Научный журнал Байкальского государственного университета
System Analysis &
Mathematical Modeling
Издается с 2019 года
Menu
РусскийEnglish

Информация о статье

Название статьи:

Нечёткие модели в алгоритмах производственного и финансового менеджмента

Авторы:
Родионов А.В., кандидат технических наук, доцент, заведующий кафедрой математических методов и цифровых технологий, Байкальский государственный университет, 664003, Российская Федерация, г. Иркутск, ул. Ленина, 11, avr-v@yandex.ru,

Чупров С.В., доктор экономических наук, профессор, профессор кафедры менеджмента и сервиса, Байкальский государственный университет, 664003, Российская Федерация, г. Иркутск, ул. Ленина, 11, ChuprovSV@yandex.ru
В рубрике:
МАТЕМАТИЧЕСКИЕ НАУКИ
Год: 2026 Том: 8 Номер журнала: 2
Страницы: 256-271
Тип статьи: Научная статья
УДК: 004.89, 005.4
DOI: 10.17150/2713-1734.2026.8(2).256-271; EDN: RDPYQB
Аннотация:
В статье представлен аналитический обзор развития теории нечётких множеств и её приложений в задачах производственного и финансового менеджмента. Показаны методологические предпосылки использования нечётко-множественной формализации при описании сложных социально-экономических систем и процессов принятия решений в условиях неполной, слабо структурированной и лингвистически заданной информации. Прослежена эволюция нечётких моделей от базовых построений Л.А. Заде до современных гибридных нейро-нечётких систем, интегрируемых с методами машинного обучения и глубокого обучения. Систематизированы ключевые направления применения нечётких моделей в менеджменте: описание поведения и классификация производственных систем, анализ финансово-экономических процессов, поддержка принятия решений, нечёткая оптимизация производственного планирования, экспертные и интеллектуальные системы. Показано, что наибольшая эффективность нечётких моделей проявляется в задачах, где наряду с количественными показателями существенную роль играют экспертные оценки, лингвистические переменные и трудно формализуемые ограничения. В качестве перспективных направлений выделены глубокие нейро-нечёткие архитектуры, предиктивное обслуживание, цифровые двойники и интеграция нечёткой логики в системы объяснимого искусственного интеллекта.
Ключевые слова: искусственный интеллект, лингвистическая переменная, нечёткое множество, нечёткая логика, нечёткая модель, нечёткая оптимизация, нейро-нечёткая система, менеджмент
Скачать полный текст статьи
Список цитируемой литературы:
  • Zadeh L.A. Fuzzy Sets / L.A. Zadeh // Information and Control. - 1965. - Vol. 8. - P. 338-353.
  • Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л.А. Заде. - Москва : Мир, 1976. - 165 с.
  • Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений / Л.А. Заде // Математика сегодня. - Москва : Знание, 1974. - С. 5-49.
  • Моисеев Н.Н. Предисловие / Н.Н. Моисеев, Ю.Б. Гермейер // Математика сегодня. - Москва : Знание, 1974. - С. 3-5.
  • Заде Л.А. Размытые множества и их применение в распознавании образов и кластер-анализе / Л.А. Заде // Классификация и кластер. - Москва : Мир, 1980. - С. 208-247.
  • Чупров С.В. Типология производственных систем при нечётких представлениях о степени однородности и регулярности их деятельности / С.В. Чупров // Экономические проблемы научно-технического прогресса в машиностроении : сб. науч. тр. - Иркутск, 1988. - С. 150-156.
  • Елисеева И.И. Группировка, корреляция, распознавание образов (Статистические методы классификации и измерения связей) / И.И. Елисеева, В.О. Рукавишников. - Москва : Статистика, 1977. - 143 с. - EDN TLVAKX.
  • Чупров С.В. Формирование плана производства машиностроительного предприятия в размытых ограничениях / С.В. Чупров // Роль научно-технического прогресса в интенсификации машиностроения области : тез. докл. - Иркутск, 1987. - С. 18-19.
  • Лукасевич И.Я. Моделирование процессов анализа финансового положения предприятий в условиях рынка / И.Я. Лукасевич. - EDN SBHKYT // Финансы. - 1993. - № 3. - C. 49-52.
  • Недосекин А.О. Нечётко-множественный анализ рисков фондовых инвестиций / А.О. Недосекин. - Санкт-Петербург, 2002. - 181 с.
  • Bellman R.E. Decision-Making in a Fuzzy Environment / R.E. Bellman, L.A. Zadeh // Management Science. - 1970. - Vol. 17, no. 4. - P. 141-164.
  • Негойцэ К. Применение теории систем к проблемам управления / К. Негойцэ: пер. с англ. - Москва : Мир, 1981.- 182 с.
  • Ринкс Д.Б. Эвристический подход к обобщённому календарному планированию производства с использованием лингвистических переменных: методология и применение / Д.Б. Ринкс // Нечёткие множества и теория возможностей. Последние достижения : сб. статей / под ред. Р.Р. Ягера. - Москва, 1986. - С. 349-370.
  • Мельцер М.И. Диалоговое управление производством (модели и алгоритмы) / М.И. Мельцер. - Москва : Финансы и статистика, 1983. - 240 с.
  • Нечёткие множества в моделях управления и искусственного интеллекта / А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун [и др.]; под ред. Д.А. Поспелова. - Москва : Наука, 1986. - 312 с.
  • Обработка нечёткой информации в системах принятия решений / А.Н. Борисов, А.В. Алексеев, Г.В. Меркурьева [и др.]. - Москва : Радио и связь, 1989. - 304 с.
  • Борисов А.Н. Принятие решений на основе нечётких моделей: Примеры использования / А.Н. Борисов, О.А. Крумберг, И.П. Федоров. - Рига : Зинатне, 1990. - 184 с.
  • Алиев Р.А. Управление производством при нечёткой исходной информации / Р.А. Алиев, А.Э. Церковный, Г.А. Мамедова. - Москва : Энергоатомиздат, 1991. - 240 с.
  • Баканов М.И. Теория экономического анализа / М.И. Баканов, А.Д. Шеремет. - 4-е изд. - Москва : Финансы и статистика, 1997. - 414 с.
  • Андрейчиков А.В. Анализ, синтез, планирование решений в экономике / А.В. Андрейчиков, О.Н. Андрейчиков. - Москва : Финансы и статистика, 2000. - 368 с.
  • Орлов А.И. Задачи оптимизации и нечёткие переменные / А.И. Орлов. - Москва : Знание, 1980. - 64 с.
  • Орловский С.А. Проблемы принятия решений при нечёткой исходной информации / С.А. Орловский. - Москва : Наука, 1981. - 208 с.
  • Шер А.П. Решение задачи математического программирования с линейной целевой функцией в размытых ограничениях / А.П. Шер // Автоматика и телемеханика. - 1980. - № 7. - С. 137-143.
  • De S.K. Influence of a Cloudy Fuzzy Environment for Deteriorating Products with Ramp-Type Demand under a Supply Chain Management / S.K. De, S.K. Mahato // Humanities and Social Sciences Communications. - 2025. - Vol. 12. - Art. 1017.
  • Kahraman C. Fuzzy Sets and Fuzzy Logic: a Comprehensive Review of Concepts, Trends, and Applications / С. Kahraman // International Journal of Physics. - 2025. - Vol. 7, iss. 2. - P. 12-29.
  • Дюбуа Д. Теория возможностей. Приложения к представлению знаний в информатике / Д. Дюбуа, А. Прад. - Москва : Радио и связь, 1990. - 288 с.
  • Нечёткие множества и теория возможностей. Последние достижения / под ред. Р.Р. Ягера. - Москва : Радио и связь, 1986. - 408 с.
  • Убейко В.М. Экспертные системы / В.М. Убейко, В.В. Убейко. - Москва : Изд-во МАИ, 1992. - 83 с.
  • Алиев Р.А. Производственные системы с искусственным интеллектом / Р.А. Алиев, Н.М. Абдикеев, М.М. Шахназаров. - Москва : Радио и связь, 1990. - 264 с. - EDN TMAMKL.
  • Acharjee T. Deep Neuro-Fuzzy System Application Trends, Challenges, and Future Perspectives: a Systematic Survey / T. Acharjee, S. Borah, P. Dutta, W.S. Yap // Artificial Intelligence Review. - 2022. - Vol. 55, no. 7. - P. 5015-5066.
  • Yeganejou M. DCNFIS: Deep Convolutional Neuro-Fuzzy Inference System / M. Yeganejou., S. Dick, J. Miller // Expert Systems with Applications. - 2024. - Vol. 240. - Art. 122593.
  • Feng J. A Novel Multi-Objective Fuzzy Deep Learning Framework for Predictive Maintenance in Industrial Internet of Things / J. Feng, J. Kan // IEEE Access. - 2025. - Vol. 13. - P. 41955-41973.