Методика и алгоритмы анализа финансовых показателей при управлении предприятием на основе нечеткой логики тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат наук Тишкина Валерия Валентиновна

• Тишкина Валерия Валентиновна
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Тишкина Валерия Валентиновна

Введение

Глава 1. Организация управления социально-экономической системой средних предприятий в условиях неопределённости исходных данных

1.1 Средние предприятия, как социально-экономическая система

1.2 Задачи управления, анализа и диагностики средних предприятий в условиях неопределённости

1.3 Обзор подходов к методам анализа данных

1.4 Использование алгоритма моделирования нечетких рассуждений в задачах управления средними предприятиями

1.5 Обобщенная структура экспертных комплексов для управления, анализа и диагностики средних предприятий и обоснование целесообразности разработки

Выводы по главе

Глава 2. Построение и исследование нечеткой модели управления средним предприятием

2.1 Формирование общей структуры нечёткой модели для анализа объектов управления в условиях априорной неопределённости

2.2 Построение функций принадлежности

2.3 Критерии отбора экспертов и сбор мнений

2.4 Определение метода согласования экспертных оценок и обработка экспертных мнений

2.5 Реализация алгоритма моделирования рассуждений на основе схемы Мамдани

Выводы по главе

Глава 3. Построение модели объекта управления на основе семантической сети

3.1 Математическое описание объекта управления

3.2 Формирование семантической сети

3.3 Формирование управленческих решений

3.4 Обратная связь

Выводы по главе

Глава 4. Программная реализация анализа объекта управления на основе методов теории нечетких множеств и нечеткой логики

4.1 Архитектура программного модуля и диаграмма классов

4.2 Подсистема ввода исходной информации об объекте управления и ввода экспертной информации и подсистема приобретения знаний

4.3 Тестирование методики на учебном примере

4.4 Пример оценки организации на примере опубликованной отчётности и апробация результатов исследований

Выводы по главе

Заключение

Список сокращений

Библиографический список

Приложения

Введение диссертации (часть автореферата) на тему «Методика и алгоритмы анализа финансовых показателей при управлении предприятием на основе нечеткой логики»

Введение

Актуальность проблемы. Социально-экономические системы (СЭС) -это различные сложные системы, характеризующиеся трудно предсказуемыми входными воздействиями и выходными результатами, разной степенью устойчивости воздействию извне. СЭС призваны обеспечивать удовлетворение целого ряда общественно значимых потребностей, таких как оборона, здравоохранение, научные исследования, социальная защита, культура, государственное управление и других. Динамичные условия развития СЭС выдвигают требования к обоснованности управленческих решений, поэтому существует насущная необходимость в понимании механизмов, способствующих повышению качества и конкурентоспособности. Объект управления представляет собой непосредственно организацию, которая осуществляет выполнение поставленных перед ней задач, в частности, выполнение планов, выработанных управленческим аппаратом, т. е. реализация той деятельности, для которой создавалась система управления. Эта информация может содержаться в бухгалтерском балансе, отчете о финансовых результатах, нормативных документах, законах и т. д. Предоставленную об объекте управления информацию, а именно: бухгалтерский баланс, отчет о движении денежных средств и финансовые показатели анализа необходимо преобразовать к виду, требующемуся для эффективного анализа объекта управления. Часто возникает ситуация, при которой информация, характеризующая объект управления бывает неполной. Неполнота в виде недоопределенной информации может касаться типов объектов, значений величин, отношений между ними. Также выделяют проблемы: нечёткости классификации различных состояний объекта управления; интерпретации мнений экспертов, которые часто носят нечисловой характер; вычисления согласованности между экспертными мнениями [73].

С 2015 г. по 2020 г. количество закрытых (ликвидированных) коммерческих организаций увеличилось с 236,6 тыс. до 515,5 тыс., а количество

открытых коммерческих организаций с 2015 г. по 2020 г. уменьшилось с 449,1 тыс. до 214,6 тыс. То есть количество ликвидированных коммерческих организаций увеличилось на 118%, а количество открытых коммерческих организаций уменьшилось на 52%. Одна из причин - неэффективные управленческие решения [104]. За последние три года в России закрылось 1097 вузов и их филиалов. Число вузов в стране сократилось почти наполовину, с 2268 до 1171, пишет «Коммерсантъ» со ссылкой на данные Рособрнадзора [105]. Средние предприятия являются одним из основных факторов развития стабильной экономики, так как способствуют созданию рабочих мест, созданию добавленной стоимости, повышению качества продукции и услуг, созданию новых сервисов и продуктов. Поэтому оказывается востребованным анализ предприятия с последующим планированием его стратегии развития [130].

Под СЭС в решаемой задаче понимается объект управления (российское среднее коммерческое предприятие или российская бюджетная организация) и система управления. Субъектом управления выступает менеджмент организации, которому необходимо принимать управленческие решения, способствующие улучшению показателей рентабельности, платежеспособности, эффективности управления, деловой активности и финансовой устойчивости. СЭС в работе рассматривается и анализируется на уровне предприятия, которое отчитывается о своей деятельности налоговому органу Российской Федерации с помощью формы №1 (бухгалтерский баланс) и формы №2 (отчет о финансовых результатах) бухгалтерской отчетности. На основе показателей бухгалтерской отчетности рассчитываются финансовые показатели, проанализировав которые, необходимо сделать вывод о состоянии объекта управления.

Специфической особенностью управления предприятиями в настоящее время является частое изменение условий внешней среды. В условиях рыночной экономики менеджменту организации необходимо оперативно принимать решения, направленные на улучшение состояния объекта управления. Также при управлении организацией менеджмент сталкивается со сложностями комплексной обработки информации для оперативного принятия решений по

изменению параметров управленческих процессов. В настоящее время существующие подходы к анализу средних предприятий используют только методы вычисления и анализа экспертами количественных финансовых показателей в отдельности от других. Необходим комплексный подход в оценке финансовых показателей при анализе бухгалтерской отчетности с целью принятия обоснованных управленческих решений.

Исследование посвящено разработке алгоритма, методики и структуры, ориентированных на повышение эффективности управления на основе развития и использования методов теории управления и принятия решений.

Существующие подходы рассматривают только отдельные аспекты задачи принятия управленческих решений, направленных на улучшение состояния объекта управления: оценка показателей бухгалтерской отчетности, оценка финансовых показателей объекта управления; опрос экспертов отрасли по названным количественным показателям. Анализ существующих подходов показал отсутствие комплексных системных подходов к формированию управленческих решений, обеспечивающих улучшение состояния объекта управления. Для построения модели объекта управления, необходимой для анализа состояния организации и формирования управленческих решений, направленных на улучшение ее состояния, предлагается использовать математический аппарат нечеткой логики, базирующийся на понятии нечеткого множества, в силу необходимости работы с качественными описаниями экспертами состояния финансовых показателей, и алгоритмы построения семантических сетей в применении к рассматриваемой предметной области. Критериями эффективности управления организациями являются время принятия управленческих решений и количественные изменения финансовых показателей, характеризующих организацию. Для повышения точности оценки показателей, характеризующих организацию, использован метод согласования экспертных оценок. Использование названного математического аппарата позволит сделать выводы о состоянии объекта управления и сформировать

управленческие решения в оптимальном для менеджмента объекта управления виде, что будет способствовать улучшению состояния объекта управления.

Степень разработанности темы. Большой вклад в развитие методологии комплексного анализа деятельности объектов управления внесли такие ученые, как Вересников Г. С. , Захарова А. А., Кононов Д. А., Корнеенко В. П., Кульба В. В., Косяченко С. А., Новиков Д. А., Рамеев О.А., Секерин В. Д., Шульц В. Л. и многие другие [4, 38, 50, 80, 83, 101]. Методы экспертных оценок описаны в трудах ряда российских учёных: Бешелев С. Д., Литвак Б. Г., Миркин Б. Г., Райков А. Н., Тоценко В. Г. [13, 18, 30, 65, 97]. Значительный вклад в совершенствование теории нечётких множеств и нечеткой логики внесли Алексеев А.В., Борисов А.Н., Борисов В.В., Заде Л., Дюбуа Д., Круглов В. В., Крумберг О.А., Коско Б., Пегат А., Прад Х., Федоров И. П., Федулов А. С., Ярушкина Н. Г. [8, 12, 31-33, 49, 75, 103].

Объектом исследования являются процессы управления СЭС с применением методов и алгоритмов теории управления и искусственного интеллекта и с использованием анализа финансовых показателей.

Предметом исследования являются методики и алгоритмы управления СЭС на основе методов теории нечетких множеств и нечеткой логики, методов и алгоритмов построения семантических сетей, а также экспертное оценивание финансовых показателей, характеризующих объект управления.

Цель и задачи диссертационной работы. Целью диссертационной работы является разработка модели объекта управления, алгоритмов, структуры и средств управления СЭС с использованием методов теории нечёткой логики и семантических сетей для анализа текущего состояния СЭС, с последующей выработкой и выводом управленческих решений и, как следствие, дальнейшим улучшением состояния предприятия.

Для выработки управленческих решений необходимо решить ряд задач.

1. Проанализировать существующие методы и программное обеспечение для решения рассматриваемых задач; определить экспертный метод оценки финансовых показателей; выбрать методику оценки и согласования

экспертных мнений; выбрать математическую модель представления объекта управления.

2. Разработать алгоритм сбора и анализа экспертных мнений.

3. Создать методику построения математической модели объекта управления для анализа результатов деятельности и получения заключений и управленческих решений по дальнейшему функционированию объекта управления.

4. Разработать структуру программного модуля анализа результатов деятельности объекта управления, отвечающую за формирование выводов, заключений и управленческих решений по текущей ситуации на объекте управления.

5. Протестировать на практике разработанную методику построения математической модели объекта управления.

Содержание диссертационной работы соответствует паспорту научной специальности: 05.13.10 - Управление в социальных и экономических системах. Содержание диссертационной работы соответствует следующим пунктам специальности.

п. 4. Разработка методов и алгоритмов решения задач управления и принятия решений в социальных и экономических системах.

п. 5. Разработка специального математического и программного обеспечения систем управления и механизмов принятия решений в социальных и экономических системах.

п. 9. Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации экономических и социальных систем.

п 10. Разработка методов и алгоритмов интеллектуальной поддержки принятия управленческих решений в экономических и социальных системах.

Научная новизна работы заключается в следующем.

1. Разработаны алгоритм сбора и анализа мнений экспертов о соответствии числовых интервалов качественным характеристикам каждого из показателей анализа. Новизна заключается в совокупности используемых

методик и алгоритмов для анализа результатов деятельности объекта управления: определение оптимального числа экспертов, согласование экспертных оценок с использованием метода А. Шера с модифицированным алгоритмом нахождения непересекающихся интервалов с возможностью дальнейшего выбора соответствующего интервала с наименьшим отклонением от общего экспертного мнения. Использование алгоритма позволяет понизить ресурсоемкость процесса сбора и анализа мнений экспертов из-за уменьшения количества операций с непосредственным участием экспертов (п. 4, 5, 10).

2. Разработана методика построения математической модели объекта управления, описывающая регламент процесса принятия решений и управления полученными в ходе работы алгоритмов данными в социально-экономической системе (п. 4).

3. Предложена структура программного модуля «Анализ деятельности предприятий для поддержки принятия управленческих решений с применением методов искусственного интеллекта (теории нечётких множеств и семантических сетей)», с учетом особенностей проектирования, предложенных в положении 2. Разработанное решение позволяет повысить эффективность работы системы в условиях неточности, недоопределенности и противоречивости информации и может быть встроено в программный комплекс, использующийся на предприятии. При эксплуатации программного модуля с предложенной структурой повышается эффективность управления СЭС за счёт снижения нагрузки на управленческий персонал объекта управления, а также улучшаются показатели эффективности деятельности персонала и эффективности менеджмента (п. 5, 9).

Теоретическая и практическая значимость работы. Теоретическая значимость работы заключается в развитии и совершенствовании модели и алгоритмов анализа результатов деятельности объектов управления в условиях неопределённости исходной информации.

Практическая значимость диссертационной работы определяется разработанными методикой и алгоритмами, применёнными и выступающими в

качестве основы в программном комплексе поддержки принятия решений на основе нечеткой логики «Эксперт 6. Анализ деятельности объекта управления с применением теории семантических сетей» (Свидетельство о государственной регистрации программы для ЭВМ № 2016618304, дата государственной регистрации 26 июля 2016 г. Программный комплекс поддержки принятия решений на основе нечеткой логики «Эксперт 6. Анализ деятельности объекта управления с применением теории семантических сетей»). Также предложенные алгоритмы были применены в разработанной программе «Программа анализа деятельности предприятий для поддержки принятия управленческих решений с применением методов искусственного интеллекта (теории нечётких множеств и семантических сетей)» (Свидетельство о государственной регистрации программы для ЭВМ №2 2021614084, дата государственной регистрации 1 апреля 2021 г. Программный модуль поддержки принятия решений на основе нечеткой логики «Программа анализа деятельности предприятий для поддержки принятия управленческих решений с применением методов искусственного интеллекта (теории нечётких множеств и семантических сетей)»). Предложенные в диссертационной работе методика, алгоритм и структура программного модуля помогут осуществлять эффективную обработку управленческой информации, которая вырабатывается в ходе управленческо-производственного процесса. Это позволит решать задачи выбора из множества вариантов лучшего управленческого решения, приводящего к улучшению финансовых показателей, характеризующих объект управления, и оценивать состояния объектов управления с использованием методов теории нечетких множеств и нечеткой логики. Эффективность разработанных методики и алгоритмов в диссертационной работе дает возможность их применения в задачах повышения качества принятия управленческих решений в условиях неполноты и неточности априорной информации; анализа статистической информации на объекте управления при решении задач поддержки принятия управленческих решений, построения интеллектуальных управленческих экспертных систем сопровождения управленческого процесса на базе методов теории нечетких

множеств и нечеткой логики; внедрения подсистем интеллектуального анализа данных в существующие ERP-системы объекта управления. Внедрение методики и алгоритмов анализа объектов управления в существующие ERP-системы позволит собирать необходимую информацию об организации из различных источников.

Результаты работы составляют основу для проектирования интеллектуальных аналитических экспертных систем, необходимых для анализа деятельности объектов управления. Разработанные алгоритмы позволяют описать область деятельности системы, построить модель объекта управления, определить стратегию развития СЭС в условиях нечёткости и неполноты данных.

Методы и средства исследования. Методология в работе связана с принципами интеллектуального анализа данных. Теоретические положения, выводы и экспериментальные результаты диссертационной работы получены с использованием методов теории нечёткой логики и нечётких множеств, семантических сетей, методов экспертных оценок и принципов анализа результатов деятельности объектов управления.

Преимущество систем автоматизированного анализа, основанных на методах искусственного интеллекта, заключается в способности обнаружить скрытые знания в больших объемах данных. Проблемы, возникающие на объекте управления, не могут быть просто формализованы и, следовательно, существует потребность применения методов искусственного интеллекта в системах анализа деятельности объектов управления.

Основные положения, выносимые на защиту.

1. Комплекс алгоритмов сбора и анализа экспертных мнений, позволяющий повысить эффективность за счет снижения времени обработки экспертных мнений в 1,5-2 раза, что способствует сокращению времени принятия решений.

2. Методика построения математической модели объекта управления для анализа результатов деятельности и выработки управленческих решений для

улучшения текущей ситуации в социально-экономической системе, которая с течением времени позволит положительно изменить значения показателей анализа (например, показатель автономии улучшился с 0,41 до 0,65 с 2016 г. по 2020 г.).

3. Структура программного модуля для поддержки принятия управленческих решений с применением теории искусственного интеллекта, которая объединяет несколько подходов: аппарат построения и обработки семантической сети, теория нечётких множеств. Эксплуатация программного модуля, реализованного на основе предложенной структуры, позволяет уменьшить количество принятых ошибочных решений, что доказывается повышением прибыли коммерческих организаций в 1,3-1,8 раз, увеличением доли соответствия фактических показателей плановым в бюджетных организациях, а также позволяет повысить показатели эффективности деятельности персонала и эффективности менеджмента на 25-35%.

Достоверность основных положений, выносимых на защиту, и полученных результатов диссертации подтверждается корректным применением математического аппарата с использованием методов теории нечетких множеств и нечеткой логики, действующим программным обеспечением и внедрением полученных результатов, подтвержденных актами.

Апробация работы. Результаты исследований докладывались и обсуждались на следующих международных и всероссийских научных конференциях: Всероссийская научно-техническая конференция НИТ-2014 (Новые информационные технологии в научных исследованиях и в образовании) (Рязань, 2014); Международная научно-практическая конференция «Пути применения научных достижений: тенденции, перспективы и технологии развития» (Санкт-Петербург, 2015); Международный академический форум «Студенческое научное сообщество: исследования и инновации - 2015» (Семей, Казахстан, 2015); Всероссийская научно-техническая конференция «Интеллектуальные и информационные системы» ИНТЕЛЛЕКТ-2015 (Тула, 2015); The VI Seminar on Industrial Control Systems: Analysis, Modeling and

Computation: ITM Web of Conferences (Moscow, 2016); XXII Международная научно-техническая конференция «Информационные системы и технологии» ИСТ-2016 (Нижний Новгород, 2016); Международная научно-практическая конференция «Математика: фундаментальные и прикладные исследования и вопросы образования» (Рязань, 2016); Всероссийская научно-техническая конференция «Интеллектуальные и информационные системы» ИНТЕЛЛЕКТ-2016 (Тула, 2016); The X Seminar on Systems Analysis: ITM Web of Conferences (Moscow, 2017); XXIII Международная научно-техническая конференция «Информационные системы и технологии» ИСТ-2017 (Нижний Новгород,

2017); V Международная научно-практическая конференция «Научно-технический прогресс: актуальные и перспективные направления будущего» (Кемерово, 2017); Международная научно-практическая конференция «Инновационно-технологическое развитие науки» (Волгоград, 2017); II Международная научно-практическая конференция «Наука России: Цели и задачи» (Екатеринбург, 2017); II Всероссийская научно-техническая конференция «Актуальные проблемы современной науки и производства» (Рязань, 2018); 7th Mediterranean Conference on Embedded Computing (MECO-

2018) (Budva, Montenegro, 2018); International Russian Automation Conference, RusAutoCon 2018 (Sochi, 2018); XXIII Всероссийская научно-техническая конференции студентов, молодых ученых и специалистов «Новые информационные технологии в научных исследованиях» (Рязань, 2018); XIX Международная научно-практическая конференция «Новые информационные технологии в образовании» (Москва, 2019); 8th Mediterranean Conference on Embedded Computing (MEC0-2019) (Budva, Montenegro, 2019); 1st International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency (SUMMA-2019) (Липецк, 2019).

Публикации. По итогам исследований диссертационной работы опубликовано 27 работ, в том числе: 2 статьи из перечня ВАК в рецензируемых научных журналах; 2 свидетельства о регистрации программы для ЭВМ; 4 статьи, индексируемые в Scopus; 2 статьи, индексируемые в Web of Science; 1

статья в межвузовском сборнике научных трудов; 15 тезисов докладов на международных, всероссийских и региональных конференциях; 1 учебник для вузов.

Реализация и внедрение результатов работы. Получены свидетельства о регистрации программ для ЭВМ. Результаты исследований реализованы в «Программный комплекс поддержки принятия решений на основе нечеткой логики «Эксперт 6. Анализ деятельности объекта управления с применением теории семантических сетей». Также результаты исследований реализованы в программном модуле «Программа анализа деятельности предприятий для поддержки принятия управленческих решений с применением методов искусственного интеллекта (теории нечётких множеств и семантических сетей)» и внедрены в сети аптек «Ригла» (ООО «Ригла», г. Рязань).

Использование результатов диссертационной работы на практике подтверждено соответствующими актами о внедрении. Разработанные в диссертации методика и алгоритмы использованы в процессе исследования деятельности подразделений в условиях сложной быстроизменяющейся обстановки и критических ситуаций в войсковой части (Войсковая часть Минобороны России, г. Москва).

Результаты полученных в диссертации теоретических, прикладных и экспериментальных исследований используются в учебном процессе РГРТУ на кафедре вычислительной и прикладной математики при обучении студентов по направлениям: «Прикладная информатика»; «Программная инженерия»; специальностям: «Применение и эксплуатация автоматизированных систем специального назначения» в дисциплинах «Системы искусственного интеллекта», «Теория принятия решений», «Информационные системы в административном управлении».

Копии актов о внедрении результатов диссертационной работы и свидетельств о регистрации программы для ЭВМ приведены в Приложении.

Структура работы. Диссертация содержит 199 страниц основного текста и состоит из введения, четырех глав, заключения, списка сокращений, списка

использованной литературы из 135 наименований и трех приложений. В диссертационную работу включено 33 таблицы и 42 рисунка.

Глава 1. Организация управления социально-экономической системой средних предприятий в условиях неопределённости исходных данных

1.1 Средние предприятия, как социально-экономическая

система

Жизненный цикл организации — совокупность стадий развития, которую проходит предприятие за период своего существования. Эта концепция рассматривается в рамках менеджмента и подразумевает прохождение организацией нескольких этапов развития (аналогия с живыми существами): становление, рост, зрелость, увядание [47].

Управление - процесс организации, в результате которого в управляемой системе появляется организация как свойство. Почти любая СЭС (объект управления) является организационной системой [70]. Объект управления - это социально-экономическая система (отрасль, организация и т. п.), на которую направлены все виды управленческого воздействия с целью ее совершенствования, повышения качества функций и задач, успешного достижения запланированной цели [45].

Социально-экономическая система — это целостная совокупность взаимосвязанных и взаимодействующих социальных и экономических институтов (субъектов) и отношений по поводу распределения и потребления материальных и нематериальных ресурсов, производства, распределения, обмена и потребления товаров и услуг [77].

Объект управления в работе - это предприятие среднего класса. В Российской Федерации существует несколько параметров отличающих микро-, малые, средние и крупные предприятия. Предприятия одного вида отличаются от предприятий другого вида в зависимости от дохода компании, среднегодового дохода, количества сотрудников, уставного капитала и др. В таблице 1.1

представлена классификация предприятий, которые могут быть открыты в Российской Федерации и их отличия друг от друга [126].

Средние предприятия выполняют в рамках экономики всей страны такие функции, как создание рабочих мест, создание добавленной стоимости, повышение конкурентоспособности экономики, что приводит к повышению качества продукции и услуг, созданию новых сервисов и продуктов. Все эти причины приводят к тому, что государство также способствует развитию средних предприятий путем введения льгот и субсидий [130].

Таблица 1.1 - Критерии предприятий

№ Наименование нормативного критерия Предельное значение показателя

Микропредприятия Малые предприятия Средние предприятия Крупные предприятия

1 Величина численности (среднесписочной) 15 чел. 16-100 чел. 101-250 чел. Выше 250 чел.

2 Величина доходности 120000000 руб. 800000000 РУб. 2000000000 РУб. Выше 2000000000 руб.

Комплекс задач управления социально-экономическими системами средних предприятий, соответствующий общей теории управления организационными системами [69-71], представлен на рисунке 1.1. Мониторинг и анализ текущего состояния предприятия необходим для того, чтобы зафиксировать исходное состояние предприятия с целью сравнения этого состояния с новым на следующей итерации жизненного цикла организации. Прогноз развития предприятия позволит определить дальнейшее состояние предприятия в том случае, если не будет предприниматься никаких дополнительных мер. Определение целей развития предприятия предполагает формулировку таких целей, как повышение прибыли предприятия, улучшение показателей рентабельности, финансовой устойчивости и др. Во

Список литературы диссертационного исследования кандидат наук Тишкина Валерия Валентиновна, 2022 год

Библиографический список

1. Afanasieva N.V., Rodionov D.G., Vasilev Y.N. System of indicators of coal enterprise competitiveness assessment //Espacios. 2018. Т. 39. № 36. P. 10.

2. Andreev S. N., Borisov V. V. Linguistic Analysis Based on Fuzzy Similarity models/ In "Sequences in Language and Text", Iss. 69. - PP. 7-34 / Edited by G K. Mikros, J. Macutek. - Berlin/Boston: De Gruyter Mouton, 2015. - 260 p.

3. Ashimov A.A., Borovskij J. V., Novikov D. A., Sultanov B.T., Onalbekov M.A. Macroeconomic Analysis and Parametric Control of a Regional Economic Union. Heidelberg: Springer, 2020. - 361 с.

4. Belov M.V., Novikiv D.A. Optimal Enterprise: Structures, Processes and Mathematics of Knowledge, Technology and Human Capital. Florida: CRC Press, 2021. - 344 с.

5. Burkov V., Novikov D., Shchepkin A. Control Mechanisms for Ecological-Economic Systems. Berlin: Springer, 2015. — 174 p.

6. Cordon O., Herrera F., A General study on genetic fuzzy systems // Genetic Algorithms in engineering and computer science, 1995. - P. 33-57.

7. Doan D.H., Tishkina V.V., Kroshilina S.V., Kroshilin A.V., Pylkin A.N. Support of decision-making in the conditions of uncertainty of different types (02006)/ Published online: 25 March 2016 /DOI: http://dx.doi.org/10.1051/itmconf/20160602006 / 6th Seminar on Industrial Control Systems: Analysis, Modeling and Computation, ITM Web of Conferences, Vol. 6 (2016) Moscow, Russia, February 25-26, 2016. E.V. Nikulchev and E.I. Veremey (Eds.)

8. Dubois D., Prade H. Fuzzy Sets and Systems. - N.Y., Academic Press, 1980.

9. Herrera F., Lozano M., Sanchez A.M. Hybrid Crossover Operators for Real-Coded Genetic Algorithms: An Experimental Study // Soft Comput. 9(4): 280-298 (2005).

10. Herrera F., Lozano M., Verdegay J.L. Tackling real-coded Genetic algorithms: operators and tools for the behaviour analysis // Artificial IntelligenceReview, Vol. 12, No. 4, 1998. - P. 265-319.

11. Hilovska K., Koncz P. Application of artificial intelligence and data mining techniques to financial markets // Acta VSFS. — 2012. Vol. 6, № 1. — P. 62-76.

12. Kosko, Bart. Fuzzy thinking / Hyperion, 1993. 5. Kosko, Bart. Neural Networks and Fuzzy Systems / Englewood Cliffs, NJ: Prentice-Hall, 1991.

13. Mirkin B., Orlov M. A. Three Aspects of the Research Impact by a Scientist: Measurement Methods and an Empirical Evaluation, in: Optimization, Control, and Applications in the Information Age: In Honor of Panos M. Pardalos's 60th Birthday Vol. 130: Springer Proceedings in Mathematics & Statistics. Switzerland : Springer, 2015. P. 233-259.

14. Murat M., Pirotti T. The attractiveness of countries for FDI. A fuzzy approach //Fuzzy Economic Review. November 2010. Vol. XV. № 2. P. 43 — 61.

15. Novikov D. A. Control, Activity, Personality // Advances in Systems Science and Applications. 2020. 20(3). C. 113-135.

16. Novikov D. A., Korepanov V.O., Chartishvili A.G. Reflexion in mathematical models of decision-making // International Journal of Parallel, Emergent and Distributed Systems. 2018. V. 33 issue 3. C. 319-335.

17. Oberkampf W.L. Challenge problems: uncertainty in system response given uncertain parameters / W.L. Oberkampf, J.C. Helton, C.A. Joslyn, S.F. Wojtkiewicz, S.Ferson // Reliability Engineering and System Safety. - 2004. - № 85. - Pp. 11-19.

18. Raikov A. Convergent networked decision-making using group insights. Complex & Intelligent Systems. December 2015, Volume 1, Issue 1, pp. 57—68.

19. Sayantari Ghosha, Saumik Bhattacharya. A data-driven understanding of COVID-19 dynamics using sequential genetic algorithm based probabilistic cellular automata / G. Sayantari, B. Saumik // Appl Soft Comput. - 2020. - Nov, 96. (https: //www. ncbi .nlm.nih.gov/pmc/articles/PMC7455552/).

20. Tishkina V.V., Kroshilina S.V., Kroshilin A.V., Pylkin A.N. Development of the Automated Information System for Monitoring of Results of Accounting Object Activities Using Semantic Networks / Published online: 15 March 2017 / DOI: 10.1051 /itmconf/20171002008 / 2017 Seminar on Systems Analysis, ITM Web of Conferences, Vol. 10 (2017) Moscow, Russia, February 14-15, 2017. E. Nikulchev and G. Bubnov (Eds.) J. Clerk Maxwell, A Treatise on Electricity and Magnetism, 3rd ed., vol. 2. Oxford: Clarendon, 1892, pp.68-73.

21. Tishkina V. V., Pylkin A.N., Kroshilin A.V. Application of fuzzy logic in decision support system for analysis of condition enterprises // International Russian Automation Conference, RusAutoCon 2018, September 9th-16th, 2018.

22. Tishkina V. V., Pylkin A.N., Kroshilin A.V., Kroshilina S.V. Designing a System for Analyzing the Activities of Enterprises Using Artificial Intelligence Methods // 7th Mediterranean Conference on Embedded Computing (MECO), June 10th- 14th, 2018, Budva, Montenegro, 2018. - pp. 157-160.

23. Tishkina V. V., Pylkin A.N., Kroshilin A.V., Kroshilina S.V. The Software of a Mobile Application for Analyzing a Management Object based on Using Semantic Networks // 8th Mediterranean Conference on Embedded Computing (MECO), June 10th-14th, 2019, Budva, Montenegro, 2019. - pp. 266269.

24. Tishkina V. V., Pylkin A.N., Kroshilin A.V., Kroshilina S.V., Evseev A. M. Enterprise Management Mobile Assistant based on Using the Theory of Fuzzy Logic and Fuzzy Sets // 2019 1st International Conference on Control Systems, Mathematical Modelling, Automation and Energy Efficiency (SUMMA), 20-22 Nov. 2019, Lipetsk, Russia, 2019. - pp. 247-249.

25. Yarsky P. Using a genetic algorithm to fit parameters of a COVID-19 SEIR model for US states, Mathematics and Computers in Simulation, Volume 185, 2021, Pages 687-695, ISSN 0378-4754, (https://www.sciencedirect.com/science/article/pii/S0378475421000392).

26. Zadeh L.A. Generalized theory of uncertainty (GTU)—principal concepts and ideas / L.A. Zadeh // Computational Statistics & Data Analysis. - 2006. - № 51. -Pp. 15-46.

27. Амосов А. Об экономическом механизме нового индустриального развития // Экономист. 2014, №2, с. 3-12.

28. Ананьич В. И. Предпринимательская ценность ИТ для бизнеса / В. И. Ананьин // Экономика и жизнь. - 2011. - № 41. - С. 16-17.

29. Багратуни, К.Ю. Технологии эффективных моделей управления: теория и практика государственной поддержки развития малого бизнеса / К.Ю. Багратуни, М. В. Данилина, М. В. Хачатурян. - М.: Русайнс, 2017. - 128 с.

30. Бешелев С. Д., Гурвич Ф. Г. Экспертные оценки. - М.: Наука, 2003. -79 с.

31. Борисов А. Н. Модели принятия решений на основе лингвистической переменной / А.Н. Борисов, А.В. Алексеев, О. А. Крумберг. - Рига: Зинатне, 1982.- 256 с.

32. Борисов А.Н., Крумберг О. А., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использования.- Рига: Зинатне, 1990. - 184 с.

33. Борисов В. В., Круглов В. В., Федулов А. С. Нечеткие модели и сети. - 2-е изд., стереотип. - М.:Горячая линия-Телеком, 2018. - 284 с.

34. Бочаров А.А. Пример реализации СППР в банке. - 2001; URL: http://www.olap.ru/basic/dss_bank.asp (дата обращения: 11.12.2020).

35. Бубнов А. А., Реутский К. А., Тишкина В. В. Тестирование программного обеспечения // Тестирование программного обеспечения: учебник / А.А. Бубнов, К.А. Реутский, В. В. Тишкина. - М.: КУРС, 2019. - 128 с.

36. Бурков В. Н. Новиков Д. А., Щепкин А.В. Механизмы управления эколого-экономическими системами / Под ред. академика С.Н. Васильева. - М.: Издательство физико-математической литературы, 2008. - 244 с.

37. Бычков А. В. Нейросетевое управление рентабельностью предприятия [Текст]: канд. техн. наук: 05.13.01 // А. В. Бычков. - Краснодар, 2001. - 163 с.

38. Вересников Г.С. Оптимизационные модели параметрического синтеза проектных решений в условиях неопределенности параметров // Управление большими системами, 2020, № 85, с. 238-257.

39. Гаврилова Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В.Ф. Хорошевский. СПб.: Питер, 2000.

40. Галасюк В.,Вишневская А. Метод NPV: фундаментальные недостатки // Финансовый директор, 2005, №2(30).

41. Горбань А. Н., Россиев Д.А. Нейронные сети на персональном компьютере. СПб.: Наука, 1996.

42. Григан А.М. Управленческая диагностика: теория и практика: Монография / А.М. Григан. Ростов н/Д: Изд-во РСЭИ, 2009. 316 с.

43. Дамодаран А. Инвестиционная оценка: Инструменты и методы оценки любых активов: пер. с англ. 2-е изд. М.: Альпина Бизнес Букс, 2005.

44. Диркова Е. Упрощенный бухгалтерский учет малого предприятия // Бухгалтерия.ру. URL: https://www.buhgalteria.ru/article/uproshchennyy-bukhgalterskiy-uchet-malogo-predpriyatiya (дата обращения: 09.01.2021).

45. Друкер П.Ф. Энциклопедия менеджмента/ пер. с англ. М.: Вильямс, 2004. 432 с.

46. Ежов А. А., Шумский С. А. Нейрокомпьютинг и его применение в экономике и бизнесе, 1998.

47. Жемчугов М. К. Жизненный цикл организации // Проблемы экономики и менеджмента. - 2012. - № 9.

48. Завьялкин Д. В., Гаврилова Е. В., Пальчиков И. Б. Управленческий учёт - М.: ООО 1С-Паблишинг, 2019-256 с.

49. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. — М.: Мир, 1976. — 166 с.

50. Захарова А. А. , Григорьева А. А. Нечеткие модели принятия решений об инновационном развитии региона. Стратегический анализ, выбор и контроль. - Saarbrucken : LAP LAMBERT Academic Publishing GmbH & Co. KG, 2012 - 245 c.

51. Кац М. Микроэкономика / М. Кац, Х. Роузен. - Минск: Новое знание, 2004. - С. 296-413.

52. Качалов Р. М. Управление экономическим риском: Теоретические основы и приложения: монография / Р. М. Качалов. М.; СПб. : НесторИстория, 2012. 248 с.

53. Качанов А. Я. Сущность и параметры военно-экономического анализа организационных структур // ВОЕННАЯ МЫСЛЬ № 7/1994, стр. 4551.

54. Каширин И. Ю., Крошилин А.В., Крошилина С.В. Автоматизированный анализ деятельности предприятия с использованием семантических сетей. М.: Горячая линия - Телеком, 2011. 140 с.

55. Ковшов Е. Е., Горяева О. В. Применение генетического алгоритма при оценке рисков инновационных проектов // Российское предпринимательство. — 2010. — № 11 (172). — С. 85-91.

56. Костакова Е. Среднее предприятие: критерии отнесения в 2021 году // Журнал "Российский налоговый курьер". URL: https://www.rnk.ru/article/217538-srednee-predpriyatie-kriterii-otneseniya-v-2021-godu (дата обращения: 12.12.2021).

57. Костров Б.В. Основы искусственного интеллекта / Б.В. Костров, В. Н. Ручкин, В.А. Фулин. М.: ДЕСС, ТехБук, 2007. 192 с.

58. Крошилин А. В., Крошилина С. В., Тишкина В. В. Использование интеллектуальных методов при разработке системы мониторинга результатов деятельности объектов учета // Информационные системы и технологии Ист-2017: Материалы XXIII Международной научно-технической конференции. -Нижний Новгород, 2017. - С. 360-364.

59. Крошилин А.В., Крошилина С.В., Тишкина В. В. Использование интеллектуальных методов при экономическом анализе объекта управления // Инновационно-технологическое развитие науки: сборник статей международной научно-практической конференции (5 апреля 2017 г., г. Волгоград). В 3 ч. Ч. 2/ - Уфа: АЭТЕРНА, 2017. - С. 84-86.

60. Крошилина С.В., Пылькин А.Н., Тишкина В. В. Обзор методов, применяемых для автоматизированных систем анализа деятельности объектов управления // «Информационные системы и технологии: Материалы международной научно-технической конференции». - Нижний Новгород, 2016.

61. Крошилина С. В., Тишкина В. В. Особенности применения интеллектуальных методов в автоматизированном анализе деятельности объектов управления // Международное научное издание "Современные фундаментальные и прикладные исследования" / International scientific periodical "Modern fundamental and applied researches", №1(20), 2016 г. - с. 3540.

62. Крошилина С.В., Тишкина В.В. Поддержка принятия решений на основе анализа рисков платежеспособности населения // Пути применения научных достижений: тенденции, перспективы и технологии развития в экономике, управлении проектами, педагогике, праве, истории, культурологии, искусствоведении, языкознании, природопользовании, растениеводстве, биологии, зоологии, химии, политологии, психологии, медицине, филологии, философии, социологии, математике, технике, физике, информатике, градостроительстве, 13-14 февраля 2015 года, г. Санкт-Петербург. - СПб.: Изд-во «КультИнформПресс», 2015. - С. 87-88.

63. Круглов В. В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. М.: Физматлит, 2002.

64. Леоленков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. - СПб., 2003.

65. Литвак Б. Г. Экспертная информация: методы получения и анализа : монография / Б. Г. Литвак ; М-во образования и науки Российской Федерации, Федеральное агентство по образованию, Исслед. центр проблем качества подгот. специалистов Московского гос. ин-та стали и сплавов (технологического ун-та). - Изд. 2-е, стер. - Москва: Исслед. центр проблем качества подгот. специалистов, 2009. - 223 с.

66. Литвак Б. Г. Экспертные оценки и принятие решений. - М. : Патент, 1996. - 298 с.

67. Люггер Д. Искусственный интеллект / Д. Люггер. М.: Мир, 2003. 690

с.

68. Недосекин А. О. Применение теории нечетких множеств к задачам управления финансами // Аудит и финансовый анализ. 2012. № 2.

69. Новиков Д. А. Методология управления. - М.: Либроком, 2011. - 128 с. (Серия «Умное управление»).

70. Новиков Д. А. Структура теории управления социально-экономическими системами / Управление большими системами. Выпуск 24. М.: ИПУ РАН, 2009. С.216-257.

71. Новиков Д. А. Теория управления организационными системами. М.: МПСИ, 2005. - 584 с.

72. Орлов А. И. Экспертные оценки. // Заводская лаборатория. - 2008. -Т. 62. - №1. - С. 54-60.

73. Орлов А. И., Луценко Е. В., Лойко В.И. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента: монография / под общ. ред. С.Г. Фалько. — Краснодар: Куб- ГАУ, 2016. — 600 с.

74. Паклин Н. Нечёткая логика - математические основы // BaseGroup Labs. URL: https://basegroup.ru/community/articles/fuzzylogic-math (дата обращения: 22.04.2020).

75. Пегат А. Нечеткое моделирование и управление / А.Пегат ; пер. с англ.—2-е изд.—М. : БИНОМ. Лаборатория знаний, 2013. — 798 с.

76. Постников В. М. Анализ подходов к формированию состава экспертной группы, ориентированной на подготовку и принятие решений // Наука и образование. М.: Изд-во МГТУ им. Баумана, 2012. № 5.

77. Пугачева Е.Г., Соловенко К.Н., Самоорганизация социально-экономических систем. - Иркутск, 2013. - 384 с.

78. Пылькин А.Н., Тишкина В. В. Концепция риска как неотъемлемый атрибут системы поддержки принятия решений // Студенческое научное сообщество: исследования и инновации - 2015 Материалы Международного академического форума (Семей, 20-22 мая 2015 г.). Издательство: Казахский гуманитарно-юридический инновационный университет, 2015 - С.110-112.

79. Рави Чандра Энаганти. Объединить перекрывающиеся интервалы // Портал информатики для гиков. URL: http://espressocode.top/merging-intervals/ (дата обращения: 10.05.2021).

80. Рамеев О.А., Корнеенко В.П. Основы теории многокритериального оценивания объектов с многоуровневой структурой показателей эффективности. МАКС Пресс. М.: МАКС Пресс, 2018. - 416 с.

81. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польского И. Д. Рудинского. М.: Горячая линия — Телеком, 2004. — 452 с.

82. Рутковский Л. Методы и технологии искусственного интеллекта.-М.:Горячая линия - Телеком,2010.-520с.

83. Секерин В.Д., Гайдук В.И., Горохова А.Е. Инструменты управления развитием предприятий в условиях цифровой экономики. 1-е изд. Краснодар: КубГАУ, 2019. - 131 с.

84. Синявская Е. Д. Разработка моделей и методов нечеткого логического вывода для управления производственными объектами в условиях априорной неопределенности: автореферат дис. канд. техн. наук: 05.13.17 // Е. Д. Синявская. - Таганрог, 2014. - 18 с.

85. Тишкина В. В. Автоматизированный анализ хозяйственной деятельности в условиях неполноты и нечеткости данных // Новые

информационные технологии в научных исследованиях и в образовании: материалы XIX Всероссийской научно-технической конференции студентов, молодых ученых и специалистов. Рязанский государственный радиотехнический университет, 2014. - С. 19-21.

86. Тишкина В. В. Алгоритм сбора и анализа экспертных мнений для формирования рекомендательной базы при управлении объектами учёта на основе нечётко-множественного подхода // Вестник Рязанского государственного радиотехнического университета. - 2021. - N° 77. - С. 93-100.

87. Тишкина В. В. Применение методов нечеткой логики при анализе состояния предприятий // Новые информационные технологии в научных исследованиях: материалы XXIII Всероссийской научно-технической конференции студентов, молодых ученых и специалистов. 12-14 декабря 2018 г. Том 1. Рязанский государственный радиотехнический университет, Рязань, 2018. - С. 62-64.

88. Тишкина В. В. Проблемы автоматизированного мониторинга результатов деятельности объектов управления // Международная научно-практическая конференция «Математика: фундаментальные и прикладные исследования и вопросы образования», РГУ им. Есенина, 2016. - 100 с, с. 3540.

89. Тишкина В. В. Программно-информационная система мониторинга результатов деятельности объектов учета // Математическое и программное обеспечение вычислительных систем: Межвуз. Сб. науч. Тр. / Под ред. А.Н. Пылькина - М.: Горячая линия-Телеком, 2016. - 192 с.

90. Тишкина В. В. Разработка системы поддержки принятия решений для оценки рисков кредитоспособности объектов управления // Третья региональная конференция молодых ученых «Инновационные методы решения научных и технологических задач Рязанской области». Тезисы докладов. Рязанский государственный радиотехнический университет, 2015. - С. 16-18.

91. Тишкина В. В. Система мониторинга результатов деятельности объектов учета // Интеллектуальные и информационные системы: Материалы

Всероссийской научно-техническои конференции / 1 ульскии государственный университет. - Тула, 2016. - с. 221-225.

92. Тишкина В. В. Структура экспертной системы для анализа деятельности объекта управления // Интеллектуальные и информационные системы: Материалы Всероссийской научно-технической конференции. Тульский государственный университет. - Тула, 2015. - С. 121-125.

93. Тишкина В. В. Экономический мониторинг объектов управления // Наука России: Цели и задачи. Сборник научных трудов по материалам II международной научно-практической конференции 10 апреля 2017 г. Часть 3 Изд. НИЦ «Л-Журнал», 2017. - С.19-22.

94. Тишкина В. В., Крошилин А.В., Крошилина С.В. Обзор существующих систем автоматизированного анализа деятельности объектов управления // Научно-технический прогресс: актуальные и перспективные направления будущего: сборник материалов V Международной научно-практической конференции (7 апреля 2017 года), Том I - Кемерово: ЗапСибНЦ, 2017. - С. 74-75.

95. Тишкина В. В., Крошилин А.В., Крошилина С.В. Разработка системы анализа деятельности предприятий с использованием методов искусственного интеллекта и технологий "1C" // Новые информационные технологии в образовании: Сборник научных трудов 19-й международной научно-практической конференции "Новые информационные технологии в образовании" (Использование технологий "1С" в образовании и их применение для развития кадрового потенциала цифровой экономики) 29-30 января 2019 г. /Под общ. ред. проф. Д.В. Чистова. Часть 2. - М.: ООО "1С-Паблишинг", 2019. - С. 360-361.

96. Тишкина В. В., Пылькин А.Н., Крошилин А.В., Крошилина С.В. Системы автоматизированного анализа деятельности объектов управления // Материалы II Всероссийской научно-технической конференции "Актуальные проблемы современной науки и производства" 2017. - Издательство: ИП Коняхин А. В. (Book Jet), 2017. - С. 30-35.

97. Тоценко, В. Г. Об унификации алгоритмов организации экспертиз / В. Г. Тоценко // Проблемы правовой информатизации. - 2006. - №2(12).

98. Трухина В. В чем отличие бухгалтерского учета от управленческого // Nalog-Nalog.ru - бухгалтерские новости и статьи. URL: https://nalog-nalog.ru/buhgalterskij_uchet/vedenie_buhgalterskogo_ucheta/v_chem_otlichie_bu hg alterskogo_ucheta_ot_upravlencheskogo/ (дата обращения: 09.01.2021).

99. Усков А.А. Системы с нечеткими моделями объектов управления: Монография. - Смоленск: Смоленский филиал АНО ВПО ЦС РФ "Российский университет кооперации", 2013. - 153 с.

100. Штовба С. Д. Проектирование нечетких систем средствами MATLAB. М.: Горячая линия — Телеком. - 2007.- 288 c.

101. Шульц В.Л., Кульба В.В., Кононов Д.А., Косяченко С.А., Шелков А.Б., Чернов И.В. Модели и методы анализа и синтеза сценариев развития социально-экономических систем. В 2-х книгах. М.: Наука, 2012. - 304 с.

102. Ямпольский С. М., Лисичкин В.А. Прогнозирование научно-технического прогресса, - М.: Экономика, 1974. - 207 с.

103. Ярушкина Н. Г. Основы теории нечетких и гибридных систем / Н. Г. Ярушкина. - М. : Финансы и статистика, 2004.

104. В пандемическом году соотношение закрытых и открытых компаний оказалось худшим за 18 лет // ФинЭкспертиза — сеть профессиональных аудиторских, оценочных и консалтинговых компаний. URL: https://finexpertiza.ru/press-service/researches/2021/zakryt-i-otkryt-kompaniy (дата обращения: 20.09.2021).

105. В России за три года закрылась почти половина вузов // Деловая электронная газета «Бизнес Online». URL: https://www.business-gazeta.ru/news/371673 (дата обращения: 02.10.2021).

106. Введение. Основы генетических алгоритмов. Эволюционные вычисления // ИНТУИТ: национальный открытый университет. URL: https://intuit.ru/studies/courses/14227/1284/lecture/24168?page= 11 (дата обращения: 26.01.2021).

107. Интеллектуальный анализ данных средствами MS SQL Server 2008. Интеллектуальный анализ данных в СУБД MicrosoftSQLServer // ИНТУИТ: национальный открытый университет. URL: https://intuit.ru/ studies/courses/2312/612/lecture/13261 (дата обращения: 19.01.2021).

108. Классификация методов построения функции принадлежности. Основы теории нечетких множеств // ИНТУИТ: национальный открытый университет. URL: https://intuit.ru/studies/courses/87/87/lecture/20507?page=4 (дата обращения: 27.01.2021).

109. Контроль финансов и контрагентов // СКБ Контур Эксперт. URL: https://kontur.ru/expert (дата обращения: 25.12.2020).

110. Лингвистическая нечёткая логика. Основы теории нечетких множеств // ИНТУИТ: национальный открытый университет. URL: https://intuit.ru/studies/courses/87/87/lecture/20515 (дата обращения: 27.01.2021).

111. Методы построения функций принадлежности. Сервисы MATHCAD 14: реализация технологий экономико-математического моделирования // ИНТУИТ: национальный открытый университет. URL: https://intuit.ru/studies/courses/3681/923/lecture/22883?page=2 (дата обращения: 27.01.2021).

112. Системные требования «1С: Предприятия 8» // ООО «1C». URL: https://v8.1c.ru/tekhnologii/sistemnye-trebovaniya-1s-predpriyatiya-8/ (дата обращения: 30.05.2021).

113. Сколько стоит внедрение ERP? // ERP Band. URL: https://www.erp.band (дата обращения: 5.12.2021).

114. Стоимость договора 1С:ИТС // ООО «1С-Софт». URL: https://its.1c.ru/db/aboutitsnew/content/22/hdoc (дата обращения: 5.12.2021).

115. Управление мастерданными // ООО «Корпорация «Парус». URL: https://citk-parus.com/catalog/resheniya-dlya-opk-i-biznesa/upravlenie-masterdannymi/ (дата обращения: 5.12.2021).

116. Хозяйственные операции в бухучете: примеры // Современный предприниматель. Налоги и учет для малого бизнеса. URL: https://spmag.ru/articles/hozyaystvennye-operacii-v-buhuchete-primery (дата обращения: 09.01.2021).

117. Финансовый анализ предприятия // Фирма «Южная аналитическая компания". URL: https://https://1-fin.ru/ (дата обращения: 25.12.2020).

118. Что такое Обслуживание 1С. Зачем вам это нужно? // ИНТЕРВОЛГА. URL: https://www.intervolga.ru/blog/1C/chto-vkhodit-v-obsluzhivanie-1s-zachem-vam-eto-nuzhno/ (дата обращения: 5.12.2021).

119. Постановление Правительства РФ от 20.05.94 г. № 498 «О некоторых мерах по реализации законодательства о несостоятельности (банкротстве) предприятий». // СПС «Консультант».

120. Постановление Правительства РФ от 15.04.2003 г. № 218 «О порядке предъявления требований по обязательствам перед Российской Федерацией в делах о банкротстве и в процедурах банкротства». // СПС «Консультант».

121. Приказ Минфина России от 25.03.2011 № 33н «Об утверждении Инструкции о порядке составления, представления годовой, квартальной бухгалтерской отчетности государственных (муниципальных) бюджетных учреждений».

122. Распоряжение Правительства РФ от 02.06.2016 N 1083-р (ред. от 30.03.2018) <Об утверждении Стратегии развития малого и среднего предпринимательства в Российской Федерации на период до 2030 года> (вместе с "Планом мероприятий ("дорожной картой") по реализации Стратегии развития малого и среднего предпринимательства в Российской Федерации на период до 2030 года») // СПС «Консультант».

123. Распоряжение ФСДН РФ от 31.03.1999 № 13-р (ред. От 28.06.1999) «О введении мониторинга финансового состояния организаций и учета их платежеспособности» // СПС «Консультант».

124. Распоряжение ФСФО РФ от 20.12.2000 N 226-р "О мониторинге финансового состояния организаций и учете их платежеспособности" (вместе

с "Порядком формирования перечня крупных, экономически или социально значимых организаций") (Зарегистрировано в Минюсте РФ 22.01.2001 N 2536) // СПС «Консультант».

125. Федеральный закон "О бухгалтерском учете" от 06.12.2011 N 402-ФЗ (последняя редакция) // КонсультантПлюс. URL: consultant.ru/document/cons_doc_LAW_122855/ (дата обращения: 09.01.2021).

126. Федеральный закон "О развитии малого и среднего предпринимательства в Российской Федерации" от 24.07.2007 N 209-ФЗ (последняя редакция).

127. Искусственный интеллект: справочник. В 3 кн. Кн. 1. Системы общения и экспертные системы / под ред. Э. В. Попова. — М.: Радио и связь, 1990.

128. Искусственный интеллект: справочник. В 3 кн. Кн. 2. Модели и методы / под ред. Д. А. Поспелова. - М.: Радио и связь, 1990.

129. Искусственный интеллект: справочник. В 3 кн. Кн. 3. Программные и аппаратные средства / под ред. В. А. Захарова, В.Ф. Хорошевского. - М.: Радио и связь, 1990.

130. Малый и средний бизнес как фактор экономического роста России / Ин-т экон. политики им. Е.Т. Гайдара. - М. : Изд-во Ин-та Гайдара, 2019. - 308 с. : ил. - (Научные труды / Ин-т экон. политики имени Е.Т. Гайдара; № 178P).

- ISBN 978-5-93255-548-4.

131. Менеджмент / В. П. Галенко, А. И. Рахманов, O.A. Страхова. - 2-е изд. -СПб.: Питер, 2003.

132. Методы робастного, нейро-нечеткого и адаптивного управления / Под ред. Н.Д.Егупова. -М.: Издательство МГТУ им.Баумана, 2002.- 744 с.

133. Мониторинг//Гражданская защита: Энциклопедия в 4-х томах. Т. II (К

- О) — М.: ФГБУ ВНИИ ГОЧС (ФЦ), 2015.

134. Социология: энциклопедия / сост. А. А. Грицанов и др. - Минск: Книжный Дом, 2003. - 1312 с.

135. Экономико-математический словарь: Словарь современной экономической науки. — М.: Дело. Л. И. Лопатников. 2003.

Приложения

Приложение 1

Акты внедрения

МИНИСТЕРСТВО ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ (МИНОБОРОНЫ РОССИИ)

ВОЙСКОВАЯ ЧАСТЬ

11232

г Москва. 119160

Ж

уУ» У/ 2018 г. № Ч-ЯЪ

На №

Акт использования результатов кандидатской диссертации Тишкиной Валерии Валентиновны

Настоящим актом подтверждается, что разработанный в диссертации Тишкиной Валерии Валентиновны метод анализа результатов деятельности объектов управления в условиях неполной и нечеткой информации, основанный на применении понятия лингвистических переменных и нечеткой логики, а также семантических сетей, использован в процессе исследования деятельности подразделений в условиях сложной быстроменяющейся обстановки и критических ситуаций. Применение метода позволило обеспечить принятие обоснованных решений и улучшить качественные характеристики этих решений за счет включения в процедуру анализа деятельности подразделений автоматизированных средств поддержки принятия решений на основе нечетко-множественного подхода.

Начальник отдела подполковник

А. Мосолов

АКТ ИСПО

? 2019

ной работе

К.В. Бухенский >7у£.Р 2019 Г.

результатов кандидатской диссертации Тишкиной Валерии Валентиновны в учебном процессе Рязанского государственного радиотехнического университета

Настоящим актом подтверждается, что разработанный в кандидатской диссертации Тишкиной Валерии Валентиновны средства анализа результатов деятельности объектов управления на основе нечетко-множественного подхода с учетом вида и отрасли объекта управления в условиях неполноты и нечеткости информации, а также формализованная модель управления в виде семантической сети использованы в учебном процессе Рязанского государственного радиотехнического университета при реализации образовательных программ по направлениям подготовки 09.03.03 -Прикладная информатика, 09.03.04 - Программная инженерия и специальности 09.05.01 - Применение и эксплуатация автоматизированных систем специального назначения.

Результаты исследований диссертационной работы использованы в дисциплинах «Системы искусственного интеллекта», «Теория принятия решений» и «Информационные системы в административном управлении» для освоения профессиональных, научно-исследовательских и общепрофессиональных компетенций:

- способность собирать детальную информацию для формализации требований пользователей заказчика;

- способность проводить описание прикладных процессов и информационного обеспечения решения прикладных задач;

- способность применять системный подход и математические методы в формализации решения прикладных задач и пр.

Заместитель декана факультета вычислительной техники, к.т.н., доцент.

Председатель научно-методического сове РГРТУ, д.т.н.

Заместитель заведующего кафедрой вычислительной и прикладной математик к.т.н, доцент

Н.И. Парфилова

Г.В. Овечкин

В.В. Орехов

178

Приложение 2 Свидетельства о регистрации программы для ЭВМ

Приложение 3

Листинг кода наиболее значимых частей программы

Листинг кода модуля вычисления нахождения согласованных

интервальных экспертных оценок

&НаСервере

Процедура ВывестиНеперекрывающиесяИнтервалыНаСервере() Объект.НепересекающиесяИнтервалы.Очистить(); Объект.ФункцииПринадлежности.Очистить(); ТЗМассив = Объект.НаборИнтервалов.Выгрузить(); Запрос = Новый Запрос; МВТ = Новый МенеджерВременныхТаблиц; Запрос.МенеджерВременныхТаблиц = МВТ; Запрос.Текст = "ВЫБРАТЬ

| ТЗМассив.Эксперт КАК Эксперт,

| ТЗМассив.Признак КАК Признак,

| ТЗМассив.Характеристика КАК Характеристика,

| ТЗМассив.Начало КАК Начало,

| ТЗМассив.Окончание КАК Окончание,

| ТЗМассив.КоэффициентКомпетентности

|ПОМЕСТИТЬ ВременнаяТЗ |ИЗ

| &ТЗМассив КАК ТЗМассив";

Запрос.УстановитьПараметр("ТЗМассив", ТЗМассив); РезультатЗапроса = Запрос.Выполнить(); Запрос2 = Новый Запрос; Запрос2.Текст = "ВЫБРАТЬ

| ВременнаяТЗ.Эксперт КАК Эксперт,

| ВременнаяТЗ.Признак КАК Признак,

| ВременнаяТЗ.Характеристика КАК Характеристика,

| ВременнаяТЗ.Начало КАК Начало,

| ВременнаяТЗ.Окончание КАК Окончание,

| ВременнаяТЗ.КоэффициентКомпетентности

|ИЗ

| ВременнаяТЗ КАК ВременнаяТЗ

|упорядочить ПО | ВременнаяТЗ.Начало";

Запрос2.МенеджерВременныхТаблиц = МВТ; // Вся таблица

РезультатЗапроса = Запрос2.Выполнить().Выгрузить(); ЗапросЭ = Новый Запрос;

ЗапросЭ.Текст = "ВЫБРАТЬ | ВременнаяТЗ.Признак КАК Признак,

| ВременнаяТЗ.Характеристика КАК Характеристика

|из

| ВременнаяТЗ КАК ВременнаяТЗ

|СГРУППИРОВАТЬ ПО | ВременнаяТЗ.Признак,

| ВременнаяТЗ.Характеристика";

ЗапросЭ.МенеджерВременныхТаблиц = МВТ;

РЗПризнакХарактеристика = ЗапросЭ.Выполнить().Выгрузить(); Для каждого СтрокаРЗПХ Из РЗПризнакХарактеристика Цикл ПараметрыОтбора = Новый Структура;

ПараметрыОтбора.Вставить("Признак", СтрокаРЗПХ.Признак); ПараметрыОтбора.Вставить("Характеристика", СтрокаРЗПХ.Характеристика);

ТЗВыделенная = Новый ТаблицаЗначений;

ТЗВыделенная = РезультатЗапроса.Скопировать(ПараметрыОтбора); //Таблица только с временем начала

ТЗНачало = ТЗВыделенная.ВыгрузитьКолонку("Начало"); // Первый интервал

ПервыйИнтервал = РезультатЗапроса[0]; // Новый массив-стек Стек = Новый ТаблицаЗначений; //Стек.Колонки.Добавить("Эксперт"); Стек.Колонки.Добавить("Признак"); Стек.Колонки.Добавить("Характеристика"); Стек.Колонки.Добавить("Начало"); Стек.Колонки.Добавить("Окончание"); НоваяСтрока = Стек.Добавить();

//НоваяСтрока.Эксперт =

//РезультатЗапроса[0].Эксперт;

НоваяСтрока.Признак =

РезультатЗапроса[0].Признак; НоваяСтрока.Характеристика = РезультатЗапроса[0].Характеристика;

НоваяСтрока.Начало =

РезультатЗапроса[0].Начало;

НоваяСтрока.Окончание =

РезультатЗапроса[0].Окончание; // Цикл

Для Счетчик = 1 По РезультатЗапроса.Количество()-1 Цикл СтрокаТЗВерх = Стек.Получить(0);

// если текущий интервал не перекрывается с вершиной

стека,

// положить его в стек

Если СтрокаТЗВерх.Окончание <

РезультатЗапроса[Счетчик].Начало Тогда НоваяСтрока = Стек.Вставить(0); //НоваяСтрока.Эксперт

//РезультатЗапроса[Счетчик].Эксперт;

HoвaяCтpoкa.Пpизнaк =

PeзyльтaтЗaпpoсa[Cчeтчик].Пpизнaк; HoвaяCтpoкa.Xapaктepистикa = PeзyльтaтЗaпpoсa[Cчeтчик].Xapaктepистикa; HoвaяCтpoкa.Haчaлo

PeзyльтaтЗaпpoсa[Cчeтчик].Haчaлo;

HoвaяCтpoкa.0кoнчaниe =

PeзyльтaтЗaпpoсa[Cчeтчик].0кoнчaниe;

Инaчe

II B пpoтивнoм cnyHae oбнoвляeм вpeмя oкoнчaния вepшины, eсли кoнeц тeкyщeгo

II интepвaл бoльшe Если CтpoкaTЗBepx.0кoнчaниe < PeзyльтaтЗaпpoсa[Cчeтчик].0кoнчaниe To^a

CTe^O^O^^a^e = PeзyльтaтЗaпpoсa[Cчeтчик].0кoнчaниe ;

КoнeцEсли; ^^цЕпли ; КoнeцЦиклa;

TЗФи = Hoвый TaблицaЗнaчeний; TЗФи .^noH^ .Дoбaвить(" Экспepт"); TЗФи.Кoлoнки.Дoбaвить("Пpизнaк"); TЗФи.Кoлoнки.Дoбaвить("Xapaктepистикa"); TЗФи.Кoлoнки.Дoбaвить("Пpинaдлeжнoсть"); TЗФи.Кoлoнки.Дoбaвить("CтeпeньПpинaдлeжнoсти"); 0бъeкт.HeпepeсeкaющиeсяИнтepвaлы.Зaгpyзить(CTe^; Для кaждoгo CтpoкaTЗB Из TЗBыдeлeннaя Цикл ФлaгHaйдeн = 0;

Для кaждoгo CтpoкaCтeк Из Cтeк Цикл

Если ((CтpoкaTЗB.Haчaлo >= CтpoкaCтeк.Haчaлo) И (CтpoкaTЗB.Haчaлo <= CтpoкaCтeк.0кoнчaниe)) ИЛИ

((CтpoкaTЗB.0кoнчaниe >= CтpoкaCтeк.Haчaлo) И (CтpoкaTЗB.0кoнчaниe <= CтpoкaCтeк.0кoнчaниe)) To^a ФлaгHaйдeн = 1; ^^цЕ^и ; КoнeцЦиклa;

Если ФлaгHAйдeн = 1 Toгдa

HoвaяCтpoкa = TЗФи.Дoбaвить(); HoвaяCтpoкa.Экспepт

= CтpoкaTЗB.Экспepт;

HoвaяCтpoкa.Пpизнaк

= CтpoкaTЗB.Пpизнaк;

HoвaяCтpoкa.Xapaктepистикa =

CтpoкaTЗB.Xapaктepистикa;

HoвaяCтpoкa.Пpинaдлeжнoсть = ИCTИHA; HoвaяCтpoкa.CтeпeньПpинaдлeжнoсти = CтpoкaTЗB.КoэффициeнтКoмпeтeнтнoсти * 1;

Инaчe

HoвaяCтpoкa = TЗФи.Дoбaвить();

183

НоваяСтрока.Эксперт

= СтрокаТЗВ.Эксперт;

НоваяСтрока.Признак

= СтрокаТЗВ.Признак;

НоваяСтрока.Характеристика =

СтрокаТЗВ.Характеристика;

НоваяСтрока.Принадлежность = ЛОЖЬ; НоваяСтрока.СтепеньПринадлежности = СтрокаТЗВ.КоэффициентКомпетентности * 0;

КонецЕсли;

Объект.ФункцииПринадлежности.Загрузить(ТЗФи); КонецЦикла; КонецЦикла; КонецПроцедуры

&НаКлиенте

Процедура ВывестиНеперекрывающиесяИнтервалы(Команда)

ВывестиНеперекрывающиесяИнтервалыНаСервере(); КонецПроцедуры

Листинг кода модуля работы с характеристиками каждого из показателей анализа

// расчет характеристики коэффициента на начало периода

Процедура РассчитатьХарактеристикуНачало(СтрокаТабличнойЧасти, Число)

Экспорт

если (СтрокаТабличнойЧасти.Начало)<Число тогда СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="Низкая платежеспособность организации"; иначе

СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="Достаточная платежеспособность организации";

конецесли; КонецПроцедуры

// расчет характеристики коэффициента на конец периода

Процедура РассчитатьХарактеристикуОкончание(СтрокаТабличнойЧасти, Число) Экспорт

если (СтрокаТабличнойЧасти.Окончание)<Число тогда СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="Низкая платежеспособность организации"; иначе

СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="Достаточная платежеспособность организации";

конецесли; КонецПроцедуры

// расчет финансовой устойчивости на начало периода

Процедура РассчитатьУстойчивостьНачало(СтрокаТабличнойЧасти, Число) Экспорт

если (СтрокаТабличнойЧасти.Начало)<Число тогда

CтpoкaTaбличнoйЧaсти.XapaктepистикaHaHaчaлoПepиoдa="Heвысoкaя финaнсoвaя yстoйчивoсть"; инaчe

CтpoкaTaбличнoйЧaсти.XapaктepистикaHaHaчaлoПepиoдa="Дoстaтoчнaя финaнсoвaя yстoйчивoсть opгaнизaции";

кoнeцeсли; КoнeцПpoцeдypы

II paсчeт финaнсoвoй yстoйчивoсти Ha кoнeц пepиoдa

Пpoцeдypa PaссчитaтьУстoйчивoсть0кoнчaниe(CтpoкaTaбличнoйЧaсти, Числo) Экспopт

eonH (CтpoкaTaбличнoйЧaсти.0кoнчaниe)<Числo ¿o^a CтpoкaTaбличнoйЧaсти.XapaктepистикaHa0кoнчaниeПepиoдa="Heвысoкaя финaнсoвaя yстoйчивoстьopгaнизaции"; инaчe

CтpoкaTaбличнoйЧaсти.XapaктepистикaHa0кoнчaниeПepиoдa="Дoстaтoчнaя финaнсoвaя yстoйчивoсть opгaнизaции";

кoнeцeсли; КoнeцПpoцeдypы

II paсчeт oбpaтныx кoэффициeнтoв

Пpoцeдypa PaссчитaтьУстoйчивoстьHaoбopoтHaчaлo(CтpoкaTaбличнoйЧaсти, Числo) Экспopт

eonH (CтpoкaTaбличнoйЧaсти.Haчaлo)>Числo тoгдa CтpoкaTaбличнoйЧaсти.XapaктepистикaHaHaчaлoПepиoдa="Heвысoкaя финaнсoвaя yстoйчивoсть"; инaчe

CтpoкaTaбличнoйЧaсти.XapaктepистикaHaHaчaлoПepиoдa="Дoстaтoчнaя финaнсoвaя yстoйчивoсть opгaнизaции";

кoнeцeсли; КoнeцПpoцeдypы

II paсчeт oбpaтныx кoэффициeнтoв

Пpoцeдypa PaссчитaтьУстoйчивoстьHaoбopoт0кoнчaниe(CтpoкaTaбличнoйЧaсти, Числo) Экспopт

eonn (CтpoкaTaбличнoйЧaсти.0кoнчaниe)>Числo ¿o^a CтpoкaTaбличнoйЧaсти.XapaктepистикaHa0кoнчaниeПepиoдa="Heвысoкaя финaнсoвaя yстoйчивoстьopгaнизaции"; инaчe

CтpoкaTaбличнoйЧaсти.XapaктepистикaHa0кoнчaниeПepиoдa="Дoстaтoчнaя финaнсoвaя yстoйчивoсть opгaнизaции";

кoнeцeсли; КoнeцПpoцeдypы

II paсчeт кoэффициeнтoв ^и aHannse финaнсoвoй yстoйчивoсти Пpoцeдypa PaссчитaтьУстoйчивoстьЧeтвepтый(CтpoкaTaбличнoйЧaсти, Пoлe1, Пoлe2) Экспopт

eenn (Пoлe1)<0.5 ¿o^a

Пoлe2="Испoльзoвaниe ^MTana для фopмиpoвaния o6opothbix сpeдств. 0цeнивaeтся oтpицaтeльнo"; инaчe

eсли ^one!)^^ ¿o^a

Пoлe2="Пpивлeчeниe дoлгoсpoчныx зaймoв и кpeдитoв для фopмиpoвaния чaсти внeoбopoтныx aктивoв, чтo впoлнe oпpaвдaннo"; инaчe

Пoлe2="Дoпyстимoe знaчeниe пoкaзaтeля";

конецесли; конецесли; КонецПроцедуры

// расчет коэффициентов при анализе финансовой устойчивости

Процедура РассчитатьУстойчивостьПятый(СтрокаТабличнойЧасти, Поле1, Поле2)

Экспорт

если (Поле1)<0.1 тогда

Поле2="Организация неплатежеспособна";

иначе

Поле2="Хорошее финансовое состояние организации"; конецесли; КонецПроцедуры

// расчет коэффициентов при анализе финансовой устойчивости Процедура РассчитатьУстойчивостьШестой(СтрокаТабличнойЧасти, Поле1, Поле2) Экспорт

если (Поле1)<0.5 тогда

Поле2="Низкие производственные возможности организации";

иначе

Поле2="Повышение производственных возможностей организации"; конецесли; КонецПроцедуры

// анализ коэффициента автономии Процедура

КлассифицироватьКоэффициентАвтономииНачало(СтрокаТабличнойЧасти) Экспорт

если (СтрокаТабличнойЧасти.Начало)<=0.1 И ((СтрокаТабличнойЧасти.Начало)>=0) тогда

СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="очень низкий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиНачало = 1; конецесли;

если (СтрокаТабличнойЧасти.Начало)>0.1 И (СтрокаТабличнойЧасти.Начало)<0.2 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="очень низкий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиНачало = 10*(0.2-СтрокаТабличнойЧасти.Начало); конецесли;

если (СтрокаТабличнойЧасти.Начало)>=0.2 И (СтрокаТабличнойЧасти.Начало)<=0.25 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="низкий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиНачало = 1; конецесли;

если (СтрокаТабличнойЧасти.Начало)>0.25 И (СтрокаТабличнойЧасти.Начало)<0.3 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="низкий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиНачало = 5*(0.3-СтрокаТабличнойЧасти.Начало); конецесли;

если (СтрокаТабличнойЧасти.Начало)>=0.3 И (СтрокаТабличнойЧасти.Начало)<=0.45 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="средний"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиНачало = 1; конецесли;

если (СтрокаТабличнойЧасти.Начало)>0.45 И (СтрокаТабличнойЧасти.Начало)<0.5 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="средний"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиНачало = 5*(0.5-СтрокаТабличнойЧасти.Начало); конецесли;

если (СтрокаТабличнойЧасти.Начало)>=0.5 И (СтрокаТабличнойЧасти.Начало)<=0.6 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="высокий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиНачало = 1; конецесли;

если (СтрокаТабличнойЧасти.Начало)>0.6 И (СтрокаТабличнойЧасти.Начало)<0.7 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="Высокий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиНачало = 10*(0.7-СтрокаТабличнойЧасти.Начало); конецесли;

если (СтрокаТабличнойЧасти.Начало)>=0.7 И (СтрокаТабличнойЧасти.Начало)<=1 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаНачалоПериода="очень высокий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиНачало = 1; конецесли; КонецПроцедуры // анализ коэффициента автономии Процедура

КлассифицироватьКоэффициентАвтономииОкончание(СтрокаТабличнойЧасти) Экспорт

если (СтрокаТабличнойЧасти.Окончание)<=0.1 И ((СтрокаТабличнойЧасти.Окончание)>=0) тогда

СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="очень низкий";

СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиОкончание = 1; конецесли;

если (СтрокаТабличнойЧасти.Окончание)>0.1 И (СтрокаТабличнойЧасти.Окончание)<0.2 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="очень низкий";

СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиОкончание = 10*(0.2-СтрокаТабличнойЧасти.Окончание); конецесли;

если (СтрокаТабличнойЧасти.Окончание)>=0.2 И (СтрокаТабличнойЧасти.Окончание)<=0.25 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="низкий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиОкончание = 1; конецесли;

если (СтрокаТабличнойЧасти.Окончание)>0.25 И (СтрокаТабличнойЧасти.Окончание)<0.3 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="низкий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиОкончание = 5*(0.3-СтрокаТабличнойЧасти.Окончание); конецесли;

если (СтрокаТабличнойЧасти.Окончание)>=0.3 И (СтрокаТабличнойЧасти.Окончание)<=0.45 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="средний"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиОкончание = 1; конецесли;

если (СтрокаТабличнойЧасти.Окончание)>0.45 И (СтрокаТабличнойЧасти.Окончание)<0.5 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="средний"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиОкончание = 5*(0.5-СтрокаТабличнойЧасти.Окончание); конецесли;

если (СтрокаТабличнойЧасти.Окончание)>=0.5 И (СтрокаТабличнойЧасти.Окончание)<=0.6 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="высокий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиОкончание = 1; конецесли;

если (СтрокаТабличнойЧасти.Окончание)>0.6 И (СтрокаТабличнойЧасти.Окончание)<0.7 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="Высокий"; СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиОкончание = 10*(0.7-СтрокаТабличнойЧасти.Окончание); конецесли;

если (СтрокаТабличнойЧасти.Окончание)>=0.7 И (СтрокаТабличнойЧасти.Окончание)<=1 тогда

СтрокаТабличнойЧасти.ХарактеристикаНаОкончаниеПериода="очень высокий";

СтрокаТабличнойЧасти.СтепеньОценочнойУверенностиОкончание = 1; конецесли; КонецПроцедуры

Листинг кода обработки приведения количественного значения к качественному

Функция ПолучениеКачественногоЗначения(ИсходнаяДата, РассчитанныйПоказатель) Экспорт

//{{КОНСТРУКТОР_ЗАПРОСА_С_ОБРАБОТКОЙ_РЕЗУЛЬТАТА // Данный фрагмент построен конструктором.

// При повторном использовании конструктора, внесенные вручную изменения будут утеряны!!!

Запрос = Новый Запрос; Запрос.Текст = "ВЫБРАТЬ

| ФункцииПринадлежностиПоказателей.Период КАК Период, | ФункцииПринадлежностиПоказателей.Регистратор КАК Регистратор,

| ФункцииПринадлежностиПоказателей.НомерСтроки КАК НомерСтроки,

| ФункцииПринадлежностиПоказателей.Активность КАК

Активность,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.ДатаHачала КАК

ДатаHачала,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.Дата0кoнчания КАК

Дата0кoнчания,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.0трасль КАК 0трасль,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.ФopмаПpeдпpиятия КАК

ФopмаПpeдпpиятия,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.Кoэффициeнт КАК

Кoэффициeнт,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.0чeньHизкийHачалo КАК

0чeньHизкийHачалo,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.0чeньHизкий0кoнчаниe КАК

0чeньHизкий0кoнчаниe,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.HизкийHачалo КАК

HизкийHачалo,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.Hизкий0кoнчаниe КАК

Hизкий0кoнчаниe,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.CpeднийHачалo КАК

CpeднийHачалo,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.Cpeдний0кoнчаниe КАК

Cpeдний0кoнчаниe,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.BысoкийHачалo КАК

BысoкийHачалo,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.Bысoкий0кoнчаниe КАК

Bысoкий0кoнчаниe,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.0чeньBысoкийHачалo КАК

0чeньBысoкийHачалo,

I ФyнкцииПpинадлeжнoстиПoказатeлeй.0чeньBысoкий0кoнчаниe

КАК 0чeньBысoкий0кoнчаниe

|из

I РeгистpCвeдeний.ФyнкцииПpинадлeжнoстиПoказатeлeй КАК

ФyнкцииПpинадлeжнoстиПoказатeлeй |ГДE