Высокие статистические технологии

Форум сайта семьи Орловых

Текущее время: Вт авг 03, 2021 5:59 pm

Часовой пояс: UTC + 3 часа




Начать новую тему Ответить на тему  [ Сообщений: 28 ] 
Автор Сообщение
 Заголовок сообщения: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс янв 24, 2021 11:43 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
СТАТИСТИКА НЕЧИСЛОВЫХ ДАННЫХ - ЦЕНТРАЛЬНАЯ ЧАСТЬ СОВРЕМЕННОЙ ПРИКЛАДНОЙ СТАТИСТИКИ

А.И. Орлов

В 1979 г. статистика нечисловых данных была выделена как самостоятельная область прикладной статистики. Первоначально для обозначения этой области математических методов экономики использовался термин "статистика объектов нечисловой природы". Наш базовый учебник по статистике нечисловых данных называется "Нечисловая статистика". Статистика нечисловых данных - одна из четырех основных областей прикладной статистики (наряду со статистикой чисел, многомерным статистическим анализом, статистикой временных рядов и случайных процессов). Статистика нечисловых данных делится на статистику в пространствах общей природы и разделы, посвященные конкретным типам нечисловых данных (статистика интервальных данных, статистика нечетких множеств, статистика бинарных отношений и др.). В настоящее время статистика в пространствах общей природы - центральная часть прикладной статистики, а включающая ее статистика нечисловых данных - основная область прикладной статистики. Это утверждение подтверждается, в частности, анализом публикаций в разделе "Математические методы исследования" журнала "Заводская лаборатория. Диагностика материалов" - основном месте публикаций отечественных исследований по прикладной статистике. Настоящая статья посвящена анализу основных идей статистики нечисловых данных на фоне развития прикладной статистики с позиций новой парадигмы математических методов исследования. Описаны различные виды нечисловых данных. Проанализирован исторический путь статистической науки. Рассказано о развитии статистики нечисловых данных. Разобраны основные идеи статистики в пространствах общей природы: средние величины, законы больших чисел, экстремальные статистические задачи, непараметрические оценки плотности распределения вероятностей, методы классификации (диагностики и кластер-анализа), статистики интегрального типа. Кратко рассмотрены некоторые статистические методы анализа данных, лежащих в конкретных пространствах нечисловой природы: непараметрическая статистика (реальные распределения обычно существенно отличаются от нормальных), статистика нечетких множеств, теория экспертных оценок (медиана Кемени - это выборочное среднее экспертных упорядочений) и др. Обсуждаются некоторые нерешенные задачи статистики нечисловых данных.

1155. Орлов А.И. Статистика нечисловых данных - центральная часть современной прикладной статистики / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2020. – №02(156). С. 111 – 142. – IDA [article ID]: 1562002007. – Режим доступа: http://ej.kubagro.ru/2020/02/pdf/07.pdf, 2 у.п.л.

DOI: http://dx.doi.org/10.21515/1990-4665-156-007


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс янв 31, 2021 11:24 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
Солидарная информационная экономика как основа новой парадигмы экономической науки

А.И.Орлов, Ю.Б. Сажин

Аристотель - основоположник экономической науки. В XVIII - XIX вв. наблюдаем рыночную экономику, пришедшую на смену теории Аристотеля. С развитием цифровой экономики в XXI в. идеи Аристотеля об управлении хозяйством с целью удовлетворения потребностей становятся все более актуальными. Проекты ОГАС В.М. Глушкова и "Киберсин" Ст. Бира - примеры разработок в духе Аристотеля. Солидарная информационная экономика, развивающая идеи Аристотеля, является основой новой парадигмы экономической науки.
Ключевые слова: Аристотель, экономическая теория, управление хозяйством, цифровая экономика, солидарная информационная экономика


1176. Орлов А.И., Сажин Ю.Б. Солидарная информационная экономика как основа новой парадигмы экономической науки // Инновации в менеджменте. 2020. №26. С. 52- 59.

https://www.elibrary.ru/item.asp?id=44533435


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс фев 07, 2021 10:16 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
Оценивание размерности вероятностно-статистической модели

Орлов А.И.

Вероятностно-статистические модели данных - основа методов прикладной статистики. При анализе статистически данных часто необходимо оценивать две составляющие вероятностно-статистических моделей - структуру моделей и их параметры. Методы расчета состоятельных оценок параметров хорошо известны (например, применяют методы одношаговых оценок, которые пришли на смену методам максимального правдоподобия). Структура модели обычно выбирается исследователем (можно сказать, что используются экспертные методы). Некоторые параметры структуры можно оценивать с помощью математико-статистических методов. Например, степень многочлена в регрессионной зависимости или число слагаемых в модели смеси распределений, используемой для классификации. Для подобных параметров модели используется общий термин - размерность вероятностно-статистической модели. Более общая составляющая модели - информативное подмножество признаков. В настоящей статье рассмотрено асимптотическое поведение оценок размерностей ряда моделей. Изучено асимптотическое поведение ряда оценок степени полинома при восстановлении зависимости. Получены состоятельные оценки размерности и структуры модели в регрессии. Рассмотрены подходы к оцениванию числа элементов смеси в задачах классификации. Обсуждаются оценки размерности модели в факторном анализе и многомерном шкалировании. С целью обоснования последовательного выполнения этапов статистического анализа данных анализируются проблемы "стыковки" алгоритмов классификации и регрессии. Полезными оказываются оптимизационные формулировки ряда задач прикладной статистики. Основные результаты касаются состоятельности оценок. Краткие формулировки ряда теорем содержатся в ранее вышедших публикациях. Проблема оценивания размерности вероятностно-статистической модели как самостоятельное направление прикладной статистики впервые рассмотрена здесь. Впервые публикуются доказательства включенных в настоящую статью теорем. Эти теоремы и подробные доказательства и являются основными научными результатами работы


1173. Орлов А.И. Оценивание размерности вероятностно-статистической модели // Научный журнал КубГАУ. 2020. №162. С. 1–36. http://ej.kubagro.ru/2020/08/pdf/02.pdf


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Чт фев 18, 2021 10:32 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
Миф мировой науки

Орлов А.И.

Как обосновано еще полвека назад [1] и подтверждено нашими исследованиями [2], основным наукометрическим показателем, по которому надо оценивать научную деятельность отдельного российского исследователя, научного коллектива (лаборатории, отдела, кафедры или организации), является число цитирований в РИНЦ (именно в РИНЦ, а не в западных базах данных!). Ориентация на зарубежные базы данных Скопус и WoS наносит вред интересам нашей страны [5], поскольку при этом игнорируется основная часть отечественной научной продукции, усилия исследователей направляются на достижение ложных целей (в частности, на подготовку статей на английском языке и пробивание их в англоязычные журналы, индексируемые в Скопус и WoS). Миф мировой науки соответствует представлению о России как о колонии англосаксов, в которой российская наука платит дань победителям, преподнося им свои научные результаты в виде, полностью подготовленном для бесплатного потребления англоязычными специалистами.

1160. Орлов А.И. Миф мировой науки / Большая Евразия: Развитие, безопасность, сотрудничество. Ежегодник. Вып. 3. Ч. 1. Материалы XIX Национальной научной конференции с международным участием «Модернизация России: приоритеты, проблемы, решения». Ч. 2 / РАН. ИНИОН. Отд. науч. сотрудничества; Отв. ред. В.И. Герасимов. – М., 2020. – С.687 - 689.
http://innclub.info/archives/11597, http://innclub.info/archives/16615
http://ukros.ru/archives/23180
http://inion.ru/site/assets/files/5226/ ... 20-3-1.pdf
https://www.academia.edu/42920625/


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс фев 21, 2021 8:40 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1177. Орлов А.И. Инструменты контроллинга рисков // Контроллинг. 2020. №78. С. 56-62.
https://elibrary.ru/item.asp?id=44530384

УДК 338.3 : 519.2;
JEL: C00, A12

Орлов Александр Иванович,
д.э.н., д.т.н., к.ф.-м.н., профессор,
зав. лаб. экономико-математических методов в контроллинге,
МГТУ им. Н.Э. Баумана

Инструменты контроллинга рисков

Научная, практическая и учебная дисциплина "Контроллинг рисков" рассматривается в авторском семестровом курсе для магистрантов кафедры "Экономика и организация производства". В статье дана информация об инструментах контроллинга рисков, включенных в курс. Она начинается с обсуждения основных терминов "контроллинг" и "риск". Рассмотрены методы оценки рисков, прежде всего основанные на вероятностно-статистических моделях. Рассказано об основных составляющих математического аппарата контроллинга рисков, в частности, о математическом обеспечении контроллинга инновационных и инвестиционных рисков. Достойное место в курсе занимают глобальные экономические и экологические проблемы.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс фев 28, 2021 8:53 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1174. Орлов А.И. Естественные показатели различия // Научный журнал КубГАУ. 2020. №163. С. 248–264. http://ej.kubagro.ru/2020/09/pdf/20.pdf.

ЕСТЕСТВЕННЫЕ ПОКАЗАТЕЛИ РАЗЛИЧИЯ

Орлов Александр Иванович

У статистики нечисловых данных центральная область - статистика в пространствах общей природы (синоним - в пространствах произвольной природы). Для выборок нечисловых данных рассматриваются средние величины и законы больших чисел, статистики интегрального типа, непараметрические оценки плотности, задачи регрессионного и дискриминантного анализа и др. Основополагающие математические понятия - расстояния (метрики, псевдометрики), показатели различия (близости). Аксиоматическое введение расстояний в различных пространствах - популярная тематика на начальном этапе развития статистики нечисловых данных, ведущая начало с книги Кемени - Снелла, в которой аксиоматически введено расстояние между кластеризованными ранжировками. Поэтому целесообразно подробное рассмотрение способов введения метрик и показателей различия, а также изучение их свойств. Попытка выделить свойство, необходимое для получения интересующих нас результатов статистики нечисловых данных, привела нас к понятию "естественного показателя различия" ("естественной меры близости"). Пространства с естественными мерами близости имеют свойства, во многом аналогичные свойствам метрических пространств. В статье приведен ряд соответствующих теорем. Впервые ввёл понятие метрического пространства ввёл Морис Фреше в 1906 г. в связи с рассмотрением функциональных пространств. Неравенство треугольника было унаследовано от евклидовой геометрии. По нашему мнению, нет необходимости в обязательном порядке принимать справедливость неравенства треугольника как аксиому. Другими словами, в различных математических областях целесообразно перейти от метрик (расстояний) к естественным показателям различия. Это в соответствии с новой парадигмой математических методов исследования позволит упростить рассуждения и получать выводы в естественной общности. Актуальным является переход от метрик (расстояний) к естественным показателям различия в различных математических областях. Его можно сопоставить с переходом от классической математики к системной нечетной интервальной математике. Эти два перехода обеспечат новый рассвет математики в XXI столетии.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс мар 07, 2021 10:43 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1175. Орлов А.И. Формализация логики правдоподобных рассуждений на основе теории измерений // Научный журнал КубГАУ. 2020. №164. С. 304–317. http://ej.kubagro.ru/2020/10/pdf/25.pdf.


ФОРМАЛИЗАЦИЯ ЛОГИКИ ПРАВДОПОДОБНЫХ РАССУЖДЕНИЙ НА ОСНОВЕ ТЕОРИИ ИЗМЕРЕНИЙ

Орлов Александр Иванович

Логические конструкции - теоретическая база построения и изучения математических моделей социально-экономических явлений и процессов, разработки методов управления в организационных системах. При этом про многие утверждения относительно явлений и процессов в реальном мире (в отличие от формальных систем) нельзя сказать, что они истинны или ложны, можно говорить лишь о той или иной степени правдоподобности. Следовательно, необходима разработка логики правдоподобных утверждений. В настоящей статьи развиваем подход Д. Пойа, принципиально отличающейся как от вероятностной логики, так и от нечеткой логики. Цель настоящей статьи - наметить один из возможных подходов к формализации теории правдоподобностей Д. Пойа. Подход идейно связан с теорией измерений, а не с теорией вероятностей, как предлагал Д. Пойа. Намеченная здесь теория может найти применения в принятии решений, управлении научными исследованиями, экспертных оценках, а также в модальной логике. Настоящая статья - первый шаг к построению математической логики правдоподобных рассуждений на основе эмпирических наблюдений Д. Пойа. Предлагаем исходить не из вероятностной или нечеткой логики, а из порядковой логики на основе теории измерений. Очевидно, необходимо дальнейшее развитие развиваемого нами подхода. В частности, следует проанализировать различные схемы анализа и обработки правдоподобных утверждений. Уже на нынешней стадии развития подход к формализации логики правдоподобных рассуждений Д. Пойа на основе теории измерений способен дать полезные практические рекомендации. Они могут быть использованы при математическом моделировании социально-экономических явлений и процессов.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс мар 14, 2021 7:23 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1165. Орлов А.И. Вероятностно-статистические модели корреляции и регрессии / Научный журнал КубГАУ. 2020. №160. С. 130–162.
http://ej.kubagro.ru/2020/06/pdf/11.pdf, 2,062 у.п.л.


ВЕРОЯТНОСТНО-СТАТИСТИЧЕСКИЕ МОДЕЛИ КОРРЕЛЯЦИИ И РЕГРЕССИИ

Орлов Александр Иванович

Коэффициенты корреляции и детерминации широко используются при статистическом анализе данных. Согласно теории измерений линейный парный коэффициент корреляции Пирсона применим к переменным, измеренным в шкале интервалов. Его нельзя использовать при анализе порядковых данных. Непараметрические ранговые коэффициенты Спирмена и Кендалла оценивают связь порядковых переменных. Критическое значение при проверке значимости отличия коэффициента корреляции от 0 зависит от объема выборки. Поэтому использование "шкалы Чеддока" некорректно. При применении пассивного эксперимента коэффициенты корреляции обоснованно использовать для прогнозирования, но не для управления. Для получения предназначенных для управления вероятностно-статистических моделей необходим активный эксперимент. Влияние выбросов на коэффициент корреляции Пирсона весьма велико. При увеличении числа проанализированных наборов предикторов заметно растет максимальный из соответствующих коэффициентов корреляции - показателей качества приближения (эффект «вздувания» коэффициента корреляции). Рассмотрены четыре основные модели регрессионного анализа. Выделены модели метода наименьших квадратов с детерминированной независимой переменной. Распределение отклонений произвольно, однако для получения предельных распределений оценок параметров и регрессионной зависимости предполагаем выполнение условий центральной предельной теоремы. Второй тип моделей основан на выборке случайных векторов. Зависимость является непараметрической, распределение двумерного вектора - произвольным. Об оценке дисперсии независимой переменной можно говорить только в модели на основе выборки случайных векторов, равно как и о коэффициенте детерминации как критерии качества модели. Обсуждается сглаживание временных рядов. Рассмотрены методы восстановления зависимостей в пространствах общей природы. Показано, что предельное распределение естественной оценки размерности модели является геометрическим, а построение информативного подмножества признаков наталкивается на эффект "вздувания коэффициентов корреляции". Обсуждаются различные подходы к регрессионному анализ интервальных данных. Анализ многообразия моделей регрессионного анализа приводит к выводу, что не существует единой "стандартной модели".


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Сб мар 20, 2021 7:42 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1169. Орлов А.И. Свойства общей схемы устойчивости / Научный журнал КубГАУ. 2020. № 161. С. 121 – 149. http://ej.kubagro.ru/2020/07/pdf/10.pdf.

СВОЙСТВА ОБЩЕЙ СХЕМЫ УСТОЙЧИВОСТИ

Орлов Александр Иванович

Математические модели могут давать лишь приближенное представление о реальных явлениях и процессах. Исходные данные известны лишь с некоторой точностью, математические зависимости всегда несколько отличаются от реальных. Поэтому изучение устойчивости выводов относительно допустимых отклонений исходных данных и предпосылок модели – один из этапов построения математической модели, предназначенной для практического использования. Нами разработан подход к изучению устойчивости выводов в математических моделях. Центральное место в нем занимает новый математический объект - общая схема устойчивости. Основное содержание настоящей статьи - изучение математических свойств общей схемы устойчивости. Так называется кортеж из пяти элементов {A, B, f, d, E}, где A –пространство исходных данных; B – пространство решений; f – способ получения выводов, т.е. однозначное отображение из A в B; неотрицательная функция d, определенная на подмножествах множества B, используется для определения показателей устойчивости; E - совокупность допустимых отклонений, т.е. система подмножеств множества A такая, что каждому элементу множества исходных данных и каждому значению параметра из некоторого множества параметров соответствует подмножество множества исходных данных (оно называется множеством допустимых отклонений в точке при определенном значении параметра). Способ получения выводов иногда для краткости называем моделью. Во многих конкретных постановках устойчивости выводы получают с помощью определенного метода, основанного на некоторой модели. С прикладной точки зрения модель первична, метод – вторичен, поскольку результаты его применения определяются свойствами модели. Введена система показателей устойчивости выводов, получаемых с помощью математических моделей. Они определяются с помощью метрики, псевдометрики или показателя различия (меры близости) как диаметр множества. В серии из 7 теорем показано, что оптимизационные задачи, соответствующие различным показателям устойчивости, имеют решения, т.е. точные верхние грани достигаются при определенных значениях аргументов. Рассмотрен ряд иных свойств общей схемы устойчивости.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс мар 28, 2021 8:50 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1179. Орлов А.И. Статистические и экспертные методы в задачах экономики и управления наукой // Научный журнал КубГАУ. 2021. №166. С. 1–35.
http://ej.kubagro.ru/2021/02/pdf/01.pdf, 2,188 у.п.л.


СТАТИСТИЧЕСКИЕ И ЭКСПЕРТНЫЕ МЕТОДЫ В ЗАДАЧАХ ЭКОНОМИКИ И УПРАВЛЕНИЯ НАУКОЙ

Орлов Александр Иванович

В настоящее время в науке и научном обслуживании работают миллионы людей. Проблемы управления научной деятельностью актуальны как для исследователей, так и для администраторов различных уровней. Для их рационального решения используют наукометрию (буквальный смысл - измерения в науке) — область знания, занимающуюся изучением науки путем статистических и экспертных исследований структуры и динамики научной деятельности. Наукометрия как часть науковедения служит основой для принятия управленческих решений в области управления научной деятельностью. В настоящей статье предлагаем для решения проблем управления научной деятельностью использовать комплекс передовых управленческих технологий - контроллинг, т.е. систему информационно-аналитической поддержки процесса принятия управленческих решений в организации. Как известно, оценка продуктивности и результативности научной деятельности проводится повсеместно в вузах и научных организациях. В статье приведен перечень основных положений разрабатываемой нами новой области контроллинга - контроллинга научной деятельности. Установлено, что ключевой (т.е. основной) показатель результативности научной деятельности исследователей, подразделений, научных организаций - число цитирований их работ в научных публикациях. Проанализированы распространенные заблуждения, связанные со статистической оценкой эффективности научной деятельности. Они приводят к необоснованным управленческим решениям, наносящим вред развитию научных исследований. Например, отдельные лица необоснованно считают публикации в научных журналах основным видом научных публикаций; верят в реальное существование «мировой науки»; отдают приоритет публикациям в зарубежных журналах, индексируемых в базах библиометрических данных WoS и Scopus; основным наукометрическим показателем без каких-либо обоснований считают индекс Хирша; отрицательно относятся к самоцитированию; игнорируют публикации старше 5 лет, в частности, при расчете импакт-факторов журналов, и т. д. Дан критический анализ экспертных методов наукометрии. Рассмотрены четыре вида таких методов: рецензирование статей, работа диссертационных советов, назначения (выборы) на административные должности, выборы в РАН.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс апр 04, 2021 3:40 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1151. Орлов А.И. Существование асимптотически оптимальных планов в дискретных задачах динамического программирования / Научный журнал КубГАУ. 2020. №155. С. 147–163.
http://ej.kubagro.ru/2020/01/pdf/12.pdf
http://dx.doi.org/10.21515/1990-4665-155-012
https://www.elibrary.ru/download/elibra ... 533700.pdf


СУЩЕСТВОВАНИЕ АСИМПТОТИЧЕСКИ ОПТИМАЛЬНЫХ ПЛАНОВ В ДИСКРЕТНЫХ ЗАДАЧАХ ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ

Орлов Александр Иванович

Динамическое программирование предназначено для решения дискретных задач оптимального управления. Согласно этому методу оптимальное решение в многомерной задаче находят путем ее декомпозиции на этапы, каждый из которых представляет подзадачу относительно одной переменной. В экономических задачах число этапов - это горизонт планирования. Выбор горизонта планирования необходим для строгой постановки прикладной задачи в области экономики и управления, но его зачастую трудно обосновать. Мы видим выход в использовании асимптотически оптимальных планов, для которых значения критерия оптимизации мало отличается от его значений для оптимальных планов при всех достаточно больших горизонтах планирования. Основной результат статьи - существование асимптотически оптимального плана. Доказательство проводится в нескольких постановках. В случае стремления к 0 хвоста суммы максимумов переходных функций существование асимптотически оптимального плана получено в теореме 1. Частным случаем являются модели с дисконтированием при коэффициенте дисконтирования, меньшем 1. Основная часть статьи посвящена моделям с коэффициентом дисконтирования, равном 1. Теорема 2 о магистрали доказана для базового множества из конечного числа элементов. В теореме 3 получено утверждение об аппроксимации произвольного множества конечным. В заключительной теореме 4 существование асимптотически оптимального плана доказано в общем случае. Термин "магистраль" ассоциируется с известной рекомендацией водителям: чтобы попасть из пункта А в пункт Б, целесообразно на начальном участке пути выехать на магистраль, двигаться по ней, а на заключительном участке съехать с магистрали и добраться до пункта Б. Аналогична рекомендация по выбору оптимальной траектории при использовании принципа максимума Понтрягина в модели оптимального распределения времени между получением знаний и развитием умений. Этот факт подчеркивает методологическую близость динамического программирования и принципа максимума Понтрягина.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс апр 11, 2021 8:37 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1181. Орлов А.И. О развитии теории принятия решений и экспертных оценок // Научный журнал КубГАУ. 2021. № 167. С. 177–198.
http://ej.kubagro.ru/2021/03/pdf/12.pdf, 1,375 у.п.л.


О РАЗВИТИИ ТЕОРИИ ПРИНЯТИЯ РЕШЕНИЙ И ЭКСПЕРТНЫХ ОЦЕНОК

Орлов Александр Иванович

В статье обсуждаются основные понятия и термины, применяемые в научной, прикладной и учебной дисциплине, посвященной принятию решений, в том числе на основе использования экспертных оценок. Теорию принятия решений можно отнести к кибернетике и исследованию операций, а также к экономико-математическим моделям и методам, к организационно-экономическому моделированию. Дан обзор содержания основных широко цитируемых в научных исследованиях работ автора по теории принятия решений. Эти монографии можно использовать также и как учебники. Согласно общей идее: "Образование через науку" научные монографии целесообразно готовить так, чтобы их можно было использовать как учебники. Таким образом можно и нужно выводить обучающихся на передний край современных научных исследований. Дана информация о научных исследованиях автора по теории принятия решений. Экспертные оценки – та часть теории принятия решений, которой автор занимается постоянно – с начала 70-х и до сих пор. Приведена краткая информация об основных публикациях и некоторых работах последних лет. В частности, рассказано о роли экспертных оценок в разработке автоматизированной системы прогнозирования и предотвращения авиационных происшествий и конструировании аддитивно-мультипликативных моделей оценки рисков проектов в ракетно-космической отрасли. Экспертные оценки можно рассматривать как "прикладное зеркало" статистики нечисловых данных. Именно такая формулировка используется в новой парадигме математических методов исследования. Можно констатировать, что теория принятия решений и статистика нечисловых данных являются стержнем развития математических методов экономики и математики в целом с 1970-х годов, в настоящее время и далее в текущем XXI веке.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вт апр 20, 2021 10:05 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1163. Орлов А.И. Основные требования к методам анализа данных (на примере задач классификации) / Научный журнал КубГАУ. 2020. №159. С. 239–267. http://ej.kubagro.ru/2020/05/pdf/17.pdf.

ОСНОВНЫЕ ТРЕБОВАНИЯ К МЕТОДАМ АНАЛИЗА ДАННЫХ (НА ПРИМЕРЕ ЗАДАЧ КЛАССИФИКАЦИИ)

Орлов Александр Иванович


Назрела необходимость навести порядок в методах классификации. Это повысит их роль в решении прикладных задач, в частности, при диагностике материалов. Для этого прежде всего следует выработать требования, которым должны удовлетворять методы классификации. Первоначальная формулировка таких требований - основное содержание настоящей работы. Математические методы классификации рассматриваются как часть методов прикладной статистики. Обсуждаются естественные требования к рассматриваемым методам анализа данных и представлению результатов расчетов, вытекающие из накопленных отечественной вероятностно-статистической научной школой достижений и идей. Даются конкретные рекомендации по ряду вопросов, а также критика отдельных ошибок. В частности, методы анализа данных должны быть инвариантны относительно допустимых преобразований шкал, в которых измерены данные, т.е. методы должны быть адекватны в смысле теории измерений. Основой конкретного статистического метода анализа данных всегда является та или иная вероятностная модель. Она должна быть явно описана, ее предпосылки обоснованы - либо из теоретических соображений, либо экспериментально. Методы обработки данных, предназначенные для использования в реальных задачах, должны быть исследованы на устойчивость относительно допустимых отклонений исходных данных и предпосылок модели. Должна указываться точность решений, даваемых с помощью используемого метода. При публикации результатов статистического анализа реальных данных необходимо указывать их точность (доверительные интервалы). В качестве оценки прогностической силы алгоритма классификации вместо доли правильных прогнозов рекомендуется использовать прогностическую силу. Математические методы исследования делятся на "разведочный анализ" и "доказательную статистику". Специфические требования к методам обработки данных возникают в связи с их "стыковкой" при последовательном выполнении. Обсуждаются границы применимости вероятностно-статистических методов. Рассматриваются также конкретные постановки задач классификации и типовые ошибки при применении различных методов их решения.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Сб апр 24, 2021 10:54 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1161. Орлов А.И. Метод ценообразования на основе оценивания функции спроса / Научный журнал КубГАУ. 2020. №158. С. 250 – 267.
http://ej.kubagro.ru/2020/04/pdf/18.pdf


МЕТОД ЦЕНООБРАЗОВАНИЯ НА ОСНОВЕ ОЦЕНИВАНИЯ ФУНКЦИИ СПРОСА

Орлов Александр Иванович

При решении некоторых задач экономики и управ-ления на предприятии возникает необходимость определения розничной цены товара или услуги при известной оптовой цене или цене производи-теля. Предлагаем определять розничную цену на основе анализа данных опроса потенциальных потребителей о максимально возможной для них цене на рассматриваемый товар или услугу. Роз-ничную цену рассчитываем на основе оптимизации экономического эффекта, равного произведению результата от продажи одной единицы товара на функцию спроса, которую оцениваем путем опроса потребителей. Для решения оптимизационной задачи функцию спроса приближаем с помощью метода наименьших квадратов. Как примеры проанализированы линейная и степенная модели функции спроса. Обсуждаются пути дальнейшего развития предложенного подхода. Сформулирова-ны нерешенные научные задачи. Требуют даль-нейшей проработки методы оценивания функции спроса в условиях большого количества повторов в ответах респондентов и их склонности к "круглым цифрам", вследствие чего нельзя пользоваться критерием Колмогорова для определения точности восстановления функции спроса. Различные параметрические и непараметрические подходы регрессионного анализа должны быть адаптированы к рассматриваемой задаче восстановления зависимости спроса от цены, равно как и методы решения соответствующих оптимизационных задач.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс май 02, 2021 10:44 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1159. Орлов А.И. Система моделей и методов проверки однородности двух независимых выборок / Научный журнал КубГАУ. 2020. №157. С. 145 – 169. http://ej.kubagro.ru/2020/03/pdf/12.pdf.

СИСТЕМА МОДЕЛЕЙ И МЕТОДОВ ПРОВЕРКИ ОДНОРОДНОСТИ ДВУХ НЕЗАВИСИМЫХ ВЫБОРОК

Орлов Александр Иванович

Новая парадигма математических методов исследования позволяет дать системный анализ различных постановок задач анализа статистических данных и методов их решения, основанных на принятой исследователем той или иной вероятностно-статистической модели порождения данных. Методы проверки однородности двух независимых выборок - классическая область математической статистики. За более чем 111 лет с момента публикации основополагающей статьи Стьюдента разработаны критерии проверки статистической гипотезы однородности в различных постановках, изучены их свойства. Однако актуальна потребность в упорядочении совокупности найденных научных результатов. Необходим анализ всего многообразия постановок задач проверки статистических гипотез однородности двух независимых выборок, а также соответствующих статистических критериев. Такому анализу посвящена настоящая статья. Дана сводка основных результатов, касающихся методов проверки однородности двух независимых выборок, и проведено их сравнительное изучение, позволяющие системно анализировать многообразие таких методов с целью выбора наиболее адекватного для обработки конкретных данных. На основе базовой вероятностно-статистической модели сформулированы основные постановки задачи проверки однородности двух независимых выборок. Дан сравнительный анализ критериев Стьюдента и Крамера - Уэлча, предназначенных для проверки однородности математических ожиданий, обоснована рекомендация по широкому применению критерия Крамера - Уэлча. Из непараметрические методов проверки однородности рассмотрены критерии Вилкоксона, Смирнова, Лемана - Розенблатта. Разобраны два мифа о критерии Вилкоксона. На основе анализа публикаций основоположников показана некорректность термина "критерий Колмогорова - Смирнова". Для проверки абсолютной однородности, т.е. совпадения функций распределения выборок, рекомендовано использовать критерий Лемана - Розенблатта. Обсуждаются актуальные проблемы разработки и применения непараметрических критериев, в том числе различие номинальных и реальных уровней значимости, затрудняющее сравнение критериев по мощности, и необходимость учета совпадений выборочных значений (с точки зрения классической теории математической статистики вероятность совпадений равна 0).


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс май 09, 2021 11:00 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1146. Орлов А.И. Применение метода Монте-Карло при изучении свойств статистических критериев однородности двух независимых выборок / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2019. – №10(154). С. 55 – 83. – IDA [article ID]: 1541910007. – Режим доступа: http://ej.kubagro.ru/2019/10/pdf/07.pdf, 1,812 у.п.л.

ПРИМЕНЕНИЕ МЕТОДА МОНТЕ-КАРЛО ПРИ ИЗУЧЕНИИ СВОЙСТВ СТАТИСТИЧЕСКИХ КРИТЕРИЕВ ОДНОРОДНОСТИ ДВУХ НЕЗАВИСИМЫХ ВЫБОРОК

Орлов Александр Иванович

К инструментальным методам экономики относится метод Монте-Карло (метод статистических испытаний). Он широко используется при разработке, изучении и применении математических методов исследования в эконометрике, прикладной статистике, организационно-экономическом моделировании, при разработке и принятии управленческих решений, является основой имитационного моделирования. Разработанная нами новая парадигма математических методов исследования опирается на применение метода Монте-Карло. В математической статистике для многих метолов анализа данных получены предельные теоремы об асимптотическом поведении рассматриваемых величин при безграничном росте объемов выборок. Следующий шаг - изучение свойств этих величин при конечных объемах выборок. Для такого изучения применяют метод Монте-Карло. В настоящей статье этот метод применяем для изучения свойств статистических критериев проверки однородности двух независимых выборок. Рассмотрены наиболее используемые при анализе реальных данных критерии - Крамера-Уэлча, совпадающий при равенстве объемов выборок с критерием Стьюдента; Лорда, Вилкоксона (Манна-Уитни), Вольфовица, Ван-дер-Вардена, Смирнова, типа омега-квадрат (Лемана-Розенблатта). Метод Монте-Карло позволяет оценить скорости сходимости распределений статистик критериев к пределам, сравнить свойства критериев при конечных объемах выборок. Для применения метода Монте-Карло необходимо выбрать функции распределения элементов двух выборок. Для этого использованы нормальные распределения и распределения Вейбулла - Гнеденко. Получена рекомендация: для проверки гипотезы совпадения функций распределения двух выборок целесообразно использовать критерий Лемана - Розенблатта типа омега-квадрат. Если есть основания предполагать, что распределения отличаются в основном сдвигом, то можно использовать также критерии Вилкоксона и Ван-дер-Вардена. Однако даже в этом случае критерий типа омега-квадрат может оказаться более мощным. В общем случае, кроме критерия Лемана - Розенблатта, допустимо применение критерия Смирнова, хотя для этого критерия реальный уровень значимости может значительно отличаться от номинального. Оценены частоты расхождений статистических выводов по разным критериям.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Сб май 15, 2021 8:27 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1184. Орлов А.И. Развивающая идеи Аристотеля солидарная информационная экономика – основа новой парадигмы экономической науки // Biocosmology – neo-Aristotelism. 2020. Vol. 10. № 3-4. С. 406-420.
https://biocosmology.org/wp-content/upl ... 0Nos34.pdf

Развивающая идеи Аристотеля солидарная информационная экономика – основа новой парадигмы экономической науки

Александр Иванович Орлов


Резюме. Аристотель – общепризнанный основоположник экономической науки. В XVIII–XIX вв. на смену теории Аристотеля пришла рыночная экономика, в ХХ в. сменившаяся смешанной экономикой. С взрывным развитием цифровой экономики в XXI в. идеи Аристотеля об управлении хозяйством с целью удовлетворения потребностей становятся все более актуальными. Выполненные в ХХ в. проекты ОГАС В.М. Глушкова и Киберсин Ст. Бира являются примерами разработок в духе Аристотеля. Солидарная информационная экономика XXI в., развивающая идеи Аристотеля, является основой новой парадигмы экономической науки. Следует вывести рыночную экономику из употребления в науке и преподавании, и заменить ее в качестве базовой экономической теории на солидарную информационную экономику. Настоятельно необходима смена парадигмы экономической науки, ее основой должна являться солидарная информационная экономика, развивающая идеи Аристотеля.
Ключевые слова: экономическая наука, парадигма, Аристотель, информационно-экономические технологии, управление, солидарная информационная экономика, планирование, цифровая экономика.

Реферат

Как следствие развертывания цифровой экономики назрела необходимость смены парадигмы экономической теории. Взамен концепций рыночной экономики и свободного предпринимательства предлагаем в качестве основы новой парадигмы разрабатываемую нами солидарную информационную экономику.
Согласно определению основоположника экономической науки Аристотеля, экономика – это хозяйственная деятельность, направленная на удовлетворение естественных потребностей людей. Вслед за Аристотелем полагаем, что экономика – это наука о том, как управлять хозяйством. Цель хозяйственной деятельности – удовлетворение потребностей, а не получение прибыли. Цифровизация – четвёртая промышленная революция. Количество инноваций в области применения информационно-коммуникационных технологий в экономике и управлении перешло в качество.
Общество потребления уходит в прошлое. В последние годы мировое сообщество стало больше обращать внимание на то, что заимствование намного экономнее и удобнее обычной покупки. Финансовый кризис 2008 года стал своеобразным катализатором изменений в мировой экономике, появился абсолютно новый феномен – sharing economy, т.е. «совместное владение», в основе которого лежат не привычные нам отношения «купи-продай», а аренда. Sharing economy опирается на цифровые технологии.
Мощности компьютеров к концу ХХ в. достигли такого уровня развития, что стало возможным провести расчеты, во-первых, для всех производимых товаров и услуг, во-вторых, для всего Земного шара. Т.е. появилась возможность планирования производства всех возможных товаров и услуг в масштабе всего Земного шара. Предложена шестишаговая схема применения солидарной информационной экономики для повышения эффективности процессов управления в крупномасштабной экономической системе (пример – ракетно-космическая отрасль). Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента рассмотрены в наших монографиях и статьях в свете идей солидарной информационной экономики.
Рыночная экономика устарела и стала тормозом как в развитии экономической теории, так и при решении практических задач. Отрицание рыночной экономики – это отрицание отрицания экономики Аристотеля.
Ветер с Востока одолевает ветер с Запада, как говорил Председатель Мао Цзэдун. По валовому внутреннему продукту (рассчитанному на основе паритета покупательной способности) Китайская Народная Республика с 2014 г. находится на первом месте в мире, демонстрируя значение планового начала и солидарной информационной экономики в целом в развитии экономики. Следует привести в соответствии с новой реальностью ориентиры теоретических построений (т.е. парадигму экономической науки).
Необходимо вывести рыночную экономику из употребления в науке и преподавании и заменить ее в качестве базовой экономической теории на солидарную информационную экономику. Короче, необходима смена парадигмы экономической науки. Основой новой парадигмы является солидарная информационная экономика, развивающая идеи Аристотеля.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Пн май 24, 2021 10:49 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1166. Орлов А.И. Вероятностно-статистические модели данных - основа методов прикладной статистики / Заводская лаборатория. Диагностика материалов. 2020. Т.86. № 7. С. 5-6.


Колонка редколлегии

ВЕРОЯТНОСТНО-СТАТИСТИЧЕСКИЕ МОДЕЛИ ДАННЫХ - ОСНОВА МЕТОДОВ ПРИКЛАДНОЙ СТАТИСТИКИ

© А.И. Орлов

PROBABILISTIC AND STATISTICAL DATA MODELS - THE BASIS OF APPLIED STATISTICS METHODS

© A.I. Orlov

При обсуждении процедур анализа статистических данных обычно сосредотачивают внимание на расчетных формулах. Причина очевидна - не зная формул, нельзя провести расчеты. Однако начинать надо с вероятностно-статистических моделей порождения изучаемых данных.
Например, в прикладной статистике наиболее распространенная модель выборки - это конечная последовательность независимых одинаково распределенных случайных величин [1] , моделирующих результаты измерений (наблюдений, испытаний, опытов, анализов, обследований). Если общая функция распределения этих случайных величин является произвольной, то обращаемся к методам непараметрической статистики. Для корректности математических рассуждений обычно принимают, что функция распределения результатов измерений является непрерывной, следовательно, вероятность совпадения каких-либо двух результатов наблюдений (элементов выборки) равна 0. Как известно, для реальных данных совпадения результатов встречаются достаточно часто. Следовательно, в таких случаях наблюдается отклонения от непараметрической модели. Модель анализа совпадений при расчете непараметрических ранговых статистик представлена в нашем журнале [2]. Статистики интервальных данных была создана для обработки округленных данных и данных с совпадениями.
До сих пор распространены реликтовые представления о том, что функция распределения результатов измерений относится к одному из популярных семейств распределений - нормальных, экспоненциальных, Вейбулла-Гнеденко, гамма-распределений и др. Для выборок из таких семейств в прошлом тысячелетии были разработаны и изучены методы оценивания параметров и проверки статистических гипотез. Эта совокупность методов прочно заняла место в учебниках по теории вероятностей и математической статистике.
Отметим устойчивость предрассудков. Например, до сих пор пропагандируется использование метода максимального правдоподобия, хотя одношаговые оценки имеют столь же хорошие свойства, что и оценки максимального правдоподобия. Однако во многих случаях система уравнений максимального правдоподобия не имеет явного решения, и соответствующие оценки рекомендуется находить итерационными методами, сходимость которых не изучают, хотя есть примеры, в которых отсутствие сходимости продемонстрировано. Между тем одношаговые оценки вычисляются по конечным формулам, без всяких итераций.
Особенно заметна любовь теоретиков к многомерным нормальным распределениям. Именно для таких распределений найдены явные формулы для различных характеристик в многомерном статистическом анализе, прежде всего в регрессионном. Причина в том, что удается использовать хорошо развитую в линейной алгебре теорию квадратичных форм.
Распределения почти всех реальных данных ненормальны. Это утверждение хорошо обосновано экспериментально [3], путем анализа результатов измерений . Теоретические аргументы в пользу нормального распределения также не выдерживают критики. Например, говорят, что зависимость значения случайной величины от многих факторов влечет нормальность. Иногда добавляют, что факторы являются независимыми и сравнимыми по величине. Однако нормальность распределения можно ожидать лишь в случае аддитивной модели, когда факторы складываются (в силу Центральной предельной теоремы). Если же случайная величина формируется путем перемножения (мультипликативная модель), то ее распределение является (в асимптотике) логарифмически нормальным. Если справедлива модель "самого слабого" звена (или "самого сильного"), т.е. значение случайной величины равно крайнему члену вариационного ряда значений факторов (соответственно минимуму или максимуму), то имеем в пределе распределение Вейбулла - Гнеденко.
Модель на основе семейства нормальных распределений или распределений из иного параметрического семейства можно сравнить с моделью поиска под фонарем потерянных в темных кустах ключей. Очевидно, под фонарем искать легче. Можно продемонстрировать активность. Однако надеяться на благоприятный исход поисков нельзя.
Из проведенного анализа вытекает необходимость использования непараметрических моделей распределений результатов измерений. Отметим, что интервалы их возможных значений, как правило, ограничены, т.е распределения являются финитными. Следовательно, все моменты рассматриваемых случайных величин существуют, и их выборочные аналоги могут использоваться в вычислениях.
Рассмотрим роль вероятностно-статистических моделей в многомерном статистическом анализе. Используют четыре основные класса регрессионных моделей.
Начнем с моделей метода наименьших квадратов с детерминированной независимой переменной и параметрической зависимостью (линейной, квадратической и т.п.). Распределение отклонений произвольно (т.е. модель является непараметрической), для получения предельных распределений оценок параметров и регрессионной зависимости предполагаем выполнение условий центральной предельной теоремы.
Второй тип моделей основан на выборке случайных векторов. Зависимость является параметрической, распределение двумерного вектора - произвольным. Об оценке дисперсии независимой переменной можно говорить только в модели на основе выборки случайных векторов, равно как и о коэффициенте детерминации как критерии качества модели [4].
Третий тип моделей регрессионного анализа, основанный на выборке случайных векторов - непараметрическая регрессия, в которой как зависимость, так и отклонения от нее являются непараметрическими. Зависимость (как условное среднее) оценивается с помощью непараметрических оценок плотности.
Промежуточный вариант - модель, в которой тренд линеен, а периодическая и случайная составляющие являются непараметрическими.
В моделях четвертого типа малые погрешности имеются как в значениях зависимой переменной, так и в значениях независимой переменной. В прошлом этот раздел прикладной статистики назывался конфлюэнтным анализом, сейчас он входит в статистику интервальных данных.
К регрессионному анализу примыкают задачи сглаживания временных рядов и статистики случайных процессов, в которых отклонения от функции времени зависимы.
Анализ многообразия моделей регрессионного анализа приводит к выводу, что не существует единой "стандартной модели" [5] . Другими словами, при решении задачи восстановления зависимости необходимо начинать с выбора и обоснования вероятностно-статистической модели.
Необходимо исходить из теории измерений, согласно которой первый шаг при анализе данных - выявление шкал, в которых они измерены. Известно, что для данных, измеренных в порядковой шкале, в качестве средних величин можно использовать только члены вариационного ряда, прежде всего медиану, а применение среднего арифметического или среднего геометрического недопустимо. Как следствие, поскольку ранги или баллы, как правило, измерены в порядковой шкале, складывать их нельзя. В частности, нельзя оценивать успеваемость учащихся по среднему баллу экзаменационных оценок.
Статистические выводы должны быть инвариантны относительно допустимых преобразований шкал измерения данных. Значит, для каждой шкалы можно выяснить, какими алгоритмами анализа данных из рассматриваемого семейства можно пользоваться в этой шкале. Выше описаны выводы относительно семейства средних по Коши. Обратная задача - для определенного алгоритма анализа данных выяснить, в какой шкале можно им пользоваться. Коэффициент линейной парной корреляции Пирсона соответствует шкале интервалов, а непараметрические ранговые коэффициенты корреляции Спирмена и Кендалла позволяют изучать взаимосвязи порядковых переменных.
С позиций теории измерений обсудим метод анализа иерархий. Исходные данные - результаты парных сравнений, измеренные в порядковых шкалах. А результаты расчетов выражены в шкале интервалов. С точки зрения теории измерений такое недопустимо. Следовательно, методом анализа иерархий пользоваться не следует. Рекомендуем применять адекватные метода анализа экспертных оценок, в частности, методы средних арифметических рангов, медиан рангов, согласования кластеризованных ранжировок [6].

Литература
1. Орлов А. И. Прикладная статистика. - М.: Экзамен, 2006. - 671 с.
2. Орлов А. И. Модель анализа совпадений при расчете непараметрических ранговых статистик / Заводская лаборатория. Диагностика материалов. 2017. Т.83. №11. С. 66-72.
3. Орлов А. И. Распределения реальных статистических данных не являются нормальными / Научный журнал КубГАУ. 2016. № 117. С. 71–90.
4. Орлов А.И. Ошибки при использовании коэффициентов корреляции и детерминации / Заводская лаборатория. Диагностика материалов. 2018. Т.84. № 3. С. 68-72.
5. Орлов А.И. Многообразие моделей регрессионного анализа (обобщающая статья) // Заводская лаборатория. Диагностика материалов. 2018. Т.84. №5. С. 63-73.
6. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.2. Экспертные оценки. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2011. — 486 с.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс май 30, 2021 8:14 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1147. Орлов А.И. Статистические и экспертные методы наукометрии при управлении научной деятельностью / Biocosmology – neo-Aristotelism. 2019. V.9, № 3-4. С. 308-329.
https://sites.google.com/site/biocosmol ... utumn-2019
https://cyberleninka.ru/article/n/stati ... tyu/viewer

СТАТИСТИЧЕСКИЕ И ЭКСПЕРТНЫЕ МЕТОДЫ НАУКОМЕТРИИ ПРИ УПРАВЛЕНИИ НАУЧНОЙ ДЕЯТЕЛЬНОСТЬЮ

Александр Иванович ОРЛОВ

РЕЗЮМЕ. В статью включены новые (Биокосмологические) наработки по науковедению и наукометрии, выполненные в рамках контроллинга научной деятельности – важной составной части контроллинга организационно-экономических методов. Оценка продуктивности и результативности научной деятельности проводится повсеместно в вузах и научных организациях. В статье приведен перечень основных положений разрабатываемой нами новой области контроллинга – контроллинга научной деятельности. Доказано, что ключевой показатель результативности научной деятельности – число цитирований. Проанализированы распространенные заблуждения, связанные с оценкой эффективности научной деятельности.

РЕФЕРАТ

Общепризнанно, что Аристотель – отец современного европейского и мирового знания, науки. Трудно назвать хоть одну отрасль науки, которая не находила бы начало у Аристотеля. Многие идеи Аристотеля, относящиеся к анализу внутренней структуры науки, являются и сейчас весьма актуальными. Новым по сравнению с временами Аристотеля является огромное количество работников науки и накопленных ими научных результатов. Если Аристотель мог лично знать современных ему ученых, то ныне это невозможно. Как следствие, каждый из нас знаком лишь с малой долей публикаций и людей, относящихся к его тематике. А потому основная проблема современной науки – всеобщее невежество научных работников.
Проблемы управления научной деятельностью актуальны как для исследователей, так и для администраторов различных уровней. Предлагаем для решения проблем управления научной деятельностью использовать наиболее передовую управленческую технологию – контроллинг. Контроллинг – это система информационно-аналитической поддержки процесса принятия управленческих решений в организации. Считаем полезным для успешного развития научных исследований выделить новую область контроллинга (или новое направление) – контроллинг научной деятельности. Для обоснования этого выделения необходимо обсудить контроллинг в целом и его составную часть – контроллинг методов. Затем мы рассматриваем основные положения разрабатываемого нами контроллинга научной деятельности, уделяя внимание критике распространенных догм. Завершаем статью некоторыми рекомендациями по совершенствованию управления научной деятельностью в вузах и НИИ, вытекающими из контроллинга научной деятельности.
Инновации в сфере управления в промышленности и других отраслях народного хозяйства основаны, в частности, на использовании новых адекватных организационно-экономических методов. Контроллинг в этой области – это разработка процедур управления соответствием используемых и вновь создаваемых (внедряемых) организационно-экономических методов поставленным задачам.
Наукометрия (буквально: измерения в науке) – область знания, занимающаяся изучением науки путем статистических и экспертных исследований структуры и динамики научной деятельности. Наукометрия как часть науковедения служит основой для принятия управленческих решений в области управления научной деятельностью. Основные положения наукометрии были сформулированы В.В. Налимовым и З.М. Мульченко еще в 1969 г. К настоящему времени прикладная наукометрия обогатилась большим числом инструментов, использующих разнообразные информационно-коммуникационные технологии, в частности, технологии больших данных. Примером является Российский индекс научного цитирования (РИНЦ).
Однако распространены разнообразные догмы, приводящие к необоснованным управленческим решениям, наносящим вред развитию научных исследований. Например, отдельные лица считают публикации в научных журналах основным видом научных публикаций; верят в реальное существование «мировой науки»; отдают приоритет публикациям в зарубежных журналах, индексируемых в базах библиометрических данных WoS и Scopus; основным наукометрическим показателем без каких-либо обоснований считают индекс Хирша; отрицательно относятся к самоцитированию; игнорируют публикации старше 5 лет, в частности, при расчете импакт-факторов журналов, и т. д.
Выделим прикладную науку, когда работа выполняется в интересах конкретного заказчика, и фундаментальную науку, нацеленную на увеличение знаний. В прикладной науке публикация полученных результатов в открытой печати не является целью и не всегда целесообразна, в частности, из-за необходимости соблюдения коммерческой и государственной тайны. В фундаментальной науке, наоборот, итогом выполненного исследования является именно публикация, а ее оценкой является востребованность научным сообществом, выраженное в числе цитирований в дальнейших работах.
Дан критический анализ экспертных методов наукометрии. Рассматриваем четыре вида методов: рецензирование статей, работа диссертационных советов, назначения (выборы) на административные должности, выборы в РАН.
Необходимо совместно применять статистические и экспертные методы наукометрии при управлении научной деятельностью, избавляясь от архаики.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс июн 06, 2021 12:03 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1185. Орлов А.И. Контроллинг рисков как научная, практическая и учебная дисциплина // Научный журнал КубГАУ. 2021. № 168. С. 154–185.
http://ej.kubagro.ru/2021/04/pdf/12.pdf.

КОНТРОЛЛИНГ РИСКОВ КАК НАУЧНАЯ, ПРАКТИЧЕСКАЯ И УЧЕБНАЯ ДИСЦИПЛИНА

Орлов Александр Иванович

Возникновение новых дисциплин - объективный процесс. Такова научная, практическая и учебная дисциплина "Контроллинг рисков", которой посвящена статья. Начинаем с обсуждения базовых терминов "контроллинг" и "риск". Определяем риск как нежелательную возможность. Делим теорию риска на три области - анализ риска, оценка риска, управление риском. Безопасность и риск непосредственно связаны между собой, являясь «зеркальным отражением» друг друга. Считаем необходимым развивать как общую теорию риска, так и частные теории в конкретных областях. В настоящее время используют три основных подхода к учету неопределенности и описанию рисков - вероятностно-статистический, с помощью нечетких множеств, на основе интервальной математики. Рассмотрены методы оценки рисков, прежде всего основанные на вероятностно-статистических моделях. Математический аппарат оценки и управления рисками основан на непараметрических постановках и предельных соотношениях, широко используется многокритериальная оптимизация. Асимптотические непараметрические точечные оценки и доверительные границы для вероятности рискового события построены на основе биномиального распределения и распределения Пуассона. Предложены правила проверки гипотез о равенстве вероятностей рисковых событий. Широкое распространение получила аддитивно-мультипликативная модель оценки рисков на основе трехуровневой системы: частные риски - групповые риски - итоговый риск. Для этой модели выявлена роль экспертных оценок. Показана перспективность использования теории нечеткости. Простейшая оценка риска в вероятностно-статистической модели - это произведение вероятности рискового события и математического ожидания случайного ущерба. Рассказано об основных составляющих математического аппарата теории рисков, в частности, о математическом обеспечении частных теорий рисков, относящихся к управлению качеством, инновациями и инвестициями. Обсуждаются математические и инструментальные методы исследования глобальных экономических и экологических рисков. В курс "Контроллинг рисков" включены основные положения новой парадигмы экономической теории - солидарной информационной экономики. Дана краткая информацию о современных математических инструментах контроллинга рисков.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс июн 13, 2021 1:31 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1178. Орлов А.И. Системная нечеткая интервальная математика - основа математики XXI века // Научный журнал КубГАУ. 2021. №165. С. 111–130. http://ej.kubagro.ru/2021/01/pdf/11.pdf, 1,25 у.п.л.

СИСТЕМНАЯ НЕЧЕТКАЯ ИНТЕРВАЛЬНАЯ МАТЕМАТИКА - ОСНОВА МАТЕМАТИКИ XXI ВЕКА

Орлов Александр Иванович

Определения математики как науки менялись со временем. В XIX в. ее определяли как науку о числах и фигурах (телах). В XXI в. математика - наука о формальных структурах. Следовательно, ее нельзя относить к естественным наукам. Математика изучает мысленные конструкции. В практике математических исследований аксиоматические теории - это, как правило, недостижимый идеал. Есть два направления деятельности математиков. Исследования в первом из них нацелены на построение и изучение моделей реальности, на получение научных результатов, которые - прямо или опосредованно - позволяют решать практические задачи. Представители второго направления занимаются решением конкретных трудных задач. Примеры - "великая теорема Ферма", задача пяти красок и т.п. Именно они готовят новых математиков, руководят профессиональными объединениями. В результате первое направление оказывается ущемленным. С точки зрения представителей первого направления наиболее важные области математики - это математический анализ, алгебра (линейная, высшая и др.) и геометрия (многомерная, начертательная, топология и др.). Для решения прикладных задач в ХХ в. наиболее важными оказались теория вероятностей и математическая статистика, теория оптимизации, дифференциальные и разностные уравнения. Начиная со второй половины ХХ в. появились новые области математики - статистика нечисловых данных, теория нечетких множеств, автоматизированный системно-когнитивный анализ, интервальная математика. Объединяющую их системную нечеткую интервальную математику рассматриваем как основу математики XXI века. Основная часть областей математики, разработанных представителями второго направления, в применении к решению прикладных задач оказалась, увы, бесплодной. Необходимо различать математические, прагматические и компьютерные числа. Разработан ряд подходов к моделированию связей математических и прагматических чисел - на основе группировки, интервального анализа, нечетких множеств, автоматизированного системно-когнитивного анализа. В конце статьи кратко рассказано о многообразии литературных источников.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс июн 20, 2021 10:50 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1170. Орлов А.И. Основные требования к математическим методам классификации // Заводская лаборатория. Диагностика материалов. 2020. Т.86. №11. С. 67-78.

Основные требования к математическим методам классификации

Александр Иванович Орлов

Назрела необходимость навести порядок в методах классификации. Это повысит их роль в решении прикладных задач, в частности, при диагностике материалов. Для этого прежде всего следует выработать требования, которым должны удовлетворять методы классификации. Первоначальная формулировка таких требований - основное содержание настоящей работы. Математические методы классификации рассматриваются как часть методов прикладной статистики. Обсуждаются естественные требования к рассматриваемым методам анализа данных и представлению результатов расчетов, вытекающие из накопленных отечественной вероятностно-статистической научной школой достижений и идей. Даются конкретные рекомендации по ряду вопросов, а также критика отдельных ошибок. В частности, методы анализа данных должны быть инвариантны относительно допустимых преобразований шкал, в которых измерены данные, т.е. методы должны быть адекватны в смысле теории измерений. Основой конкретного статистического метода анализа данных всегда является та или иная вероятностная модель. Она должна быть явно описана, ее предпосылки обоснованы - либо из теоретических соображений, либо экспериментально. Методы обработки данных, предназначенные для использования в реальных задачах, должны быть исследованы на устойчивость относительно допустимых отклонений исходных данных и предпосылок модели. Должна указываться точность решений, даваемых с помощью используемого метода. При публикации результатов статистического анализа реальных данных необходимо указывать их точность (доверительные интервалы). В качестве оценки прогностической силы алгоритма классификации вместо доли правильных прогнозов рекомендуется использовать прогностическую силу. Математические методы исследования делятся на "разведочный анализ" и "доказательную статистику". Специфические требования к методам обработки данных возникают в связи с их "стыковкой" при последовательном выполнении. Обсуждаются границы применимости вероятностно-статистических методов. Рассматриваются также конкретные постановки задач классификации и типовые ошибки при применении различных методов их решения.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс июн 27, 2021 8:39 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1036. Орлов А.И. Число цитирований - ключевой показатель эффективности научной деятельности исследователя и организации / Научный журнал КубГАУ. 2016. №124. С. 984–1009.

ЧИСЛО ЦИТИРОВАНИЙ - КЛЮЧЕВОЙ ПОКАЗАТЕЛЬ ЭФФЕКТИВНОСТИ НАУЧНОЙ ДЕЯТЕЛЬНОСТИ ИССЛЕДОВАТЕЛЯ И ОРГАНИЗАЦИИ

Орлов Александр Иванович

Рассмотрим методы оценки эффективности и качества работы ученого, научной деятельности подразделения, организации, журнала. Показатели эффективности научной деятельности используются как важная составная часть при оценке вузов, инновационного потенциала предприятий и т.п. Для оценки эффективности научной деятельности естественно использовать хорошо зарекомендовавшие себя в других предметных областях интеллектуальные инструменты. К таким инструментам относятся, в частности, система сбалансированных показателей, основанная на ключевых показателях эффективности (отсюда и название настоящей статьи), а также контроллинг, прежде всего контроллинг научной деятельности. Подробно разработаны и широко применяются два типа инструментов оценки эффективности научной деятельности - наукометрические показатели и экспертные оценки. Их критическому анализу и посвящена настоящая статья. Цель - выбор наиболее эффективного инструмента. Различные варианты манипулирования значениями наукометрических показателей в РФ, по нашей оценке, пока еще применяются сравнительно редко. Возможно, это связано со сравнительно небольшим сроком их использования при управления наукой. Поскольку такой показатель, как число цитирований работ исследователя, позволяет объективно оценить его вклад в науку, то применение этого наукометрического показателя для управления наукой оправдано. В то же время число публикаций и особенно индекс Хирша не позволяют объективно оценить эффективность научной деятельности, особенно с учетом свойств реальных библиометрических баз данных. Экспертные процедуры имеют ряд недостатков. В настоящей статье обсудим реальную эффективность экспертных процедур в таких областях их применения, как присвоение ученых степеней и выборы в государственные академии наук (прежде всего в РАН), а также назначения на руководящие должности. Основные принципы экспертизы в рассматриваемых областях остаются неизменными в течение последних 70 лет. На основе анализа практики приходится констатировать недостаточную эффективность экспертных оценок в указанных областях. Обоснование сказанному приведено в статье.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс июл 04, 2021 9:49 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1143. Орлов А.И. Характеризация моделей с дисконтированием / Научный журнал КубГАУ. 2019. №153. С. 202–218.

ХАРАКТЕРИЗАЦИЯ МОДЕЛЕЙ С ДИСКОНТИРОВАНИЕМ

Орлов Александр Иванович

Среди широко используемых экономико-математических моделей важное место занимают модели динамического программирования, а среди них - модели с дисконтированием. Наиболее известным примером является модель расчета чистой текущей стоимости NPV как оценки эффективности инвестиционного проекта. В статье выяснено, какими свойствами выделяются модели с дисконтированием среди всех моделей динамического программирования. В моделях с дисконтированием сравнение планов не меняется при изменении момента начала реализации планов, т.е. имеет место устойчивость результатов сравнения планов. Доказано, что если в модели динамического программирования устойчивы результаты сравнения планов на 1 и 2 шага, то эта модель является моделью с дисконтированием. Эта теорема показывает, что введение дисконтированных функций для оценки эффекта оправдано лишь в стабильных экономических условиях, в которых упорядоченность управленческих решений не меняется год от года. Другими словами, если в начале рассматриваемого периода первое решение лучше второго, то и во все остальные моменты времени, вплоть до конца рассматриваемого периода, первое решение лучше второго. Стабильные экономические условия редко встречаются в современной экономике с ее постоянными изменениями, в том числе вызванными инновациями. Следовательно, принятие решения о выборе (для реализации) инвестиционного проекта из совокупности возможных нельзя основывать исключительно на расчете дисконтированных показателей эффективности проектов, таких, как чистая текущая стоимость и внутренняя норма доходности. Такие показатели могут играть лишь вспомогательную роль. Принимать решение о выбора инвестиционного проекта для реализации необходимо на основе всей совокупности социальных, технологических, экологических, экономических, политических факторов.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс июл 11, 2021 10:00 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1186. Орлов А.И. Организационно-экономическое моделирование и искусственный интеллект в цифровой экономике (на примере управления качеством) // Научный журнал КубГАУ. 2021. №169. С.216–242.
http://ej.kubagro.ru/2021/05/pdf/16.pdf.

ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ЦИФРОВОЙ ЭКОНОМИКЕ (НА ПРИМЕРЕ УПРАВЛЕНИЯ КАЧЕСТВОМ)

Орлов Александр Иванович

Организационно-экономическое моделирование, в том числе теория принятия решений (включая экспертные процедуры), является научной основой технологий искусственного интеллекта. Это научное направление является все более востребованным в ходе бурного развития цифровой экономики. Для успешного конструирования будущего полезно критически проанализировать результаты прежних исследований. В статье рассмотрены наши научные результаты по этой тематике и опыт их практического использования, накопленный за более чем 30 лет Институтом высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана. Основное внимание уделено статистическим методам управления качеством продукции - составной части теории и практики организации производства. Нам наиболее интересны такие направления исследований в области организации производства, как статистические методы управления качеством продукции, система экологического менеджмента на предприятии, анализ, оценка и управление рисками, управление запасами (материально-техническими ресурсами). По этой тематике нами выпущен ряд публикаций, рассмотренных в статье. Несмотря на взрывной характер цифровой революции, заметная доля интеллектуальной жизни и достижений прежних времен остается актуальной и сейчас. Их сегодня и в обозримом будущем целесообразно изучать, развивать и применять в практической деятельности. В настоящей статье в качестве базового примера кратко рассмотрены научные результаты и опыт их практического использования, накопленный Институтом высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана. Он занимается рассматриваемой тематикой уже более 30 лет (основан нами в 1989 г. как Всесоюзный центр статистических методов и информатики Центрального правления Всесоюзного экономического общества). Параллельно с развитием фундаментальных исследований и выполнением прикладных работ по договорам с организациями и предприятиями Институт вел работу по объединению отечественных статистиков, завершившуюся созданием в октябре 1990 г. Всесоюзной статистической ассоциации. Рассказано о работах Института вплоть до 2020 г.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс июл 18, 2021 10:19 am 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1187. Орлов А.И. Модель расширенного воспроизводства, экспоненциальный рост экономики и пределы роста // Контроллинг. 2021. № 2(80). С. 24-31.
https://elibrary.ru/download/elibrary_4 ... 463632.pdf


Модель расширенного воспроизводства, экспоненциальный рост экономики и пределы роста

Орлов Александр Иванович

Аннотация
Согласно построенной в статье математической модели расширенного воспроизводства и анализу статистических данных основные макроэкономические показатели экономики экспоненциально растут с течением времени. Однако из-за ограниченности ресурсов планеты развитие мирового хозяйства в обозримом будущем наталкивается на непреодолимые пределы роста. Выжить в условиях приближающегося кризиса можно лишь путем кардинального изменения нынешней системы хозяйствования и соответствующего ей массового сознания. В частности, необходимо отказаться от однозначной оценки увеличения макроэкономического показателя как успеха. Чтобы выжить, надо начать с научного изучения сложившейся к настоящему времени ситуации и распространения информации о результатах такого изучения. Об этом - настоящая статья.

Ключевые слова: экономика, математические модели, производство средств производства, производство товаров и услуг для населения, экспоненциальный рост, пределы роста, грядущий кризис.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс июл 25, 2021 12:04 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1189. Орлов А.И. Смена парадигм в прикладной статистике // Заводская лаборатория. Диагностика материалов. 2021. Т.87. № 7. С. 6-7.



Колонка редколлегии

СМЕНА ПАРАДИГМ В ПРИКЛАДНОЙ СТАТИСТИКЕ

© А.И. Орлов

CHANGE OF PARADIGMS IN APPLIED STATISTICS

© A.I. Orlov

Статистические методы анализа данных широко применяются исследователями в различных областях науки. Обсудим смену парадигм прикладной статистики - изменения основ общепринятой модели действий в этой области математических методов исследования. Рассмотрим три парадигмы - примитивную, устаревшую, современную.
Поясним на примере. Исходя из примитивной парадигмы, применяют расчетные формулы критерия Стьюдента для проверки равенства 0 математического ожидания без какого-либо обоснования. Согласно устаревшей парадигме констатируют (без строгого обоснования), что результаты измерений имеют нормальное распределение, затем применяют критерий Стьюдента. В современной парадигме используют непараметрические методы (в рассматриваемой постановке - основанные на центральной предельной теореме [1]).
Очевидно, обоснованность статистических выводов возрастает при переходе от примитивной парадигмы к устаревшей и далее к современной. В настоящее время в практике научной работы областях используются все три парадигмы. Обсудим, как это влияет на качество результатов исследовательской деятельности.
Примитивная парадигма - это парадигма поваренной книги, следования составленным кем-то рецептам. Программные продукты часто провоцируют такие расчеты. Приходится констатировать, что довольно часто итоговые выводы оказываются полезными с позиций прикладной области. Но иногда они могут быть и грубо ошибочными. Об опасности бездумного применения программных продуктов предупреждал [2] проф. В.В. Налимов, руководивший разделом "Математические методы исследования" нашего журнала в 1961 - 1997 гг.
Устаревшая парадигма - это парадигма середины ХХ в. В ней элементы выборки рассматриваются как независимые случайные величины, распределения которых входят в то или иное параметрическое семейство распределений - нормальных, логистических, экспоненциальных, Вейбулла - Гнеденко, Коши, Лапласа, гамма-распределений, и др. Все эти семейства выделены из четырехпараметрического семейства распределений, введенного основателем математической статистики К. Пирсоном в начале ХХ в. Он принял гипотезу, что распределения реальных данных всегда совпадают с каким-то элементом его четырехпараметрического семейства. Затем началось развитие теории параметрической математической статистики, в которой задачи оценивания и проверки гипотез решались для выборок из тех или иных параметрических семейств. Был получен ряд замечательных математических моделей и результатов, например, связанных с методом максимального правдоподобия, критериями Пирсона (хи-квадрат), Пирсона, неравенством Рао - Крамера и др. Многомерное нормальное распределение оказалось весьма полезным для развития регрессионного и дискриминантного анализа.
Параметрической математической статистике посвящено основное содержание распространенных вузовских учебников по математической статистике. В отличие от примитивной парадигмы, имеется строгая математическая теория, позволяющая получать расчетные алгоритмы и на их основе - полезные практические рекомендации. Есть только один недостаток - распределения реальных данных, как правило, не являются нормальными и вообще не входят в четырехпараметрическое семейство Пирсона. Делают попытки проверить нормальность или, например, экспоненциальность реальных данных. Зачастую отклонить гипотезу нормальности не удается. Но это нельзя рассматривать как подтверждение нормальности распределения рассматриваемых данных, поскольку для тех же данных не удается отклонить гипотезу о том, что распределение данных соответствует другому популярному распределению. Причина очевидна - малый объем выборки. Например, для того, чтобы выяснить, какому распределению соответствуют анализируемые данные - нормальному или логистическому, необходимо не менее 2500 наблюдений. Реальные объемы выборок обычно значительно меньше.
Развитие теории параметрической математической статистики продолжается и в настоящее время. В частности, сравнительно недавно выяснено, что вместо оценок максимального правдоподобия целесообразно использовать одношаговые оценки, разработаны методы доверительного оценивания для гамма-распределения и др. С помощью параметрической математической статистики решено много прикладных задач в конкретных областях исследования. Но в ряде случаев получены ошибочные выводы, хотя доля таких случаев заметно меньше, чем опоре на примитивную парадигму.
Современная парадигма [3] основана на непараметрической и нечисловой статистике. В отличие от параметрической статистики, элементы выборки с числовыми значениями предполагаются имеющими произвольную непрерывную функцию распределения. Центральной областью прикладной статистики стала статистика нечисловых данных [4], позволяющая единообразно подходить к анализу статистических данных произвольной природы.
Современную парадигму называем новой, хотя ее основы сформировались еще в 1980-х годах, когда во время подготовки к созданию Всесоюзной статистической ассоциации (учредительный съезд прошел в 1990 г.) понадобилось проанализировать состояние и перспективы прикладной статистики.
К настоящему времени непараметрическими методами можно решать практически тот же круг задач анализа данных, что и параметрическими. Преимущество непараметрики в том, что нет необходимости принимать необоснованные предположения о виде функции распределения. Недостатком является то, что реальные данные часто содержат совпадения. Если функция распределения элементов выборки непрерывна, то вероятность их совпадения равна 0. Противоречие возникает из-за того, что свойства прагматических чисел, используемых для записи результатов измерений (наблюдений, испытаний, опытов, анализов, обследований), отличаются от свойств математических чисел (например, прагматические числа записываются с помощью конечного числа цифр, а почти все действительные числа требуют - в теории - бесконечного ряда цифр). Разработаны подходы [5] к анализу совпадений при применении непараметрических статистик, позволяющие снять рассматриваемое противоречие.
В некоторых случаях параметрические методы позволяют обнаружить и предварительно изучить важные эффекты непараметрической статистики. Так, хорошо известно, что распределения реальных данных, как правило, не являются нормальными. Однако математический аппарат в случае нормальности зачастую является более простым. Согласно устаревшей парадигме в математической статистике широко используются многомерные нормальные распределения. Именно для таких распределений найдены явные формулы для различных характеристик в многомерном статистическом анализе, прежде всего в регрессионных постановках. Это связано с тем, что глубоко развита теория квадратичных форм в евклидовом пространстве (квадратичные формы стоят в степени экспоненты, описывающей плотность многомерного нормального распределения). Используя развитый математический аппарат, основанный на многомерной нормальности, удается разработать и изучить методы оценивания размерности вероятностно-статистической модели [6] с целью переноса полученных результатов на непараметрические постановки.
К настоящему времени теоретические исследования по прикладной статистике проводятся в основном в соответствии с современной парадигмой. Так, статистике нечисловых данных посвящено 63% работ по прикладной статистике, опубликованных [7] в разделе "Математические методы исследования" журнала "Заводская лаборатория. Диагностика материалов" в 2006 - 2015 гг. Однако значительная доля прикладных работ осуществляется в традициях устаревшей или даже примитивной парадигм. Такие работы нецелесообразно огульно отрицать. Они могут приносить пользу в конкретных областях. Однако бесспорно, что переход на современную парадигму прикладной статистики повысит научный уровень исследований, а также позволит получить важные результаты в конкретных областях. Приходится констатировать, что исследователи, связанных с анализом данных, недостаточно знакомы с непараметрической и нечисловой статистикой. Необходимо шире распространять информацию о современной парадигме прикладной статистики.

Литература
1. Орлов А. И. Прикладная статистика. - М.: Экзамен, 2006. - 671 с.
2. Налимов В. В. Теория эксперимента. - М.: Наука, 1971. - 208 с.
3. Орлов А. И. Новая парадигма прикладной статистики // Заводская лаборатория. Диагностика материалов. 2012. Т.78. №1, С. 87-93.
4. Орлов А.И. Статистика нечисловых данных за сорок лет (обзор) // Заводская лаборатория. Диагностика материалов. 2019. Т. 85. №7. С. 69-84.
5. Орлов А. И. Модель анализа совпадений при расчете непараметрических ранговых статистик // Заводская лаборатория. Диагностика материалов. 2017. Т.83. №11. С. 66-72.
6. Орлов А. И. Оценивание размерности вероятностно-статистической модели // Научный журнал КубГАУ. 2020. №162. С. 1–36.
7. Орлов А. И. Развитие математических методов исследования (2006 – 2015 гг.) // Заводская лаборатория. Диагностика материалов. 2017. Т.83. №1. Ч.1. С. 78-86.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Аннотации новых статей А.И. Орлова
СообщениеДобавлено: Вс авг 01, 2021 12:33 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 9688
1188. Орлов А.И. Организационно-экономическое моделирование и искусственный интеллект в организации производства в эпоху цифровой экономики // Инновации в менеджменте. 2021. № 2(28). С. 36-45.
https://elibrary.ru/download/elibrary_4 ... 482186.pdf


УДК 123; JEL Classification: А10, В40

Орлов А.И.,
д.э.н., д.т.н., к.ф.-м.н., профессор,
зав. лаб. экономико-математических методов в контроллинге,
МГТУ им. Н.Э. Баумана

ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ОРГАНИЗАЦИИ ПРОИЗВОДСТВА
В ЭПОХУ ЦИФРОВОЙ ЭКОНОМИКИ

Аннотация:
Организационно-экономическое моделирование - научная основа технологий искусственного интеллекта. Их актуальность растет в эпоху цифровой экономики. В статье рассмотрены научные результаты по этой тематике и опыт их практического использования, накопленный за более чем 30 лет Институтом высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана. Основное внимание уделено статистическим методам управления качеством продукции - составной части теории и практики организации производства.

Ключевые слова: организация производства, организационно-экономическое моделирование, искусственный интеллект, цифровая экономика, управление качеством, Институт высоких статистических технологий и эконометрики

ORGANIZATIONAL-ECONOMIC MODELING AND ARTIFICIAL INTELLIGENCE IN PRODUCTION ORGANIZATION IN THE ERA OF THE DIGITAL ECONOMY

Alexander I. Orlov,
Dr.Sci.Econ., Dr.Sci.Tech., Cand.Phys-Math.Sci., professor,
head of Laboratory of economic-mathematical methods in controlling, BMSTU

Abstract
Organizational and economic modeling is the scientific basis of artificial intelligence technologies. Their relevance is growing in the era of the digital economy. The article discusses the scientific results on this topic and the experience of their practical use, accumulated over more than 30 years by the Institute of High Statistical Technologies and Econometrics, Bauman Moscow State Technical University. The main attention is paid to statistical methods of product quality management - an integral part of the theory and practice of production organization.

Keywords: production organization, organizational-economic modeling, artificial intelligence, digital economy, quality management, Institute of High Statistical Technologies and Econometrics.

Введение
Организационно-экономическое моделирование, в том числе теория принятия решений, является научной основой технологий искусственного интеллекта. Это научное направление является все более востребованным в ходе бурного развития цифровой экономики. В настоящее время уже обсуждается предложение о введении в средних школах нового предмета "принятие решений". Для успешного конструирования будущего полезно критически проанализировать результаты прежних исследований. В настоящей статье кратко рассмотрены научные результаты и опыт их практического использования, накопленный Институтом высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана. Он занимается рассматриваемой тематикой уже более 30 лет. Основное внимание уделено статистическим методам управления качеством продукции - составной части теории и практики организации производства. Рассказано об истории создания и результатах деятельности Центра статистических методов и информатики (в настоящее время - Институт высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана).

Основные понятия и термины
Широко используемые понятия обычно используются в публикациях во многих смыслах. Для достижения однозначности понимания необходимо давать определения используемых терминов, как это принято в федеральных законах РФ. Естественно, другие авторы могут предпочитать иные определения.
Поясним используемые в настоящей работе термины.
Организационно-экономическое моделирование (ОЭМ) – научная, практическая и учебная дисциплина, посвященная разработке, изучению и применению математических и статистических методов и моделей в экономике и управлении народным хозяйством, прежде всего промышленными предприятиями и их объединениями. Такое определение дано нами в выпущенном в МГТУ им. Н.Э. Баумана учебнике по организационно-экономическому моделированию в трех частях (Орлов А.И., 2009, 2011, 2012). В настоящее время магистранты факультета "Инженерный бизнес и менеджмент" МГТУ им. Н.Э. Баумана изучают одноименную дисциплину, используя тот же учебник.
В "Национальной стратегии развития искусственного интеллекта на период до 2030 года принято следующее определение: "... искусственный интеллект - комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в том числе в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений". В этом определении ничего не говорится про научную основу "комплекса технологических решений". По нашему мнению, в социально-экономической области в качестве такой основы можно использовать организационно-экономическое моделирование.
Согласно нормативному документу ВАК: "Организация производства (по отраслям) – область науки и техники, изучающая проблемы становления, эффективного функционирования и совершенствования производственных процессов, научно-организационные и практические методы и средства решения таких проблем на всех уровнях. Специальность включает в себя разработку и совершенствование научных, методологических и системотехнических принципов организации производства, создание и применение методов и средств мониторинга, исследование и анализ различных организационных, технологических и технических решений на всех уровнях организации процессов создания конкурентоспособной продукции и производственных услуг на основе широкого использования новых информационных технологий. Решение указанных проблем качественно повышает уровень организации производственной деятельности предприятий различных отраслей и способствует ускорению их научно-технического прогресса" (паспорт специальности 05.02.22 "Организация производства (по отраслям)" ). В МГТУ более 100 лет ведутся работы в области организации производства, со времен Н.Ф. Чарновского (1914). Кафедра "Экономика и организация производства" МГТУ им. Н.Э. Баумана, организованная в1929 г., была первой среди кафедр в этой области в нашей стране. Накоплен большой опыт научных исследований, участия в прикладных работах и преподавания. Выпущено большое число статей и книг. Отметим недавний учебник (Некрасов Л.А., Скворцов Ю.В., 2018). История и перспективы науки об организации производства рассмотрены в (Фалько С.Г., 1990). Эволюции концепций управления предприятиями промышленности посвящена работа (Фалько С.Г., 2007). Автору настоящей работы в области организации производства наиболее интересны следующие направления исследований, по которым нами выпущены многочисленные публикации:
- статистические методы управления качеством продукции;
- система экологического менеджмента на предприятии,
- анализ, оценка и управление рисками,
- управление запасами (материально-техническими ресурсами).
Все эти области исследований включены в паспорт научной специальности 05.02.22 "Организация производства (по отраслям)".
Под цифровой экономикой понимаем разработку и применение информационно-коммуникационных технологий в экономике и управлении (Лойко В.И., Луценко Е.В., 2018). Этой тематикой, как и искусственным интеллектом, автор занимается уже полвека. Бурное развитие началось с публикации в 1948 г. известной книги "Кибернетика" Н. Винера. Для обозначения потока работ использовались различные термины - кибернетика, информатика, системный анализ, проблемы управления, принятие решений, исследование операций ... Мода на термины менялась, но суть оставалась прежней. Так, сейчас модны нейросетевые методы, основные идеи которых были разработаны в середине ХХ в. (Согласно распространенным определениям, нейросеть - это математическая модель (и ее компьютерное воплощение), построенная по аналогии с сетями нервных клеток живых организмов.) А термин "кибернетика" употребляется сейчас редко.
В настоящее время наблюдаем бурный рост информационно-коммуникационных технологий. Этот процесс справедливо называют цифровой революцией. Она проявляется в принципиальных изменениях технологических, организационно-экономических и социальных процессов. Количество изменений переходит в качество. Как следствие, назрела необходимость перемен в экономической теории, в частности, преодоление рыночной экономики и переход к новой парадигме - солидарной информационной экономике, являющейся возрождением идей основоположника экономической науки Аристотеля (подробнее см. (Орлов А.И., 2019), (Орлов А.И., Сажин Ю.Б., 2020) и др.).

Управление качеством: прошлое в настоящем и будущем
Несмотря на взрывной характер цифровой революции, заметная доля интеллектуальной жизни специалистов прежних времен остается актуальной и сейчас. Некоторые научные результаты остаются актуальными, не превзойденными в дальнейших работах, т.е. не уходят в прошлое. Приведем несколько конкретных фактов в рамках рассматриваемой тематики. Так, новая парадигма экономической теории основана на книгах Аристотеля. По-прежнему актуальны многие разделы книг Н.Ф. Чарновского (1914) столетней давности. Например, раздел "Системы оплаты труда" его учебника (Чарновский, 1914, с.217 - 248), выпущенного более ста лет назад. Работы А.Н. Колмогорова 1930-х годов нужны современным исследователям (Орлов А.И., 2014).
В 1983 - 1984 гг. кафедру "Экономика и организация производства" МГТУ им. Н.Э. Баумана возглавлял крупнейший ученый в области стандартизации и организации производства, профессор, доктор технических наук Василий Васильевич Бойцов (1908 - 1997) — создатель системы отечественных государственных стандартов в России и первый Председатель Государственного Комитета СССР по стандартам. К сожалению, в дальнейшие годы система стандартизации была во многом разрушена. В результате проявились серьезные проблемы с качеством продукции, в том числе потребительских товаров. Для наведения порядка в этой области, очевидно, прежде всего необходим анализ накопленного опыта, прежде всего советского периода.
Среди основных целей стандартизации - нормативное оформление лучших управленческих практик, проверенных рациональных способов действий. В качестве примера рассмотрим "Комплексные системы управления качеством продукции" (КС УКП). Эти системы были созданы в ходе многочисленных научно-методических разработок, начало которой относится к концу 1960-х гг. Они проводились научными работниками Всесоюзного научно-исследовательского института стандартизации (ВНИИС) совместно с сотрудниками промышленных предприятий различных отраслей и регионов. Большое значение имела организационная и методическая поддержка Госстандарта ССР и непосредственно его председателя В.В. Бойцова. Широкомасштабный производственный эксперимент на Украине (в Львовской области) подтвердил научную и практическую ценность концепции КС УКП и основных ее элементов. На основе результатов, полученных в ходе промышленного эксперимента, опыт по созданию КС УКП был одобрен специальным решением ЦК КПСС в августе 1973 г. и рекомендован к широкому внедрению.
Обсудим основные характерные черты КС УКП. Выявим, в чем ее значение, что КС УКП имеет общего с предшествующими системами, что она внесла в международную копилку передового опыта управления качеством, значительная часть которого обобщена в стандартах ИСО серии 9000?
Прежде всего подчеркнем, что КС УКП - результат научного обобщения накопленного к тому времени отечественного и хорошо известного нашим специалистам зарубежного опыта разработки и внедрения систем качества. Она аккумулировала в себе все лучшее, все прогрессивное, что последовательно накапливалось в предшествующих отечественных системах, среди которых отметим Саратовскую БИП (бездефектное изготовление продукции), Горьковскую КАНАРСПИ (качество, надежность, ресурс с первых изделий), Ярославскую НОРМ (научная организация робот по увеличению моторесурса) и др. Принципиальная идея разработки КС УКП - системно-комплексный подход, базирующийся на стандартизации. В основу КС УКП были положены принципы общей теории управления и разработанная к тому времени принципиальная модель управления качеством продукции", разобранная в (Гличев А.В., 2001). Примерами КС УКП являются Комплексная система управления качеством ярославского объединения "Автодизель"(Комплексная система, 1973) и Московская городская система управления качеством продукции (Московская городская, 1981).
Как подчеркивает один из наиболее авторитетных стандартизаторов А.В. Гличев (2001), КС УКП, ИСО и TQM (Total Quality Management) - вехи мирового опыта ХХ в. в области управления качеством продукции. При этом стандарты ИСО серии 9000, по его мнению, в ряде случаев уступают содержанию КС УКП. Прежде всего, это касается соединения в петле качества стадий жизненного цикла продукции с некоторыми функциями. Другой принципиальный недостаток он видит в не вполне четком определении состава и содержания специальных функций управления качеством продукции. Весьма важно, что, выражаясь словами А.В. Гличева: "... TQM - это в значительной мере тот виток диалектической спирали, который возвращает нас к Саратовской системе БИП, когда управление качеством было ориентировано в первую очередь на человека и на его роль в производственном процессе". Следовательно, констатируем, что основные идеи КС УКП отнюдь не устарели, опыт, накопленный в 1970-80-х годах, необходимо использовать в современных условиях, опираясь на идеи одного из заведующих кафедрой ИБМ-2 МГТУ им. Н.Э. Баумана проф. В.В. Бойцова. Конечно, с учетом разработок XXI в., например, системы искусственного интеллекта «Шесть сигм» как подхода к совершенствованию бизнеса (Фалько С.Г., Орлов А.И., 2004).
Нет ничего более постоянного, чем популярные ошибки исследователей. В настоящее время они распространены не меньше, чем десятилетия назад. Приведем три примера, подробнее рассмотренных в (Орлов А.И., 2012) и других наших публикациях. Как тогда приходилось разъяснять, что неверно утверждение "запасы должны быть минимальны", а верно: "запасы должны быть оптимальны", так и сейчас (имеется в виду классическая оптимизационная модель Вильсона управления запасами, предложенная Харрисом за 19 лет до Вильсона). Как тогда объяснял, что распределения реальных статистических данных, как правило, ненормальны, так и сейчас приходится (как следствие, любые рассуждения, основанные на предположении о нормальном распределении результатов наблюдений, напоминают поиск под фонарем ключей, потерянных в кустах в темноте). Как тогда профаны советовали проверять нормальность с помощью критериев Колмогорова и омега-квадрат, так и сейчас. И т.д., и т.п.
Новое в XXI в. - это развертывающаяся на наших глазах цифровая революция (Лойко В.И., Луценко Е.В., 2018). Для обеспечения правильности управленческих решений, нацеленных в будущее, важно проанализировать прошлое, выделить в нем ценное.

Организация и первые годы работы
Института высоких статистических технологий и эконометрики
Термин «высокие статистические технологии» входит в название нашей крайней научной монографии (Лойко В.И., Луценко Е.В., 2019), используется на наших базовых сайтах "Высокие статистические технологии" и "Лаборатория экономико-математических методов в контроллинге" , в том числе в названиях учебников, на форуме . При публикации статей часто указано, что они подготовлены в Институте высоких статистических технологий и эконометрики (ИВСТЭ) МГТУ им. Н.Э. Баумана. Поэтому целесообразно дать основную информацию об ИВСТЭ.
История и предыстория ИВСТЭ. Институт высоких статистических технологий и эконометрики (ИВСТЭ) организован нами в 1989 г. Он на инициативных, хоздоговорных и госбюджетных началах занимается развитием, изучением и внедрением высоких статистических технологий, т.е. наиболее современных технологий анализа технических, экономических, социологических, медицинских данных, ориентированных на использование в условиях современного производства и экономики. Основной интерес для ИВСТЭ представляют применения высоких статистических технологий для анализа конкретных экономических данных, т.е. в эконометрике.
Вначале Институт действовал как Центр статистических методов и информатики (создан в 1989 г.), позже - как Всесоюзный центр статистических методов и информатики Центрального правления Всесоюзного экономического общества (1989 - 1992), затем - снова как Центр статистических методов и информатики (1992 - 1993). В 1993 г. преобразован в Лабораторию эконометрических исследований Московского государственного института электроники и математики, а с 1997 г. действует под своим нынешним именем. ИВСТЭ работает на базе кафедры ИБМ-2 "Экономика и организация производства" в симбиозе с Лабораторией экономико-математических методов в контроллинге Научно-образовательного центра "Контроллинг и управленческие инновации" (руководитель Научно-образовательного центра - д.э.н., проф. С.Г. Фалько).
У ИВСТЭ есть и предыстория. В 1978-1985 гг. активно действовала комиссия «Статистика объектов нечисловой природы и экспертные оценки» Научного Совета АН СССР по комплексной проблеме «Кибернетика».
Следующий этап предыстории ИВСТЭ - Рабочая группа по упорядочению системы стандартов по прикладной статистике и другим статистическим методам управления качеством. В нашей стране с начала 1970-х годов на базе ВНИИС стали разрабатываться государственные стандарты по статистическим методам. В связи с обнаружением в них грубых ошибок в 1985 г. мы организовали "Рабочую группу" с указанным выше названием. В ее работе приняли участие 66 специалистов, в том числе 15 докторов и 36 кандидатов наук. О деятельности Рабочей группы рассказано в итоговой статье (Орлов А.И., 1997). В соответствии с рекомендациями Рабочей группы 24 из 31 государственного стандарта по статистическим методам были отменены в 1986-87 гг.
На основе результатов Рабочей группы можно сделать важный вывод о сложностей внедрения лучших управленческих практик с помощью нормативных документов (стандартов). Ясно, что такие документы полезны практикам. Но лишь при условии, что они не содержат ошибок. Застандартизованные ошибки могут принести большой вред. Были выявлены две основные причины появления ошибок в государственных стандартах по статистическим методам управления качеством - низкая квалификация разработчиков, прежде всего руководителей, и отсутствие системы контроля за качеством нормативных документов и исправления выявленных недостатков. Снизить вред ошибочных стандартов можно путем отказа от обязательности их применения, т.е. использования их в качестве рекомендаций, наряду с другими публикациями. Кардинальное же искоренение ошибок возможно лишь путем глобального повышения научного уровня специалистов, применяющих статистические методы.

Центр статистических методов и информатики и Институт высоких
статистических технологий и эконометрики
В 1988-89 гг. наиболее активная часть Рабочей группы (10 докторов и 15 кандидатов наук) составили "Аванпроект комплекса методических документов и пакетов программ по статистическим методам стандартизации и управления качеством" (около 67 п.л.). К сожалению, Госстандарт не пожелал финансировать реализацию заказанного им "Аванпроекта". Тогда решено было действовать самостоятельно. На собрании в центре Москвы (в Политехническом музее) 20 февраля 1989 г. был организован (на общественных началах) Центр статистических методов и информатики (ЦСМИ; в настоящее время - Институт высоких статистических технологий и эконометрики).
Как юридическое лицо Всесоюзный центр статистических методов и информатики (ВЦСМИ) Центрального правления Всесоюзного экономического общества создан Постановлением Президиума Центрального Правления Всесоюзного экономического общества № 5-7 от 25 декабря 1989 г. Постановление подписано В.С. Павловым, в тот момент - министром финансов СССР, позже - первым и последним председателем Кабинета министром СССР. Директором ВЦСМИ был назначен А.И. Орлов.
Основная тематика работ ВЦСМИ - разработка средств искусственного интеллекта - диалоговых систем по современным статистическим методам управления качеством. На основе ранее подготовленного "Аванпроекта" к середине 1990 г. в ВЦСМИ были разработаны 7 базовых программных продуктов, а именно, СПК, АТСТАТ-ПРП, СТАТКОН, АВРОРА-РС, ЭКСПЛАН, ПАСЭК, НАДИС (информация о них дана в статье (Орлов А.И., 1992). В работе этих средств искусственного интеллекта участвовали 128 специалистов. В дальнейшем к ВЦСМИ присоединялись новые группы научно-технических работников, уже к концу 1991 г. нас было более 300. Информация о программных продуктах и другой деятельности ЦСМИ постоянно помещалась в журналах "Заводская лаборатория" и "Надежность и контроль качества".
Программные продукты, разработанные ВЦСМИ, были приобретены и использовались более чем в 100 организациях и предприятиях. Среди них - производственные объединения "Уралмаш", "АвтоВАЗ", "Пластик", Центральный научно-исследовательский институт черной металлургии им. Бардина, Научно-исследовательский институт стали, Всесоюзный научно-исследовательский институт эластомерных материалов и изделий, Научно-исследовательский институт прикладной химии, Центральный научно-исследовательский институт химии и механики, Научно-производственное объединение "Орион", Научно-исследовательский центр по безопасности атомной энергетики, Всесоюзный научно-исследовательский институт экономических проблем развития науки и техники, Всесоюзный научно-исследовательский институт нефтепереработки, МИИТ, Казахский политехнический институт, Ульяновский политехнический институт, Донецкий государственный университет и др. Таким образом, разработки ВЦСМИ быстро стали востребованными.

Всесоюзная статистическая ассоциация
Параллельно с выполнением работ по договорам с организациями и предприятиями ЦСМИ и ВЦСМИ вели работу по объединению статистиков. В апреле 1990 г. в Большом Актовом Зале Московского Энергетического института прошла Учредительная конференция Всесоюзной организации по статистическим методам и их применениям. На Учредительном съезде Всесоюзной статистической ассоциации (ВСА) в октябре 1990 г. в Московском экономико-статистическом институте эта организация вошла в состав ВСА в качестве секции статистических методов (Орлов А.И., 1991).
В соответствии с реальной структурой статистики ВСА делилась на 4 секции: 1) практической статистики, 2) статистических методов и их применений, 3) статистики надежности, ориентированной на проблематику оборонно-промышленного комплекса, 4) социально-экономической статистики. Названия секций, зафиксированные в документах ВСА, не вполне соответствуют действительности. Первая секция состояла из работников Госкомстата (ныне - Росстат), большинство членов второй и третьей занимались не только теорией, но и практической деятельностью, в том числе в социально-экономической области, а четвертая состояла из преподавателей статистических дисциплин в экономических вузах (готовящих специалистов для официального статистического ведомства). В мероприятиях секции статистических методов ВСА активно участвовали несколько сот человек. Основной тематикой работ многих из этих специалистов являлись статистические методы в сертификации (управлении качеством). Однако после развала СССР предприятия и НИИ уже не имели возможности внедрять современные статистические методы, исследователям пришлось перейти в режим выживания, многие эмигрировали или ушли из науки. Численность участников научных семинаров сократилась на порядок. Как следствие, ВСА фактически прекратила работу. Согласно Уставу решение о роспуске Всесоюзной статистической ассоциации может принять только ее съезд. Такого решения не было, т.е. с юридической точки зрения Всесоюзная статистическая ассоциация продолжает существовать.
Наша базовая бизнес-идея была такова: ЦСМИ и ВЦСМИ разрабатывает статистические методы, программные и методические продукты, ВСА и РАСМ их распространяют и внедряют.
В 1980 - 1990 гг. была проведена большая работа по анализу положения дел в области теории и практики статистики в нашей стране. В ЦСМИ и РАСМ, объединивших большинство ведущих российских специалистов, коллективными усилиями разработан единый подход к проблемам применения статистических методов в сертификации и управлении качеством, т.е. новая парадигма статистических методов (математической статистики, прикладной статистики, эконометрики, организационно-экономического моделирования, математических методов исследования). Был сформулирован «социальный заказ» - разработать серию учебников согласно новой парадигме. К настоящему времени он выполнен в рамках отечественной научной школы в области организационно-экономического моделирования, эконометрики и статистики, результаты представлены в статье (Орлов А.И., 2019а).

Дальнейшие работы Института высоких статистических технологий и эконометрики

С 1993 г. по настоящее время Институт ведет научные исследования по статистическим методам анализа данных (эконометрике и прикладной статистике), организационно-экономическому моделированию, математическим и инструментальным методам экономики и управления. Разработана новая парадигма математических методов исследования и новая парадигма экономики на основе солидарной информационной экономики. Большое внимание уделяется проблемам контроллинга, инноваций в менеджменте, организации производства (прежде всего, в области управления качеством), математическим моделям микроэкономики и макроэкономики, теории риска, науковедения и наукометрии. В частности, разрабатывались методология и методы
- эконометрического анализа нечисловых данных,
- прогнозирования индексов инфляции и макроэкономических показателей (первоначально - для Министерства обороны Российской Федерации),
- построения и использования математических моделей процессов налогообложения (Математическое моделирование, 1997),
- оценки рисков реализации инновационных проектов высшей школы (для Министерства науки и технологий Российской Федерации),
- оценки влияния различных факторов на формирование налогооблагаемой базы ряда налогов (для Минфина Российской Федерации).
ИВСТЭ прорабатывал перспективы применения современных статистических и экспертных методов для анализа данных о научном потенциале (для Министерства науки и технологий Российской Федерации), разрабатывал методологическое, программное и информационное обеспечение анализа рисков химико-технологических объектов (для Международного научно-технического центра), проводил маркетинговые исследования (для Промрадтехбанка, фирм, торгующих растворимым кофе, программным обеспечением), выполнял иные работы.
В 2010-2012 гг. Институт совместно с Группой компаний "Волга-Днепр" и Ульяновским государственным университетом участвовал в разработке АСППАП - автоматизированной системы прогнозирования и предотвращения авиационных происшествий (в соответствии с Постановлением Правительства РФ № 218 от 9 апреля 2010 г.). С 2013 г. основное внимание уделяется разработке организационно-экономического обеспечения контроллинга, инноваций и менеджмента в ракетно-космической отрасли (Орлов А.И., Луценко Е.В., 2016).
Институт вел и ведет и фундаментальные научные исследования, в частности, госбюджетные научные исследования в МГТУ им. Н.Э. Баумана. Основные публикации сосредоточены в журналах "Заводская лаборатория. Диагностика материалов" (более 90 статей за 1989-2020 гг., в которых указано, что они выполнены в ИВСТЭ), "Контроллинг", "Инновации в менеджменте", "Управление большими системами", в "Научном журнале КубГАУ" и др.
Институт обеспечивает научно-методическую поддержку преподаванию дисциплин "Прикладная статистика", "Прикладная статистика", "Статистика", "Эконометрика", "Организационно-экономическое моделирование", "Контроллинг рисков", выполнению выпускных квалификационных работ (включая МВА) и диссертаций.

Заключение
Выше в обобщенной форме представлена информация о направлениях деятельности и основных научных результатах Института высоких статистических технологий и эконометрики, действующего в настоящее время на базе кафедры "Экономика и организация производства" МГТУ им. Н.Э. Баумана. Организационно-экономическое моделирование является научной основой искусственного интеллекта в социально-экономической области и с успехом применяется для решения задач управления производством. Основное внимание уделено проблемам управления качеством продукции и лишь кратко отмечены возможности использования организационно-экономического моделирования и инструментов искусственного интеллекта в системах экологического менеджмента на предприятии, при анализе, оценке и управлении рисками, для рационализации управления материально-техническими ресурсами. Бурное развитие цифровой экономики на основе информационно-коммуникационных технологий дает основания ожидать широкого применения наработок ИВСТЭ в современных условиях. В частности, актуальными являются такие разделы организационно-экономического моделирования, как теория и методы разработки и принятия управленческих решений (Орлов А.И., 2018), в том числе на основе экспертных технологий (Орлов А.И., 2011). Новый импульс к развитию получает и эконометрика как наука о статистических методах в экономике и управлении (Агаларов З.С., Орлов А.И., 2021).

Литература:
1. Агаларов З.С., Орлов А.И. Эконометрика. Учебник. - М.: Издательско-торговая корпорация «Дашков и К°», 2021. — 380 с.
2. Гличев А.В. Основы управления качеством продукции. - М.: РИА "Стандарты и качество", 2001. - 120 с.
3. Комплексная система управления качеством / Р.Н. Арсеньев, М.А. Григорьев, А.М. Добрынин, В.А. Долецкий, Ю.А. Щеглов. - Ярославль: Верхневолжское книжное издательство., 1973. - 256 с.
4. Лойко В.И., Луценко Е.В., Орлов А.И. Современная цифровая экономика. – Краснодар: КубГАУ, 2018. – 508 с.
5. Лойко В.И., Луценко Е.В., Орлов А.И. Высокие статистические технологии и системно-когнитивное моделирование в экологии : монография. – Краснодар : КубГАУ, 2019. – 258 с.
6. Математическое моделирование процессов налогообложения (подходы к проблеме). Коллективная монография под редакцией В.Г. Кольцова, В.Н. Жихарева, Нат. Ю. Ивановой, А.И. Орлова. - М.: Изд-во Центра элитарного образования Министерства общего и профессионального образования РФ, 1997. - 232 с.
7. Московская городская система управления качеством продукции: Нормативно-методическое обеспечение. - М.: Издательство стандартов , 1981. - 160 с.
8. Некрасов Л.А., Скворцов Ю.В. и др. Организация и планирование машиностроительного производства. Производственный менеджмент / Л.А. Некрасов, Е.С. Постникова, Ю.В. Скворцов, Т.В. Уханова; под редакцией Ю. В. Скворцова. - Изд. 2-е, стереотип. - М.: Студент, 2018. - 414 с.
9. Орлов А.И. Создана единая статистическая ассоциация / Вестник Академии наук СССР. 1991. №7. С. 152-153.
10. Орлов А.И. Внедрение современных статистических методов с помощью персональных компьютеров / Качество и надежность изделий. №5(21). - М.: Знание, 1992. - С. 51-78.
11. Орлов А.И. Сертификация и статистические методы // Заводская лаборатория. Диагностика материалов. 1997. Т.63. №3. С. 55-62.
12. Орлов А.И. Организационно-экономическое моделирование: : учебник : в 3 ч. Ч.1: Нечисловая статистика. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2009. — 542 с.
13. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.2. Экспертные оценки. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2011. — 486 с.
14. Орлов А.И. Организационно-экономическое моделирование : учебник : в 3 ч. Ч.3. Статистические методы анализа данных. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2012. - 624 с.
15. Орлов А.И. Вероятностно-статистические методы в работах А.Н. Колмогорова // Научный журнал КубГАУ. 2014. №98. С. 158–180.
16. Орлов А.И. Методы принятия управленческих решений: учебник. - М.: КНОРУС, 2018. - 286 с.
17. Орлов А.И. Цифровая экономика, инновации в менеджменте и идеи Аристотеля // Инновации в менеджменте. 2019. №20. С. 74-79.
18. Орлов А.И. Отечественная научная школа в области организационно-экономического моделирования, эконометрики и статистики / Контроллинг. 2019а. №73. С. 28-35.
19. Орлов А.И., Луценко Е.В., Лойко В.И. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента: монография / под общ. ред. С. Г. Фалько. – Краснодар : КубГАУ, 2016. – 600 с.
20. Орлов А.И., Сажин Ю.Б. Солидарная информационная экономика как основа новой парадигмы экономической науки // Инновации в менеджменте. 2020. №26. С. 52- 59.
21. Чарновский Н.Ф. Организация промышленных предприятий по обработке металлов. - М.: Московское научное издательство, 1914. - 308 с.
22. Фалько С.Г. Наука об организации производства: история, современность, перспективы. – М.: О-во «Знание» РСФСР, 1990. – 56 с.
23. Фалько С.Г. Эволюция концепций управления предприятиями промышленности. – М.: ЦЭМИ РАН, 2007. – 50 с.
24. Фалько С.Г., Орлов А.И. «Шесть сигм» как подход к совершенствованию бизнеса / Контроллинг. 2004. №4(12). С.42-46.

References:
1. Agalarov Z.S., Orlov A.I. Ekonometrika. Uchebnik. - M.: Izdatel'sko-torgovaya korporaciya «Dashkov i K°», 2021. — 380 s.
2. Glichev A.V. Osnovy upravleniya kachestvom produkcii. - M.: RIA "Standarty i kachestvo", 2001. - 120 s.
3. Kompleksnaya sistema upravleniya kachestvom / R.N. Arsen'ev, M.A. Grigor'ev, A.M. Dobrynin, V.A. Doleckij, YU.A. SHCHeglov. - YAroslavl': Verhnevolzhskoe knizhnoe izdatel'stvo., 1973. - 256 s.
4. Lojko V.I., Lucenko E.V., Orlov A.I. Sovremennaya cifrovaya ekonomika. – Krasnodar: KubGAU, 2018. – 508 s.
5. Lojko V.I., Lucenko E.V., Orlov A.I. Vysokie statisticheskie tekhnologii i sistemno-kognitivnoe modelirovanie v ekologii : monografiya. – Krasnodar : KubGAU, 2019. – 258 s.
6. Matematicheskoe modelirovanie processov nalogooblozheniya (podhody k probleme). Kollektivnaya monografiya pod redakciej V.G. Kol'cova, V.N. ZHihareva, Nat. YU. Ivanovoj, A.I. Orlova. - M.: Izd-vo Centra elitarnogo obrazovaniya Ministerstva obshchego i professional'nogo obrazovaniya RF, 1997. - 232 s.
7. Moskovskaya gorodskaya sistema upravleniya kachestvom produkcii: Normativno-metodicheskoe obespechenie. - M.: Izdatel'stvo standartov , 1981. - 160 s.
8. Nekrasov L.A., Skvorcov YU.V. i dr. Organizaciya i planirovanie mashinostroitel'nogo proizvodstva. Proizvodstvennyj menedzhment / L.A. Nekrasov, E.S. Postnikova, YU.V. Skvorcov, T.V. Uhanova; pod redakciej YU. V. Skvorcova. - Izd. 2-e, stereotip. - M.: Student, 2018. - 414 s.
9. Orlov A.I. Sozdana edinaya statisticheskaya associaciya / Vestnik Akademii nauk SSSR. 1991. №7. S. 152-153.
10. Orlov A.I. Vnedrenie sovremennyh statisticheskih metodov s pomoshch'yu personal'nyh komp'yuterov / Kachestvo i nadezhnost' izdelij. №5(21). - M.: Znanie, 1992. - S. 51-78.
11. Orlov A.I. Sertifikaciya i statisticheskie metody // Zavodskaya laboratoriya. Diagnostika materialov. 1997. T.63. №3. S. 55-62.
12. Orlov A.I. Organizacionno-ekonomicheskoe modelirovanie: : uchebnik : v 3 ch. CH.1: Nechislovaya statistika. — M.: Izd-vo MGTU im. N. E. Baumana, 2009. — 542 s.
13. Orlov A.I. Organizacionno-ekonomicheskoe modelirovanie : uchebnik : v 3 ch. CH.2. Ekspertnye ocenki. — M.: Izd-vo MGTU im. N. E. Baumana, 2011. — 486 s.
14. Orlov A.I. Organizacionno-ekonomicheskoe modelirovanie : uchebnik : v 3 ch. CH.3. Statisticheskie metody analiza dannyh. - M.: Izd-vo MGTU im. N.E. Baumana, 2012. - 624 s.
15. Orlov A.I. Veroyatnostno-statisticheskie metody v rabotah A.N. Kolmogorova // Nauchnyj zhurnal KubGAU. 2014. №98. S. 158–180.
16. Orlov A.I. Metody prinyatiya upravlencheskih reshenij: uchebnik. - M.: KNORUS, 2018. - 286 s.
17. Orlov A.I. Cifrovaya ekonomika, innovacii v menedzhmente i idei Aristotelya // Innovacii v menedzhmente. 2019. №20. S. 74-79.
18. Orlov A.I. Otechestvennaya nauchnaya shkola v oblasti organizacionno-ekonomicheskogo modelirovaniya, ekonometriki i statistiki / Kontrolling. 2019a. №73. S. 28-35.
19. Orlov A.I., Lucenko E.V., Lojko V.I. Organizacionno-ekonomicheskoe, matematicheskoe i programmnoe obespechenie kontrollinga, innovacij i menedzhmenta: monografiya / pod obshch. red. S. G. Fal'ko. – Krasnodar : KubGAU, 2016. – 600 s.
20. Orlov A.I., Sazhin YU.B. Solidarnaya informacionnaya ekonomika kak osnova novoj paradigmy ekonomicheskoj nauki // Innovacii v menedzhmente. 2020. №26. S. 52- 59.
21. CHarnovskij N.F. Organizaciya promyshlennyh predpriyatij po obrabotke metallov. - M.: Moskovskoe nauchnoe izdatel'stvo, 1914. - 308 s.
22. Fal'ko S.G. Nauka ob organizacii proizvodstva: istoriya, sovremennost', perspektivy. – M.: O-vo «Znanie» RSFSR, 1990. – 56 s.
23. Fal'ko S.G. Evolyuciya koncepcij upravleniya predpriyatiyami promyshlennosti. – M.: CEMI RAN, 2007. – 50 s.
24. Fal'ko S.G., Orlov A.I. «SHest' sigm» kak podhod k sovershenstvovaniyu biznesa / Kontrolling. 2004. №4(12). S.42-46.


Вернуться наверх
 Профиль  
 
Показать сообщения за:  Сортировать по:  
Начать новую тему Ответить на тему  [ Сообщений: 28 ] 

Часовой пояс: UTC + 3 часа


Кто сейчас на форуме

Сейчас этот форум просматривают: нет зарегистрированных пользователей и гости: 3


Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете добавлять вложения

Найти:
Перейти:  
cron
Powered by phpBB © 2000, 2002, 2005, 2007 phpBB Group
Русская поддержка phpBB