Geum.ru
Темы диссертаций по экономике » Математические и инструментальные методы экономики

Разработка системы анализа рисков и поддержки принятия решений в управлении техногенно-опасным промышленным предприятием тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Семенов, Алексей Константинович
Место защиты Москва
Год 2010
Шифр ВАК РФ 08.00.13
Диссертация

Автореферат диссертации по теме "Разработка системы анализа рисков и поддержки принятия решений в управлении техногенно-опасным промышленным предприятием"

004616925"

СЕМЕНОВ АЛЕКСЕЙ КОНСТАНТИНОВИЧ

РАЗРАБОТКА СИСТЕМЫ АНАЛИЗА РИСКОВ И ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УПРАВЛЕНИИ ТЕХНОГЕННО-ОПАСНЫМ ПРОМЫШЛЕННЫМ ПРЕДПРИЯТИЕМ

Специальность: 08.00.13 - Математические и инструментальные

методы экономики

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Д 9 ДЕК

Москва-2010

004616929

Диссертационная работа выпонена на кафедре региональной экономики и менеджмента Государственного образовательного учреждения высшего профессионального образования Юго-западный государственный университет (ГОУ ВПО Курский государственный технический университет)

Научный руководитель:

Официальные оппоненты:

доктор технических наук, профессор ЕМЕЛЬЯНОВ Сергей Геннадьевич

доктор экономических наук, профессор БАРАНОВ Вячеслав Викторович

кандидат экономических наук, доцент ДУДКО Валентин Анатольевич

Ведущая организация:

ФГОУ ВПО Воронежский государственный университет

Защита состоится л21 декабря 2010 г. в 16 час. 00 мин. на заседании диссертационного совета Д 212.142.06 в Государственном образовательном учреждении высшего профессионального образования Московский государственный технологический университет СТАНКИН (ГОУ ВПО МГТУ СТАНКИН) по адресу: 127994, г. Москва, Вадковский пер., д.1.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО МГТУ СТАНКИН.

Автореферат разослан л19 ноября 2010 г.

Ученый секретарь диссертационного совета кандидат экономических наук, профессор '(7 " " Ю.А.Еленева

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы Промышленное предприятие утилизации техноген-но-опасных отходов (ППУ) как социально-экономическая система характеризуется исключительной сложностью управления и дожно обладать высоким уровнем достоверности данных/результатов и комплексом разнообразных требований рас-четно-диагностического, экспертно-аналитического, структурно-функционального характера к технологическому процессу (ТП) утилизации. Исключительная сложность управления в условиях неопределенности множества организационно-технических, технологических, природно-климатических, социальных и других слабоформализуемых факторов, совместно имеющих противоречивую и сложную систему отношений, обусловлена обязательным учетом различных неопределенностей и возникающих из них разнородных рисков в условиях недостатка времени на принятие решения.

С точки зрения лица, принимающего решение (ПР), важнейшими диагностируемыми источниками риска являются: высокая сложность этапов ТП, значительные объемы и многомерность исходных данных, обособленность или избыточность иерархических связей отдельных этапов, неравномерность загрузки по времени, отсутствие выделенных резервных ресурсов, нечеткое задание критериев оценки рисковых событий, отсутствие мониторинга ТП с учетом пространственного и временного аспектов и др.

В этой связи успешная деятельность ППУ связана с опережающим развитием и применением перспективных аппаратно-программных средств и систем комплексной оценки разнородных рисков. Для ППУ с явно выраженной социально-экономической, техногенной угрозой (химически-, энерго-, пожаро-, взрывоопасное, радиоактивное производства, утилизация и др.) задача упреждающего обнаружения и противодействия разнородным рискам рассматривалась частично, без учета характеристик внутренней среды (нормы производства, безопасности) и внешней среды (климатические условия, экономическая конъюнктура, развитие технологий).

Основополагающие принципы и структурно-параметрические подходы к созданию подобных автоматизированных информационно-аналитических систем (НАС) рассмотрены в работах A.B. Савельева, A.B. Каляева, Ю.Н. Мельникова, Б.П. Филина, В.М. Ченцова, О.И. Ларичева, И.И. Кузьмина и других ученых. В то же время, в силу общей направленности данных работ, в них вопросы синтеза моделей, разработки методов и агоритмов для обнаружения техногенных рисков затрагивались частично.

Анализ известных подходов и моделей в них показал, что пока не существует теоретически и практически значимых вариантов для комплексного учета разнородных критических рисков (РКР). Существующие модели ограниченно учитывают иерархические подчиненности рисков, описания при обобщении получаются громоздкими, при модификации описаний требуется осуществлять верификацию всей системы. В известных моделях частично учитываются временной критерий появления риска в ТП и разбегающийся след риск-фактора, что определяет проблемную ситуацию исследования.

Устранение данной объективной проблемной ситуации и объективно существующих причин порождения РКР возможно путем создания метода и агоритмов их обнаружения в составе автоматизированных ИАС мониторинга рисков на

основе модификации и расширения продукционных систем вероятностными оценками.

На основе вышеизложенного решение научно-технической задачи развития продукционных систем и инструментальных средств на их основе для обнаружения РКР в составе автоматизированных ИАС мониторинга рисков является актуальной задачей, направленной на совершенствование управления промышленными объектами и отраслями экономики в целом.

Цель исследования - разработка системы поддержки принятия решений продукционного типа для оперативного обнаружения разнородных критических рисков на промышленных предприятиях утилизации.

Объект исследования - процессы управления разнородными критическими (аварийными) рисками и процессы интелектуальной обработки данных сложной разнородной структуры.

Предмет исследования - разработанная система поддержки принятия решений и агоритмы структурно-вероятностного поиска, анализа и оценки разнородных критических рисков.

Для достижения поставленной цели в работе решены следующие научные задачи:

1. Формализация разнородных критических рисков при управлении промышленным предприятием утилизации, анализ методов управления рисками, определение ограничений существующих методов и выбор направления исследований.

2. Обоснование структурно-логического подхода к решению задачи обнаружения разнородных критических рисков и разработка стохастической продукционной системы обнаружения рисков для реализации системы поддержки принятия решений (СППР).

3. Разработка метода обнаружения рисков и агоритмов поиска с итерационным заглублением в стохастических продукционных системах.

4. Разработка обобщенной структуры СППР обработки рисков и относительного показателя аналитической оценки рисков.

5. Экспериментальная проверка разработанных моделей и инструментальных средств обнаружения разнородных рисков на типовых технологических схемах промышленного предприятия.

Методы и математический аппарат исследования: методы распознавания образов, оценки рисков, искусственного интелекта, теории графов, формальных грамматик, вероятностей и комбинаторного анализа, объектно-ориентированного проектирования и программирования.

Научная новизна работы заключается в следующем:

1. Создана информационная модель процесса утилизации опасных промышленных отходов, представляющая собой информационный граф, с ненулевыми коэффициентами сужения.

2. Разработан класс стохастических продукционных систем с регулярными и контекстно-свободными правилами по классификации Хомского, позволяющий создавать дескриптивно поные и одновременно компактные описания РКР.

3. Разработан метод итерационного поиска с заглублением в графах, что позволило разработать базовый и улучшенный агоритмы тотального поиска на гра-

фах с ненулевыми коэффициентами сужения, обеспечивающие повторные вхождения в части графа поиска с помощью битового признака и минимаксного критерия предпочтения.

4. Определен состав экспертной подсистемы СППР поиска рисков, особенностью которой является наличие замкнутого контура, состоящего из модулей обработки параметров рисков, с вычислением множества вариантов оценок на основе независимо работающих стратегий поиска с локальными рабочими памятями, что обусловливает обоснованное повышение итоговой достоверности обнаружения аварийного риска.

5. Для оценки рисков разработан минимаксный агоритм генерации и выбора потомка, особенность которого заключается в уточнении начальных экспертных значений вероятностей событий и минимаксной идентификации законов распределения РКР, что необходимо для обработки различных социально-экономических объектов.

Практическая ценность работы заключается в разработке инструментальных средств СППР для работы с разнородными критическими рисками и информационной технологии обнаружения рисков в организационно-экономических и производственных схемах. При этом получены практически значимые результаты:

- повышена оперативность реализации общих процедур анализа альтернатив в графе риск событий на 24% при решении задачи обнаружения РКР за счет введения процедуры минимаксной вероягносгаой идентификации, позволяющей обоснованно выбрать из множества возможных рисков текущий потенциальный риск;

- разработан минимаксный агоритм идентификации, имеющий самостоятельное значение для обработки социально-экономических данных различной природы в условиях неопределенности (банковская деятельность, биржевые котировки, демографические данные и др.);

- создана методика комбинированного совмещения структурных и вероятностных оценок на графах с ненулевыми коэффициентами сужения, позволяющая повысить достоверность обнаружения рисков;

- разработана методика минимаксного моделирования РКР, новизна которой определяется введением в процесс имитационного моделирования этапов анализа вводимого графа ТП и минимаксной процедуры оценивания РКР, позволяющих получить оценки в условиях априорной неопределенности и недостатка времени.

Положения, выносимые на защиту:

1. Информационная модель техногенно-опасного процесса в виде графа с

поным перечнем типов переходов между вершинами, лежащая в основе

2. Метод итерационного поиска рисков с заглублением.

3. Базовый и улучшенный агоритм поиска рисков с итерационным заглублением.

4. Минимаксный агоритм генерации поиска и выбора потомка.

Апробация и публикации. Основные положения работы докладывались и

получили положительную оценку на I Всероссийской научно-технической конференции Информтех-2008 (г. Курск), 5 Международной научно-практической конференции Актуальные проблемы развития территорий и систем регионального и муниципального управления (г. Воронеж, ГОУ ВПО ВГПУ, 2010 г.) и

(Курск, ГОУ ВПО КГТУ) в 2010 году и семинарах кафедр региональной экономики и менеджмента и программного обеспечения вычислительной техники ГОУ ВПО КГТУ. По теме диссертации опубликовано 8 печатных работ, в том числе 3 статьи в научных изданиях, входящих в Перечень ВАК Минобрнауки России.

Личный вклад автора. Все научные положения и результаты диссертационной работы получены автором самостоятельно. В работах, опубликованных в соавторстве, лично соискателем разработан структурно-лингвистический способ обработки структурно сложных объектов с пространственными атрибутами [1], вид продукции, расширенной вероятностными оценками для обработки рисков [2], общая структура автоматизированной системы распознавания рисков, включающая экспертную подсистему вывода рисков [3], стратегия управления рисками на основе агоритма с итерационным заглублением [4], идентификация РКР на основе минимаксного агоритма [5].

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, приложений, списка использованной литературы (154 наименования). Текст диссертации включает 167 страниц, из них 152 страницы основного текста, 29 рисунков, 9 таблиц.

Реализация и внедрение результатов исследования. Результаты теоретических и экспериментальных исследований внедрены в федеральном государственном. учреждении Научно-исследовательский центр проблем управления ресурсосбережением и отходами, ГОУ ВПО Московский государственный технический университет Московский автомеханический институт, ЗАО Русский научно-технологический центр. Внедрение подтвердило повышение оперативности решения задач оценки рисков в автоматизированных системах управления критическими нештатными ситуациями.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблематики управления РКР, сформулированы цель и задачи диссертационных исследований, научная новизна, практическая ценность, основные положения, выносимые на защиту.

В первой главе выпонен анализ организационно-функциональных характеристик производственно-экономического объекта с техногенной угрозой - предприятия по утилизации техногенно-опасных отходов (ППУ) и путей повышения эффективности управления им. Показано, что безопасность и эффективность функционирования зависят от систематического упреждающего обнаружения РКР.

Описано современное состояние проблематики управления рисками, проведена обобщенная классификация и дана оценка существующих методов управления рисками. Показано, что известные подходы и модели ограниченно учитывают иерархические подчиненности рисков, описания при обобщении получаются громоздкими, трудно модифицируемыми, частично учитывают временной критерий появления риска в ПТС и разбегающийся след риска по смежным состояниям технологического процесса.

Показано, что успешная деятельность ППУ связана с опережающим развитием и применением перспективных аппаратно-программных средств и комплексов управления РКР, в основу обнаружения которых целесообразно положить ме-

ходы обработки знаний на основе продукционных исчислительных систем. Данный математический аппарат и программные средства, его использующие, ориентированы на поддержку недетерминированных поисково-переборных методов обнаружения разнородных рисков в пространстве состояний технологии утилизации техногенных отходов.

Выпонен сравнительный анализ классических методов идентификации законов распределения РКР, таких как метод выборочных распределений; метод гистограмм; метод моментов (распределения Пирсона); метод, основанный на использовании контрэксцесса и энтропийного коэффициента. Оцениваются их преимущества и ограничения. Сделан вывод о том, что в условиях априорной неопределенности данных, когда исходная информация представлена малым объемом статистических данных, требуется применение методов непараметрической статистики и минимаксной идентификации, ориентированных на особенности социально-экономических процессов.

Осуществлена декомпозиция производственно-технологической схемы утилизации с целью получения информационной модели на базе структурно-функционального подхода. Модель представляет собой информационный граф, вершины которого имеют составную структуру в виде объединения работ, ограничений, агоритмов. В графе выделены типовые процессные конструкции, описывающие последовательные, паралельные совместные, паралельные альтернативные, сходящиеся и циклические переходы между вершинами. При этом начальные и конечные фрагменты графа, соответствующие обязательным регламентным этапам (подготовка, улов отходов, очистка полученных материалов и веществ), детерминировано описываются сходящимися переходами с ненулевыми коэффициентами сужения, что является отличительной особенностью производственно-технологической схемы промышленного предприятия с техногенной угрозой.

Аналитически графовая информационная структура представляет собой систему вида

0=<А,В,2>, (1)

где А=01и02и 03 - множество вершин, соответствующих объектам-ресурсам О], производственным объектам 02 и объектам внешней среды 03; В - множество вершин, соответствующих группам объектов-потребителей; Ъ - множество дуг, устанавливающих соотношения между каждым объектом и показателями и между объектами.

Особенность 1рафовой структуры ПТС заключается в том, что ее вершины имеют составную внутреннюю структуру, описываемую как система вида

8=<Р,10,С,М,1Х},Х>, (2)

где Р - множество функциональных показателей объекта; 10 - множество входных и выходных показателей объекта; С - агоритмы или модели этапов утилизации; М - множество аналитических ограничений на возникновение риска; Ьв - множество логических ограничений на возникновение риска; X - цепочечные соотношения между рисками, показателями и агоритмами.

Во второй главе обоснован и введен класс стохастических продукционных систем, с регулярными и контекстно-свободными правилами по классификации Хомского, позволяющий создавать дескриптивно поные и одновременно компактные описания РКР. Целесообразность выбора стохастических исчислений опирается на недетерминированные моменты времени появления риск-факторов и возникающий разбегающийся след по смежным этапам технологической цепочки. Допонительное преимущество от выбора таких продукций является основой для создания агоритмов поиска с линейной временной сложностью, что особенно важно для обнаружения аварийных рисков.

Получено теоретико-множественное описание задачи поиска рисков, оригинальным свойством которого является комбинация пространственно-временных параметров рисков, учитывающая множество логических и аналитических ограничений на риск-факторы и механизм поиска решений с изменяемой стратегией поиска.

В теоретико-множественном виде задача поиска рисков (ЗПР) определяется как восьмерка вида (3)

ЗПР= <А, К, TS, Р, NS, Q, MP, SR>, (3)

где А - общий рабочий афавит предметной области A=LT uS; LT -афавит первичных параметров риск-факторов; S - афавит исходных состояний в ПТС утилизации не имеющих риск-факторов; К - правила включения риск-факторов в слова-риски R; TS - множество конечных состояний в ПТС, выводимых продукциями; NS=NS)UNS2 - множество недопустимых состояний, включающих NSi - тупиковые состояния, NS2 - фатальные состояния; Р: 0->Т - конечное множество продукций, правило Pj (Pj с Р) является применимым к слову г с R, если Oj с г; Q=Q,uQ2 - множество логических и аналитических ограничений на состояния г с R; М - механизм (агоритм) поиска решений, реализующий стратегию поиска SR и имеющий свою структурно-функциональную организацию, задающую порядок действий в цикле поиска в прямом и обратном продвижении.

Для эффективного решения задач управления рисками в современных условиях в диссертации разработан и развит формальный аппарат продукций. В основе предлагаемого подхода к формальному описанию КРК лежит понятие стохастической продукционной системы (ПС), которая определяется как формальная система следующего вида

' О, _iu Pi N(P,)

Oj Pj N(PI) (4)

Д 0Д PД N(pn)

где N(pi) - вероятностный номер перехода в ПС, kj - вероятность срабатывания продукции; ОЧ образец, Pj - подстановка, i=l-n.

Для описания предметной области, отображения синтаксических и семантических отношений достаточно использовать только регулярные и контекстно-свободные продукции, имеющие длину левой части в 1 символ. Такое уточнение позволит стратифицировать ПС по уровням в соответствии с символом в левой части, причем для подмножества продукций мощностью т, у которых в левой час-

ти используется одинаковый символ 0/т):

Рис. 1. Улучшенный агоритм поиска с итерационным заглублением SL (State List) - список текущих состояний (текущий путь); NSL (New State List) - список сгенерированных, но не просмотренных состояний; DL (Dead List) - список тупиковых (просмотренных) состояний; N - текущий уровень; Nmax - предельный уровень заглубления; FIRST (...)- операция выделения первого элемента списка; DEL (...)- операция удаления первого элемента списка; -> - операция добавления элемента в список (операция вставки); р - битовый признак повторной генерации вершины; FORWARD - шаги прямого продвижения по графу

Следует отметить, что для осуществления вероятностной обработки рисков важнейшей составной задачей при распознавании образов является идентификация РКР на всех этапах ТП. Сущность идентификации состоит в построении ста-

тистических оценок поных условных вероятностей переменных ТП (риск-факторов). Для многих социально-экономических объектов, в том числе ТП с техногенной угрозой, характерно наличие элементов неопределенности, вызванных внешними помехами или скрытыми параметрами объекта, или неопределенностью внешней среды. Одним из подходов, который позволяет устранить данное противоречие, является минимаксный подход к задаче идентификации рисков, который позволяет оценить характеристики этапов ТП с учетом неопределенности.

Автором разработаны метод и агоритмы итерационного поиска с заглублением, являющиеся разновидностью метода поиска в глубину. Сущность предложенного в диссертации метода сводится к 2 положениям:

1) достижение предельной величины заглубления приводит к отсечению части графа поиска, тем самым приоритет отдается тем вершинам, которые располагаются на предельном уровне в текущей итерации. Поэтому разработанный автором агоритм в первую очередь находит короткие пути, а длинные, возможно, будут потеряны;

2) отсечение части графа за предельной текущей глубиной обеспечивает подобие поиска в ширину. Наличие ненулевых коэффициентов сужения в определенных вершинах позволяет повторно войти в отсеченные части с уменьшением длины пути при наличии нерегулярных связей.

Новизна предлагаемого в диссертации метода итерационного поиска с заглублением заключается в выделении и сохранении для последующих итераций информации о сгенерированных, но не рассмотренных вершинах или их потомках в виде допонительного битового признака потери потомков от текущей вершины. Вводимый допонительный битовый признак позволит многократно входить в отсеченную часть графа при последующих итерациях с ненулевыми коэффициентами сужения, что обеспечивает оперативность тотального поиска по графу.

На основе предложенного метода поиска с итерационным заглублением создано два агоритма поиска рисков по графу: базовый и улучшенный. Базовый агоритм применяется в новой предметной области с учетом выбора приоритетного потомка на основе минимаксного агоритма. В улучшенном агоритме используется битовый признак повторного вхождения, что позволяет обоснованно отсекать части пространств без потери конечных вершин графа.

Улучшенный агоритм с итерационным заглублением приведен на рис. 1 по графу с соответствующим изменением значения текущего уровня.

Этап генерации потомков в агоритме поиска с итерационным заглублением является важнейшей процедурой, определяющей направление поиска. В основу выбора направления поиска в графе состояний заложен расчетный агоритм минимаксной генерации и выбора приоритетного потомка. Принцип работы минимаксного агоритма генерации потомков приведен на рис. 2. Работа агоритма заключается в обработке нескольких подмножеств продукций, описывающих однородные события (риск-факторы составляют группу однородных критических рисков (ОКР)). Обработка ОКР сводится к двухэтапному минимаксному вычислению приоритетной продукции.

Минимаксный агоритм генерации и выбора потомков состоит из следующих этапов:

1. На основании множества РКР объекта исследования формируется перечень из Ь ОКР.

2. Для каждого -го элемента списка ОКР выбираются из множества РКР соответствующие ему рисковые факторы, продукции которых группируются в так называемые пакеты ОКР в количестве Ь.

3. Для каждого -го пакета ОКР вычисляется максимальное значение вероятности продукций.

4. Проводится проверка на единственность полученного максимального значения вероятности продукций. Если значение не единственное, то производится пересмотр и уточнение состава пакета ОКР и численных значений вероятностей продукций или запрос ПР о предпочтении выбора того или иного потомка.

4. Из полученных на предыдущем шаге Ь максимальных значений вероятностей выбирается минимальное значение.

5. Проводится проверка на единственность минимального значения вероятности продукций. Если значение не единственное, то производится запрос ПР о предпочтении выбора того или иного потомка.

6. Полученное на последнем шаге значение вероятности продукции будет определять результат работы агоритма и искомого потомка.

таХ(01т-^РШ)

Пакет ОКР №1

Пакет ОКР №2

Пакет ОКР №Ь

Рис. 2. Принцип работы агоритма генерации потомков на основе минимаксной процедуры: ю, п, в - число ОКР в пакете, Ъ- число пакетов

Новизна данного агоритма заключается в том, что он имеет самостоятельное значение, определяемое в уточнении начальных экспертных значений вероятностей событий и минимаксной идентификации законов распределения РКР, что необходимо для обработки данных социально-экономических объектов, в том числе продукционными системами. Кроме того, новизна агоритма связана с введени-

ем этапов проверки на существование единственности решения, что обеспечивает выбор траектории поиска.

В третьей главе показано, что в структуре СППР промышленного предприятия с техногенной угрозой при необходимости дожна выделяться самостоятельная подсистема управления рисками. Она дожна реализовывать функции экспертной подсистемы, обеспечивающей динамический учет возникающих рисков, оценку их важности и выработку мер по противодействию рискам. Такая подсистема дожна отвечать требованиям компактности состава, легкой модифицируемости, оперативности и достоверности работы для осуществления сторожевых функций с обоснованными рациональными затратами на обнаружение рисков.

Используя принципы искусственного интелекта, можно показать, что в структуре СППР для обнаружения РКР ядром дожна являться экспертная подсистема (ЭПС), а расчетно-логические модули дожны иметь вспомогательное назначение. ЭПС для поддержки недетерминированных поисково-переборных и вероятностных вычислений на основе экспертных знаний ориентируется на обработку рисков в открытых динамически изменяемых предметных областях, к которым относятся ТП с техногенной угрозой. В структуре ЭПС выделяются следующие модули (рис.3):

1) модуль обучения (МО);

2) модуль интерпретации рисков (МИР);

3) модуль вывода рисков (МВР);

4) база знаний (БЗ) и рабочие памяти данных (РПрРЦ,);

5) расчетно-логический модуль анализа (РМА);

6) лингвистический модуль (М);

7) база данных.

Новизна структуры предлагаемой ЭПС заключается в особой организации ее операционной части, включающей МВР, РМА и множество независимых РПГ РПП. Характер особой организации состава и связей данных модулей определяется замкнутым контуром обработки рисков с вычислением вариантов оценок на основе независимо работающих известных или оригинальных агоритмов поиска с собственной (локальной) РП. Такая организация позволяет задать поиск несколькими стратегиями и создает тем самым основу для повышения достоверности обнаружения итогового аварийного риска.

Для последующей детализации модуля принятия решений создан информационно-организационный агоритм управления разнородными РКР в общем цикле управления производственным предприятием с техногенной угрозой. Этот агоритм представляет собой граф с обратными связями и с тремя группами вершин: организационных, ресурсных, обрабатывающих. Данный агоритм предоставляет ПР последовательность мероприятий по реализации пробного хода и его оценке на стратегическом, тактическом и оперативном уровнях управления рисками с учетом прогнозов и предыстории процессов.

Для расчетно-логического модуля анализа разработаны агоритмы идентификации законов распределения РКР на основе минимаксной процедуры, и по результатам имитационного моделирования определено: какие из вероятностных распределений РКР наиболее соответствуют применению минимаксной стратегии; как дисперсия полученного результата зависит от количества статистических дан-

ных, а также какие минимаксные статистики предпочтительнее использовать для оценки близости законов распределения в зависимости от вида распределения

Потребитель

Эксперт по рискам

Рис.3. Структура ЭПС для поиска и обработки РКР

РКР, объема выборки, количества пакетов. Данные зависимости являются основой для создания инструментальных средств статистической оценки РКР (рис.4).

Распределение I : >Х Степенное

Г Равномерное ; Экспоненциальное ; Г Вейбула ; ' Из файладанных

г Мнн1нач.(экс1рен) ; г Перето | Погисшчеа'ое : I- Коши (11) . <* Эрланга

: г бета-распределение } ' Нормальное (5.1) Х Г Логиорнальмов | Иоэаярат

^Распределение! ^ Распределение 2 Распределение Э

ь-р с-[Г

-]! Ь-(Г

П Ь-|1

Распределение 2 : <* Степенное ; г Равномерное : г Экспоненциальное ! Вейбула С Из файла данных 1 Мин знач (экстрен.) Х Парето С Логистическое

Коши (0,1) С Эрланга

бета-распределение г Нормальное (0.1) 1 Логнормальное С Хи^еадрат

а-й ь-,1

Х Распределение 3

Степенное Равномерное

Х <"* Экспоненциальное ; <"' Вейбула Ь-|? с-|1 : <* Иэ файла данных

: Микэнач. (экстрем.) ь-^

: ^ Парето :

г Логистическое ал'] . <~~ Коши (0.1) " Эрланга Ь-[? ор

С Бета-рвспрвдевнив V" | Нормальное (0,1) \ Г Логнормальное ; ! Г Хи-квадрег

I Рис. 4. Инструментальное средство генерации законов распределения в составе расчетно-логического модуля анализа РКР

В четвёртой главе проведен анализ существующих программных средств обработки рисков (программные средства CRAMM, RiskWatch, ГРИФ и др.) и сделано обоснование выбора в пользу объектно-ориентированного подхода к созданию инструментальных средств анализа РКР с использованием потоков.

Предлагаемый в диссертации подход к оценке РКР использован для оценки рисковых ситуаций на примере типового предприятия по хранению и утилизации боеприпасов. Применительно к условиям рассматриваемого типового объекта по хранению и утилизации, выделено три группы риск-факторов, вызывающих РКР: технические, естественно-природные, человеческий фактор (ошибки персонала, диверсия и т.д.).

В работе рассматривается ТО расснаряжения химических боеприпасов как наиболее опасный по последствиям для окружающей среды и гражданского населения. ТО утилизации, имеющий наибольшее количество вершин и уровней, нормативно разбит на десять этапов, где возможно проявление риск-факторов:

1) транспортировка химбоеприпасов железнодорожным транспортом;

2) разгрузка боеприпасов с железнодорожного транспорта;

3) складирование химбоеприпасов в отделении временного хранения;

4) транспортировка боеприпасов к линии расснаряжения;

5) подготовка химических боеприпасов к расснаряжению;

6) расснаряжение химбоеприпасов;

7) детоксикация отравляющих веществ;

8) система очистки вентиляции;

9) термообработка корпусов химбоеприпасов;

10) обработка некондиционных химических боеприпасов.

Путем имитационного моделирования с использованием минимаксной процедуры были получены значения вероятностей для разрушения камеры термообработки корпусов боеприпасов - Р = 3,06-10"', разрушения камеры печи сжигания твердых отходов - Р = 1,914 -10"1, взрыва паров газовоздушной смеси изобутилово-го спирта - Р = 1,03 10~5.

С учетом совокупности всего комплекса риск-факторов для типового объекта по утилизации вероятность аварийного сценария, приводящего к попаданию отравляющих веществ в атмосферу в результате взрыва, может быть оценена на уровне Р= 5,05'Ю"5.

Статистическая достоверность полученных результатов работы минимаксной процедуры обработки РКР оценена с использованием критерия Фишера.

Проведенный анализ вычислительной сложности всех ветвей улучшенного агоритма поиска с итерационным заглублением показал, что использование в нем минимаксной процедуры генерации потомков позволяет сократить примерно в 3,7 раза число вариантов перебора.

На рис. 5 приведена зависимость количества вариантов перебора от количества вершин в графе с использованием минимаксного агоритма генерации потомков и простого перебора.

Анализ графика, представленного на рис. 5, показывает, что реализация разработанного агоритма позволяет значительно сократить время решения рассматриваемой задачи. Так, при изменении количества вершин в графе от 10 до 1000

использование предложенной процедуры приводит к сокращению количества путей в графе в 3-4 раза и, как следствие, к сокращению времени решения задачи.

J 40000 а л

S 30000 ----

| 20000 х

300 400 500 600 Количество вершин в графе

Простой перебор Базовый агоритм о Улучшенный агоритм

Рис. 5. Зависимость количества вариантов перебора от количества вершин в графе

В ходе экспериментов использовались реальные и модельные данные о типовом ОТ утилизации, что позволило оценить временные затраты в абсолютных единицах на процессоре Intel Core 2 Duo с тактовой частотой 1,83 GHz и ОЗУ 1 GB (рис. 6). В качестве исходных данных использовались разнородные массивы риск-факторов, полученные от сигнализационной, технологической подсистем и экспертные данные. В целом это позволило на 25-30% повысить оперативность реализации общих процедур анализа систем рассматриваемого класса.

Рис. 6. Зависимость времени перебора от количества вершин в графе при использовании улучшенного агоритма

С целью проведения экспериментальной проверки фиксировалось среднее время решения на данном типе графа с модельным изменением таких количественных параметров, как общее количество вершин, количество вершин с ненулевыми коэффициентами сужения, связность вершин с исходящими дугами, связность вершин со сходящимися дугами, место расположения вершин с ненулевыми коэффициентами ветвления и сужения.

В приложении диссертационной работы представлен листинг программного макета реализации предложенных агоритмов обнаружения рисков, фрагменты пользовательского интерфейса разработанного программного обеспечения и таблица классификации вершин графа рисковых состояний ТП.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе решена научно-техническая задача, имеющая важное народно-хозяйственное значение и заключающаяся в создании инструментальных средств СППР на основе развития продукционных систем и инструментальных средств на их основе для обнаружения РКР в составе автоматизированных информационно-аналитических систем мониторинга рисков. При этом получены следующие основные результаты:

1. Выпоненный в работе анализ методов формализации производственных процессов позволил формализовать производственный процесс утилизации техногенных отходов и построить информационную модель в виде графа, вершины которого имеют составную структуру в виде объединения работ, ограничений, агоритмов.

2. Выпонена формализация задачи поиска рисков с использованием теоретико-множественной модели, оригинальным свойством которой является комбинация пространственно-временных атрибутов рисков.

3. Синтезирован класс стохастических продукционных систем с регулярными и контекстно-свободными правилами по классификации Хомского, позволяющий создавать дескриптивно поные и одновременно компактные описания РКР.

4. Разработан метод итерационного поиска рисков с заглублением, сущность которого сводится к двум основным положениям:

Х достижение предельной величины заглубления приводит к отсечению части графа поиска;

Х сокращение длины пути в графе при наличии нерегулярных связей.

5. Разработаны базовый и улучшенный агоритмы поиска рисков с итерационным заглублением, при этом базовый агоритм допонен выбором приоритетного потомка на основе минимаксного агоритма генерации потомков, а в улучшенном агоритме введен битовый признак повторного вхождения, что в комбинации с минимаксным выбором приоритетной вершины позволяет обоснованно отсекать части пространств без потери целевых вершин.

6. Разработана структура экспертной подсистемы в составе СППР для обнаружения рисков, с особой организацией её операционной части, включающей модули вывода рисков, расчетно-логического анализа, интерпретации и множество локальных рабочих памятей, ориентированной на поиск и паралельную обработку РКР, что обеспечивает множественность прогнозов.

7. Разработана информационно-организационная структура агоритма в виде графа с обратными связями и тремя группами вершин (организационных, ресурсных, обрабатывающих), что позволяет получать количественную оценку пробного решения на основе предыстории вычислений, каталога риск-факторов и банка моделей и агоритмов анализа рисков.

8. Разработана методика минимаксного моделирования РКР с включением в процесс имитационного моделирования этапов анализа вводимого информационного графа ТП и минимаксной процедуры оценивания РКР, что в результате позволяет получить оценки в условиях априорной неопределенности и недостатка временного ресурса.

9. Выпоненные имитационное моделирование и апробация на практике предложенных агоритмов показали, что при решении типовых задач идентификации и оценки РКР реального уровня сложности для промышленных предприятий, применение предложенных моделей и агоритмов позволяет примерно в 3,7 раза сократить число анализируемых вариантов переборки в графе, обеспечивая быстроту работы СППР, что является критичным в чрезвычайных ситуациях.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

В изданиях, рекомендованных ВАК Министерства образования и науки Российской Федерации:

1. Семенов, А.К. Эталонная модель двойственно-атрибутной транслирующей метаграмматики и структурно-лингвистический способ обработки сложноор-ганизованных данных. /А.К. Семенов, С.Г. Емельянов, C.B. Жижина и др.//Известия Тульского государственного университета. Сер. Технологическая систематика/ Вып. 14. - Тула: Изд-во ТуГУ, 2006. - с. 24-28.

2. Семенов, А.К. Расширенные продукционные системы для оценки и прогнозирования рисковых событий в экономических системах./А.К. Семенов, С.Г. Емельянов, Д.О. Соколов и др.//Известия Тульского государственного университета. Сер. Технологическая систематика/ Вып. 14. - Тула: Изд-во ТуГУ, 2006. -с. 62-66.

3. Семенов, А.К. Структурно-лингвистический метод и автоматизированная система распознавания рисков /А.К. Семенов, C.B. Малюк, В.Ю. Муд-рик//Информационно-измерительные и управляющие системы. - М.: Изд-во Радиотехника, 2008. - №10, т.6, с. 21-24.

В других изданиях:

4. Семенов, А.К. Метаграмматические модели для описания сложноструктурированных стратегий управления и оценки рисков /А.К. Семенов, С.Г. Емельянов, Д.О. Соколов и др. //Современные информационные технологии в деятельности органов государственной власти Информтех-2008: сб. матер. I Всерос. науч.-техн. конф. - Курск, 2008. - с. 92-94.

5. Семенов, А.К. Минимаксная идентификация производственных рисков промышленного предприятия /А.К. Семенов/Юбъединенный научный журнал. 2009.-№1, с. 74-90.

6. Семенов, A.K. Типовая структура СППР промышленного предприятия с техногенной угрозой. /А.В.Олейник A.B., А.К.Семенов//Материалы 5 Международной научно-практической конференции Актуальные проблемы развития территорий и систем регионального и муниципального управления /под ред. Верта-ковой Ю.В./ выпуск 3. - Курск, КГТУ, 2010. - с.87-92.

7. Семенов, А.К. Теоретико-множественное описание задачи поиска рисков с комбинацией пространственно-временных параметров. /А.В.Олейник, А.К.Семенов//Материалы 5 Международной научно-практической конференции Актуальные проблемы развития территорий и систем регионального и муниципального управления /под ред. Рисина И.Е./ выпуск 1. - Воронеж, ВГПУ, 2010. -с. 223.

8. Семенов, А.К. Мониторинг системы рисков промышленного предприятия. /А.К.Семенов//Материалы 5 Международной научно-практической конференции Актуальные проблемы развития территорий и систем регионального и муниципального управления /под ред. Вертаковой Ю.В./ выпуск 3. - Курск, КГТУ, 2010. -с.98-102.

Заказ №838. Объем 1 п.л. Тираж 100 экз.

Отпечатано в ООО Петроруш г. Москва, ул. Палиха-2а, тел. 250-92-06 www.postator.ru

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Семенов, Алексей Константинович

ВВЕДЕНИЕ.

1. ОРГАНИЗАЦИОННО-ФУНКЦИОНАЛЬНЫЕ ХАРАКТЕРИСТИКИ ПРОИЗВОДСТВЕННО-ЭКОНОМИЧЕСКОГО ОБЪЕКТА С ТЕХНОГЕННОЙ УГРОЗОЙ (ПРЕДПРИЯТИЯ ПО УТИЛИЗАЦИИ ТЕХНОГЕННО-ОПАСНЫХ ОТХОДОВ) И ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ЕГО УПРАВЛЕНИЯ. П

1.1. Понятийный аппарат процессов управления рисками. Описание рисков.

1.2. Особенности методов утилизации боеприпасов и производственно-технологических схем утилизации.

1.3. Анализ существующих подходов к анализу рисков при управлении промышленными предприятиями.

1.3.1. Вероятностный подход к оценке рисков.

1.3.2. Структурно-логический подход к оценке рисков.

1.3.3. Имитационное моделирование рисков методом Монте-Карло.

1.4. Сущность предлагаемого подхода к обнаружению и оценке РКР

2. ФОРМАЛИЗАЦИЯ ЗАДАЧ ПОИСКА И МОДЕЛИ ОПИСАНИЯ

РАЗНОРОДНЫХ КРИТИЧЕСКИХ РИСКОВ

2.1. Базовые принципы и положения продукционных вычислений.

2.2. Анализ существующих методов и агоритмов поиска для распознавания разнородных критических рисков утилизации.

2.2.1. Обзор свойств тотальных методов поиска на графах.

2.2.2. Направленные методы поиска и их свойства.

2.2.3. Методы идентификации законов распределения РКР.

2.3. Постановка задачи оперативного обнаружения разнородных критических рисков

2.4. Разработка метода поиска с итерационным заглублением.

2.5. Стохастические продукционные системы как формальная основа описания разнородных критических рисков.

2.6. Постановка задачи минимаксной идентификации РКР.

3. РАЗРАБОТКА ОБОБЩЕННОЙ СТРУКТРЫ СППР ОБРАБОТКИ РИСКОВ И ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА РЕАЛИЗАЦИИ ВЫЧИСЛИТЕЛЬНЫХ МОДУЛЕЙ.

3.1. Разработка структуры экспертной подсистемы обнаружения РКР и определение системных требований к СППР управления рисками.

3.2. Организация работы модуля вывода рисков и определение структурно-функциональных ограничений.

3.3. Организация работы расчетно-логического модуля анализа РКР.

3.4. Инженерная методика оценки уровня РКР промышленного предприятия утилизации.

4. ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ АНАЛИЗА И ОЦЕНКИ РКР.

4.1. Анализ существующих программных средств обработки рисков и выбор платформы реализации программной системы обнаружении РКР утилизации.

4.1.1. Программный комплекс СИАММ.

4.1.2. Программное обеспечение Шзк^а1:с11.

4.1.3. Программная система ГРИФ.

4.2. Программная реализация агоритмов и методик.

4.3. Оценка уровня рисков на типовом объекте хранения и утилизации боеприпасов.

4.4. Экспериментальная оценка разработанных агоритмов поиска РКР.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

Диссертация: введение по экономике, на тему "Разработка системы анализа рисков и поддержки принятия решений в управлении техногенно-опасным промышленным предприятием"

Актуальность работы

В Военной доктрине РФ в качестве одного из ведущих национальных приоритетов определен инновационный проект по созданию новых видов (высокоточных) боеприпасов и утилизации существующих боеприпасов и взрывчатых веществ (ВВ). С этих позиций промышленное предприятие утилизации (ППУ) представляет специфическую социально-экономическую систему, функционирование которой характеризуется исключительной сложностью- управления, абсолютным уровнем достоверности данных/результатов и комплексом разнообразных требований расчетно-диагностического, экспертно-аналитического, структурно-функционального характера к технологическому процессу (ТП)< утилизации. Исключительная* сложность управления ПТС в условиях неопределенности множества организационно-технических, технологических, природно-климатических, социальных и других слабоформализуемых факторов, совместно имеющих противоречивую и сложную систему отношений, обусловлена обязательным учетом различных неопределенностей и возникающих из них разнородных рисков в условиях недостатка времени на принятие решения.

С точки зрения лица, принимающего решение (ЛИР), важнейшими диагностируемыми источниками риска являются: высокая сложность этапов ТИ, значительные объемы и многомерность исходных, данных, обособленность или избыточность иерархических связей отдельных этапов, неравномерность загрузки по времени, отсутствие выделенных резервных ресурсов, нечеткое задание критериев к оценки рисковых событий, отсутствие мониторинга ТП с учетом пространственного и временного аспектов и др.

В1 этой связи успешная- деятельность ППУ связана с опережающим развитием и применением перспективных аппаратно-программных средств и систем комплексной^ оценки разнородных рисков. Для ППУ с явно выраженной социально-экономической, техногенной угрозой (химически-, энерго-, пожаро-, взрывоопасное, радиоактивное производства, утилизация и др.) задача упреждающего обнаружения и противодействия разнородным рискам рассматривалась частично, без учета характеристик внутренней среды (нормы производства, безопасности) и внешней среды (климатические условия, экономическая конъюнктура, развитие технологий).

Основополагающие принципы и структурно-параметрические подходы к созданию- подобных автоматизированных информационно-аналитических систем (ИАС) рассмотрены в работах A.B. Савельева, A.B. Каляева, Ю:Н. Мельникова, Б.П. Филина, В.М. Ченцова, О.И. Ларичева, И.И. Кузьмина и других ученых. В то же время, в силу общей направленности данных работ, в них вопросы синтеза моделей, разработки методов- и агоритмов!, для. обнаружения/техногенных рисков затрагивались частично.

Анализ известных подходов и моделей в них показал, что пока не существует теоретически и практически значимых вариантов для комплексного учета разнородных критических рисков (РКР). Существующие модели ограниченно учитывают иерархические подчиненности рисков, описания при- обобщении получаются громоздкими, при модификации описаний требуется, осуществлять верификацию всей системы. В? известных моделях частично учитываются временной критерий появления риска в ТП и разбегающийся след риск-фактора, что определяет проблемную ситуацию исследования.

Устранение данной объективной проблемной ситуации и объективно существующих причин порождения. РКР возможно путем создания метода и агоритмов их обнаружения в составе автоматизированных ИАС мониторинга рисков,на-основе модификации и расширения продукционных систем вероятностными1 оценками.

На основе вышеизложенного решение научно-технической задачи развития продукционных систем и инструментальных средств на их основе для обнаружения РКР в составе автоматизированных ИАС мониторинга рисков является, актуальной задачей, направленной на совершенствование управления промышленными объектами и отраслями экономики в целом.

Цель исследования Ч разработка системы поддержки принятия-решений продукционного типа для оперативного обнаружения разнородных критических рисков на промышленных предприятиях утилизации.

Объект исследования Ч процессы управления разнородными критическими (аварийными) рисками и процессы интелектуальной обработки данных сложной разнородной структуры.

Предмет исследования Ч разработанная система поддержки принятия решений и агоритмы структурно-вероятностного поиска, анализа и оценки разнородных критических рисков.

Для достижения поставленной цели в работе решены следующие научные задачи:

1. Формализация разнородных критических рисков при управлении промышленным предприятием утилизации, анализ методов управления рисками, определение ограничений существующих методов и выбор направления исследований.

2. Обоснование структурно-логического подхода к решению задачи обнаружения разнородных критических рисков и разработка стохастической продукционной системы обнаружения рисков для реализации системы, поддержки принятия решений (СППР).

3. Разработка метода обнаружения рисков и агоритмов поиска с итерационным заглублением в стохастических продукционных системах.

4. Разработка обобщенной структуры СППР обработки рисков и относительного показателя аналитической оценки рисков.

5. Экспериментальная проверка разработанных моделей и инструментальных средств обнаружения разнородных рисков на типовых технологических схемах промышленного предприятия.

Методы и математический аппарат исследования: методы, распознавания образов, оценки рисков, искусственного интелекта, теории графов, формальных грамматик, вероятностей и комбинаторного анализа, объектно-ориентированного проектирования и программирования.

Научная новизна работы заключается в следующем:

1. Создана информационная модель процесса утилизации опасных промышленных отходов, представляющая, собой информационный граф, с ненулевыми коэффициентами сужения.

2. Разработан класс стохастических продукционных систем с регулярными и контекстно-свободными правилами по классификации Хомского, позволяющий создавать дескриптивно поные и одновременно компактные описания РКР.

3. Разработан метод итерационного поиска с заглублением в графах, что позволило разработать базовый и улучшенный агоритмы тотального поиска на графах с ненулевыми коэффициентами, сужения, обеспечивающие повторные вхождения в части графа поиска с помощью, битового признака и минимаксного критерия предпочтения.

4. Определен состав- экспертной подсистемы СППР поиска рисков, особенностью которой является наличие замкнутого контура, состоящего из модулей обработки параметров рисков, с вычислением множества вариантов1 оценок на основе независимо работающих стратегий поиска с локальными рабочими памятями, что обусловливает обоснованное повышение* итоговой достоверности обнаружения аварийного риска.

5. Для оценки рисков* разработан минимаксный агоритм генерации и выбора потомка, особенность которого заключается в уточнении начальных экспертных значений вероятностей событий и минимаксной идентификации законов распределения РКР, что необходимо для обработки, различных социально-экономических объектов.

Практическая ценность работы заключается в разработке инструментальных средств СППР для работы с разнородными критическими рисками и информационной технологии обнаружения рисков в организационно-экономических и производственных схемах. При этом получены практически значимые результаты:

- повышена оперативность реализации общих процедур анализа альтернатив в графе риск событий на 24% при решении задачи обнаружения РКР за счет введения процедуры минимаксной вероятностной идентификации, позволяющей обоснованно выбрать из множества возможных рисков текущий потенциальный риск;

- разработан минимаксный агоритм идентификации, имеющий самостоятельное значение для обработки социально-экономических данных различной природы в условиях неопределенности (банковская деятельность, биржевые котировки, демографические данные и др.);

- создана методика комбинированного совмещения структурных и вероятностных оценок на графах с ненулевыми коэффициентами сужения, позволяющая повысить достоверность обнаружения рисков;

- разработана методика минимаксного моделирования РКР, новизна которой определяется введением в процесс имитационного моделирования этапов анализа вводимого графа ТП и минимаксной процедуры оценивания РКР, позволяющих получить оценки в условиях априорной неопределенности и недостатка времени.

Положения, выносимые на защиту:

1. Информационная модель техногенно-опасного процесса в виде графа с поным перечнем типов переходов между вершинами, лежащая в основе СППР.

2. Метод итерационного поиска рисков с заглублением.

3. Базовый и улучшенный агоритм поиска рисков с итерационным заглублением.

4. Минимаксный агоритм генерации поиска и выбора потомка.

Апробация и публикации. Основные положения работы докладывались и получили положительную оценку на I Всероссийской научно-технической конференции Информтех-2008 (г. Курск), 5 ' Международной научно-практической конференции Актуальные проблемы развития территорий и систем регионального и муниципального управления (г. Воронеж, ГОУ ВПО ВГПУ, 2010 г.) и (Курск, ГОУ ВПО КГТУ) в 2010 году и семинарах кафедр региональной экономики и менеджмента и программного обеспечения вычислительной техники ГОУ ВПО КГТУ. По теме диссертации опубликовано 8 печатных работ, в том числе 3 статьи в научных изданиях, входящих в Перечень ВАК Минобрнауки России.

Личный вклад автора. Все научные положения и результаты диссертационной работы получены автором самостоятельно. В работах, опубликованных в соавторстве, лично соискателем разработан структурно-лингвистический способ обработки структурно сложных объектов с пространственными атрибутами [1], вид продукции, расширенной вероятностными оценками для обработки рисков [2], общая структура автоматизированной системы распознавания рисков, включающая экспертную подсистему вывода рисков [3], стратегия управления рисками на основе агоритма с итерационным заглублением [4], идентификация РКР на основе минимаксного агоритма [5].

Структура и объем, работы. Диссертация* состоит из введения, четырех глав, заключения, приложений, списка использованной литературы (154 наименования). Текст диссертации включает 167 страниц, из них 152 страницы основного текста, 29 рисунков, 9 таблиц.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Семенов, Алексей Константинович

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе решена научно-техническая задача, имеющая важное народно-хозяйственное значение и заключающаяся в создании инструментальных средств СППР на основе развития продукционных систем и инструментальных средств на их основе для обнаружения РКР в составе автоматизированных информационно-аналитических систем мониторинга рисков. При этом получены следующие основные результаты:

1. Выпоненный в работе анализ методов формализации производственных процессов позволил формализовать производственный процесс утилизации техногенных отходов и построить информационную модель в виде графа, вершины которого имеют составную структуру в виде объединения работ, ограничений, агоритмов.

2. Выпонена формализация задачи поиска рисков с использованием теоретико-множественной!модели, оригинальным свойством которой является комбинация пространственно-временных атрибутоврисков.

3. Синтезирован класс стохастических продукционных систем с регулярными и контекстно-свободными. правилами по классификации Хомского, позволяющий^ создавать, дескриптивно поные и одновременно1 компактные описания РКР.

4. Разработан метод итерационного поиска рисков с заглублением, сущность которого сводится^ двум основным положениям:

Х достижение предельной величины заглубления приводит к отсечению части графа поиска;

Х сокращение длины пути в графе при наличии нерегулярных связей.

5. Разработаны базовый и улучшенный агоритмы поиска рисков с итерационным заглублением, при этом базовый агоритм допонен выбором приоритетного потомка на основе минимаксного агоритма генерации потомков, а в улучшенном агоритме введен битовый признак повторного вхождения, что в комбинации с минимаксным выбором приоритетной вершины позволяет обоснованно отсекать части пространств-без потери целевых вершин.

6. Разработана структура экспертной подсистемы в составе СППР для обнаружения рисков, с особой организацией её операционной части, включающей модули вывода рисков, расчетно-логического анализа, интерпретации и множество локальных рабочих памятей, ориентированной' на поиск и паралельную обработку РКР, что обеспечивает множественность прогнозов.

7. Разработана информационно-организационная структура агоритма в виде графа с обратными связями и тремя группами вершин (организационных, ресурсных, обрабатывающих), что позволяет получать количественную оценку пробного решения на основе предыстории вычислений, каталога риск-факторов и1 банка моделей и агоритмов анализа рисков.

8. Разработана методика минимаксного моделирования РКР с включением в процесс имитационного моделирования этапов анализа вводимого информационного графа ТП и минимаксной процедуры оценивания-РКР, что в результате позволяет получить оценки в условиях априорной неопределенности и недостатка временного ресурса.

9. Выпоненные имитационное моделирование и"апробация-на-практике предложенных агоритмов показали, что при решении типовых задач идентификации и оценки РКР реального уровня сложности для промышленных предприятий, применение предложенных моделей и агоритмов-.позволяет примерно в 3,7 раза сократить число анализируемых вариантов переборки в графе, обеспечивая быстроту работы СППР, что является критичным, в чрезвычайных ситуациях.

Диссертация: библиография по экономике, кандидат экономических наук , Семенов, Алексей Константинович, Москва

1. Автоматизированные системы управления предприятиями (методы создания). Справочное пособие / A.C. Гринберг, В.П. Колосков и др. М.: Энергия, 1978. 224 с.

2. Автоматизированные системы управления предприятиями/ В.Н.Четвериков, Г.Н.Воробьев и др. М.: Высш. шк., 1979. 303 с.

3. Автоматизированные системы управления предприятиями/ Н.А.Соломатин, А.И.Дударин и др. М.: Экономика, 1985. 248 с.

4. Автоматизированные системы управления предприятиями/ В.В. Брага, Л.А. Вдовенко и др. М.: Финансы и статистика, 1983. 263 с.

5. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998. 1022 с.

6. Акимов В. А., Воробьев Ю. Л., Фалеев М. И. Оценка и прогноз стратегических рисков России: постановка проблемы // Проблемы безопасности при чрезвычайных ситуациях. Вып. № 1, 2002 г., с 10Ч18.

7. Акимов В. А., Козлов К. А., Шахраманьян М. А. Оценка природной и техногенной безопасности России: теория и практика. Ч М.: ФИД Деловой экспресс, 1998. Ч 218 с.

8. Акимов В. А., Новиков В. Д., Радаев Н. Н. Природные и техногенные чрезвычайные ситуации: опасности, угрозы, риски. ЧМ.: ЗАО ФИД Деловой экспресс, 2001. Ч 344 с.

9. Андрейчиков A.B., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистика, 2000. 368 с.

10. Ахлюстин В. Н., Новиков Г. А., Щукин В. А. Возможный подход к прогнозам аварии в сложной технической системе // Безопасность труда в промышленности. 1992. № 6. С. 57Ч59.

11. Баканов М.И., Чернов В.А. Анализ коммерческого риска. // Бухгатерский учет, №6, 1995. с. 11-17.

12. Балабанов И.Т. Риск-менеджмент. Ч М.: Экономика, 1996. 290 с.

13. Баскаков В.В., Мелешко В.Ю., Мошкин A.C. Управление качеством ВВСТ на стадиях жизненного цикла. Учебник. Ч. I. М.: Министерство обороны РФ, 2006. 476 с.

14. Бачкаи Т., Месена Д. Хозяйственный-риск и методы его измерения. -М.: Экономика, 1989. 325 с.

15. Боков В.В., Забелин П.В., Федцов В.Г. Предпринимательские риски и их хеджирование в отечественной и зарубежной экономике. М.: Издательство ПРИОР, 1999. - 128 с.

16. Большаков A.C. Моделирование в менеджменте. М.: Релант, 2002.464 с.

17. Боровков A.A. Математическая статистика. М.:Наука,1984. 471 с.

18. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. 464 с.

19. Браун Дэвид Б. Анализ и разработка систем обеспечения техники безопасности: (системный-подход в технике безопасности) / Пер с англ. А.Н. Жовинского.- М.: Машиностроение, 1979. 360 с.

20. Браунли К.А. Статистическая теория и методология в науке и технике. М.: Наука, 1977.

21. Буренок В.М1, Ляпунов В.М., Мудров В.И. Теория и практика планирования и управления развитием вооружения / Под ред. А.М.Московского. Ч М.: Издательский дом Граница, 2005. -520с.

22. Ва, Б.У. ЭВМ для обработки символьной информации текст. / Ва, Лоурай М.Б., Гоцзе Ли. // ТИИЭР т.77 №4 1989. С.5-40.

23. Васильев, В.И. Распознающие системы Текст. / В.И. Васильев. Киев: Наукова думка, 1983.424 с.

24. Васильков Ю.В., Василькова H.H. Компьютерные технологии вычислений в математическом моделировании. М.: Финансы и статистика, 2002. 256 с.

25. Вентцель Е. С. Исследование операций. М.: Советское радио, 1972.Ч552 с.

26. Вишняков В.А. и др. Аппаратно-программные средства процессоров логического вывода. ЧМ.: Радио и связь, 1991. Ч 263 с.

27. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интелектуальных систем. -СПб.: Питер, 2001.-384 с.

28. Гаек Я., Шидак 3. Теория ранговых критериев. М.: Наука, 1971.375 с.

29. Геловани, В.А. Интелектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. / Геловани, Башлыков А.А., Бритков В.Б., Вязилов Е.Д.Ч М.: УРСС, 2001 -304 с.

30. Гиляровская Т.Н., Ендовицкий Д.А. Регулирование риска в догосрочном инвестировании. // Финансы, №8, 1997. с. 48-52.

31. ГлазуновВ.Н. Финансовый анализ и-оценка риска реальных инвестиций. -М.: Финстатинформ, 1997. Ч 135 с.

32. Голубков Е. П. Использование системного анализа в отраслевом планировании. Ч М.: Экономика, 1977. Ч 135 с.

33. Городецкий В., Карсаев О., Самойлов В. Обучение и объединение решений в задачах слияния данных. Труды Восьмой национальной конференции по искусственному интелекту с международным участием (КИИ'2002), том Л, стр. 102411, 2002.

34. Городецкий В., Скормин В.,Попьяк Л. Технология извлечения знаний из данных для предсказания отказов в аэрокосмических электронных системах. ШЕЕ Transactions on Aerospace and Electronic Systems, том 38, № 2, стр. 388-403, 2002.

35. Городецкий В.И., Котенко И.В. Командная работа агентов в антагонистической среде. Международная конференция по мягким вычислениям и измерениям (SMC'2002). Сборник докладов. Том 1. Санкт-Петербург, СПбГЭТУ, 2002. стр.' 259-262.

36. Городецкий, В.Самойлов, А.Малов. Технология обработки данных для извлечения знаний: Обзор состояния исследований. Новости искусственного интелекта, №№ 3-4, 2002.

37. Грабовый П.Г. и др. Риски в современном бизнесе. Ч М.: Алане, 1994. 237 с.

38. Грядов С.И. Риск и выбор стратегий в предпринимательстве. Ч М.: МСХА, 1994.-250 с.

39. Де Гроот М. Оптимальные статистические решения. М.: Мир, 1974. 491 с.

40. Дейвид Г. Порядковые статистики. М.: Наука, 1979. 336 с.

41. Дейкстра Э. Дисциплина программирования.-М.: Мир, 1978,-274 с.

42. Дейч А.М. Методы идентификации динамических объектов. М.: Энергия, 1979.

43. Джексон П. Введение в экспертные системы: Пер. с англ. : Уч. пособие М.: Изд. дом Вильяме, 2001. Ч 624 с.

44. Дилон Б., Сингх Ч. Инженерные методы обеспечения надежности систем. Ч М.: Мир, 1984. 318 с.

45. Довгаль В.М. Методы модификации формальных систем обработки символьной информации. Курск: КурскГТУ, 1996. - 114 с.

46. Друкер П. Управление, нацеленное на результаты: Пер.с англ. М.: Технологическая школа бизнеса, 1994. С. 13-40.

47. Дубров A.M., Лагоша Б.А., Хрусталев Е.Ю. Моделирование рисковых ситуаций в экономике и бизнесе. М.: Финансы и статистика, 1999. Ч 176 с.

48. Евланов Л. Г. Теория и практика принятия решений. Ч М.: Экономика, 1984. 176 с.

49. Забелин Л.В., Гафиятулин Р.В., Мелешко В.Ю., Поник А.Н. Основы промышленной технологии утилизации крупногабаритных твердотопливных зарядов. -М.: Недра-Бизнесцентр, 2004. -226с.

50. Загоруйко, Н.Г. Прикладные методы анализа данных и знаний Текст. / Н.Г. Загоруйко. Новосибирск: Изд-во Института математики, 1999. 270 с.

51. Иган Дж. Теория-обнаружения сигналов и анализ рабочих характеристик. М.: Наука, 1983. 216 с.

52. Измаков А. В., Бодриков О. В. Методологические основы управления риском и безопасностью населения и. территорий // Проблемы безопасности при чрезвычайных.ситуациях. Вып. 1. ЧМ.: 1997. С. 48Ч62.

53. Исследование систем управления. / И.И. Архипова, В.В. Кульба, С.А. Косяченко, Ф.Ю. Чанхиева. М.: Изд-во ПРИОР, 2002. 384 с.

54. Карданская Н.Л. Основы принятия управленческих решений. М.: Русская Деловая. Литература, 1998. -288 с.

55. Карданская Н.Л: Основы принятия, управленческих решений. М.: Русская Деловая Литература, 1998. 288 с.

56. Катовник В.Я: Непараметрическая идентификация и сглаживание данных: метод локальных аппроксимаций. М.: Наука, 1985. 336 с.

57. Кендал,М. Ранговые корреляции. Статистика. М., 1975. 216 с.

58. Кендал М., Стьюарт А: Статистические выводы и связи. М.: Наука, 1973. 900 с.

59. Кендал М., Стьюарт А. Теория распределений. М.: Наука, 1966.

60. Клейнер Г.Б. Риски промышленных предприятий. // Российский экономический журнал, №5-6, 1994. с. 85-92.

61. Клейнер Г.Б., Тамбовцев B.JL, Качалов P.M. Предприятие в нестабильной экономической среде: риски, стратегии, безопасность. Ч М.: Экономика, 1997.-210 с.

62. Кнут, Д.Э. Семантика контекстно-свободных языков Текст. / Д.Э. Кнут// Семантика языков программирования. М.: Мир, 1980. С. 137-161.

63. Князевская Н.В., Князевский B.C. Принятие рискованных решений в экономике и бизнесе. М.: Контур, 1998. - 160 с.

64. Коган М.М. Решение обратных задач минимаксного и минимакс-но-робастного управлений. // Автоматика, и телемеханика, №3, 1998. с. 8797.

65. Коган М.М. Решение обратных задач о наихудшем возмущении и минимаксном управлении для линейных непрерывных систем. // Автоматика и телемеханика, №4, 1997. с. 22-30.

66. Козлов В.А. Открытые информационные системы. М.: Финансы и статистика, 1999. 244 с.

67. Кокс Д., Хинкли Д. Теоретическая статистика. М.: Мир, 1978.516с.

68. Коломина М.Е. Сущность и измерение инвестиционных рисков. // Финансы, №4, 1994. с. 35-42.

69. Комплексная1 утилизация'обычных видов боеприпасов: Сборник докладов. -М.: Издательский дом Оружие и технологии, 2007. 328 с.

70. Косенко Г.Г. Критерии информативности при различении сигналов. М.: Радио и связь, 1982. 216 с.

71. Котенко И.В. Восстановление формальных грамматик, задающих сценарии компьютерных атак, по прецедентам. Международный научно-теоретический журнал "Искусственный интелект". 2002.

72. Котенко И.В., Боговик А.В., Ковалев И.С. и др. Теория управления в системах военного назначения. Учебник. Под редакцией И.В.Котенко. МО РФ, 2002.312 с.

73. Кузнецов B.E. Представление в ЭВМ неформальных процедур: продукционные системы / с поел. Д.А. Поспелова. Ч М.: Наука. Гл. ред. физ.-мат. лит. 1989. (Проблемы искусственного интелекта) - 160 с.

74. Кузьмин И. И. Безопасность и техногенный риск: системно-динамический подход // Журн. Всесоюзн. хим. общества им. Д. И. Менделеева Т. 35. 1990. №4. С. 15-20.

75. Кузьмин И. И., Шапошников Д. А. Концепция безопасности: от риска нулевого Ч к приемлемому// Вестник РАН. Т. 64. 1994. № 11 С. 402-408.

76. Кульбак С. Теория информации и статистика. М.: Наука, 1967.408с.

77. Куцык, Б.С. Структура данных и управление Текст. / Б.С. Куцык. М.: Наука, 1975. 654 с.

78. Лабскер Л.Г. Вероятностное моделирование в финансово-экономической области. М.: Альпина, 2002. 224 с.

79. Лапуста М.Г., Шаршукова Л.Г. Риски в предпринимательской деятельности. М.: ИНФРА-М, 1998. - 224 с.

80. Ларичев О. И. Проблемы принятия решений с учетом факторов риски и безопасности // Вестник АН СССР. 1987. № 11. С. 38-45.

81. Леман Э. Проверка статистических гипотез. М.: Наука,1979: 408 с.

82. Лукасевич И .Я. Методы анализа рисков, инвестиционных проектов. // Финансы, №9, 1998. с. 42-51.

83. Лукасевич И.Я. Моделирование процессов анализа финансового положения предприятий в условиях рынка. // Финансы, №3, 1993. с. 49-52.

84. Лукин A.B. Сущность, основные понятия и. особенности космических рисков. // Финансы, №6, 1998. с. 13-24.

85. Льюис, П. Теоретические основы проектирования компиляторов / П. Льюис, Д. Розенкранц, Р. Стирнз // Ml: Мир, 1979. 654 с.

86. Льюис, П. Атрибутные трансляции Текст. / П. Льюис, Д. Розенкранц, Р. Стирнз // Семантика языков программирования. М.: Мир, 1980. 278с.

87. Макшанов A.B., Мусаев A.A. Минимаксные методы статистического синтеза информационных систем. МО СССР; 1983. 65 с.

88. Маренков, Н.Л. Антикризисное управление Текст. / Н.Л. Марен-ков // Ростов: Феникс, 2004. 222 с.

89. Мартыщенко Л.А. и др. Проверка1 гипотез о виде закона распределения по малошвыборке. МО СССР, 1989: 34' с.

90. Мартыщенко Л.А., Злотников<К.А.,.Кивалов* А.Н. Идентификация-закона распределения по малой выборке. МО СССР, 1991. 32 с.

91. Мацеевич-Б.В. О концепции утилизации обычных видов боеприпасов //В сб. докладов У1 МНТК Комплексная утилизация обычных видов боеприпасов.-М: Оружие и технологии, 2005. С.14-24.

92. Мишенин А'.И. Теория экономических информационных систем. М.: Финансы и статистика, 2001. 240 с.

93. Многомерный статистический анализ в экономике / Л.А. Сошни-кова, В.Н. Тамашевич, Г. Уебе, М. Шеффер. М.: ЮНИТИ-ДАНА, 1999. 598 с.

94. Наумов П.Н. Основные тенденции в организации работ по утилизации ВВТ и боеприпасов в Российской Федерации // В сб. докладов МНТК Утилизация-2005. Красноармейск, 2005. С.8-11.

95. Онищенко В. Я. Классификация и сравнительная оценка факторов-риска // Безопасность труда в промышленности. 1995. № 7. С. 23Ч27.

96. Петухов Г.Б. Основы, теории эффективности, целенаправленных процессов. Ч. 1. Л.: МО СССР, 1989. 660 с.

97. Петухов Г.Б., Белоконь Н.К. Методы теории стохастической индикации в исследовании операций и прикладной кибернетике. Л.: ВИКИ, им. А.Ф: Можайского; 1987. 191 с.

98. Процент А. Н. Региональная безопасность: концептуальные принципы управления, и основные направления их реализации // Проблемы безопасности при чрезвычайных ситуациях. Вып. 11. М.: 1996. С. 3Ч26

99. Прядко, Т.В. Проблема управления рисками инновационного про-1 екта текст./ Т.В: Прядко, С.Г. Емельянов, А.И. Захаренков// Проблемы, развития инновационной-деятельности в современных условиях: сб. науч. тр: -Курск. 2006. - №1. С. 28-31.

100. Райбман Н.С. Что такое идентификация. М:, Наука, 1970. 121 с.111: Райе Т., Койли Б; Финансовые инвестиции и риск. Ч Киев: ВН, 1995.-241 с.

101. Рельян ЯР. Аналитическая основа принятия управленческих решений. М;: Финансы и статистика, 1989. 397 с.

102. Репин В.Г.,Тартаковский Г.П. Статистический;,синтез при априорной неопределенности и адаптация информационных систем. М.: Сов.радио, 1977.432 с.

103. Риск как точная наука // Наука и жизнь. 1991. № 3. С. 2-Ч5, 59-Ч641

104. Рыжков. Ф. Н., Томаков В. И. Надежность технических систем и управление риском: Учебное пособие / Курский государственный технический университет. Курск, 2000. - 346 с.

105. Самойлов В.В: Системы, объединения данных из разных источников: Принципы реализации и архитектура обработки данных для обучения систем принятия решений. Принята к публикации в Трудах СПИИРАН, № 1, 2002.

106. Севастьянов Б.А. Теория ветвящихся процессов Текст. / Б.А. Севастьянов//Успехи математических наук. 1970. 7.

107. Сейдж Э., Меле Дж. Теория оценивания и ее применение в связи и управлении. М.: Связь, 1976. 496 с

108. Семенов А.К. Минимаксная идентификация производственных рисков промышленного предприятия текст./ А.К. Семенов // Объединенный; научный журнал М. Изд-во ООО АНП. 2009. №1 - С. 74-90.

109. Семенов А.К., Структурно-лингвистический метод и автоматизированная система распознавания рисков текст./ А.К. Семенов, Малюк C.B., Мудрик В.Ю.// Информационно-измерительные и управляющие системы -М.: Изд-во Радиотехника, 2008 №10, т.6 - С. 21-24.

110. Синько В.И. Оценка экономических рисков. // Машиностроитель, №9, 1995. с.1-10.

111. Смирнов Н.В. Теория вероятностей и математической статистики. М.: Наука, 1970. 290 с.

112. Современные методы идентификации систем / Под ред. П.Эйкхоффа. М.: Мир, 1970. 290 с.

113. Статические и динамические экспертные системы. / Э.В. Попов и др. М.: Финансы и статистика, 1996. - 319 с.

114. Сулицкий В.Н. Методы статистического анализа в управлении. М.: Дело, 2002. 560 с.

115. Сыздыков Д.Ж., Юсупов P.M. Идентификация технических объектов. Ама-ата, 1994. 227 с.

116. Таненбаум Э.Распределенные системы. Принципы и парадигмы. СПб.: Питер, 2003. 877 с.

117. Taxa X. Введение в исследование операций. М.: Издательский дом Вильяме, 2001. 912 с.

118. Томаков В. И. Прогнозирование техногенного риска с помощью Деревьев отказов: Учебн. пособие / Курск, гос. техн. ун-т. Курск, 1997. Ч 99 с.

119. Ту Дж., Гонсалес Р. Принципы распознавания образов: Пер. с англ. / Под ред. Р. И. Журавлева. М.: 1978. Ч 411 с.

120. Ту Ю. Современная теория управления / Пер. с англ. Я.Н. Гибаду-лина; Под ред. В.В.Солодовникова. М.: Машиностроение, 1971. 472 с.

121. Турусина А. О концепции управления предпринимательским риском. // Российский экономический журнал, №5-6, 1996.

122. Тьюки Дж. Анализ результатов измерений. М.: Мир, 1981. 693 с.

123. Успенский В.А., Семенов A.A. Теория агоритмов: основные успехи и достижения. -М.: Наука, 1987. 288 с.

124. Фомин Г.П. Математические методы и модели в коммерческойIдеятельности. М.: Финансы и статистика, 2001. 544 с.

125. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. 264 с.

126. Формальные грамматики и их применение в распознавании образов Текст. / О.И. Атакищев, А.П. Воков, Ф.А Старков, B.C. Титов ; Курск, гос. техн. ун-т. Курск, 2000. 115 с.

127. Фридмен М., Сэведж JI. Анализ выбора в условиях риска. // Рос' сийский экономический журнал, №9, 1993. с. 51-59.

128. Фу, К. Структурные методы в распознавании образов Текст. / К. Фу. М.: Наука, 1977. 273 с.i

129. Хастингс И., Пикок Дж. Справочник по статистическим распределениям. М.: Статистика, 1980. 95 с.

130. Хенли Э. Дж., Кумамото X Надежность технических систем и оценка риска / Пер. с англ. Сырормятникова C.B., Г. С. Деминой; под общ.ред. B.C. Сыроиятникова. М.: Машиностроение, 1984. - 528 с.

131. Хеттманспергер X. Статистические выводы, основанные на рангах. М.: Финансы и статистика, 1987. 334 с.

132. Химмельблау Д. Анализ процессов статистическими методами. М.:1. Мир, 1973. 957 с.

133. Хохлов Н.В. Управление риском. М.: ЮНИТИ-ДАНА, 1999.239 с.

134. Хьюз, Д. Структурный подход к программированию Текст. / Д. Хьюз, Д. Мичток. М.: Мир, 1980. 278 с.1 i

135. Цай Т.Н., Грабовый П.Г., Марашда Бассам Сайел. Конкуренция и управление рисками на предприятиях в условиях рынка. // М.: Экономика, 1997.-310 с.

136. Чалый-Прилуцкий В.А. Рынок и риск.-М.: Экономика, 1994.-160 с.

137. Чернов В.А. Анализ коммерческого риска. М.Экономика, 1998.205 с.

138. Чрезвычайные ситуации: статистика и анализ. Доклад МЧС России за 1993 год // Гражданская зашита. 1994. № 3. С. АЧ7.

139. Шахраманьян М. А., Ларионов В. И., Нигметов Г. М. и др. Комплексная оценка риска от чрезвычайных ситуаций природного и техногенного характера // Безопасность жизнедеятельности. 2001. № 12. С. 8Ч14

140. Шориков А.Ф. Агоритм решения задачи апостериорного минимаксного оценивания состояний дискретных динамических систем. // Автоматика и телемеханика, № 3, 1996. с. 67-81.

141. Эйкхофф П. Основы идентификации систем управления / Под ред. Н.С.Райбмана. М.: Мир, 1975. 690 с.1 153

Похожие диссертации