Методическое пособие 719

3.Скрупский, С.Ю. Автоматизация подготовки рабочих станций в локальных вычислительных сетях / С.Ю. Скрупский, А.Г. Маркин, Л.С. Скрупская // Радиоэлектроника, информатика, управление, №1 (22), 2010. С. 141–143.

4.Ваганов, М.Ю. Обнаружение вредоносных программ на основе анализа активности рабочей станции / М.Ю. Ваганов // Вестник Омского университета. №4. 2010. С. 134–136.

5.Галашина, Н.Е. Технологии обеспечения защиты вычислительных сетей с использованием вариабельных по составу средств / Н.Е. Галашина, В.А. Костеж, Л.Б. Левковец // Историческая и социально-образовательная мысль. Т.7. №3. 2015. С. 184–189.

6.Дагаев, А.Ф. Обеспечение информационной безопасности в вычислительной сети предприятия / А.Ф. Дагаев, А.Н. Самойлов, Е.А. Борисова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. № 38. 2008. С. 7–13.

7.Скатков, А.В. Программная система учета интервального дрейфа системных характеристик при управлении вычислительным узлом / А.В. Скатков, К.С. Ткаченко // Автоматизация: проблемы, идеи, решения. 2015. С. 116–116.

8.Вентцель, Е.С. Теория вероятностей / Е.С. Вентцель. – М.: Наука,

1969. – 576 с.

9.Гнеденко, Б.В. Введение в теорию массового обслуживания / Б.В. Гнеденко, И.Н. Коваленко. – М.: Наука, 1966. – 432 с.

10.Клейнрок, Л. Вычислительные системы с очередями / Л. Клейнрок. – М.: Мир, 1979. – 600 с.

ФГАОУ ВО «Севастопольский государственный университет», Россия

УДК 519.866

Н.Е. Уминская, И.В. Затонская

ИНСТРУМЕНТЫ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ В ПРОГНОЗИРОВАНИИ ПОКАЗАТЕЛЕЙ РАЗВИТИЯ РЕГИОНА

Важной задачей каждого региона России в настоящее время является развитие сельского хозяйства. Агропромышленный комплекс страны должен обеспечить продовольственную безопасность в условиях экономических санкций. Решение данной задачи во многом зависит от размера прибыли, которая остается в организациях после уплаты налогов [4]. Налоговая система Российской федерации не обеспечивает необходимый уровень стабильности налоговой среды. В налоговое законодательство ежегодно вносятся изменения и поправки, которые способствуют налогоплательщикам разрабатывать схемы

100

ухода от уплаты налогов. Данный факт приводит к сокращению доходов в бюджеты всех уровней - федерального, регионального и местного [8].

Данные федеральной налоговой службы по Краснодарскому краю показывают, что с 2013 г количество налогоплательщиков, предоставивших налоговые декларации по единому сельскохозяйственному налогу. постепенно сокращается. Так в 2013 г. таких предприятий было 9306, в 2014 г. – 8965, в 2015 г. – 8982, в 2016 г. – 8957. Это может быть связано с возможностью использовать другой налоговый режим – упрощенную систему налогообложения, которая окажется более выгодной для организаций, индивидуальных предпринимателей и крестьянско-фермерских хозяйств. Уровень собираемости налога по Красно-

дарскому краю составил на 01.01.2016 г. - 13,6 %, на 01.01.2017 г. – 18,7 %, на

01.01.2018 г. – 15,6 % от общей суммы налогов и сборов в консолидированный бюджет.

На размеры сумм ЕСХН повлияла нарастающая убыточность сельхозтоваропроизводителей. К началу 2014 г. на грани банкротства находилось около 12 % субъектов отрасли [5]. В 2015 г. неоднозначная экономическая ситуация, связанная с девальвацией рубля, ростом процентных ставок по кредитам, ограничила возможности использовать заемные средства, импорт высокотехнологичных сельскохозяйственных машин и оборудования, сырья и материалов.

В сложившейся ситуации актуальным является прогнозирование поступлений в региональный бюджет в постоянно изменяющейся налоговой среде. Рассмотрим методы прогнозирования поступления налогов и сборов

врегиональный бюджет, которые чаще всего применяются на практике [6].

1.Метод отношения налогов к ВВП использует данные о перечислении налогов в прошлых периодах, налоговой базе и показателях отчетности текущего периода. Открытые источники информации являются базой построения модели. Использование ряда «Начислено к уплате в текущем году» позволит дать среднесрочный прогноз о пополнении бюджета.

где НДt – налоговый доход;

ВВПt – определяемый на основе прогноза валовой внутренний продукт ВВП в текущих ценах;

Кt – определяемое на основе прогноза отношение налоговых доходов к валовому внутреннему продукту (ВВП). Рассчитывается по статистическим данным как отношение фактических перечисленных налогов к ВВП в момент времени t.

2. Метод суммирования прогнозируемых сумм по отдельным видам налогов осуществляют в определенной последовательности: а) рассчитывается прогнозная сумма различных видов налогов, которая базируется на прогнозе

101

Эt – определяемая на основе прогноза ставка i-го налога в периоде t.

б) рассчитывается прогноз суммы всех налоговых доходов сложением прогнозных сумм различных видов налогов и деления этой суммы на прогнозную долю налога в сумме всех налоговых доходов. При этом, налогооблагаемая база может прогнозироваться по отраслям, по отдельным видам произведенной продукции, по хозяйствующим субъектам [2].

Рассмотренные методы прогнозирования могут быть использованы только в условиях неизменности налогового законодательства, так как не учитывают влияние налоговых реформ.

Налоговая политика предполагает стимулирующую функцию налогообложения, чтобы учесть факторы, влияющие на прогнозную сумму налоговых поступлений, рассмотрим экономико-математическую модель, которая позволит реализовать следующие соотношения: найти приемлемые пропорции между различными видами налогов; максимально увеличить сумму отчислений в бюджеты различных уровней [7].

Реализовать такие соотношения можно в следующей модели:

n

где n – количество видов налогов, отчисляемых в региональный бюджет; λj – приоритет j-го вида налога в налоговой политике региона;

хj – размер ставки j-го вида налога;

Zj – налогооблагаемая база региона по j-му виду налога; αj, βj – нижний и верхний уровень ставки j-го вида налога;

D – величина доходной части регионального бюджета, которая планирует-

в плановом периоде производят необходимую для региона продукцию [1]. Рассмотрим налог на прибыль и установим пределы налоговых ставок,

используя типичную задачу «компромисса», которая предполагает компромисс

от реализации продукции без НДС i-го субъекта;

Сi – затраты на производство и реализацию продукции i-го субъекта; Кi – капитал и резервы i-го субъекта;

102

α – норма прибыли на капитал (учитывает: реальную норму банковского процента, ожидаемый темп инфляции и риски потери капитала);

x – ставка налога на прибыль [1].

Если налог на прибыль линейно зависит от величины прибыли m-

хозяйствующих субъектов, то доход регионального бюджета составит

Пб = ( − ) ,

=1

чистая прибыль каждого хозяйствующего субъекта

ЧПi = (Bi – Ci)(1 – x)

αKi ) ,

x = min (1 - Bi−Ci

любой из m-хозяйствующих субъектов имеет прибыль на капитал не меньше, чем величина α. Общая прибыль субъектов примет максимальное значение, в бюджет поступит минимум доходов. В случае, если

а бюджет получит максимум доходов.

Однако с такой ставкой налога на прибыль хозяйствующие субъекты не заинтересованы осуществлять свою деятельность. Поэтому ставку налога на прибыль можно оптимизировать с использованием задачи целочисленного не-

законодательно;

уi – переменная, принимающая только два значения: 0 и 1;

zi – доля прироста чистой прибыли на капитал i-го хозяйствующего субъекта, недостающая до нижней границы искомой ставки налога на прибыль.

103

Литература

1.Глухов, В.В. Математические методы и модели для менеджмента / В.В. Глухов, М.Д. Медников, С.Б. Коробко. – 2-е изд., испр. и доп. – СПб.:

2005. – 528 с.

2.Затонская, И.В. Методические разработки для выполнения курсовой работы по дисциплине «Математическая экономика» / И.В. Затонская. – Краснодар, 2012.

3.Затонская, И.В. Методические разработки для лабораторных работ по решению распределительных задач о назначениях (для студентов экономических специальностей и направлений подготовки) / И.В. Затонская. – Краснодар, 2012.

4.Краскова, А.А. Оценка финансовых рисков аграрного предприятия по данным отчетности / А.А. Краскова, С.С. Затонская, И.В. Затонская // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2015. № 113. С. 90-104.

5.Машунин, Ю.К. Моделирование развития и организация управления экономикой региона в рыночных условиях / Ю.К. Машунин, И.А. Машунин // Региональная экономика: теория и практика. 2016. № 1 (45). С. 2-9.

6.Осенний, В.В. Симплексный метод учебно-методическое пособие для лабораторных работ и самостоятельного изучения / В.В. Осенний, А.Г. Бурда, Г.П. Бурда, Н.М. Гудимова, И.В. Затонская, С.И. Турлий. – Краснодар, 2015.

7.Региональная экономика и пространственное развитие. В 2 т. Т. 1. Региональная экономика. Теория, модели и методы: учебник для бакалавриата и магистратуры / под общ. ред. Л.Э. Лимонова. – М.: Издательство Юрайт, 2014.

–397 с.

8.Франциско, О.Ю. Игровые модели в экономике / О.Ю. Франциско, И.В. Затонская // Методические разработки для лабораторно-практических занятий и самостоятельной работы (научный редактор А.Г. Бурда). Краснодар, 2009.

ФГБОУ ВО «Кубанский государственный аграрный университет им. И.Т. Трубилина», Россия

УДК 004.009

И.С. Пыкин, А.В. Попов

БАЗА ДАННЫХ МОТОР-РЕДУКТОРОВ

Одним из основных элементов технологического оборудования являются мотор-редукторы. Современные мотор редукторы – это комбинация электродвигателя и редуктора одного из трех основных типов − цилиндрического, планетарного или червячного. Его назначение – это увеличение крутящего момента при уменьшении частоты вращения электродвигателя.

104

Любой мотор-редуктор представляет собой моноблок. Сам же редуктор состоит из нескольких ступеней зацепления с постоянным передаточным числом, которые соединены в одном корпусе. Доступны и модели редукторов с одной ступенью зацепления, передаточное отношение которой также постоянно.

База мотор-редукторов ОАО «Тамбовполимермаш» представлен в сети интернет и в локальной сети кафедры. Первичное меню базы в сети интернет на рис. 1.

Рис. 1. Первичное меню базы мотор-редукторов в сети интернет

База мотор-редукторов в локальной сети кафедры включает в себя: управляющую программу, дерево мотор–редукторов, таблицы типоразмеров, и библиотеки 2D чертежей и 3D-моделей, рис. 2.

Управляющая программа позволяет просматривать 2D и 3D элементы, параметры выбранного мотор-редуктора. Диалоговое окно программы представлено на рис. 3.

Рис. 2. Структура базы данных в локальной сети

105

Управляющая программа позволяет просматривать 2D и 3D элементы, параметры выбранного мотор-редуктора. Диалоговое окно программы представлено на рис. 3.

Рис. 3. Диалоговое окно программы

Дерево мотор-редукторов представляет собой текстовый файл, содержащий ключи доступа к таблице запросов. Фрагмент дерева:

F0, R1, Мотор-редукторы, 0

R1, R11, Тип МР1, 0

R11, R111, Тип МР1 - 315. Исполнение Ф - 1В, 1 R11, R112, Тип МР1 - 315. Исполнение Ф - 1П, 1 R11, R113, Тип МР1 - 500. Исполнение Ф - 1П, 1

R1, R12, Тип МР2, 0

R12, R121, Тип МР2 - 315. Исполнение Ф - 1В, 1

R12, R122, Тип МР2 - 315. Исполнение Ф - 1П, 1

R12, R123, Тип МР2 - 315. Исполнение Ф - 2В, 1

Текстовая информация хранится в реляционной базе данных (МS Access) Фрагмент перечня таблиц типоразмеров:

Редукторы типа МР1:

r_mr1_315_f1p - редуктор МР1 - 315 исполнение Ф1П; r_mr1_315_f1v - редуктор МР1 - 315 исполнение Ф1В; r_mr1_500_f1p - редуктор МР1 - 500 исполнение Ф1П;

Выбранный элемент дерева типоразмеров характеризуется ключем R111, R112 и т.д., на основании которого осуществляется выбор строки запроса к базе данных. Пример результатов запроса представлен на рис. 4.

Описанная база данных используется студентами машиностроительного профиля при выполнении курсовых и дипломных проектов и является элементом кабинета «Конструирование технологического оборудования», разрабатываемого в Тамбовском государственном техническом университете на кафедре «Компьютерно-интегрированные системы в машиностроении» [1–4]. Адрес ка-

бинета в сети Internet http://www.gaps.tstu.ru/kir/.

106

Рис. 4. Пример результатов запроса

Литература

1.Мокрозуб, В.Г. Функциональная и процедурная модели проектирования технологического оборудования / В.Г. Мокрозуб // Программные системы и вычислительные методы. 2014. № 4. С. 418–430. DOI: 10.7256/23056061.2014.4.13971

2.Мокрозуб, В.Г. Постановка задачи разработки математического и информационного обеспечения процесса проектирования многоассортиментных химических производств / В.Г. Мокрозуб, Е.Н. Малыгин, С.В. Карпушкин // Вестник Тамбовского государственного технического университета. 2017. № 2. С. 252-254.

3.Мокрозуб, В.Г. Автоматизированная информационная система подготовки производства машиностроительного предприятия / В.Г. Мокрозуб, А.Н. Поляков, А.И. Сердюк, К.В. Марусич, М.В. Овечкин // Вестник Тамбовского государственного технического университета. 2012. Том 18. №2. С.598–603.

4.Мокрозуб, В.Г. Cистемный анализ процессов принятия решений при разра-ботке технологического оборудования / В.Г.Мокрозуб, Е.Н.Малыгин, С.В.Карпушкин // Вестник Тамбовского государственного технического университета. 2017. Т.23. №3. С. 364-373.

ФГБОУ ВО «Тамбовский государственный технический университет», Россия

107

УДК 004.942

С.С. Ивашков, Д.В. Васильев, В.А. Семенов

ПРИМЕНЕНИЕ НЕЧЕТКОЙ ЛОГИКИ В ЗАДАЧАХ МОДЕЛИРОВАНИЯ ЛЕТЧИКА-ЭКСПЕРТА ПРИ РЕШЕНИИ ШИРОКОГО КРУГА ЦЕЛЕВЫХ ЗАДАЧ ПИЛОТИРОВАНИЯ

В работе раскрывается актуальность создания и применения математической модели летчика-эксперта для решения множества целевых задач моделирования при испытаниях различных летательных аппаратов. Предложен один из способов моделирования деятельности летчика по средствам нечёткой логики. Приведена методика создания нечеткой модели управляющих действий летчика-эксперта. Проведено моделирование целевых задач пилотирования с использованием созданной модели. Получены сравнительные результаты управляющих действий летчика-экс- перта и нечеткой модели. Сделаны выводы.

Введение Широкое применение математического и полунатурного моделирования

стало жизненно необходимым и, в ряде случаев, безальтернативным при создании и испытании современных самолетов. Моделирование позволяет сократить количество испытательных полетов и повысить информативность режимов, снизить степень риска летного эксперимента. Основным требованием при моделировании является обеспечение адекватности полученных результатов. Адекватность результатов моделирования обеспечивается применением достоверных математических моделей летательных аппаратов и участием летчикаэксперта, как необходимого звена в системе «летчик - система управления - самолет» с присущими ему особенностями поведения. Однако существуют задачи, когда необходимо провести множество реализаций какой-либо одной целевой задачи пилотирования для получения статистически достоверных результатов. Это требует наличия большого количества квалифицированных летчиков, а также больших временных затрат. Следовательно, возникает проблема проведения многочисленных реализаций имитации целевой задачи пилотирования при ограниченном количестве людских и временных ресурсов.

Для решения обозначенной проблемы является актуальным применение имитационных моделей управляющих действий летчика основанных на нечеткой логике.

Таким образом, целью исследования, результаты которого представлены в работе, является обеспечение моделирования динамики полета самолета при решении различных целевых задач пилотирования за счет использования имитационных моделей управляющих действий летчика с применением нечеткой логики.

108

Для достижения обозначенной цели необходимо решить задачу по формированию лингвистических термов и нечетких правил в интересах создания имитационной модели управляющих действий летчика на основе аппарата нечеткой логики при решении различных целевых задач пилотирования.

Следовательно, объектом исследования являются управляющие действия летчика, а предметом – их модель с использованием аппарата нечеткой логики.

Методика построения модели летчика c применением аппарата нечеткой логики

Методика построения модели действий летчика на основе нечеткой логики включает в себя несколько этапов [1-2]:

−формирование банка данных управляющих действий летчика при выполнении конкретной целевой задачи пилотирования и его предварительный анализ, определение входных и выходных параметров модели;

−формирование нечеткой модели 1-го приближения по результатам анализа банка данных;

−формирование обучающей выборки из банка данных;

−«обучение» нечеткой модели 1-го приближения по обучающей выборке;

−выполнение нечеткой моделью задачи пилотирования;

−сравнение и анализ результатов, полученных при выполнении нечеткой моделью задачи пилотирования с результатами пилотирования летчиком.

Моделирование динамики полета самолета с использованием имитационной нечеткой модели управляющих действий летчика

Для проведения имитационного моделирования с целью оценки адекватности и эффективности нечеткой модели летчика необходимо интегрировать ее

всостав программно-моделирующего комплекса, обеспечивающего исследование динамики полета самолета. Программно-моделирующие комплексы различных самолетов, созданные на кафедре авиационных комплексов и конструкции летательных аппаратов, состоят из следующих программных и технических средств [3]:

–Simulink-модель динамики полета самолета с системой управления;

–пилотажного стенда, решающего задачу полунатурного, с участием лет- чика-оператора моделирования динамики управляемого движения самолета;

–системы визуализации закабинной обстановки и кабинной индикации. Нечеткая модель управляющих действий летчика включается в состав

Simulink-модели динамики полета самолета, замыкая, таким образом, контур «нечеткая модель летчика – модель системы управления – модель динамики полета самолет» (рис. 1).

Сцелью оценки применимости разработанной методики, рассматривается

ееприменение для решения трех целевых задач пилотирования: выполнение «Виражей» (разворотов) с различными углами крена, «Петли Нестерова», а также директорное управление самолетом в горизонтальной и вертикальной плоскостях.

109