Управление развитием промышленных предприятий на основе моделирования процессов интенсификации производства тема диссертации и автореферата по ВАК РФ 08.00.05, кандидат экономических наук Хабибуллин, Рустам Махмутович

• Хабибуллин, Рустам Махмутович
• кандидат экономических наук
• 2010

Оглавление диссертации кандидат экономических наук Хабибуллин, Рустам Махмутович

Введение

Глава 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ И ПРОГРАММНО

АЛГОРИТМИЧЕСКИЕ СРЕДСТВА РАЗРАБОТКИ АВТОМАТИЗИРОВАННОЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ОПРЕДЕЛЕНИЯ СЛОЖНОСТИ ПРОИЗВОДСТВА ИЗДЕЛИЙ.

1.1. Анализ проблем и направлений совершенствования управления процессами интенсификации производства

1.2. Анализ теоретических основ нормирования на промышленных предприятиях 18 1.2.1. Системная реализация метода аналогий

1.3. Применение метода нечеткой логики для определения сложности деталей

1.3.1. Теоретические аспекты нечеткой логики

1.3.2. Определение сложности деталей на основе нечеткой логики

1.4. Информационная система определения сложности

1.4.1. Алгоритм обучения нечеткой информационной системы

1.4.2. Описание работы информационной системы

1.5. Программные средства для разработки систем нечеткой логики

1.6. Полученные результаты и выводы

Глава 2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПОВЫШЕНИЯ

ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ДВИЖЕНИЕМ ОБОРОТНЫМИ АКТИВАМИ НА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ

2.1. Анализ моделей оценки влияния оборотных активов на деятельность предприятия

2.2. Разработка моделей управления производственными запасами

2.3. Имитационное моделирование моделей управления производственными запасами

2.4. Стохастическая модель системы материально-технического снабжения

2.5. Полученные результаты и выводы

Глава 3. УПРАВЛЕНИЕ ИНВЕСТИЦИОННЫМИ ПРОЕКТАМИ С

ВЕНЧУРНЫМ КАПИТАЛОМ ПО ПОВЫШЕНИЮ ЭФФЕКТИВНОСТИ ПРОМЫШЛЕННОГО ПРОИЗВОДСТВА

3.1. Анализ проблем управления инвестиционными проектами по повышению эффективности производства.

3.2. Этапы инновационно-инвестиционных процессов в производственно-экономических системах

3.3. Постановка задачи инвестиционного проекта

3.4. Формирование моделей управления венчурными инвестиционными проектами.

3.5. Оптимизация управления венчурными проектами.

3.6. Оценка и управление рисками венчурных проектов.

3.7. Полученные результаты и выводы.

Введение диссертации (часть автореферата) на тему «Управление развитием промышленных предприятий на основе моделирования процессов интенсификации производства»

Актуальность темы исследования. В современных условиях повышение эффективности использования производственных фондов должно включать в себя взаимосвязанные программы по повышению уровня производимого продукта, а именно: снижение ее материалоемкости, трудоемкости и фондоемкости. Первая задача - это задача внедрения инновационных материалов и технологий, две другие - это задача повышения производительности факторов производства. Интенсификация производства основана на совершенствовании производственных процессов, что приводит к экономии совокупности применяемых ресурсов на единицу продукции.

Важным резервом интенсификации является сокращение простоя оборудования на основе обеспечения производства материалами вовремя и в нужном количестве. Основным резервом является ликвидация внеплановых простоев путем оптимального управления оборотными фондами, в том числе должное обеспечение производственными запасами, энергией, своевременный сбыт продукции. Недостаток оборотных средств ведет к ухудшению показателей ритмичности, снижению производительности труда, увеличению расхода материалов по причине нерациональных замен.

Повышение эффективности производственных фондов промышленных предприятий может осуществляться следующими путями: обновление производственных фондов, которые будут обеспечивать увеличение фондоотдачи, ускорение оборачиваемости оборотных средств; совершенствование и улучшение использования имеющихся на предприятии производственных фондов.

Управление развитием промышленными предприятиями на основе интенсификации требует привлечения дополнительных инвестиций. Инновационные проекты, способные привлечь внимание венчурного инвестора, связаны с передовыми технологиями и новейшими достижениями научно-технического прогресса. Это может быть освоение новых технологических процессов, обеспечивающих либо существенное повышение характеристик производимой продукции - снижения материале»- и трудоемкости изделий без значительного возрастания производственных издержек.

Управление инвестиционными проектами состоит в том, что на этапе развития не ставится задача достижения максимального потребления. Инвесторы заинтересованы в наискорейшем развитии производства. Поэтому необходимо оптимизировать управление проектами по внедрению более совершенных технологий производства на основе оптимального распределения средств инвестиционного венчурного проекта.

В связи с вышеизложенным тема диссертационного исследования является актуальной.

Область исследования. Диссертационная работа выполнена в соответствии с требованиями Паспорта специальностей ВАК 08.00.05 «Экономика и управление народным хозяйством» - Экономика, организация и управление предприятиями, отраслями, комплексами - промышленность — пп. 15.15. Теоретические и методологические основы эффективности развития предприятий, отраслей и комплексов народного хозяйства; пп. 15.28. Управление производственной программой в различных условиях хозяйствования подразделения организации; 08.00.13-«Математические и инструментальные методы экономики» пп. 1.4. Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений; пп. 2.6. Развитие теоретических основ методологии и инструментария проектирования, разработки и сопровождения информационных систем субъектов экономической деятельности: методы формализованного представления предметной области, программные средства, базы данных, корпоративные хранилища данных, базы знаний, коммуникационные технологии.

Состояние изученности проблемы.

Современные подходы к пониманию и управлению организациями рассмотрены в работах Абалкина Л.И., Ващенко В.К., Ковалева Г.Д., Друкера П., Нельсона Р., Саймона Г., Меклинга У., Д. Пфеффера, С. Уитнера, М. Йенсена и др.

Управления венчурными инвестициями Глэдстоун Д., Кемпбелл К., Каширин А.И., Семенов А.Б. Рассмотрение вопросов, связанных с управлением запасами рассмотрено в работах Бережного В.И., Грызанова Ю.П., Jla-гуткина В.М., Неруша Ю.М., Проценко О.Д., Бауэрсокса Дж., Зермати П., Уайта О.У., Хедли Дж., и др.

Цель работы состоит в получении научно-обоснованных экономических решений, направленных на разработку экономико-математических моделей процессов интенсификации промышленного производства путем создания интеллектуальной информационной системы по определению прогнозной сложности изготовления изделий, эффективного управления оборотными средствами предприятия и венчурными инвестиционными проектами, что будет способствовать повышению эффективности организации производства и снижению рисков, связанных с вложением средств в экономический рост предприятия.

Поставленная цель потребовала решения следующих задач:

- провести анализ направлений интенсификации производства в управлении развитием промышленных предприятий;

- построить адаптивную нечеткую модель на основе конструкторско-технологического проектирования изделий для определения прогнозной сложности их изготовления;

- создать интеллектуальную информационную систему определения прогнозной сложности изготовления деталей металлоконструкций на стадии конструкторской подготовки производства;

- осуществить тестирование созданной системы в методе нечеткой логики для определения сложности изготовления металлоконструкций;

- провести анализ влияния движения оборотных активов, в частности производственных запасов на эффективность работы предприятия;

- предложить методику оптимизации управления инвестиционным проектированием для хозяйствующего субъекта с учетом оценок риска венчурного инвестирования.

Объект исследования: процессы интенсификации производства на промышленных предприятиях.

Предмет исследования: экрномические отношения, возникающие в процессе повышения эффективности производственных фондов промышленных предприятий.

Теоретической и методологической основой исследования являются труды отечественных и зарубежных ученых-экономистов, посвященные вопросам интенсификации производства, инвестиционного проектирования, инноваций, менеджмента, научные публикации в периодических экономических изданиях по вопросам повышения производительности труда на промышленных предприятий.

Основные методы исследования. Основным методом исследования является финансово-экономический анализ связей между показателями деятельности предприятий, положения экономической теории и теории риска. Также использованы методы экономико-математического моделирования, методы теории нечетких множеств, экспертных оценок и математической статистики. При выполнении исследований применялись методы эконометрического, системного анализа, а также методы аналитико-имитационного моделирования сложных процессов и систем.

Информационной базой являются данные органов статистики разного уровня, информация, публикуемая в официальных источниках Правительства России и Удмуртской Республики, данные эмпирических исследований на зарубежных и отечественных предприятиях промышленности.

Научная новизна диссертационного исследования заключается в следующем:

1. Определены организационно-экономические меры по повышению интенсификации производства. Установлено, что для информационной поддержки лиц принимающих решения в условиях неопределенности требуется привлечение методов интеллектуального анализа данных. (08.00.05 - 15.15).

2. Разработан алгоритм создания интеллектуальной информационной системы, использующей теорию конструктивно-технологической сложности изделий, как некоторой функции, зависящей только от свойств изделия - совокупности геометрических, конструктивных и технологических признаков. Такой метод определения сложности изделий основан на построении линейной регрессионной зависимости сложности от трудоемкости, а коэффициенты регрессии получаются различными для каждого исследуемого объекта и учитывают факторы, не связанные со сложностью изделий. (08.00.05 - 15.15, 08.00.13 - 1.4).

3. Разработана автоматизированная информационная система определения прогнозной сложности деталей металлоконструкций на стадии конструкторской подготовки производства, составления конструкторско- технологической характеристики деталей, создания базы знаний на основе экспертных заключений по сложности изготовления аналогичных изделий, проведения обучения автоматизированной системы, разработки алгоритмов интерпретации сложности экспертируемых изделий на основе аппарата нечеткой логики и принятия заключения об отнесении данного изделия к определенному классу. (08.00.05 - 15.15, 08.00.13 - 2.6).

4. Обоснована математическая модель оптимизации оборотных средств на предприятии для повышения эффективности системы ' материально-технического снабжения с учетом неопределенности действия внешних факторов с ограничениями на величину поставок и затратами на хранение. Предложенная модель позволяет извлекать прибыль, основанную на разнице в текущих и предшествующих ценах на материалы в условиях быстрого роста индекса цен. (08.00.05- 15.28).

5. Предложена модель управления инвестиционными проектами при получении конкретного значения прибыли за минимальный промежуток времени, представляющую собой задачу оптимального управления на фиксированном временном интервале. (08.00.05 - 15.15, 08.00.13 - 1.4).

Практическая значимость работы. Полученные в ходе диссертационного исследования результаты при их применении на практике позволят более эффективно управлять производством на основе экономико-математических моделей процессов организации промышленного' производства в конструкторско-технологической, планово-производственной и финансово-экономической деятельности предприятия.

Применение аппарата нечеткой логики для определения прогнозной сложности деталей металлоконструкций на стадии конструкторской подготовки производства позволяет оперативно оценивать нормы времени на изготовление изделий без проектирования технологического процесса, что дает возможность снизить затраты на процесс определения сложности и принять обоснованное решение по выпуску нового изделия. На примере деталей металлоконструкций построена адаптивная нечеткая модель для прогнозирования сложности их изготовления.

Разработанная модель управления оборотными средствами обеспечивает необходимое для бесперебойной работы предприятия количество запасов материалов и сокращает издержки, вызванные дефицитом материалов. В процессе управления интенсификаций производства оптимальное управление инвестиционными проектами позволяет снизить величину инвестиционного риска на 30% для рассмотренных условий производства.

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались XXXVI Междунар. науч.-практ. конф. «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Гурзуф, 2009); Междунар. науч.-практ. конф. «Мировая экономика и социум: от кризиса до кризиса» (Саратов, 2009); Междунар. науч.-практ. конф. «Актуальные проблемы науки». (Кузнецк, 2009); XII Междунар. науч.-практ. конф. «Актуальные вопросы экономических наук»; Всеросс. научно-практ. конф. «Новая экономическая стратегия промышленно развитого региона» (Ижевск, 2008); VII всеросс. науч.-практ. конф. «Инновационная экономика и промышленная политика региона»(СПб, 2009); Всеросс. науч.-практ. конф. «Актуальные проблемы экономической науки и хозяйственной практики в условиях кризиса» (Москва, 2009); Всеросс. науч.-практ. конф. «Регионы России: проблемы, перспективы, решения» (Москва, 2009); II Всеросс. науч.-практ. конф. «Инноватизация в России: успехи, проблемы и перспективы» (Пенза, 2009); XXXVII Междунар. науч.-практ. конф. «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Гурзуф, 2010). /

Реализация работы в практической деятельности. Полученные в диссертации результаты использованы в ИжГТУ при разработке учебных курсов «Экономика промышленности», «Инновационный менеджмент», «Экономика и организация производства» и т.д.

Публикации. По теме диссертации опубликовано 13 работ, общим объемом 6,8 п.л. (личный вклад автора 6,5 п.л.), в т.ч. 2 публикации в журналах, рекомендуемых ВАК для опубликования основных результатов диссертационной работы.

Структура и объем работы. Диссертация включает введение, три главы, заключение, список использованной литературы и одно приложение. Основной текст работы, изложенный на 152 с. машинописным текстом, содержит 62 рис., 7 табл., список литературы, содержащий 117 наименований и 1 приложение.

Заключение диссертации по теме «Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда», Хабибуллин, Рустам Махмутович

ЗАКЛЮЧЕНИЕ

В результате проведения комплексных исследований получены научно-обоснованные экономические решения, направленные на разработку экономико-математических моделей процессов интенсификации промышленного производства путем создания интеллектуальной информационной системы по определению прогнозной сложности изготовления изделий, эффективного управления оборотными средствами предприятия и венчурными инвестиционными проектами, что будет способствовать повышению производительности факторов производства, снижению рисков, связанных с вложением средств в экономический рост предприятия и повышению эффективности организации производства.

1. Проведен анализ существующих методов нормирования труда. Установлено, что в настоящее время используется три основных: расчетный, метод непосредственного наблюдения и метод аналогий. Предложена системная реализация метода аналогий, при которой номенклатуру деталей разделяют на группы по конструктивно-технологическим признакам, в каждой группе выбирается наиболее типичная деталь-представитель, в группе выбираются критерии, по которым деталь-представитель сравнивается с другим деталями группы и по каждому признаку сопоставления определяют правило перехода от сложности детали-представителя к сложности любой детали в зависимости от их значений. Для применения математических методов, позволяющих алгоритмизировать метод аналогий, строятся системы-классификации, отображающие множество описаний объектов с заданными отношениями иерархии и эквивалентности классов (групп), а при создании модельной системы-классификации опыт субъекта, оценивающего сопоставимость объектов, заменяется обобщенной экспертной системой.

2. В работе автором разработан алгоритм создания интеллектуальной информационной системы, использующей теорию конструктивно-технологической сложности изделий, как некоторой функции, зависящей только от свойств изделия — совокупности геометрических, конструктивных и технологических признаков. Такой метод нормирования основан на построении линейной регрессионной зависимости, а коэффициенты регрессии получаются различными для каждого исследуемого объекта и учитывают факторы, влияющие на сложность деталей.

3. Установлено, что данный метод обеспечивает высокую точность и адаптируемость, однако перспективным направлением его применения является использования интеллектуальных алгоритмов для решения задачи прогнозирования сложности изготовления. Создана интеллектуальная информационно-интерпретирующая система определения прогнозной сложности деталей металлоконструкций на стадии конструкторской подготовки производства путем создания базы знаний на основе экспертных заключений по сложности изготовления аналогичных изделий, проведения обучения автоматизированной системы с помощью генетических алгоритмов, разработки алгоритмов интерпретации сложности экспертируемых изделий на основе аппарата нечеткой логики и принятия заключения об отнесении данной детали к определенному классу по сложности изготовления.

4. Впервые предложено использовать аппарат нечеткой логики для определения прогнозной сложности деталей металлоконструкций на стадии конструкторской подготовки производства. Это позволяет оперативно оценивать нормы времени на изготовление изделий без проектирования технологического процесса, что дает возможность снизить затраты на процесс нормирования и принять обоснованное решение по выпуску нового изделия. На примере деталей металлоконструкций построена адаптивная нечеткая модель для прогнозирования сложности их изготовления. Средняя относительная ошибка нечеткого прогноза составила 12.1%, что приемлемо на стадии предварительной оценки.

5. В диссертации создана автоматизированная информационная система, построенная на нечеткой логике, в которых генерация правил и подбор параметров функций принадлежности ведутся в процессе обучения по имеющимся данным, относят к классу адаптивных систем нечеткого логического вывода. Поскольку при обучении (т.е. получении неизвестных параметров) нечеткой системы использовались генетические алгоритмы оптимизации, то такая система является адаптивной системой нечеткого вывода с генетическим алгоритмом обучения.

6. Процесс построения системы нечеткого вывода в общем случае состоит из двух этапов: структурной адаптации и параметрической адаптации. Эти процедуры могут выполняться как раздельно, так и одновременно, и проводятся с использованием экспериментальных данных обучающей выборки. Структурная адаптация подразумевает генерацию базы нечетких правил вида «если — то». Критерием качества сформированной базы правил выступает полнота покрытия правилами всех примеров из обучающей выборки. На этапе параметрической адаптации производится настройка форм функций принадлежности нечеткой системы. Для этого, как правило, минимизируется сумма квадратов разностей между фактическим и спрогнозированным значениями переменной вывода нечеткой системы.

7. Достоинствами нечетких экспертных систем являются: возможность па раллельного выполнения имеющихся правил; множественность интерпретаций значений переменных, обеспечивающая суперпозицию состояний и возможность использования противоречивых правил; прогнозирование новых состояний рассматриваемой системы; описание проблемы и правил на естественном языке с использованием лингвистических переменных.

8. В нечетких системах эксперты формируют правила и функции принадлежности. Особенно сложным этапом является выбор параметров, характеризующих функции принадлежности. При наличии системы данных желательно извлечь содержащиеся в ней знания и заменить этими знаниями опыт экспертов. Таким образом, процесс построения адаптивной нечеткой системы всегда сводится к решению некоторого конечного множества оптимизационных задач. Вид оптимизационной функции целиком зависит от данных из обучаемой выборки. Нахождение глобального экстремума такой функции традиционными методами оптимизации является сложной, а часто неразрешимой задачей. Поэтому для обучения нечеткой системы применяется новый гибридный алгоритм.

9. Информационные системы, применяющие методы нечеткой логики, обеспечивают более устойчивое и полное представление имеющихся знаний о некотором объекте, по сравнению с традиционными экспертными системами. Поэтому они нашли широкое применение в задачах принятия решений в условиях неопределенности.

10. Анализ известных моделей управления оборотными средствами показал их отношение к системе материального снабжения, как к автономной системе, что не удовлетворяет существующие особенности работы предприятий в переходный период. Уточненная модель управления запасами позволяет извлекать прибыль, основанную на разнице в текущих и предшествующих ценах на материалы в условиях быстрого роста индекса цен.

11. Результаты расчетов показывают, что величина прибыли при оптимальном управлении запасами перекрывает издержки предприятия по хранению. Суммарные затраты начинают снижаться при темпе инфляции более 11%, а при 17% -м темпе эффект становится положительным при оптимизации управления производственными запасами.

12. При наличии жестких ограничений на размер поставляемой партии материалов необходимо применять стохастическую модель системы материально-технического снабжения. В этом случае модель оптимального управления обеспечивает необходимое для бесперебойной работы предприятия количество запасов материалов. Анализ описанной в экономической литературе схемы венчурного инвестирования показал, что основные элементы процесса выполнения инвестиционного проекта могут быть формализованы. Это позволило разработать математическую модель реализации венчурного инвестиционного проекта.

13. Математическая модель венчурного инвестиционного проекта представляет собой задачу оптимального управления, для решения которой необходимо применять численный метод. В зависимости от целей венчурного инвестора (достижение максимальной прибыли за фиксированной промежуток времени или получение фиксированной прибыли за кратчайшее время) разработаны два критерия эффективности, позволившие построить две модели.

14. В качестве объекта исследования рассмотрен предполагаемый инвестиционный проект, связанный с выпуском новой техники. Основу рационального управления венчурным инвестиционным проектом составляет направление средств на развитие и совершенствование производственного процесса с переменной нормой накопления. Норма накопления должна быть снижена на 50% после времени начала выпуска новой продукции для выплаты дивидендов и выделения дополнительных средств на научно-техническое совершенствование технологического процесса. Дивиденды также необходимо начинать выплачивать в период, предшествующий времени выхода венчурного инвестора из проекта.

15. При оптимальном управлении предприятием стратегические цели венчурного инвестора и инициатора проекта совпадают. Оценку риска венчурного инвестирования предлагается проводить по влиянию задержки времени начала выпуска новой продукции на показатель чистой приведенной стоимости. Рациональное управление венчурным инвестиционным проектом позволяет снизить величину инвестиционного риска на 30% для рассмотренных условий производства.

Список литературы диссертационного исследования кандидат экономических наук Хабибуллин, Рустам Махмутович, 2010 год

1. Акмаева, Р.И. Формирование и развитие методов и инструментов эффективного менеджмента на российских промышленных предприятиях: мо-ногр. / Р.И. Акмаева; Астрахан. гос. техн. ун-т. — Астрахань: Изд-во АГТУ, 2006. - 540с.

2. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во ТГУ, 2000. - 352 с.

3. Анферов М.А., Селиванов С.Г. Структурная оптимизация технологических процессов в машиностроении. Уфа: Филем, 1996.

4. Апчерч А. Управленческий учет: принципы и практика. М.: Финансы и статистика, 2002.

5. Афонцев С., Капелюшников Р. Структурные характеристики предприятий и их налоговое поведение // Вопросы экономики. -2001. -№9. -с.82-100.

6. Ашманов С.А. Введение в математическую экономику. М., Наука, 1984 г.

7. Баранов В.Н. Задачи и методы оптимального распределения ресурсов: Учебное пособие. -М.: МАИ, 1981. — 36 с.

8. Барнгольц СБ. Оборотные средства промышленности СССР. М: Финансы, 1965.-283 с.

9. Батищев Д.И. Генетические алгоритмы решения экстремальных задач / Под ред. Львовича Я.Е.: Учеб. пособие. Воронеж, 1995.

10. Беллман Р., Калаба Р. Динамическое программирование и современная теория управления. М.: Наука, 1969.-458с.

11. Бланк И.А. Инвестиционный менеджмент. Учебный курс. Киев, 2001.

12. Бобылева А.З. Финансовые управленческие технологии. М.: Инфра-М, 2004. - 492с.

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

14. Борисов В.В. Компьютерная поддержка сложных организационно-технических систем / В.В. Борисов, И.А. Бычков, А.В. Дементьев, А.П. Соловьев, А.С. Федулов. М.: Горячая линия - Телеком, 2002. - 154 с.

15. Валдайцев С.В. Оценка бизнеса М.: ТК Велби, Изд-во Проспект, 2003. - 352 с.

16. Валдайцев С.В., Воробьев П.В., Иванов В.В. и др. Инвестиции. Учебник /Под ред. В.В.Ковалева, В.В.Иванова, В.А.Лялина. М.:ТК Велби, изд-во Про-спект, 2003 .-440с.

17. Вальтух К.Е. Кругооборот и оборот фондов предприятия. М.: Финансы, 1990.-236 с.

18. Вороновский Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А. Харьков: Основа, 1997. - 112 с.

19. Гаджинский A.M. Основы логистики: Учеб. пособие. 3-е изд. - М.: ИВЦ «Маркетинг», 1997.- 124 с.

20. Гитман Л., Джоше М. Основы инвестирования /Пер. с англ. М.: Дело, 1997.

21. Глазов М.М. Диагностика промышленного предприятия: новые решения. СПб.: РГГМУ, 2006. - 480с.

22. Голенко Д.И. и др. Моделирование в технико-экономических системах (управление запасами). Л.: Изд-во Ленигр. Ун-та, 1975. - 197 с.

23. Горохов М.Ю., Малев В.В. Бизнес-планирование и инвестиционный анализ. М.: Филинъ. 1998 208 с.

24. Грабовый П.Г., Петрова С.Н. и др. Риски в современном бизнесе. М.: «Алане»,1994.

25. Грузинов В.П., Грибов В.Д. Экономика предприятия: Учебное пособие для студентов вузов. М.: Финансы и статистика, 1999.

26. Грызанов Ю.П., Файницкий А.И. Управление товарными запасами вторговле.-М, 1975.

27. Дарбинян М.М. Товарные запасы в торговле и их оптимизация. — М.: Экономика, 1978. — 237 с.

28. Дарбинян М.М. Формирование ассортимента и торговых запасов в торговле. — М.: Экономика, 1974. — 255 с.

29. Долгий Ю.Ф., Близоруков М.Г. Динамические системы в экономике с дискретным временем // Экономика и математические методы. 2002. - т.38. -№3. - с.94-106,

30. Донцова Л.Ф., Никифорова Н.А., Анализ бухгалтерской отчетности .-М.:ИКЦ«ДИС»,1998.

31. Дубров A.M., Лагоша Б.А., Хрусталев Е.Ю., Барановская Т.П. Моделирование рисковых ситуаций в экономике и бизнесе. Издание второе, переработанное и дополненное. М. Финансы и статистика, 2001.

32. Дюк В. Самойленко A. Data Mining. СПб.: Питер, 2001. - 368 с.

33. Ермасова Н'.Б. Финансовый менеджмент. М.: Юрайт-Издат, 2006.192с.

34. Жуковин В.Е. Нечеткие многокритериальные модели принятия решений Т.: Мецниереба, 1988. - 70с.

35. Зайцев М.Г. Методы оптимизации управления для менеджеров: компьютерно-ориентированный подход. М.: Дело, 2005. - 304 с.

36. Зайченко Ю.П. Исследование операций. -Киев: Выща школа, 1988.550с.

37. Зайченко Ю.П. Исследование операций. -Киев: Выща школа, 1988.550с.

38. Зеваков A.M. Методические основы решения задач по управлению запасами: учеб. пособие. Караганда, 1989. - 98 с.

39. Исследование операций в экономике: Учеб. пособие для вузов / НЛП. Кремер, Б.А. Путко, И.М. Тришин, М.Н. Фридман; под ред. проф. Н.Ш. Креме-ра. М: Банки и биржи, ЮНИТИ, 1997. - 407 с.

40. Ковалев В.В., Уланов В.А. Курс финансовых вычислений. Изд. 2-е, перераб. М.: Финансы и статистика, 2002.

41. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. М.: Изд-во МГТУ им. Баумана, 2002. - 320 с.

42. Корнеев В.В., Гарев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации.- М.: Нолидж,2000.-352с.

43. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. -432 с.

44. Круглов В.В. Адаптивные системы нечеткого вывода // Нейрокомпьютеры: разработка и применение. 2003. - № 3. - С. 15-19.

45. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. - 224 с.

46. Крушвиц JI. Инвестиционные расчеты. /Пер. с нем./Под ред. Ковалева В.В. СПб.: «Питер», 2000.

47. Кудрявцев Б.М. и др. Модели управления запасами. М.: Ин-т управления им. С. Орджоникидзе, 1987. - 52 с.

48. Курейчик В.М. Генетические алгоритмы // Перспективные информационные технологии и интеллектуальные системы. 2000. - № 1. - С. 18-22.

49. Куротченко B.C. Материально-техническое снабжение в новых условиях хозяйствования. М.: Экономика, 1975. - 206 с.

50. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. — М.: Статистика, 1979. — 254 с.

51. Лусников Р. Г., Сенилов М. А. Использование нечеткого кластерного анализа // Информационные технологии в инновационных проектах: Тр. IV Междунар. науч.-техн. конф. (Ижевск, 29-30 мая 2003 г.). Ижевск: Изд-во Иж-ГТУ, 2003. - Ч. 2. - С. 82 - 84.

52. Лялин В.Е., Паклин Н.Б. Концепция интеллектуальных систем // Математические модели и информационные технологии в экономике: Тематич. сб. науч. тр. 2004. - №2. - Екатеринбург - Ижевск: Изд-во Института Экономики1. УрО РАН, 2004.-С. 5-6.

53. Лялин В.Е., Федоров А.В. Гибридный метод оптимизации на основе генетического алгоритма с бинарным и вещественным кодирование // Ж. АН Украины «Искусственный интеллект» №3, 2005. - Донецк: Изд-во Наука i освгга, 2005. - С.446-449.

54. Меерович В.Е. Оборот средств и эффективность производства. М.: Финансы, 1974,- 127 с.

55. Мелкумов Я.С. Организация и финансирование инвестиций: Учебное пособие. -М.: ИНФРА-М, 2000.

56. Муравьева B.C., Орлов А.И. Организационно-экономические проблемы прогнозирования на промышленном предприятии/ Управление большими системами. Выпуск 17. М.: ИЛУ РАН, 2007. С.143-158.

57. Орлова И.В. Экономико-математические методы и модели. Выполнение рас-четов в среде EXCEL. М.: ЗАО «Финстатинформ», 2000.

58. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002. - 344 с.

59. Плоткин Б.К. Экономико-математические методы и модели в управлении материальными ресурсами: учеб пособие СПб. Ун-т экономики и финансов, 1992. - 63 с.

60. Поспелов Д.А. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986. - 311 с.

61. Романенко И.В. Социальное и экономическое прогнозирование: Конспект лекций. СПб.: Издательство Михайлова В.А., 2000 г. - 64 с.

62. Рубальский Г.Б. Вероятностные и вычислительные методы оптимального управления запасами. -М.: Знание, 1987. 115с.

63. Рыжиков Ю.И. Управление запасами. М.: Наука, 1969. - 344 с.

64. Рыжов Э.В., Аверченков В.И. Оптимизация процессов механической обработки. Киев: Наукова Думка, 1989.

65. Рюмин В.П., Как рассчитать цену на научно-техническую продукцию. М.: Финансы и статистика, 1993. -78с.

66. Савицкая Г.В. Методика комплексного анализа хозяйственной деятельности. М.:ИНФРА-М, 2003.-303с.

67. Савицкая Г. В. Экономический анализ. М.: Новое знание, 2003.-640с.

68. Сенилов М. А. Применение логической схемы индуктивного нечеткоIго вывода в интеллектуальном пакете прикладных программ // Логическое управление в промышленности: Материалы VII симпозиума. 1990.

69. Сенилов М. А. Применение нечетких логико-лингвистических моделей при оценке степени предпочтительности ситуации // Управление при наличии расплывчатых категорий: Тез. VI науч.-техн. семинара. Пермь: Изд-во ППУ, 1983.

70. Сенилов М. А. Применение нечетких логических моделей // Непрерывная логика и ее применение в технике, экономике и социологии: Тез. докл. I Всерос. науч. конф. (Пенза, 22-23 сент. 1994 г.). Пенза, 1994. - С. 118.

71. Сергеев И.В., Веретенникова И.И. Организация и финансирование инвестиций. М.: Финансы и статистика, 2000.

72. Серов В.М. Инвестиционный менеджмент: Учебное пособие. М.: ИНФРА-М, 2000.

73. Соколов Н.А. Учет факторов неопределенности в моделировании экономических процессов. М.: МЭСИ, 1998.

74. Табурчак П.П., Викуленко А.Е.,Овчинникова J1.A. и др. Анализ и диагностика финансово-хозяйственной деятельности предприятия. Ростов н/Д.:Феникс, 2002.-352с.

75. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике М.: МЭСИ, 1998.- 187с.

76. Тэрано Т. Прикладные нечеткие системы. М.: Мир, 1993. - 512 с.

77. Управление и корпоративный контроль в акционерном обществе: Прак. пособие / Под ред. Е.П. Губина М. Юристъ 1999 - 248 с.

78. Ушаков И.А. Методы решения простейших задач оптимального резервирования. М. Сов. Радио, 1969. - 176 с.

79. Фатхутдинов Р. Стратегическая конкурентоспособность и экономика России. Общество и экономика, №1,2003. Стр. 31 43

80. Фатхутдинов Р.А. Организация производства: учебное пособие. М.: Инфра-М, 2007. - 544 с.

81. Фатхутдинов Р.А. Производственный менеджмент: учебное пособие. -СПб.: Питер, 2008. 496 с.

82. Феклисов Г.И. Математическое обеспечение систем управления запасами. М.: Статистика, 1977. - 112 с.

83. Финансовый бизнес план. Учебное пособие под ред. В.М.Попова -М. «Финансы и статистика» 2000 - 480с.

84. Фролов Ю.В. Интеллектуальные системы и управленческие решения -М.: МГЛУ, 2000 294 с.

85. Хабибуллин P.M. Автоматизация расчета сложности производства изделий на основе нечеткой логики // Экономические науки. 2010. № 2(63). -С.170-180

86. Хабибуллин P.M. Анализ принципов инвестиционного планирования // Математические модели и информационные технологии в организации производства: период, науч.-практ. журнал. 2009. -№ 2(19). - С. 30-34.

87. Хабибуллин P.M. Методика многокритериальной оценки инвестиционных стратегий предприятий стройиндустрии // Матер. Междунар. науч.-практ. конф. «Актуальные проблемы науки». Кузнецк, 2009. - С.225-231.

88. Хабибуллин P.M. Методы нормирования в промышленности // Матер. Междунар. науч.-практ. конф. «Мировая экономика и социум: от кризиса до кризиса». Саратов, 2010. - С.159-167

89. Хабибуллин P.M. Оценка рисков реальных инвестиций и возможности их снижения // Матер. Междунар. науч.-практ. конф. «Мировая экономика и социум: от кризиса до кризиса». Саратов, 2009. - С.219-228

90. Хабибуллин P.M. Управление развитием инвестиционных проектов на предприятии // Матер. I Всеросс. науч.-практ. конф. «Регионы России: проблемы, перспективы, решения».- Москва, 2009. С.205-211.

91. Хабибуллин P.M. Формирование оптимальной стратегии управления инвестиционными проектами // Матер. I Всеросс. Науч.-практ. конф. «Актуальные проблемы экономической науки и хозяйственной практики в условиях кризиса». Москва, 2009. - С. 147-151.

92. Хабибуллин P.M., Лепихов А.Ю. Оптимальное финансирование венчурных инновационных проектов // Экономические науки. 2009. № 7(56). - С. 326-333.

93. Хазанова Л.Э. Математическое моделирование в экономике. М.: Бек,1998.

94. Хедли Дж. Нелинейное и динамическое программирование. М.: Мир,1967. 506с.

95. Цепелев В. П. Распознавание посредством нечеткой логики // Математическое моделирование и интеллектуальные системы: Сб. науч. тр. ИжГТУ. Ижевск: Изд-во ИжГТУ, 2003. - № 1. - С. 47 - 55.

96. Чейз Р. Б, Эквилаин Н. Дж., Роберт Ф., Производственный и операционный менеджмент, 8-е издание. Пер. с англ.: — М., Издательский дом «Вильяме», 2001. 704 с.

97. Четыркин Е.М. Финансовый анализ производственных инвестиций. М.: Дело, 1998.

98. Шарин Ю.С., Якимович Б.А., Толмачев В.Г., Коршунов А.И. Теория сложности.-Ижевск: Изд-во ИжГТУ, 1999.-132с.

99. Швец Д. Какой потенциал в производстве // Ведомости. №4. 2002.

100. Шелобаев С.И. Математические методы и модели в экономике, финансах, бизнесе. М.: ЮНИТИ, 2000.

101. Шеремет А.Д., Бужинекий А.И. Методика экономического анализа промышленного предприятия. -М.: Финансы и статистика, 1998.

102. Шеремет А.Д., Сайфулин Р.С. Финансы предприятий. М.:Инфра-М, 1999 г.

103. Шикин Е.В., Чхартишвили А.Г. Математические методы и модели в управлении: Учеб. пособие. М.: Дело, 2000. - 440 с. - (Сер. «Наука управления»)

104. Шмален Г. Основы и проблемы экономики предприятия: Пер. с нем./Под ред проф. Поршнева А.Г. -М.: Финансы и статистика, 1996. — 240с.

105. Ягер P.P. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. М.: Радио и связь, 1986.- 486с.

106. Casillas J., Cordon O., Jesus M.J. del, Herrera F. Genetic tuning of fuzzy rule deep structures for linguistic modeling // Technical Report DECSAI-010102, Dept. of Computer Science and A.I., University of Granada, January 2001. 8 p.

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

108. Cordon O., Herrera F., Lozano M. A Classified review on the combination fuzzy logic-genetic algorithms bibliography // Technical Report DECSAI-95129, Dept. of Computer Science and A.I., University of Granada, December 1996. 35 p.

109. Herrera F., Casillas J., Cordon O., Learning cooperative fuzzy linguistic rules using ant colony optimization algorithms // Technical Report DECSAI-00119, Dept. of Computer Science A.I., University of Granada, October 2000. 29 p.

110. Lozano M., Cordon O, Herrera F On the bidirectional integration of fuzzy logic and genetic algorithms // 2nd Online Workshop on Evolutionary Computation (WEC2), Nagoya (Japan), 1996. P. 13-17.149