Анализ семантической информационной модели

Анализ семантической информационной модели включает [1, 4]:

• — формирование функций влияния факторов на состояния объекта управления, информационных портретов будущих состояний ПКР и семантических портретов факторов;
• — кластерно-конструктивный анализ будущих состояний ПКР и факторов среды и управления, влияющих на ПКР, генерацию и отображение в графической форме семантических сетей и когнитивных диаграмм будущих состояний ПКР и факторов.

Исследование устойчивости управления и работы ПКР

Понятия устойчивости управления и работы. В соответствии с [1] управление ПКР будем считать устойчивым, если он слабо реагирует на сверхмалые и малые значения факторов. Неустойчивость управления проявляется в неадекватно-сильном реагировании ПКР на сверхмалые и малые значения факторов. Устойчивость системы управления предполагает, что близкие по значению воздействия фактора вызывают переход объекта управления в близкие состояния. Этот параметр характеризует систему управления в целом, включая управляющую систему, объект управления и окружающую среду.

Устойчивость работы ПКР — это разумно ограниченное, даже слабое реагирование на большие по величине действующие факторы, в т. ч. неблагоприятные. Неустойчивость работы ПКР проявляется в существенном нарушении стабильности и ухудшении его основных показателей при сверхсильных воздействиях. Устойчивость работы означает сохранение приемлемого состояния объекта управления при всех, в т. ч. сверхсильных внешних воздействиях окружающей среды. Этот параметр характеризует свойство объекта управления сохранять функционирование на приемлемом уровне в условиях значительных неблагоприятных воздействий окружающей среды. устойчивость перерабатывающий кластерный когнитивный.

функций влияния факторов на будущие состояния ПКР:

• 1. Устойчивые как по управлению, так и работе (плавный куполообразный вид функции влияния с высокой или средней правой частью).
• 2. Устойчивые по управлению, но неустойчивые по работе (плавный куполообразный вид функции влияния с низкой правой частью).
• 3. Устойчивые по работе, но неустойчивые по управлению («зигзагообразный» вид функции влияния с высокой или средней правой частью).
• 4. Неустойчивые по управлению и по работе («хаотические» или «зигзагообразные» функции влияния с низкой правой частью).

Будем называть эти функции влияния, соответственно, функциями первого, второго, третьего, и четвертого родов. Примеры всех типов функций приведены в таблице 1 на рисунках 3, 4, 5 и 6.

Таблица 1. Классификация функций влияния факторов на состояния объекта управления.

При этом по виду функций влияния выявляются факторы и состояния ПКР, по которым наблюдается высокая степень устойчивости управления и (или) работы, и по которым она отсутствует.

Каждая опорная точка на графиках снабжена числом и вертикальным интервалом, которые отражают вклад данного значения фактора в детерминацию конкретного состояния объекта управления. Это в определенной мере является аналогом доверительного интервала в СК-анализе [4]. Число означает процент количества информации от теоретически максимально возможного, который мы получаем из факта действия данного значения фактора о переходе объекта управления в данное состояние. Вертикальный интервал тем меньше, чем выше степень детерминации.

На основе этой информации делаются содержательные экономические выводы и вырабатываются научно обоснованные рекомендации по принятию управленческих решений, направленных на повышение устойчивости работы перерабатывающего комплекса региона.

Рис. 7. Влияние среднего удоя от одной коровы на производство продукции на предприятиях АПК, млн. руб.

Это простой и наиболее очевидный случай, который легко интерпретируется: повышение удоя приводит к увеличению производства продукции на перерабатывающих предприятиях за счет роста производства молокозаводов. Результат, однако, интересен тем, что рост удоев может сопровождаться одновременным снижением поголовья молочного стада и общим уменьшением производства цельного молока.

Рис. 8. Влияние увеличения доли энергоносителей в себестоимости производства продукции АПК, млн. руб.

При анализе данной функции обращает на себя внимание резкое снижение объемов производства продукции АПК при высокой и очень высокой долях энергоносителей в себестоимости сельскохозяйственной продукции. По-видимому, это связано с потерей экономической заинтересованности производителей в своей деятельности, если, реализовав произведенную продукцию на рынке, они едва могут окупить топливо, затраченное на ее производство (естественно, при ограниченной рынком цене). Рост уровня производства сельскохозяйственной продукции при увеличении доли энергоносителей в ее себестоимости происходит от очень низкого до низкого. Вид функции с явным максимум при низкой доле энергоносителей в себестоимости свидетельствует о том, что этот уровень является оптимальным, а средний — приемлемым. Однако очевидно и то, что при использовании экономических и законодательных рычагов, а также таможенного регулирования необходимо не допустить большего увеличения доли энергоносителей в себестоимости продукции.

Характерно, что аналогичный вид имеет функция влияния доли энергоносителей в себестоимости по различным видам продукции АПК, например, в мукомольно-крупяной и комбикормовой промышленности (рис. 9).

Рис. 9. Влияние увеличения доли энергоносителей в себестоимости продукции на объем производства продукции АПК, млн. руб.

Рис. 10. Влияние увеличения цены реализации птицы на производство продукции перерабатывающими предприятиями АПК, % к предыдущему году

На рисунке 10 представлена классическая кривая, показывающая, что существует оптимальная цена, около которой и надо пытаться балансировать, т.к. очень низкая цена не стимулирует производителей, а очень высокая — приводит к снижению объема реализации из-за ограниченной покупательской способности населения.

стояний объекта управления.

Для генерации информационных портретов классов, соответствующих будущим состояниям, формируется задание (табл. 2).

Таблица 2. Задание на генерацию информационных портретов классов распознавания В универсальной когнитивной аналитической системе «Эйдос» реализован удобный пользовательский интерфейс, позволяющий быстро сформировать подобное задание. В задании, представленном в таблице 2, диапазоны кодов классов заданы таким образом, чтобы в информационных портретах содержались данные по перерабатывающему комплексу региона, а диапазоны кодов признаков так отражали детерминацию состояний определенных групп факторов, характеризующих, например, структуру себестоимости или цены реализации. В качестве примера приведем несколько информационных портретов (табл. 3−6).

Таблица 3. Информационный портрет класса распознавания Таблица 4. Информационный портрет класса распознавания.

Таблица 5. Информационный портрет класса распознавания.

Таблица 6. Информационный портрет класса распознавания Информационные портреты могут быть представлены и в графической форме (рис. 11).

Эти информационные портеры можно интерпретировать таким образом, что по опыту работы перерабатывающих предприятий АПК Краснодарского края в 1995;2002 годах при представленных на них структурах себестоимости продукции получались соответствующие итоговые результаты деятельности перерабатывающего комплекса и АПК в целом. Следовательно, можно сделать выводы о желательной и нежелательной структурах себестоимости.

В то же время необходимо отметить, что АПК региона представляет собой чрезвычайно сложную и самосогласованную систему, в которой ни одно звено нельзя рассматривать отдельно от другого. К оптимизации тех или иных подсистем АПК необходимо подходить осторожно, одновременно исследуя, как меры по оптимизации одних подсистем приведут к изменению других.

Рис. 11. Информационные портреты некоторых классов с фильтрами по факторам (структура себестоимости сельхозпродукции)

Это означает, что некоторые желательные состояния отдельных подсистем АПК детерминируются несовместимыми системами факторов и одновременно не реализуются, т. е. являются антагонистическими. Другие же вполне могут быть достигнуты одновременно, т. е. образуют коалицию. Следовательно, если мы оптимизируем одну из антагонистических подсистем АПК, то другую тем самым «загоняем» в очень неблагоприятные для нее условия. Следовательно, оптимизация АПК, как и политика, во многом является искусством компромисса.