Нейромережева модель для ефективності прийняття управлінських рішень на машинобудівному підприємстві

Abstract

Ткачова Т.С. Нейромережева модель для ефективності прийняття управлінських рішень на машинобудівному підприємстві. Стаття присвячена дослідженню ефективної роботи машинобудівного підприємства, за допомогою побудови нейромережевої моделі складного динамічного об’єкту для прийняття управлінських рішень. Розглянуто основні проблеми розробки механізмів прийняття управлінських рішень на підприємстві. Саме підходи до моделювання ситуаційного механізму для прийняття управлінських рішень на підприємстві дозволить підвищити ефективність роботи самого підприємства та значно поліпшить прийняття тих чи інших рішень за допомогою штучних нейронних мереж. Аналіз особливостей інституціонального середовища корпоративних взаємодій у вітчизняному машинобудуванні дозволив встановити, що нова конкурентна модель ринку посилює зацікавленість приватних власників машинобудівних активів, а також кінцевих споживачів в ефективному функціонуванні саме промислових підприємств, які виконують на ринку специфічні інфраструктурні функції. Встановлено, що зросла невизначеність різних виробничих ситуацій, які виникають на промислових підприємствах, викликають необхідність прийняття керівниками ризикованих рішень, що сприяє більш широкому поширенню імовірнісних методів в системі управління процесами, вимагає більш ретельного відбору і аналізу виробничої інформації. У зв’язку з цим, дуже актуальні вивчення різних форм і факторів економічної невизначеності, розробка методів управління в умовах зростаючої нестабільності економічного середовища, дослідження шляхів досягнення стійкості в такій складній і невизначений обстановці. Невизначена обстановка є набором розрізнених даних, які представлені у вигляді тексту, таблиць, графіків, рисунків, тощо. Для роботи з великим об’ємом даних з невизначеними параметрами або відсутністю деяких параметрів доцільно використовувати штучні нейронні мережі (ШНМ). Нейромережеві структури використовують апроксимацію нелінійного оператора перетворення вхідних сигналів у вихідні деякою системою базисних функцій. При цьому досліджуваний об’єкт представляється у вигляді ШНМ, що містить кілька шарів, кожен з яких складається з певної кількості нейронів. Наявність в структурі ШНМ нейронів з нелінійної функцією активації дозволяє ефективно використовувати їх для апроксимації складних нелінійних залежностей, що пов’язують вхідні і вихідні параметри досліджуваного об’єкта.

Т.С. Ткачёва. Нейросетевая модель для эффективности принятия управленческих решений на машиностроительном предприятии. Статья посвящена исследованию эффективной работы машиностроительного предприятия с помощью построения нейросетевой модели сложного динамического объекта для принятия управленческих решений. Рассмотрены основные проблемы разработки механизмов принятия управленческих решений на предприятии. Именно подходы к моделированию ситуационного механизма для принятия управленческих решений на предприятии позволят повысить эффективность работы самого предприятия и значительно улучшит принятия тех или иных решений с помощью искусственных нейронных сетей. Анализ особенностей институциональной среды корпоративных взаимодействий в отечественном машиностроении позволил установить, что новая конкурентная модель рынка усиливает заинтересованность частных владельцев машиностроительных активов, а также конечных потребителей в эффективном функционировании именно промышленных предприятий, выполняющих на рынке специфические инфраструктурные функции. Установлено, что выросла неопределенность различных производственных ситуаций, возникающих на промышленных предприятиях, которые вызывают необходимость принятия руководителями рискованных решений, что способствует более широкому распространению вероятностных методов в системе управления процессами, требует более тщательного отбора и анализа производственной информации. В связи с этим, актуальным является изучения различных форм и факторов экономической неопределенности, разработка методов управления в условиях растущей нестабильности экономической среды, исследования путей достижения устойчивости в такой сложной и неопределенной обстановке. Неопределенная обстановка представляет собой набор разрозненных данных в виде текста, таблиц, графиков, рисунков и т. п. Для работы с большим объемом данных с неопределенными параметрами или отсутствием некоторых параметров целесообразно использовать искусственные нейронные сети (ИНС). Нейросетевые структуры используют аппроксимацию нелинейного оператора преобразования входных сигналов в выходные некоторой системой базисных функций. При этом исследуемый объект представляется в виде ИНС, содержащий несколько слоев, каждый из которых состоит из определенного количества нейронов. Наличие в структуре ИНС нейронов с нелинейной функцией активации позволяет эффективно использовать их для аппроксимации сложных нелинейных зависимостей, связывающих входные и выходные параметры исследуемого объекта

T. Tkachova. Neural network model for efficiency of management decisions at a machine-building enterprise. The subject of research is the use of neural network modeling to increase the efficiency of management decisions in the machine-building enterprise. The purpose of the article is deepening theoretical and methodological approaches to the use of neural network modeling methods for the effectiveness of management decisions in the machine-building enterprise. The methodological basis of the study. The theoretical basis of the study is based on the methodology of strategic enterprise management and approaches to building an organizational and communication platform of industrial enterprises. Economic and mathematical modeling is performed using descriptions of nonlinear dynamic objects - the Volterra model and its variants - the Hammerstein and Wiener models. Results. The article is devoted to the study of the effective operation of a machine-building enterprise, by building a neural network model of a complex dynamic object for management decisions. The main problems of developing mechanisms for making management decisions at the enterprise are considered. It is the approaches to modeling the situational mechanism for making management decisions in the enterprise will increase the efficiency of the enterprise and significantly improve the decision-making with the help of artificial neural networks. Analysis of the peculiarities of the institutional environment of corporate interactions in the domestic engineering industry revealed that the new competitive market model increases the interest of private owners of machine-building assets, as well as end users in the efficient operation of industrial enterprises that perform specific infrastructure functions. However, the increased uncertainty of the various production situations that arise in industrial enterprises, necessitate the adoption of risky decisions by managers, which contributes to the wider spread of probabilistic methods in the process management system, requires more careful selection and analysis of production information. In this regard, it is very important to study various forms and factors of economic uncertainty, the development of management methods in conditions of growing instability of the economic environment, the study of ways to achieve stability in such a complex and uncertain environment. An uncertain situation is a set of disparate data that is presented in the form of text, tables, graphs, figures, and so on. It is advisable to use artificial neural networks (ANN) to work with large amounts of data with undefined parameters or the absence of some parameters. Neural network structures use the approximation of a nonlinear operator to convert input signals to output by some system of basic functions. The test object is presented in the form of ANN, containing several layers, each of which consists of a certain number of neurons. The presence in the structure of the ANN of neurons with a nonlinear activation function allows them to be effectively used to approximate complex nonlinear dependences that connect the input and output parameters of the object under study.