Локально-ситуационные модели и инструменты для поддержки принятия решений по управлению промышленным предприятием тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Битюцкий, Сергей Яковлевич

• Битюцкий, Сергей Яковлевич
• кандидат экономических наук
• 2003

Оглавление диссертации кандидат экономических наук Битюцкий, Сергей Яковлевич

ВВЕДЕНИЕ.

1. СОВРЕМЕННЫЕ МОДЕЛИ ЭКОНОМИЧЕСКИХ ОБЪЕКТОВ, ИСПОЛЬЗУЕМЫЕ ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ ПРОМЫШЛЕННЫМ ПРЕДПРИЯТИЕМ.

1.1. Общие подходы к построению моделей сложных экономических ф систем.

1.2. Современные методы моделирования экономических объектов.

1.3. Количественные методы анализа экономических объектов.

1.3.1. Комбинаторные методы.

1.3.2. Нейросетевые методы.

1.3.3. Непараметрические методы.

1.3.4. Нечеткие методы. ф 1.4. Выводы.

2. АНАЛИЗ ВОЗМОЖНОСТЕЙ ПРИМЕНЕНИЯ ПРЕЦЕДЕНТНЫХ МОДЕЛЕЙ ДЛЯ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ УПРАВЛЕНИЯ МАШИНОСТРОИТЕЛЬНЫМИ ПРЕДПРИЯТИЯМИ РОССИЙСКОЙ

ФЕДЕРАЦИИ.

2.1. Современные трактовки понятия «устойчивое развитие».

2.1.1. Устойчивое развитие социально-экономических систем различного уровня. 2.1.2. Устойчивое развитие промышленного предприятия. 2.2. Математическая формализация понятия «устойчивое развитие промышленного предприятия» и оценка возможности применения прецедентных методов управления промышленными предприятиями.

2.3. Анализ состояния машиностроительных предприятий Российской

Федерации.

2.3.1. Анализ машиностроительной промышленности и оценка возможности перехода предприятий отрасли к устойчивому развитию.

2.3.2. Анализ машиностроительных предприятий Смоленской области.

2.4. Выводы.

3. ЛОКАЛЬНО-СИТУАЦИОННЫЕ МОДЕЛИ ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ ПРОМЫШЛЕННЫМИ ПРЕДПРИЯТИЯМИ.

3.1. Описание базового алгоритма построения локально-ситуационной модели экономического объекта.

3.2. Точность локально-ситуационных моделей.

3.3. Алгоритм построения динамических локально-ситуационных моделей.

3.4. Локально-ситуационные модели прогнозирования показателей экономической конъюнктуры промышленного предприятия.

3.5. Выводы.

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ЛОКАЛЬНО-СИТУАЦИОННЫХ МОДЕЛЕЙ И ИНСТРУМЕНТОВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ ПРОМЫШЛЕННЫМИ ПРЕДПРИЯТИЯМИ. 117.

4.1. Алгоритмическая и программная реализация инструментов локально-ситуационного моделирования для поддержки управления промышленными предприятиями.

4.1.1. Архитектура и обобщенный алгоритм функционировани комплекса программ Promod.

4.1.2. Применение программы Promod 1.0 для решения прикладных задач.

4.2. Применение локально-ситуационных моделей и инструментов на ОАО «Комплексные дорожные машины».

4.3. Применение локально-ситуационных моделей и инструментов на ЗАО «Смоленский автоагрегатный завод».

4.4. Выводы.

Введение диссертации (часть автореферата) на тему «Локально-ситуационные модели и инструменты для поддержки принятия решений по управлению промышленным предприятием»

Переход экономики Российской Федерации к рыночным отношениям и интеграция в мировое экономическое и информационное пространство обусловил усиление давления на российских производителей различных рыночных факторов. В этой связи задача принятия обоснованных управленческих решений, адаптированных к изменяющимся условиям внутренней и внешней среды промышленного предприятия, является важнейшим этапом управленческого цикла для менеджмента любого уровня.

В настоящее время существует большое количество методов, моделей и к инструментов поддержки принятия управленческих решений, позволяющих в той или иной мере учитывать влияние на предприятие различных элементов рыночной среды. Известны труды таких авторов как Андрейчиков А.В., Барашков А.С., Бурков В.Н., Емельянов А.А., Емельянов B.C., Кудрин Б.И., Лагоша Б.А., Одинцов Б.Е., Петрушко И.М., Попов Э.В., Романов А.Н., ТельновЮ.Ф., в которых рассматриваются различные аспекты построения систем поддержки принятия решения, в том числе и при управлении промышленным предприятием.

Существующие методы количественного экономического анализа, которые обычно применяются при построении систем анализа и поддержки принятия решений, могут быть условно разделены на два класса - так называемые аналитические и аппроксимационные методы, которые в свою очередь делятся на статические и динамические.

Рыночная среда, в которой обычно функционирует производственно-хозяйственная организация, характеризуется сложным характером зависимостей между элементами, динамической изменчивостью ее параметров. Поэтому, несмотря на многообразие указанных методов, не один из них в полной мере не позволяет учесть ситуационные аспекты изменения внешней среды, оказывающей влияние на промышленное предприятие, и, соответс'твенно, построить модель управления, адаптированную к изменяющимся внешним факторам.

В то же время уже много лет Гарвардская школа управления использует так называемый метод ситуаций (Case - method) и построенные на его основе инструменты поддержки принятия решений, которые предполагают опору на прецеденты, уже имевшие место.

Современное состояние Российской экономики создаёт определенные предпосылки для перехода к устойчивому развитию, что делает возможным широкое применение зарубежного опыта управления, в том числе и методов, основанных на использовании прецедентов. Однако в своем классическом варианте данный метод не учитывает динамические аспекты развития ситуаций и не позволяет вырабатывать количественные прогнозы и рекомендации, что в значительной степени затрудняет процесс принятия оперативных и обоснованных решений. В большой степени это связано с тем, что в рамках рассматриваемого метода информация о прецедентах носит в основном лингвистический характер. В этой связи представляется целесообразной разработка методов и инструментов поддержки принятия управленческих решений, которые учитывают локальные особенности распределения прецедентов в пространстве состояний и допускают программную реализацию на ПЭВМ, что делает возможным построение на их основе компьютерных систем поддержки решений по управлению промышленным предприятием.

Учитывая важность для российских промышленных предприятий принятия экономически обоснованных управленческих решений, актуальной научной задачей является разработка новых методов моделирования экономических объектов и их применение в системах поддержки принятия решений по управлению организацией, учитывающих ситуационные аспекты деятельности промышленных предприятий, позволяющих принимать экономически обоснованные решения в условиях динамично изменяющихся факторов внешней и внутренней среды организации.

Основные разделы диссертационной работы выполнялись в рамках комплексных программ социально-экономического развития Смоленской области на 1997-1998г.г., 1999-2000г.г. и 2001-2002г.г.

Цели диссертационной работы. Разработать локально-ситуационные модели и инструменты для поддержки решений по управлению промышленным предприятием, позволяющие осуществлять поддержку принятия эффективных управленческих решений на основе выработки количественных прогнозных оценок развития микро- и макросреды организации в условиях перехода экономики России к устойчивому развитию.

Для реализации поставленных целей были сформулированы и решены следующие задачи.

1. Проведение комплексного экономического анализа состояния машиностроительных предприятий (на материалах Смоленской области).

2. Анализ современных моделей экономических объектов, используемых в системах поддержки принятия управленческих решений для промышленных предприятий.

3. Разработка методов и построение локально-ситуационных моделей экономических объектов, анализ их точностных характеристик и динамических свойств.

4. Разработка архитектуры системы поддержки принятия управленческих решений для промышленных предприятий, использующей локально-ситуационные модели. .

5. Применение разработанных методов, инструментов, методик и алгоритмов локально-ситуационного моделирования в системах поддержки принятия решений по управлению промышленными предприятиями Смоленской области.

Методы исследования в диссертации:

В исследовании использованы методы экономического анализа, математического моделирования в экономике, непараметрической идентификации, теории вероятностей, математической статистики и вычислительного эксперимента.

Основные положения, выносимые на защиту.

1. Результаты комплексного анализа состояния и развития машиностроительных предприятий в условиях возможного возникновения предпосылок перехода экономики России к устойчивому развитию.

2. Методические основы построения и использования локально-ситуационных моделей взаимодействия промышленного предприятия с внешней средой в системах поддержки принятия управленческих решений.

3. Методы и инструменты построения статических и динамических локально-ситуационных моделей экономических объектов, особенности их применения.

4. Алгоритмы построения локально-ситуационных моделей для прогнозирования экономической конъюнктуры.

5. Алгоритм реализации локально-ситуационных моделей на персональных компьютерах.

Научная новизна. К наиболее существенным научным результатам относится следующее.

1. Результаты анализа состояния Российских предприятий машиностроения, которые показали возможность применения в процессе управления методов, основанных на использовании прецедентов.

2. Методические основы построения локально-ситуационных моделей и их использование в системах поддержки принятия управленческих решений по управлению промышленными предприятиями при переходе экономики России к устойчивому развитию, которые в отличие от известных прецедентных моделей позволяют осуществлять количественную оценку и прогноз развития рыночной ситуации.

3. Алгоритмы и инструменты построения локально-ситуационных моделей взаимодействия промышленного предприятия с внешней средой; необходимые и достаточные условия, выполнение которых гарантирует заданную точность и сходимость указанных алгоритмов.

4. Методы и алгоритмы построения статических локально-ситуационных моделей экономических объектов, позволяющие учесть ситуационные аспекты его развития и многофакторность рыночной среды.

5. Алгоритмы построения локально-ситуационных моделей взаимодействия промышленного предприятия с внешней средой, учитывающих динамическое изменение внешних и внутренних факторов рыночной среды, которые позволяют прогнозировать основные показатели деятельности промышленного предприятия и последствия принимаемых управленческих решений, а также тенденции изменения рыночной конъюнктуры.

6. Научно-обоснованные рекомендации и методика по созданию информационной системы поддержки принятия решений по управлению промышленным предприятием для решения задач прогноза, планирования и управления, реализация которой позволило провести исследование ряда конкретных промышленных предприятий. На реальных данных показано, что точность локально-ситуационных моделей при моделировании экономических систем часто оказывается выше, чем при использовании других методов.

Практическая значимость результатов исследования.

1. Предложенные алгоритмы и инструменты построения локально-ситуационных моделей взаимодействия промышленного предприятия с внешней средой могут быть использованы при разработке информационно-аналитической системы поддержки принятия управленческих решений для промышленных предприятий.

2. На основе теоретических и методических результатов данной диссертационной работы созданы модули (процедуры) программно-информационных комплексов, интегрированных автоматизированных систем управления предприятиями, а также элементы экспертных систем прогнозирования и планирования экономических процессов и явлений. Разработанные в диссертации конкретные компьютерные реализации локально-ситуационных моделей существенно расширяют возможности компьютерных методов анализа экономических ситуаций для решения задач прогнозирования, планирования и управления.

3. Теоретические и практические положения и выводы исследования могут быть использованы в учебном процессе Вузов, при подготовке специалистов в области менеджмента и экономики.

Реализация результатов работы.

Разработанные методики и алгоритмы и научно-обоснованные рекомендации по их применению практически используются в системе поддержки принятия решений в ОАО «Комплексные дорожные машины», что позволяет прогнозировать изменение рыночной конъюнктуры и повысить качество принимаемых управленческих решений по оперативному и среднесрочному планированию производственных и маркетинговых программ.

Анализ результатов, полученных в результате применения информационно-аналитической системы поддержки принятия управленческих решений в ЗАО «Смоленский автоагрегатный завод» АМО ЗИЛ, позволил выработать рекомендации по усилению конкурентных позиций организации, что дало возможность увеличить выпуск промышленной продукции и расширить долю рынка.

Методические и теоретические результаты работы используются в учебном процессе филиала Московского энергетического института в г. Смоленске.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на 13-й, 14-й и 15-й Международных конференциях «Математические методы в технике и технологиях» (Санкт-Петербург, 2000, Смоленск, 2001, Тамбов, 2002), 4-й международной научно-практической конференции «Экономика, экология и общество России в 21-м столетии» (Санкт-Петербург, 2002), Международная научная конференция «Логистика и экономика ресурсосбережения и энергосбережения в промышленности» (Москва, 2002), Международной конференции" «Математические методы в интеллектуальных информационных системах» (Смоленск, 2002), XXXI Уральском семинаре по механике и процессам управления (Миасс, 2001), 6-й Международной школе молодых ученых (Смоленск, 2001), Межвузовской научно-практической конференции студентов «Молодёжь — XXI веку: идеи, новации, технологии» (Смоленск, 2002), Межвузовском семинаре «Актуальные вопросы управления техническими и экономическими системами» (Смоленск, 2000), также на семинарах в филиале Московского энергетического института в г. Смоленске, Смоленском Государственном педагогическом университете и Военном университете' войсковой ПВО ВС РФ.

Публикации. По теме диссертации опубликовано 30 печатных работ. В работах, написанных в соавторстве, Битюцкому С.Я. принадлежат все результаты, касающиеся теоретических и методических аспектов построения локально-ситуационных моделей взаимодействия промышленного предприятия с внешней средой, а также результаты, относящиеся к практической реализации и применению разработанных методов при построении систем поддержки принятия управленческих решений.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 127 наименований и приложений. Диссертация содержит 164 стр. машинописного текста, 19 рисунков и 12 таблиц.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Битюцкий, Сергей Яковлевич

Основные результаты работы и рекомендации.

1. Проведён комплексный экономический анализ состояния машиностроительных предприятий (на материалах Смоленской области), который показал возможность перехода данной отросли к устойчивому развитию, что создаёт предпосылки для применения прецедентных методов управления.

2. Разработаны методические основы построения локально-ситуационных моделей поддержки принятия решений по управлению; промышленным предприятием при переходе экономики России к устойчивому развитию, которые в отличие от известных прецедентных, моделей позволяют осуществлять количественную оценку и прогноз развития рыночной ситуации, что позволяет повысить экономическую эффективность принимаемых управленческих решений.

3. Предложены алгоритмы и инструменты построения локально-ситуационных моделей взаимодействия промышленного предприятия с внешней средой. Сформулированы необходимые и достаточные условия, выполнение которых гарантирует заданную точность и сходимость указанных алгоритмов, что позволяет определить необходимый для построения модели объём статистической информации.

4. Разработаны методы и алгоритмы построения статических локально-ситуационных моделей взаимодействия промышленного предприятия с внешней средой, позволяющие учесть ситуационные аспекты развития и многофакторность рыночной среды.

5. Предложены алгоритмы построения локально-ситуационных моделей взаимодействия промышленного с внешней средой, учитывающих динамическое развитие рыночной среды, которые позволяют прогнозировать основные показатели деятельности промышленного предприятия и последствия принимаемых управленческих решений.

6. На основе теоретических и методических результатов данной диссертационной работы созданы модули (процедуры) программно-информационных комплексов, интегрированных автоматизированных систем управления предприятиями. Разработанные в диссертации конкретные компьютерные реализации локально-ситуационных моделей существенно расширяют возможности компьютерных методов анализа экономических систем для решения задач прогнозирования, планирования и управления.

7. Разработанные методики и алгоритмы и научно-обоснованные рекомендации по их применению практически используются в системе поддержки принятия решений в ОАО «КДМ» и ОАО «Смоленский автоагрегатный завод», что позволяет прогнозировать изменение рыночной конъюнктуры и повысить качество принимаемых управленческих решений по оперативному и среднесрочному планированию производственных и маркетинговых программ.

8. Методические и теоретические результаты работы используются в учебном процессе филиала Московского энергетического института в г. Смоленске.

ЗАКЛЮЧЕНИЕ

Совокупность полученных в диссертации результатов представляет собой новое решение научной задачи разработки методов ситуационного управления промышленным предприятием, имеющей существенное значение для теории и практики принятия решений по управлению организацией.

Список литературы диссертационного исследования кандидат экономических наук Битюцкий, Сергей Яковлевич, 2003 год

1. Растригин J1.A. Современные принципы управления сложными объектами. М.: Сов. радио, 1980.

2. Гхосал А. Прикладная кибернетика и ее связь с исследованием операций. М.: Радио и связь, 1982.

3. Эйкофф П. Основы идентификации систем управления. М.: Мир,1975.

4. Райбман Н.С., Чадеев В.М. Построение моделей производства. М.: Энергия, 1975.

5. Ицкович Э.Л. Контроль производства с помощью вычислительных машин. М.: Энергия, 1975.

6. Гроп Д. Методы идентификации систем. М.: Мир, 1979.

7. Себер Дж. Линейный регрессионный анализ, М.: Мир, 1980.

8. Дисперсионная идентификация /Под. ред. Н.С. Райбмана. М.: Наука,1981.

9. Демиденко Е.З. Линейная и нелинейная регрессия. М.: Финансы и статистика, 1981.

10. Цыпкин Я.З. Основы информационной теории идентификации. М.: Наука, 1984. ,1.1. Количественные методы финансового анализа/ Под ред. С Дж. Брауна и М.П.Ураумана. М.: ИНФА-М, 1996.

11. Вощинин А.П., Сотиров Г.Р. Оптимизация в условиях неопределенности. М.: Изд-во МЭИ, 1989.

12. Дадаян B.C. Глобальные экономические модели. М.: Наука, 1981.

13. Горский В.Г. Планирование кинетических экспериментов. М.: Наука, 1984.

14. Андерсон Т. Статистический анализ временных рядов. М.: Мир,1976.

15. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987.

16. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996.

17. Бэстенс Д.-Э., ван ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. М.: ТВП, 1997.

18. Уоссермен Ф. Нейрокомпьютерная техника М.: Мир, 1992.

19. Галушкин А.О. О современных направлениях развития нейрокомпьютеров//Нейрокомпьютер. 1997. № 1,2. С.5-22.

20. Priestly М.В. Non-linear and поп stationary time series prediction. London: Academic Press, 1988.

21. Connor J., Atlas L. Recurrent neural networks and time series prediction// Proceeding IJCNN. 1991. V.l. P.301-306.

22. Круглов B.B., Борисов B.B., Харитонов E.B. Нейронные сети: конфигурации, обучение, применение. Смоленск: МЭИ (фил-л в г. Смоленске). 1998.

23. Логовский А.С. Зарубежные нейропакеты: современное состояние и сравнительные характеристики// Нейрокомпьютер. 1998. № 1,2 С. 13-26.

24. Катковник В.Я. Непараметрическая идентификация и сглаживание данных. М.: Наука, 1985.

25. Stone С. J. Nearest neighbor estimator of a nonlinear regression function // Proc. of Computer Sciences and Statistics: 8ht Annual Symposium on the Interface, Health Science Computer Faculty, UCLA, 1975. P.413-418.

26. Stone C.J. Consistent nonparametric regression// The Annals of Statistics. 1977. V. 5. № 4. P.595-645.

27. Cover T.M., Hart P.E. Nearest neighbor pattern classification// IEEE Trans, on Inform. Theory. 1967. V. IT-13. P.21-27.

28. Lancaster P., Saulkauskas K. Surfaces generated by moving least squiares methods//Mathematics of Computation. 1981. V.37. N155. P.141-158.-14630. Давыдов А.А. Индекс социального неблагополучия// Социологические исследования. 1995. № 10. С.118-127.

29. Давыдов А.А. Модель социального времени// Социологические исследования. 1998. № 4. С.98-101.

30. Мескон М.Х., Альберт М., Хедоури Ф. Основы менеджмента. М.: Дело. 1998.

31. Sang М. Lee, Fred Luthans, and David L. Osion, «А Management Science Approach to Contingency Models», Management Journal, vol. 25, no. 3 (1982), pp. 553-566.

32. Львов Д.С. Развитие экономики России и задачи экономической науки / Отделение экономики РАН. М.: Экономика, 1999. С. 16-17.

33. Теория автоматического управления. Под ред. А.В. Нетушила. Учебник для вузов. М.: «Высшая школа», 1976.

34. Санжапов Б.Х., Стародубцева Я.В. Анализ устойчивого развития региона в условиях нечеткой информации // Информационные технологии, 2002, № 2. С.27-29.

35. Папенов К.В. Устойчивое развитие: теоретический аспект // Вестник московского университета. Сер. 6. Экономика, 1995, № 5. С. 3-18.

36. Экономическая теория национальной экономики и мирового хозяйства. / Под ред. А.Г. Грязновой, Т.В. Чечелевой. М.: ЮНИТИ, 1998.

37. Тамашевич В.Н. Проблемы статистического отображения экономического роста и экономического развития // Актуальные вопросы экономики республики Беларусь, 2002, № 5. С. 15-23.

38. Рябушкин Т.В., Симчера В.М., Машихин Е.А. Статистические методы и анализ социально-экономических процессов. -М.: Наука, 1990. С. 1669.

39. Симчера В.М. Как возродить экономику России. М.: АОЗТ «Паритет», 1999.

40. Раицкий К.А. Устойчивое развитие экономики // Бизнес академия, 2002 № 1. С.2-12.

41. Дойль П. Менеджмент: стратегия и тактика. СПб: Издательство «Питер», 1999. - 560 с.

42. Cooper D. Clues that warn of collapse // Financial Times, 26 May 1991,p.3

43. C. Pratten, Company Failure (London: 1С A, 1991)

44. Российское машиностроение и металлообработка. Анализ департамента макроэкономических исследований центра консалтинга «Форум» // Управление компаний, 2002, № 3.47. www.gks.ru48. www.infostat.ru49. www.voprecon.ru

45. Российский статистический ежегодник, 2002.51.www.admin.smolensk.ru

46. Статистический сборник «О социально-экономическом положении Смоленской области в 2000 году»

47. Статистический сборник «О социально-экономическом положении Смоленской области в 2001 году»

48. Статистический сборник «О социально-экономическом положении Смоленской области в январе-сентябре 2002 года»

49. Путь в XXI век: стратегические проблемы и перспективы российской экономики / Рук. авт. колл. Д.С. Львов; Отделение экономики РАН. -М.: Экономика, 1999. С. 164-168.

50. Бахвалов Н.С. Численные методы (анализ, алгебра, обыкновенные дифференциальные уравнения). М.: Наука, 1975.

51. Корн Г., Корн Т. Справочник по математике (для научных работников и инженеров). М.: Наука, 1974.

52. Вентцель Е.С., Овчаров JI.A. Теория вероятностей и ее инженерные приложения. М.: Наука, 1988.

53. Гнеденко Б.В. Курс теории вероятностей. М.: Наука, 1988.

54. Айзерман М.А., Браверман Э.М., Розоноэр ЛИ. Теоретические основы метода потенциальных функций в задаче об обучении автоматов разделению входных ситуаций на классы // Автоматика и телемеханика. 1964. № 6.С.917-936.

55. Вапник В.Н., Червоненкис А .Я. Теория распознавания образов. М.: Наука, 1974.

56. Wilks S.S. Moments and distributions of estimates of population from fragmentary samples // Ann. Math. Statist. 1932. V.3. 163-195.

57. Себестиан Г.С. Процессы принятия решений при распознавании образов. Киев: Техника, 1965.

58. Afifi А.А., Elashoff R.M. Missing observations in multivariate statistics//J.Amer. Statist. Assoc. 1966. V.61. P.595-604.

59. Buck S.F. A method of estimation of missing values in multivariate data// J.Roy. Statist. Soc. Ser. B. 1960. V.22. P.202-206.

60. Walsh J.E. Computer-feasible method for handling incomplete data regression analysis//J. Assos. Comput. Math. 1961. V. 18. P.201-211.

61. Gleason T.C., Staelin R. A proposal for handling missing data// Psy-chometrika. 1975. V.40. P.229-252.

62. Frane G.M. Some simple procedure for handling missing values in multivariate analysis// Psychometrika. 1976. V.41. P.409-415.

63. Растригин JI.A., Пономарев Ю.П. Экстраполяционные методы проектирования и управления. М.: Машиностроение, 1986.

64. Жанатауров С.У. Методы прогностических переменных// Машинные методы обнаружения закономерностей. Новосибирск, 1981. Вып. 88: Вычислительные системы. С. 151-155.

65. Glasser M. Linear regression analysis with missing observations among the independent variables// J. Amer. Statist. Assoc. 1964. V.59. P.834-844.

66. Hiseby J.R., Schwertman N.C., Allen D.M. Computation of the mean vector and dispersion matrix for incomplete multivariate data// Communs. Statist. Ser.B. 1960. V.9. P.301-309.

67. Engelman L. An efficient algorithm for computing covariance matrices from data with missing values// Comm. Statist. Theory Methods. Ser. D. 1982. V.ll. P.113-121.

68. Beale E.M., Little RJ. Missing values in multivariate analysis// J. Roy. Statist. Soc, Ser. B. 1975. V. 37. P. 129-145.

69. Titterington D.M., Jiang J.M. Recursive estimation procedures for missing data problems// Biometrika. 1983. V.70. P.25 8-267.

70. Hartley H.O., Hocking R.R. The analysis of incomplete data// Biometrics. 1971. V.27. P.783-808.

71. Dempster A.P., Laird N.M., Rubin D.B. Maximum lirelihood from .incomplete data via the EM-algorithm// J. Roy. Statist. Soc. Ser. B. 1977. V.39. P.l-38.

72. Little R.J., Smith P.J. Editing and imputation for quantitative survey data// J.Amer. Statist. Assoc. 1987. V.82. P.58-68.

73. Little R.J., Schlusther M.D. Maximum lirelihood estimation for mixer continuous and categorical data with missing values// Biometrika. 1985. V.72. P.497-512.

74. Hocking R.R., Marx D.L. Estimation with incomplete data: an improved computational method and the analysis nested data// Comm. Atatist. Theory Meth- . ods. Ser. A. 1979. V. 8. P.l 151-1181.

75. Srivastave M.S. Multivariate data with missing observation// Comm. Statist. Theory Methods. 1985. V. 14. P.775-792.

76. Литтл P. Дж. А., Рубин Д.Б. Статистический анализ данных с пропусками. М.: Финансы и статистика, 1991.

77. Diday E., Lemaire J., Pouget J., Testu F. Elements d'analyse des Don-nces. Paris: Dunod, 1982.

78. Загоруйко Н.Г., Елкина B.H., Тимеркаев B.C. Алгоритм заполнения пропусков в эмпирических таблицах (алгоритм ZET)// Эмпирическое предсказание и распознавание образов. Новосибирск, 1975. Вып.61: Вычислительные системы. С.28-35.

79. Загоруйко Н.Г., Елкина В.Н. Лбов Г.С. Алгоритмы обнаружения эмпирических закономерностей. Новосибирск: Наука, 1985.

80. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Изд-во ин-та математики, 1999.

81. Загоруйко Н.Г. Классификация задач прогнозирования на таблицах "объект- свойство"// Машинные методы обнаружения закономерностей. Новосибирск, 1981. Вып. 88: Вычислительные системы. С.3-8.

82. Бокс Дж., Дженкинс Г. Анализ временных рядов: Прогноз и управление. Вып. 1 и 2. М.: Мир, 1974.

83. Савченко В.В. Прогнозирование социально-экономических процессов на основе адаптивных методов спектрального оценивания// Автометрия. 1999. № З.с.99-108.

84. Квакернак X., Сиван Р. Линейные оптимальные системы управления. М.: Мир, 1977. •

85. Изерман Р. Цифровые системы управления. М.: Мир, 1984.

86. Кашьяп Р.Л., Рао А.Р. Построение динамических стохастических моделей по экспериментальным данным. М.: Наука, 1983.

87. Переход к устойчивому развитию: глобальный, региональный и локальный уровни. Зарубежный опыт и проблемы России (под ред. чл.-корр. РАН Н.Ф. Глазовский). М.: Изд-во КМК, 2002.

88. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике М.: Финансы и статистика, 2000.

89. Исследование операций в экономике: Учебн. пособие для вузов / под ред. проф. Н.Ш. Кремера. — М.: Банки и биржи, ЮНИТИ, 1999.

90. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. Вербальный анализ решений. М.: Наука, Физматлит, 1996.

91. Абчук В.А. Экономико-математические методы: Элементарная математика и логика. Методы исследования операций. СПб.: Союз, 1999.

92. Ю1.Круглов В.В., Дли М.И., Битюцкий С.Я. Применение аппарата нейронных сетей для анализа социологических данных // Сб. трудов 14-й междун. научн. конф. "Математические методы в технике и технологиях -ММТТ 14". Т.2. Смоленск, 2001.

93. Солодков А.Н., Битюцкий С.Я., Рашевский В.И. Иерархическая модель процесса управления в организации // Сб. трудов 14-й междун. научн.конф. "Математические методы в технике и технологиях ММТТ - 14". Т.4. Смоленск, 2001. С. 137

94. Гимаров В. А., Дли М.И., Битюцкий С .Я. Общие подходы к решению задачи распознавания динамически изменяющихся образов. Филиал ГОУ ВПО МЭИ (ТУ) в г.Смоленске. Смоленск, 2001 - 36 стр. - Деп. В ВИНИТИ РАН 09.07.01 № 1615-В2001

95. Гимаров В.А., Дли М.И., Гимаров В.В., Битюцкий С.Я. Программа распознавания динамически изменяющихся образов CLASMod. Свидетельство о регистрации программ для ЭВМ в РОСАПО № 2001611275 от 24.09.2001.

96. Березникова J1.A., Дли М.И., Битюцкий С.Я. Реструктуризация предприятия как фактор финансового оздоровления его состояния. — Смоленск: филиала ГОУ ВПО МЭИ(ТУ) в г. Смоленске. Деп. В ВИНИТИ РАН -№ 596 -В2002, 14 с.

97. Дли М.И., Гончаров М.В., Быстров А.В., Битюцкий С.Я. Программа сбора информации различной природы. Свидетельство о регистрации программ для ЭВМ в РОСАПО № 2002610510 от 9.04.2002.

98. Гимаров В.А., Дли М.И., Битюцкий С.Я. Применение нейронных сетей для классификации динамических объектов // Сб. трудов междун. на-учн. конф. «Математические методы в интеллектуальных информационных системах ММИИС - 2002». Смоленск, 2002.

99. Гимаров В.А., Битюцкий С.Я., Гимаров В.В. Использование метода прогнозируемых эталонов в задачах распознавания образов // Сб. трудов междун. научн. конф. «Математические методы в интеллектуальных информационных системах ММИИС - 2002». Смоленск, 2002.

100. Фомченкова Л.В., Битюцкий С.Я. Информационные технологии моделирования региональной коммунальной энергетики // Сб. трудов междун. научн. конф. «Математические методы в интеллектуальных информационных системах ММИИС - 2002». Смоленск, 2002.

101. Дли М.И., Ялов В.П., Битюцкий С.Я. Общие подходы кпассифика-циии сложных объектов. Смоленск: филиала ГОУ ВПО МЭИ(ТУ) в г. Смоленске. - Деп. В ВИНИТИ РАН - № 900 - В2002, 47 с.

102. Дли М.И. Ялов В.П., Битюцкий С.Я. Локально-аппроксимационные методы классификации производственных ситуаций //

103. Труды 4-й международной научно-практической конференции «Экономика, экология и общество России в 21-м столетии». Санкт-Петербург, 2002.

104. Гимаров В.А., Битюцкий С.Я. Нейросетевой метод классификации сложных объектов. // Сб. трудов конф. «Системы компьютерной математики и их приложения СКМИП - 2002». Смоленск, 2002.

105. Гимаров В.А., Дли М.И., Битюцкий С.Я. Использование нейросе-тей типа GRNN и MLP для классификации сложных объектов. // Сб. трудов 15-й междун. научн. конф. «Математические методы в технике и технологиях ММТТ - 15». Тамбов, 2002.

106. Гимаров В.А., Дли М.И., Ялов В.П., Битюцкий С.Я. Метод прогнозируемых эталонов для решения задачи распознавания экстраполяционного типа// Сб. трудов 15-й междун. научн. конф. «Математические методы в технике и технологиях ММТТ - 15». Тамбов, 2002.

107. Дли М.И., Ялов В.П., Битюцкий С.Я. Нечеткие адаптивные классификаторы // Сб. кр. сообщ. XXII Российской школы по проблемам науки и технологий Уральского отделения РАН. Екатеринбург, 2002.

108. Фомченкова JI.B., Битюцкий С.Я. Организационные аспекты экономического моделирования региональной коммунальной энергетики // Сб. кр. сообщ. XXII Российской школы по проблемам науки и технологий Уральского отделения РАН. Екатеринбург, 2002.

109. Пыхтина И.Н., Дли М.И., Битюцкий С.Я. Исследование проблемы миграции молодых специалистов за пределы региона // Труды конференции «Логистика и экономика ресурсосбережения и энергосбережения в промышленности». М.: РХТУ им. Д.И. Менделеева, 2002.

110. Битюцкий С .Я., Пыхтина И.Н., Гимаров В.В. Исследование проблемы миграции молодых специалистов за пределы региона // Сб. трудов межвуз. научно-практ. конф. студ. «Молодёжь XXI веку: идеи, новации, технологии». Смоленск, 2002.

111. Пыхтина И.Н., Битюцкий С.Я., Алексеева А.В. Интеллектуальный потенциал регион // Сб. трудов межвуз. научно-практ. конф. студ. «Молодёжь XXI веку: идеи, новации, технологии». Смоленск, 2002.

112. Фомченкова JI.B., Битюцкий С.Я. Моделирование коммунальной энергетики // Сб. трудов межвуз. научно-практ. конф. студ. «Молодёжь — XXI веку: идеи, новации, технологии». Смоленск, 2002.

113. Фомченкова JI.B., Битюцкий С.Я. Организационные аспекты экономического моделирования региональной коммунальной энергетики // Труды XXII Российской школы по проблемам науки и технологий Уральского отделения РАН. Москва, 2002.