням відомих значень лінгвістичних і чисельних змінних, що входять в опис ринкової ситуації та містять у собі питання лінгвістичної апроксимації і точної інтерпретації числових категорій, якими доводиться оперувати для лінгвістичного моделювання.

Зворотна задача полягає у визначенні чутливості маркетингового рішення до зміни вхідних лінгвістичних змінних, оптимізації управління при заданих нечітких цільових множинах, що характеризує критерій якості маркетингового рішення, нечітких обмеженнях на параметри ринкової ситуації, і рішенні ряду задач діагностики стану ринку.

Рішення прямої задачі для нечітких відношень може бути представлене наступними кроками:

Крок 1. Визначення нечіткої цільової змінної плану.

Крок 2. Визначення узагальнених оцінок I рівня нечітких змінних, що впливають на нечітку змінну плану.

Одержання узагальнених оцінок I рівня - це процес інтерпретації значень лінгвістичних змінних. Для цього використовуються нечіткі числа (L-R)- типу. При введенні нечітких чисел (L-R)- типу в експертну систему всі лінгвістичні значення по можливості апроксимуються функціями приналежності трикутного вигляду.

Крок 3. Одержання узагальненої оцінки якості плану.

Для одержання узагальненої оцінки якості плану необхідно задати лінгвістичні значення для всіх нечітких змінних плану (які не були задані за допомогою фреймів на попередньому кроці) і нечітку цільову змінну плану.

BEGIN

Вибір набору даних

Одержання узагальненої оцінки I рівня

Одержання узагальненої оцінки якості

варіанта плану

Необхідно ТАК

екстраполювання Екстраполювання рішення

рішення ?

НІ

Екстрапольо- НІ Видача порад,

ване рішення краще пояснень і

за вихідне? рекомендації

ТАК

Виконання рішення

Працювати

далі?

Видача остаточних підсумків

Рис.1. Алгоритм нечіткого планування

Для завдання лінгвістичних значень змінних застосовуються продукційні метаправила з баз знань, що дозволяють експерту й інженеру по знаннях розбивати вхідну задачу на підзадачі, планувати послідовність рішення підзадач і вирішувати їх незалежно.

При виконанні метаправила відбувається оцінка істинності

ANTECEDENTA продукції R(ANTECj),

де R(ANTECj) [0,1]-міра істинності виконання ANTEC продукції j.

Якщо R (ANTECj ) ваги правила > П ,де значення П [0;1] називається порогом запуску продукції, виконується CONSECj .

Процес одержання узагальненої оцінки якості плану аналогічний порівнянню плану з набором еталонів і розглядом його наближеності до одного з них.

Процес одержання узагальненої оцінки складається з:

процесу одержання програми консультації;

активізації мережі продуційних метаправил.

У процесі одержання програми консультації створюються і використовуються дві черги:

черга метаправил;

черга змінних, котрим не задані лінгвістичні значення.

Обидві ці черги відносяться до типу LIFO (LAST INPUT FIRST OUT-PUT) - останній прийшов, перший вийшов.

Рішення зворотної задачі можна представити у вигляді наступних кроків:

Крок 1. Ухвалення рішення про необхідність екстраполяції. Якщо оцінка істинності цільової змінної плану вище деякого граничного значення, що визначає експерт інженер по знаннях, то екстраполяція не потрібна і виконується перехід до кроку 3. Якщо екстраполяція необхідна, то виконується крок 2.

Крок 2. Екстраполяція. Відмітною рисою екстраполяції є прогнозування значень чисельних незалежних параметрів, що впливають на нечіткі змінні плану (негативно позначаються на значенні функції довіри нечіткої цільової змінної плану).

Прогнозування значення незалежних параметрів виконується на основі "уявного" експерименту з використанням нечіткого числа (L-R)-типу.

Крок 3. Якщо екстрапольоване значення краще, ніж вихідне рішення, то перехід до кроку 5 .

Крок 4. Видача порад, пояснень і рекомендацій користувачу про те, які значення повинні приймати незалежні параметри. Користувач приймає своє рішення на основі нечіткого прогнозованої ознаки.

Крок 5. Виконання рішення (видача планів і підсумків), тобто видача значень функції довіри лінгвістичної змінної, що характеризує якість плану.

На основі нечітких оцінок можливої реалізації продукції здійснюється формування замовлень на постачання окремих конкретних найменувань продукції, загальний обсяг яких складає річний план збуту продукції підприємства.

Загальний об'єм цих замовлень складає річний план збуту продукції підприємства. Однак набір замовлень на збут продукції ще не означає, що реально можливо здійснення такого збуту. Необхідно дати оцінку можливостей підприємств по виробництву продукції, що замовляється, тобто можливостей виконання замовлень.

Для узгодження можливостей виконання замовлень на постачання продукції з потужностями підприємства необхідні наступні дані:

1) наявна кількість одиниць устаткування по кожному її виду;

2) норми технологічних витрат часу роботи кожного виду устаткування на виготовлення одиниці кожного виду продукції.

Якщо відомі нечіткі прогнозні значення кількості виробів, що можна буде реалізувати в планованому році, а також потужності підприємства, необхідно в такий спосіб завантажити виробничі потужності, щоб максимізувати прибуток.

Розглянемо, наприклад, підприємство “Світ”, що шиє одяг та реалізує його у своїх торгівельних точках.

Скористаємося математичним програмуванням. Сформулюємо задачу і побудуємо математичну модель.

Таблиця 2.

Статистичні дані для задачі планування виробництва продукції підприємством “Світ”

ПОТУЖНОСТІ | ПРОДУКЦІЯ | Усього

потужності

костюм | джинси

оверлок | 0.25 | 1.25 | 39200

швейна машинка | 5.00 | 3.00 | 780000

розкрійний стіл | 1.25 | 0.75 | 208000

прибуток із 1 одиниці | 28 | 15

0.25 - питомі витрати потужності (робочого часу) оверлоку на виробництво костюма. Аналогічно, інші питомі витрати.

Нечітка цільова функція має вигляд

~Z = {2100,2600,2800}y + {1200,1300,1500}x 1max.

0.25y + 1.25x < 39200

5 y + 3x < 780000

1.25y + 0.75x <208000 основна система обмежень

x < 52277

y < 59944

Вирішимо дану задачу симплексним методом, модифікованим для нечіткого лінійного програмування. Одержимо нечітко-оптимальний план {~x = 19200...19400, ~y = 59800...60040}.

Таким чином, щоб максимізувати прибуток у наявних умовах, необхідно пошити порядку 19300 пара джинсових штанів і 60000 костюмів.

Таблиця 3.

Розрахунок коефіцієнта використання потужностей.

УСТАТКУВАННЯ | Кількість годин, необхідних для виконання програми | Загальна потужність | K u. m.

Оверлок | 14986+24213. 75 = 39199. 75 | 39200 | 99.9

Швейна машинка | 299720 + 58113 = 357833 | 780000 | 45.9

Розкрійний стіл | 74930+14528. 25 = 89458. 25 | 208000 | 43.0

Розрахуємо коефіцієнти використання потужностей (K u.m.).

K u.m. = N/M ,

де N - кількість годин, необхідних для виконання програми;

M - загальна потужність.

Як випливає з табл.3, мають місце низькі коефіцієнти використання потужностей розкрійного столу і швейної машинки.

Визначимо відповідність пропускної спроможності устаткування за допомогою коефіцієнта сполучення (Kc).

Kc = M1/(M2 * Py),

де M1,M2 - потужність устаткування;

Py - питома витрата продукції після першого виду устаткування для другого виду.

Якщо Kc < 1, то це вказує на вузьке місце.

Технологічний процес пошиття наступний:

розкрійний стіл оверлок швейна машинка.

Kc1 = 208000/39200 = 5.3,

тому що продукція проходить все устаткування Py = 1.

Kc2 = 39000/78000 = 0.5 < 1

Оверлок - вузьке місце.

Необхідно вжити заходів для того, щоб розшити вузьке місце і, тим самим, забезпечити задоволення потреб споживачів.

Розрахуємо потужність оверлоку за рік (M):

M = 8 * 5* 52 = 2080 (година),

де 8 - число робочих годин у день;

5 - число робочих днів у тижні;

52 - число тижнів у році.

Таким чином, можна знайти відсутню потужність (Мн) як добуток різниці кількостей джинсових штанів, що можливо реалізувати, і джинсових штанів, що можливо зробити на наявному устаткуванні, та питомих витрат потужності оверлоку на виробництво джинсових штанів

Мн = (52277 - 19371) * 1.25 = 41133.

Розрахуємо тепер відсутню кількість оверлоків (Nн), розділивши відсутню потужність на потужність одного оверлоку;

Nн = 41133/2080 = 20 штук.

Отже, щоб задовольнити попит, необхідно придбати додатково 20 оверлоків.

Тоді одержимо наступні значення коефіцієнтів використання потужностей:

K u.m. шв.маш.= (32876(3+357833)*100%/780000 = 58.5 %

K u.m.розк.стіл = (32876(0.75+89458.25)*100%/208000 = 54.9%

Відома ціна оверлоку - 700 грн. Таким чином, вартість 20 оверлоків складає 14 000 грн.

Однак існує інший спосіб. Можна перевести оверлоки на роботу в 2 зміни. Тоді загальна потужність оверлоків складе:

М общ. = 39200 * 2 = 78400 (година)

Необхідна ж потужність:

М необх. = 52277* 1.25 = 65946.25 (година)

Таким чином, є можливість цілком задовольнити попит за рахунок змін організації виробництва, не роблячи капітальних вкладень в основні фонди.

Зроблено оцінку можливостей підприємства з виробництва продукції, що замовляється, тобто можливостей виконання замовлень, за допомогою методів математичного програмування.

Запропонована методика визначення плану виробництва сприяє підвищенню ефективності роботи промислових підприємств, що доведено в роботі на практичному матеріалі.

ВИСНОВКИ

В результаті виконаних досліджень встановлені можливість і доцільність застосування некласичних економіко-математичних, зокрема, нечітких, методів прогнозування при маркетингових дослідженнях в умовах кризової економіки України. Вирішено задачу розробки методу й експертної системи нечіткого прогнозування на основі маркетингового підходу в умовах недостатності вихідних даних при рішенні задач стратегічного планування для промислового підприємства.

У процесі виконаних досліджень отримані наступні основні наукові і практичні результати:

1. На основі філософії маркетингу вивчені характерні риси кризової економіки України і встановлені необхідність і доцільність розвитку методології та застосування некласичних методів прогнозування в конкретних умовах країни.

2. Сформульовано принципи застосування теорії нечітких множин і лінгвістичних змінних у маркетингових дослідженнях, розвиті відомі методи прогнозування при стратегічному плануванні і розроблені економіко - математичні моделі та алгоритми, що формалізують процеси прийняття рішень на базі нечіткої логіки з кількісними і якісними параметрами стану ринку.

3. Вирішено задачі інформаційного забезпечення маркетингових досліджень шляхом розробки методів і алгоритмів побудови функцій приналежності нечітких терм-множин для прогностичних параметрів за допомогою трикутної апроксимації функції приналежності, що на відміну від відомих, дозволяє настроювати функції, що генеруються шляхом підбора лише одного параметра стиску-розтягання. Розвинуто метод головних компонентів для випадку побудови узагальненої функції приналежності і розроблений нечіткий аналог методу Брауна для прогнозування параметрів стану ринку.

4.

5.

ПублiкацiЇ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

Фаховi видання:

1.

2. Карповская-Скорик Е.Е. Методы нечеткой математики в практике принятия экономических решений – Одесса: Астропринт, 2000. – 88 с.

3. Карповская-Скорик Е.Е. Маркетинговые исследования с нечетким прогнозированием рынка // "Бизнес-информ"- 1997. - N 3. – C. 55-57.

4. Карповська-Скорик К.Ю. Експертна система для пiдтримки прийняття стратегичних рiшень у сферi страховоi медицини // Економiка i прогнозування. - 2000. - №2. – С. 72-76.

Iншi публiкацii:

1.

2. Карповская-Скорик Е.Е. Система поддержки принятия нечетких решений по стратегическому планированию // Матерiали Мiжнародної конференцiї "Маркетинг у системi управлiння пiдприємством". - Київ НДЕУ. - 1996. - С. 193.

3. Карповский Е.Я., Карповская-Скорик Е.Е. Нечеткое прогнозирование при исследовании социально-экономических проблем в Украине // Социально-экономические проблемы переходных процессов в народном хозяйстве. Тезисы докладов Международной научно-практической конференции, 28-29 ноября 1996г. – Харьков – 1996. – С. 46-47.Автору належить концептуальна модель функції приналежності.

4. Карповская-Скорик Е.Е. Экспертная система для нечеткого прогнозирования и стратегического планирования медицинского страхования // Актуальные проблемы патологии (Новое в диагностике и лечении) - Сб. научных трудов, том 1. – Одесса: Маяк. - 1997. – С. 55-60.

АНОТАЦІЯ

Карповська-Скорик К.Ю. Експертні системи в маркетинговій діяльності підприємства.-Рукопис.

Дисертація на здобуття наукового ступеня кандидата економічних наук за спеціальністю 08.03.02-економіко-математичне моделювання-Одеський державний морськой університет, Одеса, 2001.

У дисертації досліджуються проблеми підвищення ефективності роботи промислових підприємств на основі теоретичного обгрунтування і розвитку методів прогнозування і стратегичного планування їх маркетингової діяльності в умовах недостатності вхідних даних. Розвити відомі методи прогнозування при стратегічному плануванні і розроблени економіко-математичні моделі й алгоритми, що формалізують процеси прийняття прогностичних рішень на базі нечіткої логіки з кількісними і якісними параметрами стану ринку. Із застосуванням запропонованих моделей і алгоритмів розроблена експертна система прогнозування на основі малого числа спостережень і узагальнен досвід її практичного використання.

Ключові слова: маркетингові дослідження, нечіткість, стратегічне планування, прогнозування, економіко-математичні моделі, експертни системи.

АННОТАЦИЯ

Карповская-Скорик Е.Е. Экспертные системы в маркетинговой деятельности предприятия.-Рукопись.

Диссертация на соискание ученой степени кандидата экономических наук по специальности 08.03.02 - экономико-математическое моделирование Одесский государственный морской университет, Одесса, 2001.

В диссертации исследуются проблемы повышения эффективности работы промышленных предприятий на основе теоретического обоснования и развития методов прогнозирования и стратегическогоого планирования их маркетинговой деятельности в условиях недостаточности исходных данных. Развиты известные методы прогнозирования при стратегическом планировании и разработаны экономико-математические модели и алгоритмы, которые формализуют процессы принятия прогностических решений на базе нечеткой логики с количественными и качественными параметрами состояния рынка. С применением предложенных моделей и алгоритмов разработана экспертная система прогнозирования на основе малого числа наблюдений и обобщен опыт ее практического использования.

Ключевые слова: маркетинговые исследования, нечеткость, стратегическое планирование, прогнозирование, экономико-математические модели, экспертные системы.

ANNOTATION

Expert Systems In The Marketing Activity Of The Enterprise.-Manuscript.

Dissertation for attaining candidate’s degree by speciality 08.03.02 - mathematical models in economics – Odessa state maritime university, Odessa, 2001.

In the dissertation the problems of the increasing of the effectiveness of the activity of the industrial enterprises on the base of the improving and development of the methods of forecasting and strategical planning of their marketing activity in the conditions of the lacking of the initial data.

On the base of the marketing philosophy the possibility of using the known methods of forecasting in the conditions of the Ukrainian economics is analyzed.

It is stated that classical forecasting methods don’t work in the specific conditions of Ukrainian economy. It is happening because Ukrainianenterprises don’t have long enough statistical histories.

So in the specific Ukrainian circumstances it is proposed to use the method of fuzzy forecasting on the base of the small set of data in conjunction with expert system.

The known methods of forecasting in the strategical planning are developed and economical-mathematical models and algorithms formalizing processes of the forecasting decision making on the base of the fuzzy logic with the quality and quantity market characteristics are worked out. These models are based on the fuzzy sets theory.

The problem of the informational providing of the marketing researches on the base of the fuzzy logic is solved.

Fuzzy knowledge matrix is proposed and determined. This matrix is the holder of the expert information, which is necessary for building of the models and algorithms of forecasting.

Operators min and max known in the fuzzy numbers algebra are used for the whole matrix. That allows to make a decision about most possible forecast without limits in the volume of the set of the initial information.

Mathematical model for forecasting with the quality market parameters is proposed. The formula allows using the known in the fuzzy sets theory compositional rule for the whole data and knowledge matrix..That allows taking into the consideration as many quality parameters as needed.

Methods and algorithms are proposedfor building the membership function of the fuzzy term-sets for quantity and quality parameters of the market is worked out.Triangle approximation of the membership functions allows tuning the generated functionsby fimdimg just one parameter of the compression and decompression.

Transfer from the matrix of knowledge fuzzy logical equations allows tying membership functions of the forecasts and market parameters. After that one can choose the forecast with the highest membership function for the concrete set of the market parameters.

Unification of the membership functions is possible because different parameters are displayed on the unique universal set.

The necessity and possibility of the using of expert systems for fuzzy forecasting and strategical planning of the industrial activity is proved. And such a system is worked out with the usage of the proposed models and algorithms on the base of the small set of information.

The experience in the using of this system is discussed.This expert system allows decreasing of the base of knowledge.

On the base of the fuzzy estimation of the possible realization of the production, the formation of the orders for the concrete items is held, which allows determining of the year plan of realization of the products.

Though the set of orders doesn’t mean the possibility of the real implementation of this realization.

It is important to evaluate the production abilities of the enterprise.

The proposed methodic allows calculating of the maximized gains on the base of the abilities of the enterprise. The information should consist of the number of the industrial items and technological norms of time of every itemfor producing of the produced item.

If the fuzzy forecasts about the quantity of the products, which can be sold, are known, as well as production abilities of the enterprise, it is necessary to use these abilities in a way of maximizing the gains.

Key words: marketing researches, fuzziness, strategical planning, forecasting, mathematical models in economics, expert systems.