26. Показатели оценки ликвидности и платежеспособности предприятия. Лытнев.

Для анализа текущей платежеспособности предприятия рассчитываются коэффициенты ликвидности, включающие в себя:

• коэффициент текущей ликвидности (K_TL);

• коэффициент быстрой ликвидности (K_BL);

• коэффициент абсолютной ликвидности (К_ABS),

а также коэффициент достаточности чистого рабочего капитала (K_NWC).

Ниже приведены формулы расчета этих показателей:

норматив = 2 (1)

норматив = 1,5 (2)

норматив = 0,2 (3)

норматив = 0,1 (4)

Текущая платежеспособность (ликвидность) характеризует способность предприятия рассчитаться по наиболее срочным обязательствам перед кредиторами. Высокий уровень ликвидности дает уверенность инвесторам в способности предприятия продолжить свою деятельность в ближайшей перспективе. Однако, наряду с краткосрочной ликвидностью, необходимо иметь представление о долгосрочной финансовой устойчивости бизнеса.

Для оценки способности предприятия сохранять свою финансовую независимость в течение длительного периода времени сравнивают динамику различных показателей правой стороны баланса: заемного капитала (D), инвестированного (платного) капитала (E+D), беспроцентной задолженности (L_IF) и долгосрочного капитала (Lg). Формулы расчета этих показателей приведены на рис. 2. Сравнение темпов прироста их значений позволяет выявить тенденции изменения структуры капитала: соотношения удельных весов долгосрочных и краткосрочных источников, платного и бесплатного, собственного и заемного финансирования. Очевидно, что более финансово устойчивым будет такое предприятие, у которого возрастает доля собственных, долгосрочных и бесплатных финансовых ресурсов.

Интегральным показателем надежности финансового положения можно считать коэффициент финансовой зависимости (плечо финансового рычага) – K_FL – отражающий степень зависимости предприятия от заемного финансирования. Он рассчитывается по следующей формуле:

(5)

27. Интеллектуальные системы управления в сервисе, основы проектирования, практическое обеспечение. Клачек.

Интеллектуальная система управления (ИСУ) — это сис­тема, которая сохраняет работоспособность при непредвиден­ных изменениях свойств управляемого объекта, целей управ­ления или окружающей среды путем смены алгоритма функ­ционирования, программы поведения либо поиска оптималь­ных (в некоторых случаях просто эффективных) решений и состояний. Под алгоритмом будем понимать последователь­ность заданных действий, которые для решаемой задачи одно­значно определены и выполнимы на современных ЭВМ за приемлемое время.

Центральным в ИСУ является понятие «знания». Рассмот­рим несколько его определений.

1. Знанияесть результат, полученный познанием окру­жающего мира и его объектов.

2. Знания— система суждений с принципиальной и еди­ной организацией, основанная на объективной закономерности.

3. Знания— это формализованная информация, на кото­рую ссылаются или которую используют в процессе логиче­ского вывода (рис. 30).

4. Подзнаниямипонимается совокупность фактов и пра­вил. Понятие правила, представляющего фрагментзнаний, имеет вид:

если <условие>, то <действие>.

Определения 1 и 2 являются достаточно общими философ­скими определениями. В ИCУ принято для определениязна­нийиспользовать определение 3. Определение 4 есть частный случай определения 3. Под статическимизнаниямибудем по­ниматьзнания, введенные в ИСУ на этапе проектирования. Под динамическимизнаниями(опытом) будем пониматьзна­ния, полученные ИСУ в процессе функционирования или экс­плуатации в реальном масштабе времени.Знанияможно раз­делить на факты и правила. Под фактами подразумеваютсязнаниятипа «A это A», они характерны для баз данных. Под правилами понимаютсязнаниявида «ЕСЛИ-ТО».

Интеллектуальные системы управления способны выпол­нять отдельные интеллектуальные функции человека. ИСУ помимо традиционных функций управления, контроля, за­щиты и диагностирования выполняют и дополнительные спе­цифические функции, облегчающие интеллектуальный труд человека: быстрое принятие правильных решений в сложной обстановке, практически мгновенное реагирование на измене­ние внешних воздействий, непрерывный анализ и оценка те­кущих ситуаций, прогнозирование и предотвращение экстре­мальных и непредвиденных ситуаций, выдача оператору сове­тов и рекомендаций по оптимальному управлению объектом и т. д. ИСУ, подобно человеку, работают со знаниями, при этом важно учитывать что знания в ИСУ ориентированы на компь­ютерную обработку. Знания, используемые в ИСУ, должны быть определенным образом представлены или описаны. Представление знаний в ИСУ — это процесс или результат кодирования и хранения знаний в базе знаний (правил). Про­цесс использования знаний в ИСУ осуществляется с помощью специальных механизмов вывода (поиска) решений. База зна­ний и механизм вывода решений составляет ядро ИСУ.

Существуют различные способы практической реализации базы знаний (правил) и механизмов вывода решений ИСУ, основанные на технологиях моделирования интеллектуальной деятельности человека.

Наиболее широко на предприятиях нефтегазового комплекса используется технология экспертных систем.

В основе базы знаний экспертных систем используется сис­тема представления знаний, называемая «системой про­дукций». Системы продукций — это набор правил, исполь­зуемый как база знаний, поэтому его еще называют базой пра­вил.

В продукционных системах, основанных на правилах, зна­ния о решении задачи представляются в виде правил «Если…то…». Этот подход, являясь одним из старейших ме­тодов представления знаний о предметной области в эксперт­ной системе, широко применяется в коммерческих и экспери­ментальных ИСУ.

Общий вид продукционного правила представлен ниже:

<Идентификатор правила> <приоритет правила>

Если<Условие>то<Действие>,

где:

идентификатор правила— это уникальное наименование продукционного правила, выделяющее его из множества дру­гих правил в базе знаний;

приоритет правила— число, показывающее «важность» правила в рассуждениях. Если два и более правил будут иметь истинные условия в левой части, то продолжит рассуждения правило с большим приоритетом;

условие и действие— это левая и правая часть продукционного правила, сово­купность элементарных фактов (информационных обьектов вида атрибут-значение), связанных знаками конъюнк­ции (И), дизъюнкции (ИЛИ) и отрицания (НЕ).

В качестве простого примера рассмотрим следующее про­дукционное правило, формат записи которого представлен на языке интегрированной среды для разработки интеллектуаль­ных систем управления КAPPA-РС (компанииIntelliCorp):

Хранение(3 категория):

IFНефтепродукты : температура > 120 (градусов)And

Нефтепродукты : количество < 60 (м³)

THENВместимость : количество < 1200 (м³).

При записи правила сначала указывается его идентифика­тор (имя) «Хранение(3 категория)», а затем после двоеточия — левая и правая части, соответственно <Условие> и <Действие>. Имеем следующий словарь информационных объектов (фак­тов): Нефтепродукты : температура — температура вспышки паров нефтепродуктов, Нефтепродукты : количество — количество хранимых нефтепродуктов, Вместимость : количество — общая вместимость одного складского здания или площадки под навесом для нефтепродуктов в таре.

Логический смысл данного правила следующий:

Если < на складах III категории хранятся нефтепродукты с температурой вспышки паров выше 120⁰С в количестве до 60 м >

То < Общая вместимость одного складского здания или площадки под навесом для нефтепродуктов в таре не должна превышать 1200 м³>

Поиск решений в системах продукций наталкивается на проблемы выбора правил из конфликтного множества. Один из вариантов механизма поиска решений в системах продук­ций рассмотрим на примере технологии, предлагаемой разра­ботчиками широко известной в России интегрированной среды для разработки интеллектуальных систем управления КAPPA-РС.

На рисунке 32 изображены основные элементы механизма поиска решений системы КAPPA-РС.

Интерпретатор — программа, имитирующая рассуждения эксперта, решающего задачу, и работающая в одном из двух режимов — в режиме рассуждений в прямом направлении (прямой вывод) или в режиме рассуждений в обратном на­правлении (обратный вывод). Рассуждения в прямом направ­лении — это рассуждения, идущие в направлении «от фактов» в левых частях правил базы знаний к «действиям», указанным в правых частях правил из базы знаний.

База фактов хранит иерархию информационных объектов (пирамиду знаний) в виде «объект: слот или атрибут-значение».

База знаний хранит иерархию правил обработки фактов.

План решения задачи (Agenda) — очередь пар «объект: слот», которые должны быть обработаны машиной прямого вывода. Слоты, чьи значения изменены в результате примене­ния правила, автоматически добавляются интерпретатором вAgenda.

Список правил (RuleList) — это список всех правил из те­кущего подмножества правил, удовлетворяющего следующе­му условию: все элементарные факты, а значит, и составной факт в левой части правила получили значение ИСТИНА. Правило, размещенное в списке правил, считается возбужден­ным, т. е. «готовым к применению». Прежде чем проверять истинность всех элементарных фактов из левой части правила, интерпретатор проверяет его релевантность («уместность»). Для этого пара «объект: слот» изAgendaсверяется со всеми элементарными фактами из левых частей всех правил базы знаний. Если совпадений нет, правило исключается из рас­смотрения. Если есть хотя бы одно совпадение, то правило продолжает рассматриваться, т. е. продолжается оценка ис­тинности других фактов в его левой части.

Таким образом, Agendaсодержит обрабатываемую инфор­мацию из базы фактов, а список правил — множество правил, готовых продолжить рассуждения по решению задачи.

Если в списке будет несколько правил, то такая ситуация называется «конфликтом правил», они «конфликтуют» за то, чтобы продолжить рассуждения. Для того чтобы разрешить конфликт, интерпретатору нужна дополнительная информа­ция. Такая информация называется стратегией разрешения конфликта.

Пример.

Проект автоматизации АЗС Центральной Европы компании «Лукойл» ИСУ ЗРСО (интегрированная система управления зарубежными сбытовыми региональными обществами).

Но основная проблема заключалась в сложном многоуровневом управлении (АСУТП-МЕS-ИСУсм. файл с вопросом САПР) и специфических особенностей системы распределения и сбыта продукции с большим числом факторов риска. Они так или иначе сопряжены с динамично меняющимися структурой и спецификой бизнес-среды, глобальной изменчивостью товарно-финансовых рынков сырой нефти и нефтепродуктов, конкурентным противостоянием, неодинаковыми возможностями и ограничениями региональных товаропроводящих сетей, новациями в законодательных требованиях. К наиболее существенным факторам риска в данном контексте следует отнести следующее:

• Операционная сложность поставок со множественными неопределенностями в деловой среде.

• Разнообразие товарно-коммерческих операций.

• Большой круг лиц, участвующих в формировании решений на уровне линейного руководства в разветвленной сети, что снижает адекватность и лимитирует скорость их принятия.

• Зависимость от организаций, осуществляющих транспортировку.

• Продолжительные циклы, относительная инерционность и негибкость производства. Как следствие – ограниченные возможности варьирования одновременно товарным ассортиментом и обьемами оперативного наполнения. Другая особенность заключается в том, что поставки с перерабатывающих предприятий являются процессо-обусловленными, а единицы продукции, за исключением фасованной, - псевдодискретными.

• Неоптимальная логистическая инфраструктура наряду с объективными географическими, ценовыми и другими ограничениями – по числу экономически выгодных вариантов (мест), срокам поставок.

Перечисленное выше увеличивает обьемы обработки и без того огромного числа вариантов решений, вероятность ошибок в документах операционного учета и, в конечном итоге, создает высокий совокупный риск потери надежности и производительности в распределительной системе, крайне осложняя управление традиционными методами. Указанные факторы и проблематика потребовала выработки стратегического, целенаправленного подхода к разработке ИСУ ЗРСО, применения более совершенных методик и специализированных технологий проактивного планирования и совместного оперативного управления цепочками сбыта и поставок. Для поддержания уровня конкурентоспособности и адаптивности были необходимы, прежде всего средства интеллектуальной поддержки далеко не очевидных либо компромиссных управленческих решений по отгрузке и распределению нефтепродуктов, контролю запасов, исключению (минимизации) срывов планов поставок по договорам ит.д.

ИСУ ЗРСО разрабатывалась на основе распределенного искусственного интеллекта на базе систем, основанных на продукционных правилах, и рассуждениях на основе прецедентов (см. рис).

Рис. Архитектура пилотного проекта ИСУ ЗРСО.

Описание прикладного интеллектуального программного комплекса поддержки принятия решения.

В интеллектуальном комплексе используется два вида технологий выводов – на логических (продукционных, см. выше) правилах и суждениях по прецедентам. Алгоритм распознавания сравнивает описание распознаваемого объекта с таблицей распознавания и принимает решение: к какому классу следует отнести этот объект. Решение выносится на основе вычисления степени близости распознаваемого объекта с объектами, принадлежность которых к заданным классам известна.

С помощью инструментальных интеллектуальных средств (см. описание KAPPA выше) в проекте создана прикладная интеллектуальная система прогнозирования процессов в ситуациях для исследуемой проблемной области и соответствующие действия системы управления по разрешению ситуации и контроля их выполнения.

Целостное описание ситуации экспертом обеспечивается при наличии полного набора характеризующих эту ситуацию показателей. Наиболее удобной и надежной формой для предоставления исходных экспертных знаний являются прецедентные пары "информационное описание ситуаций" – "вывод по ситуации", которые получаются в ходе заблаговременного анализа экспертом возможных ситуаций, либо в ходе практической работы по оценке конкретной ситуации.

Для учета множества факторов исходный набор показателей разбивается на фрагменты, которые объединяют в своем составе показатели, образующие относительно самостоятельную смысловую группу. Задача оценки ситуации разбивается на ряд частных задач. Выводы, формируемые частными задачами, составляют показатели более высокой степени обобщения, которые служат исходными данными для частных задач следующего уровня иерархии и т.д. Такой процесс декомпозиции общей задачи оценки приводит к образованию многоуровневой иерархии связанных по входу - выходу частных задач, а ее решение позволяет сформировать систему выводов по отдельным аспектам и общий вывод о степени соответствия сложившейся ситуации целям управления.

Каждая задача (подзадача) в принятой трактовке представляет из себя совокупность функциональных зависимостей, описывающих исходную ситуацию и вывод по ситуации. Данные о функциональной зависимости представляются в виде экспертных таблиц, содержащих прецедентные пары "набор показателей ситуации – вывод о ситуации".

С использованием подсистемы логического вывода обобщенной оценки ситуации и формирование объяснений строятся правила и пополняется база знаний. Решение прикладной задачи осуществляется путем применения правил из базы знаний к данным о текущей ситуации.

Выводы о ситуации формируются путем логико-аналитической обработки данных о ситуации в целом и объектах проблемной области. Причем полагается, что по ситуациям, характерным для данной проблемной области, это данные предварительно формируются информационными источниками на основе добываемой ими первичной информации о состоянии и деятельности объектов наблюдения (показатели и массив подтверждающих их сведений).

В дальнейшем при составлении логической схемы соответствующих информационных структур такое представление развертывается в систему нормализованных реляционных таблиц "данные – подзадача" и многомерных таблиц "базы фактов" и "базы правил". Таблицы решений определяют заданное соответствие между ситуациями и решениями.

Система обеспечивает в диалоге с экспертом автоматизированную настройку на исследуемую проблемную среду путем ввода в систему основных понятий, атрибутов, их возможных значений, связей между ними, а также типов возможных ситуаций, характерных процессов и интерактивное взаимодействие с пользователем в процессе ее функционирования. В системе предусмотрено использование (адаптация) различных моделей процессов для исследуемой проблемной области с возможными последовательностями процессов и взаимосвязей между ситуациями. Модель процесса задается в виде совокупности ситуаций.

Ситуация представляется совокупностью событий. Событие означает установление определенного значения или достижения некоторой границы значения одного или нескольких атрибутов объекта (объектов). Таким образом, событие характеризуется изменением состояния одного или нескольких объектов. Возможная последовательность протекания процессов задается их последовательностью и отношением предусловия между ситуациями. Отношение предусловия означает, что обязательным условием возникновения ситуации является не только наступление характеризующих ее событий, но наступление одной или нескольких задаваемых в отношении предусловия ситуаций. Формирование информационных сообщений имитирует процесс сбора от внешних источников (операторов системы или автоматических датчиков) сообщений об изменениях.

При моделировании процесса прогнозирования механизм логического вывода запускается автоматически через установленные промежутки времени. Сопоставляя заданные модели процессов с поступающими информационными сообщениями, осуществляет выдачу рекомендаций в реальном времени пользователю и реально происходящих процессах. Получаемая информация дает объективную оценку происходящих процессов и позволяет осуществлять прогнозирование их протекания и осуществлять контроль выполнения задаваемых управляющих воздействий.

Результаты прогнозирования визуально отображаются на электронных картах объектов. Данная подсистема является инвариантной к проблемной области и реализует все функции, присущие современным геоинформационным системам (ГИС, более подробно о ГИС, см. файл с вопросом ГИС).

В комплексе предусмотрена возможность моделирования всего процесса от оценки ситуации до контроля выполнения управляющих воздействий. Предусмотрена возможность настройки комплекса для функционирования в распределенном варианте отдельных элементов организации (органа управления) в целом.