Управление строительными предприятиями в период реинжиниринга их деятельности тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат технических наук Семенов, Михаил Васильевич

• Семенов, Михаил Васильевич
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Семенов, Михаил Васильевич

ВВЕДЕНИЕ.

1 ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ УПРАВЛЕНИЯ ЭФФЕКТИВНОСТЬЮ ПРЕДПРИЯТИЯ.

1.1 Тенденции макроэкономического развития российского рынка

1.2 Анализ развития систем управления эффективностью предприятий

1.3 Анализ интеллектуальных технологий в качестве инструментов повышения качества управления предприятием.

1.4 Типичная схема работы предприятия в условиях перехода к работе с использованием современных методов управления.

1.5 Методы построения системы управления работой предприятия . 54 Выводы и постановка задач исследования.

2 ПОСТРОЕНИЕ СИСТЕМЫ МОНИТОРИНГА ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ.

2.1 Оценка применимости существующего комплекса методов для построения системы мониторинга за деятельности предприятия.

2.2 Использование многослойного персептрона для решения задач классификации.

2.3 Использование модели каскадной корреляции для устранения не* достатков многослойного персептрона.

Выводы.

3 ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ РЕЗУЛЬТАТОВ ИССЛЕ

ДОВАНИЯ

3.1 Алгоритм работы программы.

3.2 Описание использованных программно-технических средств.

3.3 Результаты практического применения программного комплекса

Выводы

Введение диссертации (часть автореферата) на тему «Управление строительными предприятиями в период реинжиниринга их деятельности»

Актуальность

Данная работа посвящена проблеме эффективного контроля за деятельностью предприятий со сложной структурой и, соответственно, большими информационными и материальными потоками. К этой группе предприятий могут относиться крупные многопрофильные холдинги, крупные и средние предприятия с широкой филиальной сетью, а также прочие предприятия, имеющие достаточно большое количество организационных подразделений.

В настоящее время многие наблюдаемые тенденции свидетельствуют о востребованности сегодня и об огромной потенциальной потребности в инструментарии эффективного контроля за деятельностью предприятий. С одной стороны, это связано с тем, что путей для экстенсивного развития становится все меньше (наиболее легкие возможности практически исчерпаны), а с другой стороны интенсивное развитие позволяет работать с большей нормой прибыли.

Используемый в настоящее время инструментарий для построения эффективного управления предприятием включает множество методов и способов организации работы. Применение большинства этих методов на предприятии не будет возможным до тех пор, пока предприятие не пройдет, без сомнения, самый важный этап своего развития — определение миссии организации, т.е. изложение причины существования компании. Ведь анализ и удовлетворение пожеланий клиентов с самого начала управляют внутренними процессами предприятия.

Именно этот шаг является первым на пути динамичного развития и максимального удовлетворения потребностей своих клиентов. Этот шаг самый сложный, в очередной раз - самый важный, и именно он являются определяющим в выборе цели и задачи данной работы.

После определений целей существования предприятия, ее миссии, следует этап построения или реорганизации структуры предприятия, чтобы можно было выделить основные бизнес-процессы и описать их на специализированном формальном языке. Выделяют следующие основные этапы систематизации деятельности предприятия [1, 33]:

- Анализ первичных требований и планирование работ;

- Проведение обследования деятельности предприятия;

- Построение моделей деятельности предприятия;

- Разработка системного проекта;

После того как бизнес-процессы описаны, становится возможным эффективно применять различные способы организации управления, производства и контроля. Оптимального результата, тем не менее, возможно достигнуть только после реализации еще нескольких этапов:

- Разработка предложений по автоматизации предприятия

- Разработка технического проекта

- Собственно программирование

Основными инструментами, используемыми для эффективного управления предприятиями, являются:

- контроллинг;

- бюджетирование;

- логистика.

Данные методы позволяют совершить предприятию качественный скачок за счет более эффективного использования имеющихся ресурсов (как денежных, так и финансовых) и контроля за их движением. Вместе с этим процесс управления деятельностью предприятия требует от руководителей принятия большого количества повседневных решений. Перечисленные инструменты не всегда и не в полной мере обеспечивают поддержку принятия этих решений. В основном, это связано с большим изменяющимся потоком неструктурированных данных, оценить структуру которых с использованием традиционных методов невозможно.

Дополнительным фактором, который необходимо принимать во внимание, является существенное различие в институциональной сфере между западными странами (откуда большинство описанных технологий появились) и Россией. Описанные инструменты, по большей части, ориентированы на прозрачные правила игры, что в случае России не всегда выполняется. Иногда выстраиваемая система даже приходит в противоречие с реалиями. Таким образом, обязательным дополнением применения современных методов управления должен быть механизм работы с нестабильностью и, следовательно, неопределенностью.

Для поддержки принятия решений в условиях быстро изменяющегося окружения в последнее время широко стали использоваться так называемые интеллектуальные методы. К ним обычно относят нейронные сети, генетические алгоритмы, OLAP-технологии и др. Важным их достоинством является способность выявлять основные свойства имеющихся данных с целью прогнозирования их будущей структуры, т.е. облегчать, таким образом, процесс принятия решений.

Как было отмечено выше, самым первым этапом для построения эффективной системы управления является определение философии существования компании, ее стратегических целей. Этот этап является самым важным и сложным, поскольку:

- от него зависят задачи, которые будут поставлены себе организацией;

- от этих задач будут зависеть организационная структура предприятия;

- от организационной структуры будут зависеть все виды потоков (как материальных, так и информационных) внутренних и внешних по отношению к предприятию, а также штатная структура и политика управления персоналом.

На наш взгляд, трудности в преодолении этого этапа вызваны низкой управленческой культурой, первопричинами которой являются и психологическая неготовность руководителей изменить подход к управлению, и недостаточно высокий профессиональный уровень сотрудников. Это, в свою очередь, вызвано долгое время существовавшей плановой экономикой и отсутствием качественного образования в области управления. Серьезным препятствием часто является также отсутствие программной и технической возможности для создания корпоративной базы данных для этих целей.

Поэтому данная работа ориентирована на предприятия, которые еще не сделали этого важного шага. Характеризуются они тем, что:

- бизнес-процессы у них не описаны или не соответствуют действительности;

- организационная структура не соответствует или не в полной мере соответствуют решаемым задачам;

- инструменты контроллинга и бюджетирования не применяются или применяются не достаточно эффективно.

Фактически, таким предприятиям можно поставить "диагноз" - неуправляемость, который может быть охарактеризован следующим образом ([1,19,71]):

1. В организации возникает ощущение, что проектов слишком много, и теряется контроль над постановкой, сопровождением и развитием этих проектов.

2. Внутри группы или компании если и осуществляется единое стратегические планирование, то планы не выполняются.

3. Отсутствие развитой технологии счета денег приводит к тому, что отдельные бизнесы в составе коммерческих или финансово-коммерческих групп не оцениваются по их автономной эффективности.

4. Группы и диверсифицированные компании становятся весьма рыхлыми. Оказывается, что у многих субъектов, образующих группу, несовпадающие интересы.

Учитывая, что данные симптомы подходят к многим крупным средним и даже малым предприятиям, и принимая во внимание такие факторы как:

- снижение эффективности экстенсивных путей повышения эффективности предприятия, что автоматически повышает интерес к использованию интенсивных способов;

- трудности в преодолении предприятиями самого первого этапа в процедуре упорядочения своей деятельности - определения миссии организации и ее стратегических целей, что делает традиционно используемые методы мало эффективными;

- необходимость использования интеллектуальных технологий, допускающих поддержку принятия решения ЛПР, актуальность данной темы становится очевидной.

Цель и постановка задач исследования

Целью данной работы является построение системы контроля за показателями деятельности предприятия и выявлении негативных тенденций в развитии, способных привести к неудовлетворительным результатам в будущем. Основным требованием к данной системе является выполнение требования объективного закона экономической кибернетики - закона необходимого разнообразия, согласно которому управляющие и управляемые системы должны быть адекватны по своей сложности и структурному многообразию объекту управления.

Необходимым допущением для применения разработанных методов является наличие у предприятия базы данных показателей, служащих исходными для осуществления контроля. Целью работы является построение алгоритма управляющей надстройки над этой базой данных, в фоновом режиме осуществляющей мониторинг показателей и выявляющей критичные факторы, которые могут привести к негативным результатам деятельности.

Далее (см. п. 2.1) будет показано, что поставленная задача крайне слабо формализуема, в связи с чем, большинство традиционных методов для ее решения неприменимо. Соответственно, поэтому данная задача для исследователей не представляет практического интереса, и мало обсуждалась в научных кругах. Следствием такого информационного "вакуума" в отношении описанной проблемы явилось отсутствие общепринятых методов, используемых для ее решения.

Для достижения поставленной цели в работе решены следующие задачи: проанализированы исторические предпосылки формирования особенной по сравнению с западным миром макроэкономической среды, в которой осуществляют деятельность российские предприятия; проанализированы имеющиеся проблемы и сложившиеся тенденции развития моделей управления предприятием, определена роль современных АСУ в процессе управления предприятием; обобщены подходы к определению термина "интеллектуальность" и выявлена его суть; сформулированы критерии оценки применимости интеллектуальных методов к решению практических задач; определена специфика модели, которая будет востребована в недалеком будущем (2-4 года) ЛПР для принятия решений; сформулирована математическая модель задачи, проанализированы исходные и выходные данные, выделены их особенности; проанализированы существующие модели и методы, использующиеся для решения сформулированной (или схожей) задачи; построена математическая модель, основанная на нейронных сетях, для решения поставленной задачи; обосновано использование нейронной сети в качестве ядра предлагаемой математической модели; составлен алгоритм работы АСУ, осуществляющие в фоновом режиме мониторинг показателей деятельности предприятия.

Методы исследования

Методологической базой исследования являлись труды современных отечественных и зарубежных авторов - практиков в области менеджмента организации. В указанных работах нашли отражение последние достижения и методологии управленческого и финансового учета.

В части математического аппарата, в основном, использовались статьи и исследования зарубежных авторов как переводные, так и на английском языке. Связано это с тем, что практическое использование описываемых методов значительно более распространено на западе, что в свою очередь, обусловлено также историческими факторами.

Для осуществления поставленных задач в работе были использованы традиционные статистические и экспертные методы. В качестве интеллектуальной составляющей модели были использованы нейронные сети. Для оценки эффективности составленных моделей использовались методы математической статистики.

Научная новизна

В диссертации получены следующие результаты, характеризующиеся научной новизной: математическая модель нечеткой задачи, составленная на основе проведенного анализа особенностей оперируемых данных и исходных ограничений без допущений относительно нормальности структуры данных (т.е. без подгона данных под модель); модель определения эффективности методов для решения нечетких слабо формализуемых задач; комплексный нейросетевой подход к "младше- и средневозрастной" проблемам предприятия ("младшевозрастная" проблема характеризуется практически полным неприменением современных методов управления предприятием и возникает на начальном этапе функционирования предприятия; "средневозрастная" характеризуется наличием сбоев в обычно действующей системе управления, осознанием руководства необходимости изменения, но отсутствием возможности и решительного желания эти изменения претерпевать; возникает при расширении бизнеса предприятия); алгоритм процесса фонового мониторинга за показателями деятельности предприятия, позволяющая, с одной стороны, выявлять признаки про-блемности в работе организации, с другой стороны, не изменяя сложившиеся на предприятия принципы и способов организации процесса управления.

Практическая ценность работы состоит в описании алгоритма, достаточно просто реализуемого средствами, в том числе, специалистов предприятии. При этом стоимость проекта будет низка по сравнению с другими системами, поскольку основной задачей будет являться обеспечение поступление на вход нейросетевой системы показателей корпоративной базы данных предприятия, при этом ни полного, ни даже частичного реинжиниринга бизнес-процессов не требуется.

Описанные в работе методология и модели используются в практике управления предприятием ОАО "Рудгормаш". Отдельные части теории (модели, алгоритмы и механизмы) включены в состав учебного пособия "Оптимизационные задачи в управлении и экономике".

На защиту выносятся: модель и специфика задачи выявления критичных периодов деятельности предприятия; методология определения степени применимости методов к решению поставленной задачи; алгоритм решения поставленной задачи с использованием нейросете-вого механизма; алгоритм снижения типичных для нейросетевых механизмов недостатков - переобучения и некорректной работы с большим объемом данных; алгоритм работы программного комплекса снижения типичных для нейросетевых механизмов недостатков - переобучения и некорректной работы с большим объемом данных;

Апробация работы и публикации

Материалы диссертации, ее основные положения и результаты доложены и обсуждены на международных и всероссийских конференциях в 2002-2005гг., а именно: Международной научно-технической конференции "Современные сложные системы управления" (Ст. Оскол, 2002; Воронеж, 2003; Тула, 2005); Международной научно-практической конференции "Теория активных систем" ИПУ им. Трапезникова РАН (Москва, 2003), 3-й Всероссийской научно-технической конференции "Теория конфликта и ее приложения" (Воронеж, 2004); 5-й Всероссийской научно-практической конференции "Системы автоматизации в образовании, науке и производстве" (Новокузнецк, 2005).

По теме диссертации опубликовано 9 печатных работ.

Личный вклад автора в работах, опубликованных в соавторстве, состоит в следующем: в работе [6] автору принадлежит описание результатов моделирования информационных потоков предприятия; в работе [7] автором описаны используемые в управлении предприятиями экспертные модели; в работе [11] автору принадлежит описание нелинейных математических моделей систем управления строительными предприятиями и методы их решения; в работе [12] автору принадлежит описание модели мониторинга бизнес-процессов; в работе [13] автором предложена модель двухслойной нейронной сети с экс-пертно-аналитическим способом обучения.

Объем и структура работы

Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений. Она содержит 136 страниц основного текста, 21 рисунок, 4 таблицы и 3 приложения. Библиография включает 129 наименований.

Заключение диссертации по теме «Управление в социальных и экономических системах», Семенов, Михаил Васильевич

Выводы

Полученные по итогам практической реализации алгоритма результаты выявили ряд вопросов, на которые ответы пока найти не удалось. В частности, не удалось оценить статистическую значимость полученных результатов. Выявлено 3 случая ухудшения финансового положения предприятия. Да, это больше 50% от общего количества ухудшений. Это, безусловно, положительный результат. Однако с уверенностью сказать, что эти результаты не случайны нельзя. Для этого можно было бы использовать сравнение с результатами, полученными другие методами, но они к решению подобных задач слабо применимы. Помимо этого в случае анализа внутренних данных предприятия, которых значительно больше, оценить сходимость и скорость этой сходимости достаточно трудно.

Одновременно с этим, нейронная сеть правильно уловила причину этих критичных ситуаций - низкий уровень производственных запасов. Это позволяет сделать вывод, что структура нейронной сети выбрана правильно. Можно предположить, что при появлении дополнительных показателей сеть сможет более точно справляться со своей задачей.

Таким образом, можно сделать окончательный вывод о применимости данного алгоритма. После проведения исследования на статистическую значимость полученных результатов (что само по себе является достаточно глобальной задачей из-за свойств нейронной сети), возможной после этого доработки алгоритма и более полной его алгоритмизации его можно будет использовать в качестве ядра системы, описанной в п. 3.1.

Заключение

Основными практическими результаты работы являются:

1. Осуществлен анализ исторических предпосылок формирования особенной по сравнению с западным миром макроэкономической среды, в которой осуществляют деятельность российские предприятия. Были выявлены основные тенденции развития экономики, которые напрямую связаны с системами управления предприятиями.

2. Осуществлен анализ имеющихся проблем и сложившихся тенденций развития моделей управления предприятием, определена роль современных АСУ в процессе управления предприятием. В результате оказалось, что традиционно используемые модели и методы повышения эффективности деятельности предприятия не всегда или не в полном объеме удовлетворяют современным российским требованиям. Это происходит как из-за менее стабильной экономической и политической обстановки, так и из-за недостаточно высокой культуры менеджмента.

3. Построена математическая модель задачи, проанализированы исходные и выходные данные, выделены их особенности. Основными ее свойствами являются слабая формализуемость и сложная структура оперируемых данных.

4. Проведено обоснование использования нейронной сети в качестве ядра предлагаемой математической модели. Выбор наиболее эффективного семейства методов осуществлялся исходя из требований самой задачи и возможностей предполагаемого к использованию инструментария. Наиболее эффективным оказались интеллектуальные технологии, а именно - нейронные сети. Благодаря такому выбору, в частности, удалось избавиться от привязки к нормальному распределению данных (поскольку в реальных условиях данное требование традиционных часто не удовлетворяется), свойственной традиционным методом.

5. Составлен алгоритм решения построенной модели, основанный на нейронных сетях. Данный алгоритм позволяет наращивать вычислительную мощность ядра системы в процессе появления новых анализируемых данных. При этом ему свойственны как все достоинства нейронных сетей, так и все недостатки.

6. Составлен алгоритм работы АСУ, осуществляющие в фоновом режиме мониторинг показателей деятельности предприятия. Данный алгоритм предполагает минимальное вмешательство в сложившуюся схему информационных потоков предприятия. Основной задачей его реализации является построение нейросетевого ядра и механизма взаимодействия с имеющейся базой данных предприятия.

7. Теоретические результаты работы используются в учебном процессе в Воронежском государственном архитектурно-строительном университете при изучении курсов "Управление проектами" и "Организация строительного производства". Акт внедрения приведен в Приложении Б.

8. На примере данных одного из промышленных предприятий Центрально-Черноземного региона - ОАО "Рудгормаш" проведено исследование работы построенного алгоритма. Экономический эффект от внедрения проявляется в выявлении потенциально возможных скрытых убытков. При этом использование описанных подходов позволило повысить качество системы управления предприятием за счет повышения эффективности принятия управленческих решений. Акт внедрения приведен в Приложении В.

Список литературы диссертационного исследования кандидат технических наук Семенов, Михаил Васильевич, 2005 год

1. 7 нот менеджмента. 5-е изд., доп. - М.: ЗАО "Журнал Эксперт", ООО "Издательство ЭКСМО", 2002. - 656с.

2. Авеньян Э.Д. Алгоритмы настройки многослойных нейронных се-тей.//Автоматика и телемеханика- 1995-N 5. С.106-118.

3. Аверин А.Н., и др. Нечеткие множества в моделях управления и искусственного интеллекта / Под редакцией Д.А. Поспелова. М.: Наука, 1986. - 312 с.

4. Андерсон Т. Статистический анализ временных рядов. М.: Мир, 1976. -757 с.

5. Ануфриев И.Е. Самоучитель Matlab 5.3/б.х. СПб.: БХВ-Петербург, 2002.- 736 е.: ил.

6. Баркалов С.А., Семенов М.В. Экспертное оценивание в управления // Современные сложные системы управления: Сб. науч. тр. междунар. конф.-Старый Оскол, 2002. С. 29-33. (Лично автором выполнено 2 стр.)

7. Бендат Дж., Пирсол А. Прикладной анализ случайных данных: Пер. с англ.- М.: Мир, 1989. 540 е., ил.

8. Битва за рубль. Алексашенко С.В. / М.: Almamater, 1999.

9. Бобровский С. Перспективы и тенденции развития искусственного интеллекта // PC Week/RE. 2001, №32, с.32.

10. Богданов Д.А., Воротынцева А.В., Семенов М.В. Оптимизационные задачи в управлении и экономике: Учеб. пособие / Под общей редакцией С.А. Баркалова; Воронеж, гос. арх.-строит. ун-т. Воронеж, 2005. - 125 с. (Личноавтором выполнено 20 стр.)

11. Боровков А.А. Математическая статистика. Учебник. - М.: Наука. Главная редакция физико-математической литературы, 1984. - 472 с.

12. Боровков П. Бюджетирование в крупных многоуровневых компаниях // www.intalev.ru.

13. Бочаров В.В. Коммерческое бюджетирование: Учебник / В.В. Бочаров. — СПб. и др.: Питер, 2003 .— 378 с.

14. Бурков В.Н., Заложнев А.Ю., Новиков Д.А. Теория графов в управлении организационными системами. Серия "Управления организационными системами". М: СИНТЕГ, 2001, 124с.

15. Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах. М.: Физматлит,1.*2004.

16. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективночти инвестиционных проектов: Теория и практика: Учеб.-практ. пособие. М.: Дело,2001.-832 с.

17. Виноградов С.Л. Эволюция взглядов на контроллинг. // Контроллинг.2002, №2 / http://www.gaap.ru.

18. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Питер-Пресс, 2000.

19. Галушкин А.И. Применения нейрокомпьютеров в финансовой деятельности // www.user.cityline.ru/~neurnews/primer/flnance.htm

20. Гибкое развитие предприятия. Эффективность и бюджетирование / Акад. нар. хоз-ва при Правительстве Рос. Федерации; отв. ред. В.Н. Самочкин .— 2-е изд., доп. — М.: Дело, 2002 .— 374с.

21. Горбань А.Н. Обучение нейронных сетей. / М.: СП Параграф, 1990.

22. Грамотенко О. Контроллинг. (Что? Зачем? Кому? Как?) // www.gaap.ru.

23. Джеффри Е. Хинтон. Как обучаются нейронные сети.// В мире науки -1992 N 11 - N 12 - с. 103-107.

24. Дикки, Терри. Бюджетирование малого бизнеса: Азбука предпринимательства: Практ. советы, как достигнуть фин. успеха / Пер. А. Б. Гузман; Науч. ред. пер. В. А. Плотников — СПб.: Полигон: Бизнес микро, 1999. — 230 с.

25. Долгов А.П. О концептуальных подходах к управлению логистическими процессами // Проблемы современной экономики, №1(9). ~ ,

26. Дугельный А.П. Бюджетное управление предприятием: Учебно-практическое пособие / А.П. Дугельный, В.Ф. Комаров; Акад. нар. хоз-ьа при Правительстве Рос. Федерации .— М.: Дело, 2003 .— 430с.

27. Ежов А., Чечеткин В. Нейронные сети в медицине // www.user.cityline.ru/~neurnews/primer/medicine.htm

28. Интрилигатор М. Математические методы оптимизации и экономическая теория. М.: Прогресс, 1975. - 607 с.

29. Каверина, Ольга Дмитриевна. Управленческий учет: Системы, методы, процедуры / О.Д. Каверина. — М.: Финансы и статистика, 2003 .— 350с.

30. Калянов Г.Н. CASE-технологии: консалтинг в автоматизации бизнес-процессов. 3-е изд. - М.: Горячая линия-Телеком, 2002, - 320 е.: ил.

31. Кандалинцев В. Бюджетирование: с чего начать // Свой бизнес. 2003, №7.

32. Кирсанов Э.Ю. Нейрокомпьютеры и их применение // www.ksu.ru/eng/science/ittc/vol000/neiro.pdf

33. Карпов Александр Евгеньевич. Бюджетирование, как инструмент управления / Александр Карпов. — М.: Результат и качество, 2003 .— 380 с.

34. Коловоротный С. Логистика как эффективный инструмент бизнеса. // www.apteka.ua/archives/278/15488.html .

35. Контроллинг в бизнесе: методологические и практические основы построения контроллинга в организациях /A.M. Карминский, Н.И. Оленев, А.Г. Примак, С.Г. Фалько. М.: Финансы и статистика, 1998. - 256 с.

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

37. Короткий С. Нейронные сети: основные положения // lii.newmail.ru/NN/KOROTKY/N l/kornnl .htm

38. Корпоративный менеджмент: Справочник для профессионалов / И.И. Ма-зур, В.Д. Шапиро, Н.Г. Ольдерогге и др.; Под. общ. ред. И.И. Мазура.^- М.: Высшая школа, 2003. 1077 е.: ил.

39. Кризис 1998 года и восстановление банковской системы. JI. Сычева, JI. Михайлов, Е. Тимофеев и др.; Под ред. М. Дмитриева и С. Васильева М.: Гендальф, 2001.-308 с.

40. Крисилов В.А., Олешко Д.Н., Трутнев А.В. Применение нейронных сетей в задачах интеллектуального анализа информации // Труды Одесского политехнического университета, Вып.2 (8). 1999, с. 134

41. Майер, Эльмар. Контроллинг как система мышления и управления / Пер.с нем. Ю.Г.Жукова, С.Н.Зайцева; Под ред. С.А.Николаевой .— М.: Финянсгли статистика, 1993 .— 92 с.

42. Манн, Рудольф. Контроллинг для начинающих: Пер. с нем. / Под ред.,с предисл.В.Б.Ивашкевича .— М.: Финансы и статистика, 1992 .— 205 с.

43. Масалович А. Нейронные сети в России: за полчаса до весны // www.tora-centre.ru/library/ns/nnfin.htm

44. Медведев B.C., Потемкин В.Г. Нейронные сети. Matlab 6 / Под общ. ред. к.т.н. В.Г. Потемкина. М.: ДИАЛОГМИФИ, 2002. - 496 с. - (Пакеты прикладных программ; Кн. 4).

45. Мейтленда И. Преимущества и недостатки бюджетирования // Современный капитал. 2003, №7.

46. Мешалкин Л.Д. Локальные методы классификации // Статистические методы классификации. — М.: Изд-во МГУ, 1969. — Вып. 1.

47. Миркин Б.Г. Проблема группового выбора: М.: Наука, 1974.

48. Мудров В.И., Ивлев А.А. Мажоранты Ньютона в прикладных задачах. Теория, алгоритмы, программы. — М.: Радио и связь, 1987.

49. Нейрокомьютинг и его применения в экономике и бизнесе. А.А. Ежов, С.А. Шумский. Москва, 1998.

50. Орлов А.И. Прикладная теория измерений. — В кн.: прикладной многомерный статистический анализ.- М.: Наука, 1978.

51. Орлов А.И. Часто ли распределение результатов наблюдений является нормальным? // Заводская лаборатория. 1991, №7. С. 64-66.

52. Осенний кризис 1998 года: российское общество до и после / Горшков М., Чепуренко А., Шереги Ф. М.: РНИСиНП, РОССПЭН, 1998.

53. Осипов Г. Искусственный интеллект: состояние исследований и взгляд в будущее // www.raai.org/about/persons/osipov/pages/ai/ai.html

54. Панкова Л.А., Шнейдерман М.В. Модель последовательной процедуры экспертного опроса.- Автоматика и телемеханика, 1975, N8.

55. Паркинсон С.Н. Законы Паркинсона; Пер. с англ. / С.Н. Паркинсон. М.: ООО "Издательство ACT", 2002, - 474, 6. с.

56. Писецкая В.В. Логистика автомобильного транспорта: проблемы методического обеспечения // www.bizeducation.ru/library/log/trans/pisetskaya.htm

57. Попов, Вадим Михайлович. Бизнес фирмы и бюджетирование потока денежных средств / В.М. Попов, С.И. Ляпунов, Т.А. Воронова .— М.: Финансы и статистика, 2003 .— 397с.

58. Прикладная статистика: Классификации и снижение размерности: Справ, изд. / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, JI. Д. Мешалкин; Под ред. С. А. Айвазяна.— М.: Финансы и статистика, 1989.— 607 с: ил.

59. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2т. 2-е изд., испр. М.: ЮНИТИ-ДАНА, 2001.

60. Пруненко Д. Применение логистики для управления производством' // Бизнес информ. 1999, №7-8. С.89-92.

61. Райхман Э.П., Азгальдов Г.Г. Экспертные методы в оценке качества товаров. — М: Экономика, 1974.

62. Раппопорт A.M., Шнейдерман М.В. Анализ экспертных суждений, заданных в виде структур. — В кн.: Прикладной многомерный статистический многомерный анализ. — М: Наука, 1978.

63. Савчук В. Стратегические принципы бюджетирования: теория, реальность и реализация // Финансовый Директор. 2004, №9.

64. Савчук В. Текущее бюджетирование (Continuous Budgeting) // Финансовый Директор. 2004, №27.

65. Семенов М.В. Математические методы оценки и выявления потенциальных проблем на крупных предприятиях и холдингах // Современные сложные системы управления: Сб. науч. тр. междунар. конф. / Тульск. гос. ун-т. Тула, 2005. - Т. 2 - С. 256-265.

66. Семенов М.В. Нейронные сети: универсальный инструмент // Теория конфликта и ее приложения / Материалы 3-й Всеросс. научно-техн. конф. -Воронеж: Научная книга, 2004. С. 375-378.

67. Семенов М.В. Сопоставление методов классификации объектов // Современные сложные системы управления: Сб. науч. тр. междунар. конф. Воронеж, 2003. - Т. 1-С. 183-188.

68. Семенов М.В. Управление риском в моделях оптимизации производства // Информационные технологии и системы №5 / Воронежск. гос. тех. акад. -Воронеж, 2002. - С. 51-54.

69. Соловьева Д. Экспертные методы в маркетинге // www.iteam.ru/publications/marketing/section22/article1321

70. Струнков Т. Что такое генетические алгоритмы // PC Week RE. 1999, №13.

71. Тейлор, Фредерик Уинслоу. Принципы научного менеджмента / Пер. с англ. А.И.Зак; Науч.ред. и предисл. Е.А.Кочерина .— М.: Контроллинг, 1991. — 104 с.

72. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. Учебное пособие. Серия "Информатизация России на пороге XXI века". М.: СИНТЕГ, 1998,216 с.

73. Терехина А.Ю. Многомерный анализ субъективных данных о сходствах или различиях. — М.: ВНИИ систем, исследов., 1978.

74. Толкачева Е.В. Объект исследования контроллинга как научной дисциплины. http://www.gaap.ru

75. Уваров С.А. Логистика: общая концепция, теория, практика. 1996. - 232 с.

76. Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. - 127 с.

77. Фалько С.Г., Носов В.М. Контроллинг на предприятии. М.: Знание России, 1995. - 80 с.

78. Фалько С.Г., Расселл Кейт А., Левин Л.Ф. Контроллинг: национальные особенности российский и американский опыт // Контроллинг. 2002, №1 / http://gaap.ru

79. Финансовый кризис: причины и последствия / Сборник докладов М.: ИЭПП, 2000.

80. Финн В.К. Искусственный интеллект: Идейная база и основной продукт, 9-ая национальная конференция по искусственному интеллекту, Труды конференции, Т.1, М., Физматлит, 2004, с. 11-20.

81. Финн В.К. Об интеллектуальном анализе данных // Новости Искусственного интеллекта. 2004, №3. > v.

82. Фишберн П. Теория полезности для принятия решений. М.: Наука, 1978.

83. Хан Д. Планирование и контроль: концепция контроллинга /Пер. с нем. -М.: Финансы и статистика, 1997. 800 е.;

84. Хрупкий В.Е. Внутрифирменное бюджетирование: Настольная кн. по постановке финансового планирования / В.Е. Хруцкий, Т.В. Сизова, В.В. Га-маюнов. — М.: Финансы и статистика, 2002. — 398с.

85. Чекун И. Логистика как способ повышения конкурентоспособности предприятия / gymnazia3.chat.ru/chekun.htm

86. Шевченко, Игорь Георгиевич. Управленческий учет для менеджеров: Учеб.-практ. рук. / И.Г.Шевченко. — М.: Экономика, 2001 .— 183с.

87. Шим, Джай К. Основы коммерческого бюджетирования: Полное пошаговое руководство для нефинансовых менеджеров / Пер. И. Г. Гладкова; Науч. ред. пер. Е. Н. Бондаревская .— СПб.: Пергамент, 1998 .— 474 с.

88. Шмелёв Н. Кризис внутри кризиса // Вопросы экономики. 1998, №10.

89. Шмерлинг Д.С. О проверке согласованности мнений экспертов. — В кн.:Статистические методы анализа экспертных оценок. — М.: Наука, 1977.

90. Ясин Е.Г. Поражение или отступление? Российские реформы и финансовый кризис: Доклад Экономическому клубу, 1999.

91. Approximation of Functions. Lorentz, G. G. / New York: Chelsea Publishing, 1986.

92. Constructive Learning of Recurrent Neural Networks: Limitations of Recurrent Cascade Correlation and a Simple Solution: C.LGiles; D.Chen, G.ZSun, H.Chen, Y.CLee, M. WGoudreau // citeseer.ist.psu.edu

93. Fix E , Hodges J. L. Jr. Discriminatory analysis, nonparametric discrimination USA School of Medicine. — Texas: Rendolph Field, 1951, 1952.

94. Grossberg S. Studies of mind and brain / Boston: Reidel, 1982.

95. Hebb, D. O. The organization of Behavior /New York: Wiley, 1949.

96. Hecht Nielsen, R. Neurocomputing / Addison-Wesley, 1990.

97. Jain S., Osherson D., Royer J.S., Sharma A. Systems That Learn. An Introduction to Learning Theory, second edition. The MIT Press, Cambridge, Massachusetts, London, England, 1999.

98. Kohonen T. Self-organization and associative memory / New-York: SpriTigsr-Verlag, 1988.

99. Machine Learning, Neural and Statistical Classification, D. Michie, D.J. Spiegelhalter, C.C. Taylor, February 17, 1994.

100. Minsky М. L, Papert S. 1969. Perseptrons. Cambridge, MA: MIT Press. (Русский перевод: Минский M. Л., Пейперт С. Персептроны. М: Мир, 197.L) •

101. Muroga, S. Threshold Logic and Its Application / New York: Wiley, 1971.

102. Neural Networks for pattern recognition. Cristopher M. Bishop / New York: Oxford University Press, 1995.

103. Nilsson N.J. Artificial Intelligence: A New Synthesis. Morgan Kaufmann Publishers, Inc., San Francisco, California, 1998.

104. On the Statistical Comparison of Inductive Learning Methods. A. Feelders and W. Verkooijen.

105. Pattern Recognition and Neural Networks. Brian D. Ripley. / New York: Cambridge University Press, 1996.

106. Pao, Y. H. Adaptive Pattern Recognition and Neural Networks / Addison-Wesley, 1989.

107. Rosenblatt F. 1962. Principles of Neurodinamics. New York: Spartan Books. (Русский перевод: Розенблатт Ф. Принципы нейродинамики. М: Мир, 1965.)

108. Rumelhart В.Е., Minton G.E., Williams R.J. Learning representations by back propagating error // Wature, 1986. V. 323. p. 1016-1028.

109. Static and Dynamic Neural Networks. Madan M. Gupta, Liang Jin, and Nori-yasu Homma. / John Wiley & Sons, Inc. 2003.

110. The ANN Book. R. M. Hristev. 1998.

111. The Cascade-Correlation Learning Architecture, Scott E. Fahlman and Christian Lebiere, August 29, 1991, CMU-CS-90-100.

112. The Practice of Econometics: Classic and Contemporary. Berndt, E. / Mas-sacusetts: Addison-Wesley, 1990

113. Tromp, E. Practical implication of a theoretical analysis of the behavior of a multilayer neural network / Report №93N063, University of Twente, Department of engineering, 1993.

114. Ultsch A. Self-organizing Neural Networks for Visualization and Classification //Information and Classification, O.Opitz et al., eds, Berlin: Springer, 1993, pp. 307-313.

115. Veelenturf, L.P.J. Analysis and application of artificial neural networks / Prentice Hall International, 1995.

116. Wasserman P. D. Combined backpropagation / New York: Pergamon Press, 1988.

117. Widrow B. A statistical theory of adaptation. Adaptive control systems / New York: Pergamon Press, 1963.