ГЛАВА 8. БЕНЧМАРКИНГ В ТОРГОВОЙ ФИРМЕ

 

В данной главе описана технология применения системно-когнитивного анализа для создания на основе данных реальной торговой фирмы и применения в ней методики прогнозирования и поддержки принятия решений по такому выбору номенклатуры и объемов реализуемой продукции, которые обеспечивают получение максимальной прибыли и рентабельности.

 

8.1. Создание инструментария для бенчмаркинга
в торговой фирме, как задача контроллинга

 

Цель торговой фирмы, по крайней мере, как ее осознает собственник[1], как правило, состоит в повышения прибыли и рентабельности (т.е. эффективности получения прибыли). Путь достижения этой цели включает много различных составляющих, важнейшей из которых является определение номенклатуры и объемов товаров для поставки и реализации. Однако и сам путь от фактически сложившейся ситуации к целевой не является идеальным.

Руководство любой небольшой торговой фирмы постоянно решает проблему определения номенклатуры и объемов товаров, реализация которых обеспечила бы увеличение прибыли и рентабельности фирмы при известных ограничениях на оборотные средства, транспорт, складские и торговые помещения, но при неизвестной емкости рынка.

К методу решения поставленной проблемы предъявляются определенные  требования, обусловленные имеющимися реалиями:

1. Метод должен обеспечивать решение сформулированной проблемы в условиях неполной (фрагментированной) зашумленной исходной информации большой размерности, не отражающей всех ограничений и ресурсов и не содержащей полных повторностей всех вариантов сочетаний прибыли, рентабельности, номенклатуры и объемов продукции, причем получение недостающей информации представляется принципиально невозможным.

2. Метод должен быть недорогим в приобретении и использовании, т.е. для этого должно быть достаточно одного стандартного персонального компьютера, недорогого лицензионного программного обеспечения и одного сотрудника, причем курс обучения этого сотрудника должен быть несложным для него, т.е. не предъявлять к нему каких-то сверхжестких нереалистичных требований.

3. Вся необходимая и достаточная исходная информация для применения метода должна быть в наличии в бухгалтерии фирмы.

4. Метод должен быть адаптивным, т.е. оперативно учитывать изменения во всех компонентах моделируемой системы.

При решении поставленной проблемы руководство традиционно исходит из следующих простых и очевидных соображений, отражающих две крайние ситуации:

– если закупить товары, которые не пользуются спросом, то они не будут проданы и затраты на их приобретение, доставку, хранение и попытку продажи станут убытками;

– если же закупать наиболее востребованные рынком товары, то они будут реализованы, но это может и не увеличивать прибыль фирмы или даже принести убытки, т.к. по этим товарам выручка может очень незначительно покрывать или даже не покрывать затраты на их приобретение, доставку, хранение и продажу.

Как правило, на практике традиционно закупаются те товары и в тех количествах, которые были реализованы в предыдущий период. Однако при этом остается открытым и нерешенным вопрос о том, насколько номенклатура и объем этих товаров эффективны с точки зрения достижения цели фирмы: повышения ее прибыли и рентабельности. Это означает, что традиционный способ решения поставленной проблемы «вручную» или «на глазок» обычно не позволяет решить ее достаточно эффективно.

Применение компьютерных технологий, в частности задачи линейного программирования и других оптимизационных методов, для решения подобных задач наталкивается на ряд сложностей связанных с тем, что как сами математические модели, так и реализующий их программный инструментарий, а также исходная информация для их использования не удовлетворяют сформулированным выше требованиям:

– эти системы недостаточно технологичны для их применения в небольших торговых фирмах;

– существующие системы разработаны за рубежом или в мегаполисах (в основном в Москве и Санкт-Петербурге) и очень слабо отражают региональную специфику и также специфику конкретной фирмы (т.е. нелокализованы). Точнее сказать – они вообще ее не отражают, из-за чего и имеют очень низкую достоверность прогнозирования, близкую и статистически незначимо отличающуюся от вероятности случайного угадывания без использования этих систем или другой априорной информации. Этим обусловлена и низкая эффективность рекомендуемых ими решений;

– эти системы не обладают адаптивностью и не учитывают динамику предметной области, которая чрезвычайно высока, особенно в Южном Федеральном Округе (ЮФО). В результате даже первоначально хорошо работающие (локализованные) системы очень быстро теряют адекватность модели и качество прогнозов и рекомендуемых решений;

– стоимость этих систем настолько высока, что их приобретение и использование чаще всего мало или вообще нерентабельно, особенно для небольших торговых фирм.

Необходимо еще раз отметить, что если ограничения фирмы известны ее руководству, то емкость рынка по номенклатуре товаров в сфере действия фирмы, вообще говоря, остается неизвестной, что не позволяет применить задачу линейного программирования[2]. Но даже если бы это удалось, то было бы получено тривиальное решение: торговать одним товаром, обеспечивающим наибольшее превышение выручки над затратами. Однако этого решение является неверным, т.к. чтобы торговля этим товаром принесла прибыль, сопоставимую с прибылью от торговли широким спектром товаров, он должен реализоваться в таких количествах, которые обычно намного превышают реальный спрос на него. Кроме того, ясно, что один товар, каким бы он не был замечательным, по своим потребительским свойствам не может заменить спектра товаров.

Целью данной работы является решение поставленной проблемы путем разработки адаптивной методики прогнозирования влияния номенклатуры и объемов реализуемой продукции на прибыль и рентабельность фирмы, и, на этой основе, поддержки принятия решений о выборе таких сочетаний этих факторов, которые обеспечили бы достижение цели фирмы.

Для достижения поставленной цели выбран метод системно-когнитивного анализа (АСК-анализ). Этот выбор был обусловлен тем, что данный метод является непараметрическим, позволяет корректно и сопоставимо обрабатывать тысячи градаций факторов и будущих состояний объекта управления при неполных (фрагментированных), зашумленных данных различной природы, т.е. измеряемых в различных единицах измерения. Для метода АСК-анализа разработаны и методика численных расчетов, и соответствующий программный инструментарий, а также технология и методика их применения. Они прошли успешную апробацию при решении ряда задач в различных предметных областях [3-273]. Наличие инструментария АСК-анализа (базовая система "Эйдос") [7] позволяет не только осуществить синтез семантической информационной модели (СИМ), но и периодически проводить адаптацию и синтез ее новых версий, обеспечивая тем самым отслеживание динамики предметной области и сохраняя высокую адекватность модели в изменяющихся условиях. Важной особенностью АСК-анализа является возможность единообразной числовой обработки разнотипных по смыслу и единицам измерения числовых и нечисловых данных. Это обеспечивается тем, что нечисловым величинам тем же методом, что и числовым, приписываются сопоставимые в пространстве и времени, а также между собой, количественные значения, позволяющие обрабатывать их как числовые: на первых двух этапах АСК-анализа числовые величины сводятся к интервальным оценкам, как и информация об объектах нечисловой природы (фактах, событиях) (этот этап реализуется и в методах интервальной статистики); на третьем этапе АСК-анализа всем этим величинам по единой методике, основанной на системном обобщении семантической теории информации А.Харкевича, сопоставляются количественные величины (имеющие смысл количества информации в признаке о принадлежности объекта к классу), с которыми в дальнейшем и производятся все операции моделирования (этот этап является уникальным для АСК-анализа).

В работе [7] приведен перечень этапов системно-когнитивного анализа, которые необходимо выполнить, чтобы осуществить синтез модели объекта управления, решить с ее применением задачи прогнозирования и поддержки принятия решений, а также провести исследование объекта моделирования путем исследования его модели. Учитывая эти этапы АСК-анализа выполним декомпозицию цели работы в последовательность задач, решение которых обеспечит ее поэтапное достижение:

1. Когнитивная структуризация предметной области и формальная постановка задачи, проектирование структуры и состава исходных данных.

2. Формализация предметной области.

2.1. Получение исходных данных запланированного состава в той форме, в которой они накапливаются в поставляющей их организации (обычно в форме базы данных какого-либо стандарта или Excel-формы).

2.2. Разработка стандартной Excel-формы для представления исходных данных.

2.3. Преобразование исходных данных из исходных баз данных в стандартную электронную Excel-форму.

2.4. Контроль достоверности исходных данных и исправление ошибок.

2.5. Использование стандартного программного интерфейса системы «Эйдос» для преобразования исходных данных из стандартной Excel-формы в базы данных системы "Эйдос" (импорт данных).

3. Синтез семантической информационной модели (СИМ), т.е. решение задачи 1: "Многокритериальная типизация состояний торговой фирмы с различными прибылью и рентабельностью по факторам номенклатуры и объемов реализуемой продукции".

4. Измерение адекватности СИМ.

5. Повышение эффективности СИМ.

6. Решение с помощью СИМ задач прогнозирования и поддержки принятия решений, а также исследования предметной области.

6.1. Задача 2: "Разработка методики прогнозирования влияния номенклатуры и объемов реализуемой продукции на прибыль и рентабельность торговой фирмы".

6.2. Задача 3: "Разработка методики поддержки принятия решений о выборе таких номенклатуры и объемов реализуемой продукции, которые обусловливают увеличение прибыли и рентабельности торговой фирмы".

6.3. Задача 4: «Исследование предметной области»

7. Разработка принципов оценки экономической эффективности разработанных технологий при их применении в торговой фирме.

8. Исследование ограничений разработанной технологии и перспектив ее развития.

Кратко рассмотрим решение этих задач.

 

8.2. Когнитивная структуризация
предметной области

 

1. Когнитивная структуризация предметной области это 1-й этап формальной постановки задачи, на котором решается, какие параметры будут рассматриваться в качестве причин, а какие – следствий. На этом этапе было решено рассматривать

в качестве следствий, т.е. классов основные экономические показатели торговой фирмы:

1. Прибыль от продаж.

2. Рентабельность продукции.

в качестве причин (факторов): – объемы реализации следующих видов продукции (номенклатура):

 


Молоко, 1л-бут, (шт)

Сметана весовая (кг)

Творог весовой (кг)

Кефир, 1л-бут,(шт)

Ряженка, 1л-бут, (шт)

Сывор, 1л-бут, (шт)

Пиво жигулевское, 1,5л-бут, (шт)

Пиво жигулевское, 2,5л-бут, (шт)

Пиво Дон живое, 1,5л-бут, (шт)

Пиво Дон живое, 2,5л-бут, (шт)

Пиво балтика 7, ст/б, (шт)

Пиво балтика 9, ст/б, (шт)

Горячий ключ, 1,5л-бут, (шт)

Сок фруктовый сад, 0,5л-пак, (шт)

Горячий ключ 1,4л-бут, (шт)

Горячий ключ "ручеек", 1,5л-бут, (шт)

Соль, (кг)

Уксус 9%,0,5л-бут, (шт)

Сыр янтарный,воронеж, (шт)

Икра мойвы №2, (бан)

Сыр "российский", гадяч, (кг)

Сыр колбасный, (кг)

Перец черный молотый, пак, (шт)

Сигареты винстон легкие, (пач)

Сигареты петр 8, (пач)

Сигареты альянс, (пач)

Сигареты альянс, легкие, (пач)

Сигареты максим,  легкие, (пач)

Сигареты максим, (пач)

Сигареты донской табак, светлый, (пач)

Сигареты донской табак темный, (пач)

Сигареты бонд, легкие, (пач)

Сигареты святой георгий, легкие, (пач)

Сигареты гламур 3, (пач)

Сигареты гламур 5, (пач)

Сигареты русский стиль, легкие, (пач)

Сигареты честерфилд, легкие, (пач)

Сигареты наша марка, мягкая, (пач)

Сигареты наша марка, твердая, (пач)

Спички, (шт)

Картофель, (кг)

Морковь, (кг)

Лук,(кг)

Сельдь с/с, (кг)

Хамса с/с, (кг)

Кофе чибо голд, 47,5г, (шт)

Кофе чибо голд 95г, (шт)

Кофе гранд премиум 100г, (шт)

Кофе нескафе голд 47.5г, (шт)

Чай акбар, 25 пак, (шт)

Чай гордон, 25 пак, (шт)

Лисма "индийский", 25 пак, (шт)

Кофе гранд, 50г, (шт)

Какао "фунтик", пак, (шт)

Чай бэта, мята-лимон, (шт)

Чай нури, 25пак, (шт)

Семечки "по-братски" 50г, (шт)

Чай ява, 25 пак, (шт)

Семечки "кукусики", пак, (шт)

Чай "гита", 25пак, (шт)

Китекат сухой, (кг)

Чаппи сухой, (кг)

Вискас сухой, (кг)

Окорочка замороженые, (кг)

Вода, 5л-бут, (шт)

Кофе пеле, 50г, (шт)

Кофе якобс монарх 95г, (шт)

Кофе жардин, 95г, (шт)

Багбир, 5л-бут, (шт)

Пельмени домашние 0,9кг, (шт)

Бульон "ролтон" куриный, пак, (шт)

Ролтон яичная лапша, пак, (шт)

Горошек "лорадо", банка, (шт)

Горошек "высший сорт", банка, (шт)

Кукуруза "лорадо", банка, (шт)

Кофе нескафе классик, 30пак, (шт)

Кофе "кофе клаб", 3в1, (шт)

Кофе "московский", 100г, (шт)

Кофе "московский", 50г, (шт)

Кофе "якобс монарх", 50г, (шт)

Кофе "лебо", 100г, (шт)

Чай "тесс", лайм, 25 пак, (шт)

Рафинад, 300г, (шт)

Рафинад, 500г, (шт)

Чай "бэта", асам, 25 пак, (шт)

Чай "гринфилд", ройбош, 25 пак, (шт)

Чай "гринфилд", камомайл, 25 пак, (шт)

Чай "гринфилд", лотос, 25 пак, (шт)

Чай "гринфилд", мелисса, 25 пак, (шт)

Какао "золотой якорь",пак, (шт)

Мойва х/к,(кг)

Палочки куриные,(кг)

Сок фруктовый сад, 1л-пак, (шт)

Чай корона российской империи 25п, (шт)

Чай корона российской империи, 200г, (шт)

Чай корона российской империи 85г, (шт)

Пиво ячменный колос крепкое, 2,5л-бут, (шт)

Пиво ячменный колос крепкое, 1,5л-бут, (шт)

Пиво ячменный колос светлое, 1,5л-бут, (шт)

Пиво ячменный колос светлое, 2,5л-бут, (шт)

Пиво балтика "№3" с/б, (шт)

Пиво белый медведь светлое, 2л-бут, (шт)

Пиво белый медведь светлое, 1.5-бут, (шт)

Пиво белый медведь крепкое, 1.5л-бут, (шт)

Пиво оболонь, 1л-бут, (шт)

Пепси, 0.33л, банка, (шт)

Капуста, (кг)

Яйцо куриное, (шт)

Мука, (кг)

Уксус 6%, 0,5л-бут, (шт)

Сахар, (кг)

Бананы, (кг)

Апельсины, (кг)

Сок фруктовый сад, 2л-пак, (шт)

Сок фруктовый сад, 0.2л-пак, (шт)

Помидоры, (кг)

Сок "мой", 0.2л-пак, (шт)

Сок "мой", 1л-пак, (шт)

Вода "арома юг", 1.5л-бут, (шт)

Туалетная бумага "обухов", (шт)

Пакет "благодарим за покупку", (шт)

Изюм иранский , (кг)

Изюм, (кг)

Огурцы, (кг)

Майонез "шайба" 220г, (шт)


 

8.3. Формализация предметной области

 

На этапе формализации предметной области (постановки задачи), исходя из результатов когнитивной структуризации, было осуществлено проектирование структуры и состава исходных данных.

2.1. Исходные данные запланированного состава были получены в той форме, в которой они накапливаются в поставляющей их организации. В нашем случае этой организацией выступила торговая фирма, название которой мы не приводим в связи с конфиденциальностью предоставленной ей информации. В полученной базе данных представлены помесячные данные о прибыли и рентабельности фирмы за 2006-2009 годы, а также объемах реализации товаров по приведенной выше номенклатуре. Этого достаточно для целей данной работы, за что авторы благодарны руководству данной фирмы.

2.2. Была разработана стандартная Excel-форма для представления исходных данных (таблица 41), в которой и были получены данные

 

Таблица 41 – Исходные данные (фрагмент)

Период

Прибыль за месяц (Тыс. руб.)

Рентабельность, %

Молоко, 1л-бут, (шт)

Сметана весовая (кг)

Творог весовой (кг)

Кефир, 1л-бут,(шт)

Ряженка, 1л-бут, (шт)

Сыворотка, 1л-бут, (шт)

Пиво жигулевское, 1,5л-бут, (шт)

Пиво жигулевское, 2,5л-бут, (шт)

Пиво Дон живое, 1,5л-бут, (шт)

Пиво Дон живое, 2,5л-бут, (шт)

Пиво Балтика 7, ст/б, (шт)

Пиво Балтика 9, ст/б, (шт)

Горячий ключ, 1,5л-бут, (шт)

Сок фруктовый сад, 0,5л-пак, (шт)

Горячий ключ 1,4л-бут, (шт)

Горячий ключ "ручеек", 1,5л-бут, (шт)

Январь 2009г

83767

0,68

224

30

12

88

43

26

39

93

43

58

28

24

150

52

33

60

Февраль 2009г

100445

0,72

60

25

8

37

36

30

12

13

9

25

50

40

120

48

19

60

Март 2009г

108689

0,74

24

60

18

29

21

18

48

60

46

60

25

20

120

48

19

60

Апрель 2009г

73803

0,64

33

35

4

34

41

90

12

13

9

25

50

40

120

48

19

60

Май 2009г

107765

0,74

36

34

6

37

24

43

49

91

56

113

78

20

390

48

43

60

Июнь 2009г

129372

0,78

84

46

15

40

56

102

46

75

92

130

50

40

744

48

83

169

Июль 2009г

154046

0,81

33

35

4

34

41

90

59

128

103

194

79

40

828

48

90

15

Август 2009г

124977

0,77

40

35

8

33

22

30

39

173

96

161

104

40

402

52

42

60

Сентябрь 2009г

136403

0,79

60

25

8

37

36

30

129

122

122

173

74

20

522

52

64

44

Октябрь 2009г

122202

0,77

40

35

8

33

22

30

39

173

96

161

104

40

402

52

42

60

Ноябрь 2009г

154432

0,79

125

31

3

40

37

30

26

64

8

123

54

40

270

48

33

169

Декабрь 2009г

158738

0,81

234

35

13

54

41

6

58

147

91

189

54

22

480

52

10

60

Январь 2008г

71661

0,66

202

27

10

79

38

2

35

83

39

52

25

22

135

47

29

54

Февраль 2008г

86470

0,70

54

3

7

33

32

4

11

12

8

22

45

36

108

43

17

54

Март 2008г

91441

0,71

22

6

16

26

19

16

43

54

41

54

22

18

108

43

17

54

Апрель 2008г

64753

0,63

30

4

3

30

37

81

11

12

8

22

45

36

108

43

17

54

Май 2008г

91750

0,71

33

3

5

33

21

39

44

82

51

102

70

18

351

43

39

54

Июнь 2008г

110703

0,75

76

5

13

36

50

92

42

68

83

117

45

36

670

43

75

152

Июль 2008г

133372

0,78

30

4

3

30

37

81

53

115

93

175

71

36

745

43

81

14

Август 2008г

107209

0,74

36

4

7

30

20

27

35

156

86

145

94

36

362

47

37

54

Сентябрь 2008г

117933

0,76

54

3

7

33

32

27

116

110

110

156

67

18

470

47

57

40

Октябрь 2008г

104712

0,74

36

4

7

30

20

27

35

156

86

145

94

36

362

47

37

54

Ноябрь 2008г

93278

0,71

113

3

3

36

34

27

23

58

7

111

49

36

243

43

29

152

Декабрь 2008г

137595

0,79

211

4

11

49

37

5

52

133

82

171

49

20

432

47

9

54

Январь 2007г

64396

0,68

188

25

10

74

36

22

33

78

36

49

24

20

126

44

27

50

Февраль 2007г

78219

0,68

50

2

7

31

30

25

10

11

8

21

42

34

101

40

16

50

Март 2007г

82859

0,69

20

6

15

25

18

15

40

50

38

50

21

17

101

40

16

50

Апрель 2007г

57950

0,61

28

3

3

28

35

76

10

11

8

21

42

34

101

40

16

50

Май 2007г

83147

0,69

31

3

5

31

20

36

41

76

47

95

66

17

328

40

36

50

Июнь 2007г

100836

0,73

71

4

12

34

47

86

39

63

78

109

42

34

625

40

70

142

Июль 2007г

121944

0,77

28

3

3

28

35

76

50

108

87

163

67

34

696

40

75

13

Август 2007г

97576

0,72

33

3

7

28

19

25

33

145

80

135

87

34

338

44

35

50

Сентябрь 2007г

107584

0,74

50

2

7

31

30

25

109

102

102

145

62

17

438

44

54

37

Октябрь 2007г

95245

0,72

33

3

7

28

19

25

33

145

80

135

87

34

338

44

35

50

Ноябрь 2007г

83152

0,69

105

3

2

33

31

25

22

54

7

105

46

34

227

40

27

142

Декабрь 2007г

12935

0,77

197

3

11

45

34

5

49

124

77

159

46

19

403

44

9

50

Январь 2006г

57278

0,61

175

23

9

69

33

21

31

72

34

45

22

19

117

41

25

47

Февраль 2006г

70133

0,65

47

2

6

29

28

23

10

10

7

19

39

31

94

37

15

47

2.3. Исходные данные из Excel-формы, представленной в таблице 14, были преобразованы средствами Excel в стандартную для программного интерфейса _152 системы "Эйдос" электронную Excel-форму, которая отличается от приведенной в таблице 14 отсутствием горизонтальной шапки и обратным порядком строк.

2.4. На этапе контроля достоверности исходных данных было обнаружено, что в исходной базе данных некоторые значения приведены в различных единицах измерения, что и было исправлено.

2.5. Затем Excel-форма, приведенная на таблице 14 с применением sCalc из пакета OpenOffice была записана в стандарте DBF MS DOS-кириллица с именем Inp_data.dbf. Информация ее шапки была представлена в виде отдельного текстового файла стандарта MS DOS с именем: Inp_name.txt. Для этого шапка была скопирована из Excel в MS Word, затем таблица преобразована в текст с концом абзаца после каждого заголовка столбца, текст был выровнен по левому краю и 1-е буквы сделаны большими, как в предложениях.

Все это сделано в соответствии с требованиями стандартного интерфейса системы «Эйдос» с внешними базами данных: режим _152. Экранная форма меню вызова данного программного интерфейса приведена на рисунке 52, help режима приведен на рисунке 53, экранные формы самого программного интерфейса _152 приведены на рисунках 54 и 55.

 

Рисунок 52. Экранная форма вызова режима _152
системы «Эйдос».

 

Рисунок 53. Требования стандартного интерфейса с
истемы «Эйдос» с внешними базами данных: режим _152

 

Рисунок 54. Первая экранная форма режима _152
системы «Эйдос» (последняя DOS-версия 12.5)

 

Рисунок 55. Вторая экранная форма режима _152
системы «Эйдос» (последняя DOS-версия 12.5)

 

В результате работы данного программного интерфейса автоматически получаются исходный справочник классов распознавания, справочник признаков, а также обучающая выборка, представляющая собой закодированные в соответствии с этими справочниками строки из таблицы 41 (таблица 42 –  таблица 45):

 

Таблица 42 – Справочник классов
(интервальные значения классификационных шкал)

KOD

NAME

1

ПРИБЫЛЬ ЗА МЕСЯЦ (ТЫС.РУБ.): {12935.00, 42095.60}

2

ПРИБЫЛЬ ЗА МЕСЯЦ (ТЫС.РУБ.): {42095.60, 71256.20}

3

ПРИБЫЛЬ ЗА МЕСЯЦ (ТЫС.РУБ.): {71256.20, 100416.80}

4

ПРИБЫЛЬ ЗА МЕСЯЦ (ТЫС.РУБ.): {100416.80, 129577.40}

5

ПРИБЫЛЬ ЗА МЕСЯЦ (ТЫС.РУБ.): {129577.40, 158738.00}

6

РЕНТАБЕЛЬНОСТЬ,%: {58.00, 62.60}

7

РЕНТАБЕЛЬНОСТЬ,%: {62.60, 67.20}

8

РЕНТАБЕЛЬНОСТЬ,%: {67.20, 71.80}

9

РЕНТАБЕЛЬНОСТЬ,%: {71.80, 76.40}

10

РЕНТАБЕЛЬНОСТЬ,%: {76.40, 81.00}

 

Таблица 43 – Справочник наименований факторов
(описательных шкал)


KOD

NAME

1

МОЛОКО, 1Л-БУТ, (ШТ)

2

СМЕТАНА ВЕСОВАЯ (КГ)

3

ТВОРОГ ВЕСОВОЙ (КГ)

4

КЕФИР, 1Л-БУТ,(ШТ)

5

РЯЖЕНКА, 1Л-БУТ, (ШТ)

6

СЫВОР, 1Л-БУТ, (ШТ)

7

ПИВО ЖИГУЛЕВСКОЕ, 1,5Л-БУТ, (ШТ)

8

ПИВО ЖИГУЛЕВСКОЕ, 2,5Л-БУТ, (ШТ)

9

ПИВО ДОН ЖИВОЕ, 1,5Л-БУТ, (ШТ)

10

ПИВО ДОН ЖИВОЕ, 2,5Л-БУТ, (ШТ)

11

ПИВО БАЛТИКА 7, СТ/Б, (ШТ)

12

ПИВО БАЛТИКА 9, СТ/Б, (ШТ)

13

ГОРЯЧИЙ КЛЮЧ, 1,5Л-БУТ, (ШТ)

14

СОК ФРУКТОВЫЙ САД, 0,5Л-ПАК, (ШТ)

15

ГОРЯЧИЙ КЛЮЧ 1,4Л-БУТ, (ШТ)

16

ГОРЯЧИЙ КЛЮЧ "РУЧЕЕК", 1,5Л-БУТ, (ШТ)

17

СОЛЬ, (КГ)

18

УКСУС 9%,0,5Л-БУТ, (ШТ)

19

СЫР ЯНТАРНЫЙ,ВОРОНЕЖ, (ШТ)

20

ИКРА МОЙВЫ №2, (БАН)

21

СЫР "РОССИЙСКИЙ", ГАДЯЧ, (КГ)

22

СЫР КОЛБАСНЫЙ, (КГ)

23

ПЕРЕЦ ЧЕРНЫЙ МОЛОТЫЙ, ПАК, (ШТ)

24

СИГАРЕТЫ ВИНСТОН ЛЕГКИЕ, (ПАЧ)

25

СИГАРЕТЫ ПЕТР 8, (ПАЧ)

26

СИГАРЕТЫ АЛЬЯНС, (ПАЧ)

27

СИГАРЕТЫ АЛЬЯНС, ЛЕГКИЕ, (ПАЧ)

28

СИГАРЕТЫ МАКСИМ,  ЛЕГКИЕ, (ПАЧ)

29

СИГАРЕТЫ МАКСИМ, (ПАЧ)

30

СИГАРЕТЫ ДОНСКОЙ ТАБАК, СВЕТЛЫЙ, (ПАЧ)

31

СИГАРЕТЫ ДОНСКОЙ ТАБАК ТЕМНЫЙ, (ПАЧ)

32

СИГАРЕТЫ БОНД, ЛЕГКИЕ, (ПАЧ)

33

СИГАРЕТЫ СВЯТОЙ ГЕОРГИЙ, ЛЕГКИЕ, (ПАЧ)

34

СИГАРЕТЫ ГЛАМУР 3, (ПАЧ)

35

СИГАРЕТЫ ГЛАМУР 5, (ПАЧ)

36

СИГАРЕТЫ РУССКИЙ СТИЛЬ, ЛЕГКИЕ, (ПАЧ)

37

СИГАРЕТЫ ЧЕСТЕРФИЛД, ЛЕГКИЕ, (ПАЧ)

38

СИГАРЕТЫ НАША МАРКА, МЯГКАЯ, (ПАЧ)

39

СИГАРЕТЫ НАША МАРКА, ТВЕРДАЯ, (ПАЧ)

40

СПИЧКИ, (ШТ)

41

КАРТОФЕЛЬ, (КГ)

42

МОРКОВЬ, (КГ)

43

ЛУК,(КГ)

44

СЕЛЬДЬ С/С, (КГ)

45

ХАМСА С/С, (КГ)

46

КОФЕ ЧИБО ГОЛД, 47,5Г, (ШТ)

47

КОФЕ ЧИБО ГОЛД 95Г, (ШТ)

48

КОФЕ ГРАНД ПРЕМИУМ 100Г, (ШТ)

49

КОФЕ НЕСКАФЕ ГОЛД 47.5Г, (ШТ)

50

ЧАЙ АКБАР, 25 ПАК, (ШТ)

51

ЧАЙ ГОРДОН, 25 ПАК, (ШТ)

52

ЛИСМА "ИНДИЙСКИЙ", 25 ПАК, (ШТ)

53

КОФЕ ГРАНД, 50Г, (ШТ)

54

КАКАО "ФУНТИК", ПАК, (ШТ)

55

ЧАЙ БЭТА, МЯТА-ЛИМОН, (ШТ)

56

ЧАЙ НУРИ, 25ПАК, (ШТ)

57

СЕМЕЧКИ "ПО-БРАТСКИ" 50Г, (ШТ)

58

ЧАЙ ЯВА, 25 ПАК, (ШТ)

59

СЕМЕЧКИ "КУКУСИКИ", ПАК, (ШТ)

60

ЧАЙ "ГИТА", 25ПАК, (ШТ)

61

КИТЕКАТ СУХОЙ, (КГ)

62

ЧАППИ СУХОЙ, (КГ)

63

ВИСКАС СУХОЙ, (КГ)

64

ОКОРОЧКА ЗАМОРОЖЕНЫЕ, (КГ)

65

ВОДА, 5Л-БУТ, (ШТ)

66

КОФЕ ПЕЛЕ, 50Г, (ШТ)

67

КОФЕ ЯКОБС МОНАРХ 95Г, (ШТ)

68

КОФЕ ЖАРДИН, 95Г, (ШТ)

69

БАГБИР, 5Л-БУТ, (ШТ)

70

ПЕЛЬМЕНИ ДОМАШНИЕ 0,9КГ, (ШТ)

71

БУЛЬОН "РОЛТОН" КУРИНЫЙ, ПАК, (ШТ)

72

РОЛТОН ЯИЧНАЯ ЛАПША, ПАК, (ШТ)

73

ГОРОШЕК "ЛОРАДО", БАНКА, (ШТ)

74

ГОРОШЕК "ВЫСШИЙ СОРТ", БАНКА, (ШТ)

75

КУКУРУЗА "ЛОРАДО", БАНКА, (ШТ)

76

КОФЕ НЕСКАФЕ КЛАССИК, 30ПАК, (ШТ)

77

КОФЕ "КОФЕ КЛАБ", 3В1, (ШТ)

78

КОФЕ "МОСКОВСКИЙ", 100Г, (ШТ)

79

КОФЕ "МОСКОВСКИЙ", 50Г, (ШТ)

80

КОФЕ "ЯКОБС МОНАРХ", 50Г, (ШТ)

81

КОФЕ "ЛЕБО", 100Г, (ШТ)

82

ЧАЙ "ТЕСС", ЛАЙМ, 25 ПАК, (ШТ)

83

РАФИНАД, 300Г, (ШТ)

84

РАФИНАД, 500Г, (ШТ)

85

ЧАЙ "БЭТА", АСАМ, 25 ПАК, (ШТ)

86

ЧАЙ "ГРИНФИЛД", РОЙБОШ, 25 ПАК, (ШТ)

87

ЧАЙ "ГРИНФИЛД", КАМОМАЙЛ, 25 ПАК, (ШТ)

88

ЧАЙ "ГРИНФИЛД", ЛОТОС, 25 ПАК, (ШТ)

89

ЧАЙ "ГРИНФИЛД", МЕЛИССА, 25 ПАК, (ШТ)

90

КАКАО "ЗОЛОТОЙ ЯКОРЬ",ПАК, (ШТ)

91

МОЙВА Х/К,(КГ)

92

ПАЛОЧКИ КУРИНЫЕ,(КГ)

93

СОК ФРУКТОВЫЙ САД, 1Л-ПАК, (ШТ)

94

ЧАЙ КОРОНА РОССИЙСКОЙ ИМПЕРИИ 25П, (ШТ)

95

ЧАЙ КОРОНА РОССИЙСКОЙ ИМПЕРИИ, 200Г, (ШТ)

96

ЧАЙ КОРОНА РОССИЙСКОЙ ИМПЕРИИ 85Г, (ШТ)

97

ПИВО ЯЧМЕННЫЙ КОЛОС КРЕПКОЕ, 2,5Л-БУТ, (ШТ)

98

ПИВО ЯЧМЕННЫЙ КОЛОС КРЕПКОЕ, 1,5Л-БУТ, (ШТ)

99

ПИВО ЯЧМЕННЫЙ КОЛОС СВЕТЛОЕ, 1,5Л-БУТ, (ШТ)

100

ПИВО ЯЧМЕННЫЙ КОЛОС СВЕТЛОЕ, 2,5Л-БУТ, (ШТ)

101

ПИВО БАЛТИКА "№3" С/Б, (ШТ)

102

ПИВО БЕЛЫЙ МЕДВЕДЬ СВЕТЛОЕ, 2Л-БУТ, (ШТ)

103

ПИВО БЕЛЫЙ МЕДВЕДЬ СВЕТЛОЕ, 1.5-БУТ, (ШТ)

104

ПИВО БЕЛЫЙ МЕДВЕДЬ КРЕПКОЕ, 1.5Л-БУТ, (ШТ)

105

ПИВО ОБОЛОНЬ, 1Л-БУТ, (ШТ)

106

ПЕПСИ, 0.33Л, БАНКА, (ШТ)

107

КАПУСТА, (КГ)

108

ЯЙЦО КУРИНОЕ, (ШТ)

109

МУКА, (КГ)

110

УКСУС 6%, 0,5Л-БУТ, (ШТ)

111

САХАР, (КГ)

112

БАНАНЫ, (КГ)

113

АПЕЛЬСИНЫ, (КГ)

114

СОК ФРУКТОВЫЙ САД, 2Л-ПАК, (ШТ)

115

СОК ФРУКТОВЫЙ САД, 0.2Л-ПАК, (ШТ)

116

ПОМИДОРЫ, (КГ)

117

СОК "МОЙ", 0.2Л-ПАК, (ШТ)

118

СОК "МОЙ", 1Л-ПАК, (ШТ)

119

ВОДА "АРОМА ЮГ", 1.5Л-БУТ, (ШТ)

120

ТУАЛЕТНАЯ БУМАГА "ОБУХОВ", (ШТ)

121

ПАКЕТ "БЛАГОДАРИМ ЗА ПОКУПКУ", (ШТ)

122

ИЗЮМ ИРАНСКИЙ , (КГ)

123

ИЗЮМ, (КГ)

124

ОГУРЦЫ, (КГ)

125

МАЙОНЕЗ "ШАЙБА" 220Г, (ШТ)


 

Таблица 44 – Справочник наименований
интервальных значений факторов
(градаций описательных шкал) (фрагмент)


KOD

NAME

1

МОЛОКО, 1Л-БУТ, (ШТ): {19.00, 62.00}

2

МОЛОКО, 1Л-БУТ, (ШТ): {62.00, 105.00}

3

МОЛОКО, 1Л-БУТ, (ШТ): {105.00, 148.00}

4

МОЛОКО, 1Л-БУТ, (ШТ): {148.00, 191.00}

5

МОЛОКО, 1Л-БУТ, (ШТ): {191.00, 234.00}

6

СМЕТАНА ВЕСОВАЯ (КГ): {2.00, 13.60}

7

СМЕТАНА ВЕСОВАЯ (КГ): {13.60, 25.20}

8

СМЕТАНА ВЕСОВАЯ (КГ): {25.20, 36.80}

9

СМЕТАНА ВЕСОВАЯ (КГ): {36.80, 48.40}

10

СМЕТАНА ВЕСОВАЯ (КГ): {48.40, 60.00}

11

ТВОРОГ ВЕСОВОЙ (КГ): {2.00, 5.20}

12

ТВОРОГ ВЕСОВОЙ (КГ): {5.20, 8.40}

13

ТВОРОГ ВЕСОВОЙ (КГ): {8.40, 11.60}

14

ТВОРОГ ВЕСОВОЙ (КГ): {11.60, 14.80}

15

ТВОРОГ ВЕСОВОЙ (КГ): {14.80, 18.00}

16

КЕФИР, 1Л-БУТ,(ШТ): {23.00, 36.00}

17

КЕФИР, 1Л-БУТ,(ШТ): {36.00, 49.00}

18

КЕФИР, 1Л-БУТ,(ШТ): {49.00, 62.00}

19

КЕФИР, 1Л-БУТ,(ШТ): {62.00, 75.00}

20

КЕФИР, 1Л-БУТ,(ШТ): {75.00, 88.00}

21

РЯЖЕНКА, 1Л-БУТ, (ШТ): {16.00, 24.00}

22

РЯЖЕНКА, 1Л-БУТ, (ШТ): {24.00, 32.00}

23

РЯЖЕНКА, 1Л-БУТ, (ШТ): {32.00, 40.00}

24

РЯЖЕНКА, 1Л-БУТ, (ШТ): {40.00, 48.00}

25

РЯЖЕНКА, 1Л-БУТ, (ШТ): {48.00, 56.00}

26

СЫВОР, 1Л-БУТ, (ШТ): {2.00, 22.00}

27

СЫВОР, 1Л-БУТ, (ШТ): {22.00, 42.00}

28

СЫВОР, 1Л-БУТ, (ШТ): {42.00, 62.00}

29

СЫВОР, 1Л-БУТ, (ШТ): {62.00, 82.00}

30

СЫВОР, 1Л-БУТ, (ШТ): {82.00, 102.00}

31

ПИВО ЖИГУЛЕВСКОЕ, 1,5Л-БУТ, (ШТ): {10.00, 33.80}

32

ПИВО ЖИГУЛЕВСКОЕ, 1,5Л-БУТ, (ШТ): {33.80, 57.60}

33

ПИВО ЖИГУЛЕВСКОЕ, 1,5Л-БУТ, (ШТ): {57.60, 81.40}

34

ПИВО ЖИГУЛЕВСКОЕ, 1,5Л-БУТ, (ШТ): {81.40, 105.20}

35

ПИВО ЖИГУЛЕВСКОЕ, 1,5Л-БУТ, (ШТ): {105.20, 129.00}

36

ПИВО ЖИГУЛЕВСКОЕ, 2,5Л-БУТ, (ШТ): {10.00, 42.60}

37

ПИВО ЖИГУЛЕВСКОЕ, 2,5Л-БУТ, (ШТ): {42.60, 75.20}

38

ПИВО ЖИГУЛЕВСКОЕ, 2,5Л-БУТ, (ШТ): {75.20, 107.80}

39

ПИВО ЖИГУЛЕВСКОЕ, 2,5Л-БУТ, (ШТ): {107.80, 140.40}

40

ПИВО ЖИГУЛЕВСКОЕ, 2,5Л-БУТ, (ШТ): {140.40, 173.00}

41

ПИВО ДОН ЖИВОЕ, 1,5Л-БУТ, (ШТ): {6.00, 29.20}

42

ПИВО ДОН ЖИВОЕ, 1,5Л-БУТ, (ШТ): {29.20, 52.40}

43

ПИВО ДОН ЖИВОЕ, 1,5Л-БУТ, (ШТ): {52.40, 75.60}

44

ПИВО ДОН ЖИВОЕ, 1,5Л-БУТ, (ШТ): {75.60, 98.80}

45

ПИВО ДОН ЖИВОЕ, 1,5Л-БУТ, (ШТ): {98.80, 122.00}

46

ПИВО ДОН ЖИВОЕ, 2,5Л-БУТ, (ШТ): {19.00, 54.00}

47

ПИВО ДОН ЖИВОЕ, 2,5Л-БУТ, (ШТ): {54.00, 89.00}

48

ПИВО ДОН ЖИВОЕ, 2,5Л-БУТ, (ШТ): {89.00, 124.00}

49

ПИВО ДОН ЖИВОЕ, 2,5Л-БУТ, (ШТ): {124.00, 159.00}

50

ПИВО ДОН ЖИВОЕ, 2,5Л-БУТ, (ШТ): {159.00, 194.00}

51

ПИВО БАЛТИКА 7, СТ/Б, (ШТ): {19.00, 36.00}

52

ПИВО БАЛТИКА 7, СТ/Б, (ШТ): {36.00, 53.00}

53

ПИВО БАЛТИКА 7, СТ/Б, (ШТ): {53.00, 70.00}

54

ПИВО БАЛТИКА 7, СТ/Б, (ШТ): {70.00, 87.00}

55

ПИВО БАЛТИКА 7, СТ/Б, (ШТ): {87.00, 104.00}

56

ПИВО БАЛТИКА 9, СТ/Б, (ШТ): {16.00, 20.80}

57

ПИВО БАЛТИКА 9, СТ/Б, (ШТ): {20.80, 25.60}

58

ПИВО БАЛТИКА 9, СТ/Б, (ШТ): {25.60, 30.40}

59

ПИВО БАЛТИКА 9, СТ/Б, (ШТ): {30.40, 35.20}

60

ПИВО БАЛТИКА 9, СТ/Б, (ШТ): {35.20, 40.00}

61

ГОРЯЧИЙ КЛЮЧ, 1,5Л-БУТ, (ШТ): {94.00, 240.80}

62

ГОРЯЧИЙ КЛЮЧ, 1,5Л-БУТ, (ШТ): {240.80, 387.60}

63

ГОРЯЧИЙ КЛЮЧ, 1,5Л-БУТ, (ШТ): {387.60, 534.40}

64

ГОРЯЧИЙ КЛЮЧ, 1,5Л-БУТ, (ШТ): {534.40, 681.20}

65

ГОРЯЧИЙ КЛЮЧ, 1,5Л-БУТ, (ШТ): {681.20, 828.00}

66

СОК ФРУКТОВЫЙ САД, 0,5Л-ПАК, (ШТ): {37.00, 40.00}

67

СОК ФРУКТОВЫЙ САД, 0,5Л-ПАК, (ШТ): {40.00, 43.00}

68

СОК ФРУКТОВЫЙ САД, 0,5Л-ПАК, (ШТ): {43.00, 46.00}

69

СОК ФРУКТОВЫЙ САД, 0,5Л-ПАК, (ШТ): {46.00, 49.00}

70

СОК ФРУКТОВЫЙ САД, 0,5Л-ПАК, (ШТ): {49.00, 52.00}

71

ГОРЯЧИЙ КЛЮЧ 1,4Л-БУТ, (ШТ): {8.00, 24.40}

72

ГОРЯЧИЙ КЛЮЧ 1,4Л-БУТ, (ШТ): {24.40, 40.80}

73

ГОРЯЧИЙ КЛЮЧ 1,4Л-БУТ, (ШТ): {40.80, 57.20}

74

ГОРЯЧИЙ КЛЮЧ 1,4Л-БУТ, (ШТ): {57.20, 73.60}

75

ГОРЯЧИЙ КЛЮЧ 1,4Л-БУТ, (ШТ): {73.60, 90.00}

76

ГОРЯЧИЙ КЛЮЧ "РУЧЕЕК", 1,5Л-БУТ, (ШТ): {12.00, 43.40}

77

ГОРЯЧИЙ КЛЮЧ "РУЧЕЕК", 1,5Л-БУТ, (ШТ): {43.40, 74.80}

78

ГОРЯЧИЙ КЛЮЧ "РУЧЕЕК", 1,5Л-БУТ, (ШТ): {74.80, 106.20}


Таблица 45 – АНКЕТА обучающей выборки   N° 1

01-05-10  13:44:19                                                 г.Краснодар

==============================================================================

|  Код |              Наименования классов  распознавания                    |

==============================================================================

|    2 |  ПРИБЫЛЬ ЗА МЕСЯЦ (ТЫС.РУБ.): {42095.60, 71256.20}                  |

|    6 |  РЕНТАБЕЛЬНОСТЬ,%: {58.00, 62.60}                                   |

==============================================================================

|              К о д ы   п е р в и ч н ы х   п р и з н а к о в               |

==============================================================================

|    4    7   13   19   23   26   31   37   42   46   51   61   67   72   77 |

|   81   86   91   96  102  106  111  121  127  131  137  142  148  151  158 |

|  163  169  171  182  186  191  196  202  206  214  216  221  227  232  244 |

|  246  251  256  261  268  272  273  279  281  288  296  301  306  311  317 |

|  322  326  331  337  341  347  356  361  366  371  376  381  386  391  396 |

|  401  407  418  421  428  429  432  438  443  446  451  456  464  471  476 |

|  481  486  491  496  501  506  511  518  523  531  536  541  546  551  557 |

|  561  566  571  576  582  591  596  603  608  609  611  616  621           |

==============================================================================

Универсальная когнитивная аналитическая система                    НПП *ЭЙДОС*

 

Таким образом, данным программным интерфейсом полностью автоматизируется этап СК-анализа, называемый "Формализация предметной области".

 

8.4. Синтез, верификация и повышение качества
семантической информационной модели
предметной области

 

3. В результате синтеза семантической информационной модели решена задача 1: "Многокритериальная типизация состояний торговой фирмы с различными прибылью и рентабельностью по факторам номенклатуры и объемов реализуемой продукции". Решение этой задачи осуществлялось в ряд этапов:

Этап-1. Расчет матрицы сопряженности (матрицы абсолютных частот), связывающей частоты фактов совместного наблюдения в исходной выборке интервальных значений классов и факторов. Всего этих фактов исследовано 11464, что и составляет объем выборки. По своей форме матрица абсолютных частот является базой данных, т.к. в ней содержится способа содержательной смысловой интерпретации данных.

Этап-2. На основе базы данных абсолютных частот рассчитываются информационные базы условных и безусловных процентных распределений или частостей, которые при увеличении объема исходной выборки стремятся к предельным значениям: вероятностям. Имея это в виду несколько упрощая считается допустимым, как это принято в литературе, называть их условными и безусловными вероятностями. По своей форме матрицы условных и безусловных вероятностей является информационными  базами, т.к. в них содержится способ содержательной смысловой интерпретации данных, т.е. уже по сути информации [127].

Этап-3. На основе информационной базы условных и безусловных вероятностей рассчитывается база знаний. Есть все основания так называть ее, т.к. в ней не только содержится результат содержательной смысловой интерпретации данных, но и оценка их полезности для достижения целевых состояний объекта управления и избегания нежелательных (нецелевых), т.е. по сути знания, которые можно непосредственно использовать для управления моделируемым объектом [127] (таблица 46):

 

Таблица 46 – База знаний о силе и направлении влияния значений
факторов на переход моделируемого объекта в состояния,
соответствующие классам (Бит × 100) (фрагмент)

KOD

1

2

3

4

5

6

7

8

9

10

1

 

0

2

3

-10

0

3

-3

6

-7

2

 

 

6

17

 

 

5

7

5

-11

3

 

 

17

 

35

 

 

32

 

13

4

 

60

 

2

 

60

 

7

5

 

5

80

 

-2

 

41

 

11

-11

 

34

6

13

-1

7

-5

-26

-1

2

7

5

-23

7

 

49

 

-8

25

49

 

-3

-6

3

8

 

 

-8

2

35

 

15

-32

-34

32

9

 

 

 

41

 

 

 

 

 

52

10

 

 

 

41

 

 

 

 

44

 

11

 

17

4

-30

17

27

22

-1

-53

6

12

 

-27

-1

15

-27

 

-32

-5

21

-9

13

68

29

-14

-28

5

29

-1

2

-25

8

14

 

 

-2

9

17

 

11

-11

11

-5

15

 

 

6

17

 

 

 

22

-6

3

16

 

-3

7

0

-28

-3

6

5

3

-17

17

55

 

-51

17

31

 

 

-36

11

28

18

 

 

 

 

74

 

 

 

 

52

19

 

74

 

 

 

74

 

22

 

 

20

 

 

31

 

 

 

44

22

 

 

21

 

 

14

7

 

 

-5

11

9

-21

22

 

10

-0

10

 

10

5

-3

19

 

23

34

28

-33

-4

21

35

-9

-17

-10

13

24

 

 

6

-22

35

 

5

7

-20

13

25

 

 

 

41

 

 

 

 

19

28

26

49

10

-0

-22

10

10

5

7

-20

3

27

 

-14

9

-2

-14

 

-5

11

5

-11

28

 

 

 

41

 

 

 

 

44

 

29

 

44

-38

-3

5

54

-1

-23

-25

8

30

 

 

-26

23

17

 

11

 

11

20

31

 

35

10

-61

-29

35

15

13

-20

-50

32

24

 

-4

17

-14

 

-5

-3

5

9

33

 

 

 

 

74

 

 

 

 

52

34

 

 

31

 

 

 

 

 

44

 

35

 

 

 

27

35

 

 

 

29

13

36

 

49

-4

-32

 

49

34

-3

-30

 

37

 

-20

11

-3

-20

5

14

10

-11

-17

38

 

-4

10

2

 

 

-9

17

15

 

39

55

 

-26

-1

41

 

 

-11

-13

34

40

 

 

-14

22

5

 

 

 

24

22

41

 

35

6

-47

-14

35

30

7

-45

-36

42

 

13

20

-44

 

13

22

25

-41

 

43

 

 

13

9

 

 

 

28

11

 

44

39

 

-28

21

15

 

 

 

19

28

45

 

 

 

17

49

 

 

 

19

28

46

 

44

6

-52

 

44

32

10

-50

 

Отметим, что в настоящее время общепринятыми терминами являются: «База данных» и «База знаний», а термин «Информационные базы» считается «незагостированным», т.е. неофициальным, или даже ошибочным, когда под ним, по сути, понимаются базы данных. Предлагается придать термину «Информационные базы» полноценный статус в качестве официального термина, т.к. вполне понятно и обоснованно как его содержание соотносится с содержанием терминов «База данных» и «База знаний»:

Базы данных (БД) – информация, записанная на носителях (или находящаяся в каналах связи) на определенном языке (системе кодирования), безотносительно к ее смыслу.

Информационная база (ИБ) – это БД вместе с тезаурусом, т.е. способом их смысловой интерпретации.

База знаний (БЗ) – это ИБ вместе с информацией о том, насколько какая информация полезна для достижения различных целей.

В этой матрице столбцы соответствуют классам распознавания, строки – градациям факторов, а в клетках на их пересечении приведено количество знаний в битах × 100, которое содержится в определенной градации фактора о том, что этот случай относится к определенному классу. Из-за большой размерности приведен лишь фрагмент этой матрицы.

Возникает закономерный и обоснованный вопрос о том, насколько корректным является получение образов классов путем обобщения примеров ситуаций, относящихся к различным периодам времени. Дело в том, что в этих ситуациях могут быть отражены различные закономерности предметной области, если она изменялась за время проведения исследования. Ответ на этот вопрос зависит от целей и результатов построения модели предметной области.

Например, если целью является построение модели высокой степени адекватности, то это не получится, если предметная область (моделируемый объект) обладает высокой динамичностью, но может и оказаться возможным, если моделируемый объект несущественно изменился за период исследования.

Если же целью моделирования является исследование самой динамики моделируемого объекта, то резкое понижение адекватности модели при учете в ней состояний объекта, относящихся к определенному периоду времени, указывает на то, что в этот период изменился сам характер взаимосвязей между признаками объекта (интервальными значениями влияющих на него факторов) и его состояниями.

Периодом эргодичности называется период, в течение которого характер взаимосвязей между факторами, влияющими на объект и его переходами в те или иные состояния существенно (качественно) не изменяются. Точками бифуркации называются границы периодов эргодичности, когда он один период эргодичности сменяется другим, т.е. существенно (качественно) изменяются закономерности взаимосвязи между факторами, влияющими на объект, и его переходами в различные состояния, обусловленные действием этих факторов. Таким образом, измерение степени адекватности модели в зависимости от объема исследуемой выборки (если объекты в ней упорядочены по времени) позволяет выявить границы периодов эргодичности и точки бифуркации и выявить, что их нет, не смотря на длительный период исследования (его лонгитюд).

В системе «Эйдос» есть режим _236, предназначенный специально для этой цели (рисунок 56).

 

Рисунок 56. Экранная форма вызова режима _152
системы «Эйдос» (последняя DOS-версия 12.5)

 

Применение этого режима дало следующие результаты. В целом модель продемонстрировала высокую достоверность, составляющую 90,014%, и это означает, что за время исследования моделируемая предметная область существенно не изменилась и таким образом получение обобщенных образов классов путем многопараметрической типизации примеров, относящихся к различным периодам времени является вполне корректным. С другой стороны все же была выявлена определенная динамика достоверности модели, которая имеет выраженный визуально-наблюдаемый минимум в районе марта 2008 года, что, по-видимому, может объясняться влиянием на моделируемый объект мирового финансового кризиса, пик которого приходится примерно на это время (рисунок 57).

 

Рисунок 57. Определение границ периодов эргодичности (точек бифуркации)
путем измерения зависимости достоверности модели от объема исследуемой
выборки (режим _236 системы «Эйдос» (последняя DOS-версия 12.5))

 

 

4. Измерение адекватности СИМ осуществляется последовательным выполнением режимов _21 (копирование обучающей выборки в распознаваемую), _41 (пакетное распознавание) и _62 (измерение адекватности СИМ) системы «Эйдос».

Пункты 3 и 4 удобно выполнить также с помощью режима _25 системы "Эйдос", который сначала выполняет синтез семантической информационной модели (СИМ), а затем копирует обучающую выборку в распознаваемую выборку), проводит пакетное распознавание и проверку ее адекватности, которая оказалась довольно высокой: более 90% (таблица 47).

 

 

 

Таблица 47 – Выходная форма по результатам измерения адекватности исходной модели (фрагмент)

 

5. В системе "Эйдос" реализовано несколько различных методов повышения адекватности модели:

– исключение из модели статистически малопредставленных классов и факторов (артефактов);

– исключение незначимых факторов, т.е. факторов имеющих низкую селективную силу или дифференцирующую способность;

– ремонт (взвешивание) данных, что обеспечивает не только классическую, но и структурную репрезентативность исследуемой выборки по отношению к генеральной совокупности;

– итерационное разделение классов на типичную и нетипичную части (дивизивная, т.е. разделяющая, в отличие от агломеративной, древовидная кластеризация);

– генерация сочетанных признаков, дополнение справочников классов и признаков и перекодирование исходной выборки.

Проверка адекватности модели, проведенная в режиме _25 после ее синтеза, показала, что повышение адекватности модели в нашем случае не требуется, т.к. вероятность правильного отнесения ситуации к классу, к которой она действительно относится и на неоптимизированной модели составляет 90,014%, что вполне достаточно для целей работы.

Но все же нами был применен метод повышения адекватности модели,  путем итерационного разделение классов на типичную и нетипичную части (дивизивная, т.е. разделяющая, в отличие от агломеративной, древовидная кластеризация). В результате было получено следующее дерево классов (рисунок 58):

 

 

Рисунок 58. Дерево разделения классов на типичную
и нетипичную части (дивизивная кластеризация)

 

По результатам кластеризации можно сделать вывод о том, что различные классы обладают различной степенью вариабельности обусловливающих их факторов, т.е. одни классы являются жестко детерминированными, тогда как другие вызываются различными сочетаниями действующих факторов, что затрудняет и делает менее достоверной их прогнозирование и осуществление.

В результате проведения данной процедуры степень достоверности модели повысилась (таблица 48):

 

Таблица 48 – ВЫХОДНАЯ ФОРМА ПО РЕЗУЛЬТАТАМ ИЗМЕРЕНИЯ АДЕКВАТНОСТИ МОДЕЛИ, УЛУЧШЕННОЙ МЕТОДОМ ДИВИЗИВНОЙ КЛАСТЕРИЗАЦИИ (ФРАГМЕНТ)

 

Аналогичная информация приведена в скриншотах экранных форм (рисунок 59):

 

Рисунок 59. Экранные формы режима _62 системы «Эйдос»
(последняя DOS-версия 12.5)

 

Из сопоставительного анализа таблиц 20 и 21 и рисунка 39 можно сделать следующие выводы:

– в результате разделения классов на типичную и нетипичную части достоверность верной идентификации повысилась на 10%, достоверность верной неидентификации при этом немного понизилась, но общая (средняя) достоверность модели возросла на 3%;

– при прогнозировании и принятии решений целесообразно учитывать дифференциальную достоверность идентификации по классам, связанную со степенью их детерминированности;

– применение модели чаще всего обеспечивает во много раз более высокую достоверность, чем случайное угадывание или не использование модели, однако по слабодетерминированным классам это не так и их нецелесообразно учитывать при прогнозировании и рассматривать при анализе модели.

 

8.5. Решение задач прогнозирования и поддержки
принятия решений, а также исследования
предметной области на основе семантической
информационной модели

 

6. Решение с помощью СИМ задач прогнозирования и поддержки принятия решений, а также исследования предметной области.

6.1. Задача 2: "Разработка методики прогнозирования влияния номенклатуры и объемов реализуемой продукции на прибыль и рентабельность торговой фирмы" решается по сути автоматически при синтезе модели на 3-м этапе АСК-анализа.

В системе "Эйдос" есть стандартный режим _42, обеспечивающий подсчет для каждого состояния фирмы, представленного в распознаваемой выборке, суммарного количества знаний, которое содержится в интервальных значениях факторов о принадлежности данного состояния к каждому из классов. Затем в режиме _431 все классы сортируются (ранжируются) в порядке убывания суммарного количества информации, содержащегося в описании примера, о принадлежности к ним. Эта информация представляется в виде экранных форм и файлов (рисунки 60 – 61):

 

Рисунок 60. Пример выходной формы с желательными для фирмы результатами
прогнозирования (максимальная прибыль)

 

Рисунок 61. Пример выходной формы с нежелательными для фирмы езультатами
прогнозирования (минимальная рентабельность)

Птичками "Ö" На рисунках 60 – 61 отмечены классы, к которым данное состояние фирмы действительно относится.

Если в распознаваемой выборке представлено сразу несколько примеров потенциальных продаж, то может представлять интерес другая форма вывода информации о результатах прогнозирования по ним, т.е. по степени сходства с желаемым классом (высокая рентабельность) (рисунок 62):

 

Рисунок 62. Пример карточки идентификации примеров потенциальных продаж с классом «Максимальная рентабельность»

 

6.2. Задача 3: "Разработка методики поддержки принятия решений о выборе таких номенклатуры и объемов реализуемой продукции, которые обусловливают увеличение прибыли и рентабельности торговой фирмы".

Данная задача является обратной по отношению к задаче прогнозирования. Если при прогнозировании по заданным интервальным значениям факторов определяется, какие состояния фирмы ими обусловливаются, то в задаче принятия решений, наоборот: по заданному состоянию фирмы определяется, какие интервальные значения факторов детерминируют переход фирмы в это стояние, а какие препятствуют этому.

Данная задача решается во многих режимах системы "Эйдос", в частности в режиме _511, который выдает следующие формы (таблицы 49 и 50), содержащие знания о номенклатуре и объемах товаров, реализация которых в различной степени способствует и препятствует (красным) получению заданных экономических результатов.

 

Таблица 49 – Информационный портрет класса:
прибыль за месяц (тыс.руб.): {129577.40, 158738.00} (фрагмент)

NUM

KOD

NAME

BIT

%

1

18

КЕФИР, 1Л-БУТ,(ШТ): {49.00, 62.00}

0,74

22,28

2

33

ПИВО ЖИГУЛЕВСКОЕ, 1,5Л-БУТ, (ШТ): {57.60, 81.40}

0,74

22,28

3

153

СИГАРЕТЫ ДОНСКОЙ ТАБАК ТЕМНЫЙ, (ПАЧ): {38.20, 49.80}

0,74

22,28

4

155

СИГАРЕТЫ ДОНСКОЙ ТАБАК ТЕМНЫЙ, (ПАЧ): {61.40, 73.00}

0,74

22,28

5

185

СИГАРЕТЫ ЧЕСТЕРФИЛД, ЛЕГКИЕ, (ПАЧ): {43.20, 52.00}

0,74

22,28

6

225

ХАМСА С/С, (КГ): {92.20, 113.00}

0,74

22,28

7

243

КОФЕ НЕСКАФЕ ГОЛД 47.5Г, (ШТ): {5.80, 7.20}

0,74

22,28

8

253

ЧАЙ ГОРДОН, 25 ПАК, (ШТ): {7.00, 9.00}

0,74

22,28

9

267

КАКАО "ФУНТИК", ПАК, (ШТ): {5.40, 6.80}

0,74

22,28

10

303

КИТЕКАТ СУХОЙ, (КГ): {94.80, 125.20}

0,74

22,28

11

310

ЧАППИ СУХОЙ, (КГ): {41.00, 47.00}

0,74

22,28

12

315

ВИСКАС СУХОЙ, (КГ): {42.40, 50.00}

0,74

22,28

13

338

КОФЕ ЖАРДИН, 95Г, (ШТ): {7.00, 10.00}

0,74

22,28

14

365

ГОРОШЕК "ЛОРАДО", БАНКА, (ШТ): {37.40, 43.00}

0,74

22,28

15

435

ЧАЙ "ГРИНФИЛД", КАМОМАЙЛ, 25 ПАК, (ШТ): {4.20, 5.00}

0,74

22,28

16

460

ПАЛОЧКИ КУРИНЫЕ,(КГ): {8.76, 9.70}

0,74

22,28

17

495

ПИВО ЯЧМЕННЫЙ КОЛОС СВЕТЛОЕ, 1,5Л-БУТ, (ШТ): {29.60, 35.00}

0,74

22,28

18

528

ПЕПСИ, 0.33Л, БАНКА, (ШТ): {43.80, 61.20}

0,74

22,28

19

323

ВОДА, 5Л-БУТ, (ШТ): {49.20, 64.80}

0,66

19,90

20

145

СИГАРЕТЫ МАКСИМ, (ПАЧ): {330.20, 401.00}

0,64

19,21

21

285

СЕМЕЧКИ "ПО-БРАТСКИ" 50Г, (ШТ): {87.80, 100.00}

0,64

19,21

22

505

ПИВО БАЛТИКА "№3" С/Б, (ШТ): {76.20, 91.00}

0,64

19,21

23

250

ЧАЙ АКБАР, 25 ПАК, (ШТ): {15.00, 18.00}

0,60

17,95

24

255

ЧАЙ ГОРДОН, 25 ПАК, (ШТ): {11.00, 13.00}

0,60

17,95

25

305

КИТЕКАТ СУХОЙ, (КГ): {155.60, 186.00}

0,60

17,95

26

320

ОКОРОЧКА ЗАМОРОЖЕНЫЕ, (КГ): {63.00, 78.00}

0,60

17,95

27

330

КОФЕ ПЕЛЕ, 50Г, (ШТ): {8.60, 10.00}

0,60

17,95

28

345

БАГБИР, 5Л-БУТ, (ШТ): {6.60, 8.00}

0,60

17,95

316

295

СЕМЕЧКИ "КУКУСИКИ", ПАК, (ШТ): {117.60, 141.00}

-0,25

-7,38

317

391

КОФЕ "МОСКОВСКИЙ", 50Г, (ШТ): {4.00, 4.20}

-0,25

-7,38

318

419

РАФИНАД, 500Г, (ШТ): {5.60, 6.80}

-0,25

-7,38

319

492

ПИВО ЯЧМЕННЫЙ КОЛОС СВЕТЛОЕ, 1,5Л-БУТ, (ШТ): {13.40, 18.80}

-0,25

-7,38

320

543

МУКА, (КГ): {59.80, 79.20}

-0,25

-7,38

321

602

ПАКЕТ "БЛАГОДАРИМ ЗА ПОКУПКУ", (ШТ): {490.60, 669.20}

-0,25

-7,38

322

6

СМЕТАНА ВЕСОВАЯ (КГ): {2.00, 13.60}

-0,26

-7,71

323

609

ИЗЮМ ИРАНСКИЙ , (КГ): {8.00, 9.00}

-0,26

-7,71

324

12

ТВОРОГ ВЕСОВОЙ (КГ): {5.20, 8.40}

-0,27

-8,03

325

72

ГОРЯЧИЙ КЛЮЧ 1,4Л-БУТ, (ШТ): {24.40, 40.80}

-0,27

-8,03

326

149

СИГАРЕТЫ ДОНСКОЙ ТАБАК, СВЕТЛЫЙ, (ПАЧ): {90.40, 110.20}

-0,27

-8,03

327

16

КЕФИР, 1Л-БУТ,(ШТ): {23.00, 36.00}

-0,28

-8,34

328

31

ПИВО ЖИГУЛЕВСКОЕ, 1,5Л-БУТ, (ШТ): {10.00, 33.80}

-0,29

-8,64

329

101

СЫР "РОССИЙСКИЙ", ГАДЯЧ, (КГ): {1.00, 8.00}

-0,29

-8,64

330

161

СИГАРЕТЫ СВЯТОЙ ГЕОРГИЙ, ЛЕГКИЕ, (ПАЧ): {17.00, 41.60}

-0,29

-8,64

331

186

СИГАРЕТЫ НАША МАРКА, МЯГКАЯ, (ПАЧ): {46.00, 78.80}

-0,29

-8,64

332

425

ЧАЙ "БЭТА", АСАМ, 25 ПАК, (ШТ): {28.60, 35.00}

-0,29

-8,64

333

443

ЧАЙ "ГРИНФИЛД", МЕЛИССА, 25 ПАК, (ШТ): {1.80, 2.20}

-0,30

-8,93

334

67

СОК ФРУКТОВЫЙ САД, 0,5Л-ПАК, (ШТ): {40.00, 43.00}

-0,31

-9,22

335

447

КАКАО "ЗОЛОТОЙ ЯКОРЬ",ПАК, (ШТ): {4.20, 5.40}

-0,31

-9,22

Таблица 50 – Информационный портрет класса:
рентабельность, %: {76.40, 81.00} (фрагмент)

NUM

KOD

NAME

BIT

%

1

9

СМЕТАНА ВЕСОВАЯ (КГ): {36.80, 48.40}

0,52

15,80

2

18

КЕФИР, 1Л-БУТ,(ШТ): {49.00, 62.00}

0,52

15,80

3

33

ПИВО ЖИГУЛЕВСКОЕ, 1,5Л-БУТ, (ШТ): {57.60, 81.40}

0,52

15,80

4

50

ПИВО ДОН ЖИВОЕ, 2,5Л-БУТ, (ШТ): {159.00, 194.00}

0,52

15,80

5

65

ГОРЯЧИЙ КЛЮЧ, 1,5Л-БУТ, (ШТ): {681.20, 828.00}

0,52

15,80

6

145

СИГАРЕТЫ МАКСИМ, (ПАЧ): {330.20, 401.00}

0,52

15,80

7

153

СИГАРЕТЫ ДОНСКОЙ ТАБАК ТЕМНЫЙ, (ПАЧ): {38.20, 49.80}

0,52

15,80

8

155

СИГАРЕТЫ ДОНСКОЙ ТАБАК ТЕМНЫЙ, (ПАЧ): {61.40, 73.00}

0,52

15,80

9

185

СИГАРЕТЫ ЧЕСТЕРФИЛД, ЛЕГКИЕ, (ПАЧ): {43.20, 52.00}

0,52

15,80

10

225

ХАМСА С/С, (КГ): {92.20, 113.00}

0,52

15,80

11

242

КОФЕ НЕСКАФЕ ГОЛД 47.5Г, (ШТ): {4.40, 5.80}

0,52

15,80

12

243

КОФЕ НЕСКАФЕ ГОЛД 47.5Г, (ШТ): {5.80, 7.20}

0,52

15,80

13

250

ЧАЙ АКБАР, 25 ПАК, (ШТ): {15.00, 18.00}

0,52

15,80

14

253

ЧАЙ ГОРДОН, 25 ПАК, (ШТ): {7.00, 9.00}

0,52

15,80

15

255

ЧАЙ ГОРДОН, 25 ПАК, (ШТ): {11.00, 13.00}

0,52

15,80

16

267

КАКАО "ФУНТИК", ПАК, (ШТ): {5.40, 6.80}

0,52

15,80

17

303

КИТЕКАТ СУХОЙ, (КГ): {94.80, 125.20}

0,52

15,80

18

305

КИТЕКАТ СУХОЙ, (КГ): {155.60, 186.00}

0,52

15,80

19

310

ЧАППИ СУХОЙ, (КГ): {41.00, 47.00}

0,52

15,80

20

315

ВИСКАС СУХОЙ, (КГ): {42.40, 50.00}

0,52

15,80

21

320

ОКОРОЧКА ЗАМОРОЖЕНЫЕ, (КГ): {63.00, 78.00}

0,52

15,80

22

330

КОФЕ ПЕЛЕ, 50Г, (ШТ): {8.60, 10.00}

0,52

15,80

23

338

КОФЕ ЖАРДИН, 95Г, (ШТ): {7.00, 10.00}

0,52

15,80

24

345

БАГБИР, 5Л-БУТ, (ШТ): {6.60, 8.00}

0,52

15,80

25

365

ГОРОШЕК "ЛОРАДО", БАНКА, (ШТ): {37.40, 43.00}

0,52

15,80

26

370

ГОРОШЕК "ВЫСШИЙ СОРТ", БАНКА, (ШТ): {43.00, 52.00}

0,52

15,80

27

405

КОФЕ "ЛЕБО", 100Г, (ШТ): {3.60, 4.00}

0,52

15,80

28

435

ЧАЙ "ГРИНФИЛД", КАМОМАЙЛ, 25 ПАК, (ШТ): {4.20, 5.00}

0,52

15,80

395

121

СИГАРЕТЫ ПЕТР 8, (ПАЧ): {41.00, 85.80}

-0,29

-8,83

396

129

СИГАРЕТЫ АЛЬЯНС, (ПАЧ): {55.00, 68.00}

-0,29

-8,83

397

273

ЧАЙ БЭТА, МЯТА-ЛИМОН, (ШТ): {5.00, 6.00}

-0,29

-8,83

398

518

ПИВО БЕЛЫЙ МЕДВЕДЬ КРЕПКОЕ, 1.5Л-БУТ, (ШТ): {14.00, 19.00}

-0,29

-8,83

399

301

КИТЕКАТ СУХОЙ, (КГ): {34.00, 64.40}

-0,32

-9,53

400

106

СЫР КОЛБАСНЫЙ, (КГ): {2.00, 5.40}

-0,33

-9,85

401

428

ЧАЙ "ГРИНФИЛД", РОЙБОШ, 25 ПАК, (ШТ): {3.00, 4.00}

-0,33

-9,85

402

274

ЧАЙ БЭТА, МЯТА-ЛИМОН, (ШТ): {6.00, 7.00}

-0,34

-10,33

403

41

ПИВО ДОН ЖИВОЕ, 1,5Л-БУТ, (ШТ): {6.00, 29.20}

-0,36

-10,79

404

62

ГОРЯЧИЙ КЛЮЧ, 1,5Л-БУТ, (ШТ): {240.80, 387.60}

-0,36

-10,79

405

146

СИГАРЕТЫ ДОНСКОЙ ТАБАК, СВЕТЛЫЙ, (ПАЧ): {31.00, 50.80}

-0,36

-10,79

406

432

ЧАЙ "ГРИНФИЛД", КАМОМАЙЛ, 25 ПАК, (ШТ): {1.80, 2.60}

-0,36

-10,79

407

617

ОГУРЦЫ, (КГ): {14.80, 25.60}

-0,36

-10,79

408

182

СИГАРЕТЫ ЧЕСТЕРФИЛД, ЛЕГКИЕ, (ПАЧ): {16.80, 25.60}

-0,39

-11,64

409

66

СОК ФРУКТОВЫЙ САД, 0,5Л-ПАК, (ШТ): {37.00, 40.00}

-0,41

-12,43

410

91

СЫР ЯНТАРНЫЙ,ВОРОНЕЖ, (ШТ): {5.00, 14.00}

-0,41

-12,43

411

521

ПИВО ОБОЛОНЬ, 1Л-БУТ, (ШТ): {9.00, 24.40}

-0,41

-12,43

412

318

ОКОРОЧКА ЗАМОРОЖЕНЫЕ, (КГ): {33.00, 48.00}

-0,44

-13,17

413

321

ВОДА, 5Л-БУТ, (ШТ): {18.00, 33.60}

-0,46

-13,86

414

419

РАФИНАД, 500Г, (ШТ): {5.60, 6.80}

-0,46

-13,86

415

543

МУКА, (КГ): {59.80, 79.20}

-0,46

-13,86

416

72

ГОРЯЧИЙ КЛЮЧ 1,4Л-БУТ, (ШТ): {24.40, 40.80}

-0,48

-14,51

417

306

ЧАППИ СУХОЙ, (КГ): {17.00, 23.00}

-0,48

-14,51

418

621

МАЙОНЕЗ "ШАЙБА" 220Г, (ШТ): {28.00, 60.80}

-0,48

-14,51

419

31

ПИВО ЖИГУЛЕВСКОЕ, 1,5Л-БУТ, (ШТ): {10.00, 33.80}

-0,50

-15,12

420

186

СИГАРЕТЫ НАША МАРКА, МЯГКАЯ, (ПАЧ): {46.00, 78.80}

-0,50

-15,12

421

341

БАГБИР, 5Л-БУТ, (ШТ): {1.00, 2.40}

-0,50

-15,12

422

456

ПАЛОЧКИ КУРИНЫЕ,(КГ): {5.00, 5.94}

-0,62

-18,64

423

326

КОФЕ ПЕЛЕ, 50Г, (ШТ): {3.00, 4.40}

-0,68

-20,59

 

Необходимо отметить, что задача выявления фактически имеющихся зависимостей, и задача содержательного объяснения причин существования именно обнаруженных зависимостей, а не каких-либо других, т.е. задача содержательной интерпретации обнаруженных зависимостей, – это совершенно разные задачи. По мнению авторов, задача интерпретации должна решаться специалистами в моделируемой предметной области, однако сама возможность применения обнаруженных зависимостей в практике прогнозирования и принятия решений не связано с наличием или отсутствием такой содержательной интерпретации или со степенью ее адекватности.

6.3. Задача 4: «Исследование предметной области» решается применением режимов системы «Эйдос», предназначенных для этих целей, которые приведены в работе [7]. Подробные примеры применения этих режимов приведены в работе [3-273]. Классификация исследовательских задач, которые могут решаться с применением системы «Эйдос», приведена в работе [7]. Здесь же отметим лишь, что задачи одновременного достижения высокой прибыли и рентабельности вполне совместимы, т.к. системы детерминации этих классов совпадают на 82%. Это видно из семантической сети классов, построенной на основе матрицы сходства обобщенных образов классов по их системам детерминации (рисунок 63).

 

Рисунок 63. Семантическая сеть классов

 

7. Основной принцип оценки экономической эффективности разработанной методики (при условии ее применения в деятельности реальной фирмы) состоит в том, что данная методика позволяет создать научно обоснованный образ желательных продаж (как и образ нежелательных), за счет чего рентабельность и прибыль компании повысится. Экономическая эффективность применения данной методики может оцениваться как разница между прибылью, полученной в условиях ее применения и прибылью без нее, причем прибыль, полученная в условиях применения методики учитывает и затраты на ее приобретение и применение.

8. При планировании данного исследования авторы ставили цель лишь оценить возможность применения технологии СК-анализа для решения задачи выбора номенклатуры и объема продаж. Данное исследование показало, что это возможно и перспективно. Представленный в работе вариант исследования имеет ряд ограничений и недостатков, в преодолении которых и состоит перспектива его развития. В частности можно было бы увеличить объем исследуемой выборки за счет увеличения периода времени, за который исследуется деятельность фирмы.

Выводы.

В работе описана технология применения системно-когнитивного анализа для создания на основе данных реальной торговой фирмы и применения в ней методики прогнозирования и поддержки принятия решений по такому выбору номенклатуры и объемов реализуемой продукции, которые обеспечивают получение максимальной прибыли и рентабельности.

 



[1] С точки зрения населения цель фирмы состоит в удовлетворении его потребностей, а с точки зрения государства – в создании рабочих мест и отчислению в бюджет налогов и других обязательных платежей.

[2] Для определения этой емкости обычно необходимо регулярно проводить специальные достаточно дорогостоящие маркетинговые исследования.