Моделювання оцiнки рiвня ризику функцiонування соцiо-економiчних систем

Автор(и)

DOI:

https://doi.org/10.24144/2616-7700.2020.1(36).92-104

Ключові слова:

нечiткi знання, режими функцiонування системи, COVID-19, рiвень ризику, прийняття рiшень, iнтелектуальний аналiз

Анотація

Проведено дослiдження актуальної задачi розроблення технологiї оцiнювання рiвня функцiонування системи для пiдтримки прийняття рiшень вiд штатного режимудо катастрофи.
У дослiдженнi вперше представлено вхiднi данi оцiнювання функцiонування системи гiбридним чином, на основi досвiду, знань та мiркувань експертiв, а також iнтелектуальним аналiзом даних. Продемонстровано структурну схему оцiнювання рiвня функцiонування системи для пiдтримки прийняття рiшень.
Вперше запропоновано нечiтку математичну модель оцiнювання рiвня функцiонування системи для пiдтримки прийняття рiшень, згiдно покрокового алгоритму, що базується на експертних гiбридних даних, з використанням лiнгвiстичних та кiлькiсних змiнних. При цьому, здiйснюється агрегування критерiальних оцiнок системи функцiонування з огляду на мiркування особи, що приймає рiшення (песимiстичний/ обережний/ середнiй/ оптимiстичний сценарiї розгортання подiй). Згiдно порогу можливостi функцiонування системи вiдбувається оцiнювання ризикiв для якостi прийняття рiшень у рiзних режимах. В результатi оцiнювання системи у рiзних режимах функцiонування, отримаємо кiлькiсну оцiнку ризику функцiонування системи вiдносно сценарiю розгортання подiй, лiнгвiстичний рiвень функцiонування системи та рiвень прийнятностi ризику функцiонування системи. Це все дозволяє розкривати невизначеностi експертних мiркувань та отриманих даних, обґрунтовуючи ступiнь прийняття
рiшення та виводити адекватнi висновки, враховуючи режим функцiонування системи.
У рамках розробленого дослiдження сформульовано логiчне висловлювання правила належностi лiнгвiстичних оцiнок, матрицю та базу знань визначення прийнятностi рiвня ризику функцiонування системи.
Достовiрнiсть отриманих результатiв забезпечується коректним використанням iнтелектуального аналiзу знань, системного пiдходу, теорiї нечiтких множин та нечiткої логiки, що пiдтверджується результатами дослiджень. Проведене дослiдження буде корисним iнструментом для пiдтримки прийняття рiшень, щодо створення та менеджменту рiшень у рiзних режимах функцiонування системи.

Біографії авторів

В. В. Полiщук, ДВНЗ "Ужгородський національний університет"

доцент кафедри програмного забезпечення систем,
кандидат технiчних наук

М. М. Маляр, ДВНЗ «Ужгородський нацiональний унiверситет», Ужгород

професор кафедри кiбернетики i прикладної математики,
доктор технiчних наук

Посилання

  1. Zhurovskyy, M.Z., & Pankratova, N.D. (2007). Osnovy systemnoho analizu. Kiev: Vydavnycha hrupa VNV. [in Ukrainian].
  2. Kudryavtsev, V.N. (1978). Pravo i povedeniye. Moskva: Yuridicheskaya literatura. [in Russia].
  3. Zaychenko, YU.P. (2008) Nechetkiye modeli i metody v intellektualnykh sistemakh: ucheb. posobiye. Kiev: Slovo. [in Ukrainian].
  4. Zade, L. (1976). Ponyatiye lingvisticheskoy peremennoy i yego primeneniye k prinyatiyu priblizhennykh resheniy. Moscow: Mir. [in Russia].
  5. Rotshteyn, O.P. (1999). Intelektualni tekhnolohiyi identyfikatsiyi: nechitki mnozhyny, henetychni alhorytmy, neyronni merezhi. Vinnytsya: UNIVERSUM. [in Ukrainian].
  6. Polishchuk, V.V., Malyar M.M., Voloshyn O.F. & Sharkadi M.M. (2018). Informatsiyne modelyuvannya nechitkykh znan. Radio Electronics, Computer Science, Control. 2018/4.84-95. DOI:10.15588/1607-3274-2018-4-8 [in Ukrainian].
  7. Polishchuk, V., Voloshyn, O., Malyar, M., & Sharkadi, M. (2018). Fuzzy mathematical modeling financial risks: IEEE Second International Conference on Data Stream Mining & Processing (DSMP), 21-25 August 2018. (pp. 65-69). Lviv. DOI: 10.1109/DSMP.2018.8478604 [in English].
  8. Polishchuk, V., Kelemen, M., & Kozuba J. (2019). Technology improving safety of crowdfunding platforms functioning in the context of the protection of the start-up investors in the financial and transport sectors. KONBIN. 49 313–330. DOI: doi.org/10.2478/jok-2019-0016 [in
  9. English].
  10. Snityuk, V.Ye. (2015). Evolyutsionnyye tekhnologii prinyatiya resheniy v usloviyakh neopredelennosti. Kiev: MP Lesya. [in Russia].
  11. Kuts, A.M. (2015). Method of presentation of expert information by means of fuzzy logic and obtaining the group assessment of expert opinions. Technol. Audit Prod. Reserv. 2. 17–21. [in
  12. English].
  13. Polishchuk, V., Kelemen, M., Gavurová, B., Varotsos, C., Andoga, R., Gera, M., Christodoulakis, J., Souˇ sek, R., Kozuba, J., Hospodka, J., Bliˇ s ˇ tan, P., & Szabo, Jr. S. (2019). A Fuzzy Model of Risk Assessment for Environmental Start-up Projects in the Air Transport Sector. Int. J. Environ. Res. Public Health. 16. 3573. https://doi.org/10.3390/ijerph16193573 [in English].
  14. Kelemen, M., Polishchuk, V., Gavurová, B., Szabo, S., Rozenberg, R., Gera, M., Kozuba, J., Hospodka, J., Andoga, R., Divoková, A., & Bliˇ s’an, P. (2019). Fuzzy Model for Quantitative Assessment of Environmental Start-up Projects in Air Transport. Int. J. Environ. Res. Public Health. 16. 3585. https://doi.org/10.3390/ijerph16193585 [in English].
  15. Tan, P.-N., Steinbach, M., & Kumar, V. (2005). Introduction to Data Mining. New York: Addison-Wesley, Upper Saddle River. [in English].
  16. Gaber, M.M. (2010). Scientific Data Mining and Knowledge Discovery – Principles and Foundations. New York: Springer. DOI: 10.1007/978-3-642-02788-8.
  17. Zhurovsky, M.Z. (2002). Stsenarnyy analiz yak systemna metodolohiya peredbachennya. Systemni doslidzhennya ta informatsiyni tekhnolohiyi. № 1. 7-38. [in Ukrainian].
  18. World Economic Forum. (2020). COVID-19. Retrieved from:
  19. https://www.weforum.org/agenda/archive/covid-19.
  20. Dhiman Nitesh, & Sharma, M. (2020). Fuzzy Logic Inference System for Identification and Prevention of Coronavirus (COVID-19). International Journal of Innovative Technology and Exploring Engineering (IJITEE). 9. 2278-3075. DOI: 10.35940/ijitee.F4642.049620. [in Engli-
  21. sh].
  22. Zgurovsky, M., & Zaychenko Yu. (2020). Big Data: Conceptual Analysis and Applications.v New York: Springer. [in English].
  23. Kelemen, M., Jevˇ cák, J., & Andoga, R. (2018). Security Management Education and Training of Critical Infrastructure Sectors’ Experts: the 13th International Scientific Conference
  24. Proceedings New Trends in Aviation Development. (pp. 68-71). [in English].
  25. Kelemen, M., & Polishchuk, V. (2019). Information Model of Evaluation and Output Rating of Start-up Projects Development Teams: Proceedings of the Second International Workshop on CMIS-2019, CEUR Workshop Proceedings, Vol. 2353, (pp. 674-688). [in English].

##submission.downloads##

Опубліковано

2020-06-25

Як цитувати

Полiщук В. В., & Маляр, М. М. (2020). Моделювання оцiнки рiвня ризику функцiонування соцiо-економiчних систем. Науковий вісник Ужгородського університету. Серія «Математика і інформатика», 1(36), 92–104. https://doi.org/10.24144/2616-7700.2020.1(36).92-104

Номер

Розділ

Iнформатика, комп’ютернi науки та прикладна математика