ЖУРНАЛ БІЗНЕС ІНФОРМ.

УКР

ENG

Пошук:

СВІДОЦТВО ПРО РЕЄСТРАЦІЮ

КВ №19905-9705 ПР від 02.04.2013 р.

ЗАСНОВНИКИ

НАУКОВО-ДОСЛІДНИЙ ЦЕНТР ІНДУСТРІАЛЬНИХ ПРОБЛЕМ РОЗВИТКУ НАН УКРАЇНИ
(ХАРКІВ, УКРАЇНА)

Згідно з рішенням № 802 Національної ради України з питань телебачення і радіомовлення від 14.03.2024 р. зареєстрований суб’єктом у сфері друкованих медіа. Ідентифікатор R30-03156

ВИДАВЕЦЬ

ФОП Лібуркіна Л. М.

РОЗДІЛИ САЙТУ

Формування нечітких оцінок початкових економічних показників в управлінні підприємством
Коцюба О. С., Лаба М. С.

Коцюба О. С., Лаба М. С. Формування нечітких оцінок початкових економічних показників в управлінні підприємством. Бізнес Інформ. 2025. №3. C. 174–182.
https://doi.org/10.32983/2222-4459-2025-3-174-182

Розділ: Економіко-математичне моделювання

Стаття написана українською мовою
Завантажень/переглядів: 0

Завантажити статтю (pdf) -

УДК 658:330.4:519.86

Анотація:
Стаття присвячена проблемі формування нечітких оцінок початкових економічних показників, потреба в яких виникає в управлінні підприємством. У формальному аспекті визначення нечітких оцінок початкових показників деякої проблемної ситуації являє собою задачу побудови функцій належності нечітких множин. У роботі проаналізовано такі методи знаходження функцій належності, які використовуються або можуть бути рекомендовані до використання для оцінювання початкових економічних показників, що входять до складу задач з управління підприємством: метод на основі квазістатистики; метод на основі попарних порівнянь; метод опорних точок; метод опорних інтервалів. А саме, розглянуто їх конструктивні особливості та характеристики практичної застосовності. В частині характеристик практичної застосовності для кожного з методів проаналізовано можливість цілеспрямованого одержання функції належності, яка відповідає нечіткому числу, а також рівень складності подолання неусунутого дефіциту інформації. Під останнім запропоновано розуміти складність подолання нестачі інформації в ході безпосереднього використання методу, яка зберігається після збору даних, необхідних для прогнозування розглядуваного економічного показника. Поряд з іншим з’ясовано, що вузьким місцем на шляху одержання нечіткої оцінки прогнозованого економічного показника у формі нечіткого числа є забезпечення її опуклості. В разі використання методу на основі попарних порівнянь забезпечення властивості опуклості для шуканої нечіткої оцінки потребує введення спеціальних обмежувальних умов. За результатами порівняння для аналізованих методів рівня складності подолання неусунутого дефіциту інформації виявлено, що найменш складним за цим аспектом є метод на основі квазістатистики, а найбільш складним – метод на основі попарних порівнянь.

Ключові слова: невизначеність, нечіткість, нечітка оцінка, функція належності, квазістатистика, попарні порівняння, опорні точки, опорні інтервали.

Табл.: 1. Формул: 3. Бібл.: 31.

Коцюба Олексій Станіславович – доктор економічних наук, доцент, професор, кафедра бізнес-економіки та підприємництва, Київський національний економічний університет імені Вадима Гетьмана (просп. Берестейський, 54/1, Київ, 03057, Україна)
Email: [email protected]
Лаба Максим Сергійович – аспірант, кафедра бізнес-економіки та підприємництва, Київський національний економічний університет імені Вадима Гетьмана (просп. Берестейський, 54/1, Київ, 03057, Україна)
Email: [email protected]

Список використаних у статті джерел

Бідюк П. І., Омельченко О. С., Любар В. Ю. Інтегральне оцінювання підприємств машинобудування при їх реструктуризації. Бізнес Інформ. 2014. № 6. С. 262–269. URL: https://www.business-inform.net/export_pdf/business-inform-2014-6_0-pages-262_269.pdf
Вітлінський В. В., Великоіваненко Г. І. Ризикологія в економіці та підприємництві : монографія. Київ : КНЕУ, 2004. 480 с.
Гавриш О. А., Кузнєцова К. О., Мельникова В. А. Ризик-менеджмент будівельних підприємств проєктоорієнтованого типу : монографія. Київ : КПІ ім. Ігоря Сікорського, 2023. 211 с.
Григорук П. М. Проблеми урахування невизначеності в процесі прийняття маркетингових рішень. Моделювання регіональної економіки. 2012. № 1. С. 250–263. URL: http://nbuv.gov.ua/UJRN/Modre_2012_1_31
Желдак Т. А., Коряшкіна Л. С., Ус С. А. Нечіткі множини в системах управління та прийняття рішень : навч. посіб. Дніпро : НТУ «ДП», 2020. 387 с.
Маляр М. М., Поліщук В. В. Нечіткі моделі і методи оцінювання кредитоспроможності підприємств та інвестиційних проектів : монографія. Ужгород: РА «АУТДОР-ШАРК», 2018. 174 с.
Слєпцов А. І., Зоденкамп М. А. Прийняття рішень в складних системах. Київ : Вид-во НПУ ім. М. П. Драгоманова, 2007. 148 с.
Bede B. Mathematics of Fuzzy Sets and Fuzzy Logic. Berlin, Heidelberg: Springer-Verlag, 2013. XII, 276 p.
Castiblanco Ru?z F. A. Teor?a de los subconjuntos borrosos en el proceso presupuestario de las organizaciones. 1? ed. Bogot?: Universidad La Gran Colombia, 2015. 180 p.
Dhurai K., Karpagam A. A new membership function on hexagonal fuzzy numbers. International Journal of Science and Research. 2016. Vol. 5, Iss. 5. P. 1129–1131.
Dymowa L. Soft Computing in Economics and Finance. Berlin, Heidelberg: Springer-Verlag, 2011. 295 p.
Gil-Aluja J. Fuzzy sets in the management of uncertainty. Berlin, Heidelberg: Springer-Verlag, 2004. 420 p.
Gil-Lafuente A. M. Fuzzy Logic in Financial Analysis. Berlin, Heidelberg: Springer-Verlag, 2005. 450 p.
Gnedenko B. V. Theory of probability. 6th ed. Boca Raton: CRC Press, 1997. 520 p.
Kahraman C., Haktan?r E. Fuzzy Investment Decision Making with Examples. Cham: Springer Nature Switzerland, 2024. 255 p.
Kaufmann A., Gil Aluja J. Introducci?n de la teor?a de los subconjuntos borrosos a la gesti?n de las empresas. Santiago de Compostela: Milladoiro, 1986. 252 p.
Klir G. J., Yuan B. Fuzzy sets and fuzzy logic: theory and applications. Upper Saddle River, NJ: Prentice Hall PTR, 1995. 592 p.
Kotsyuba O. S. Estimation of Input Financial and Economic Parameters of an Investment Project Based on a Fuzzy Set Approach. Проблеми економіки. 2018. № 3. С. 240–245. URL: https://www.problecon.com/export_pdf/problems-of-economy-2018-3_0-pages-240_245.pdf
Kuchta D. Fuzzy Production and Operations Budgeting and Control. Production Engineering and Management under Fuzziness. 2010. Vol. 252. P. 299–327. DOI: https://doi.org/10.1007/978-3-642-12052-7_13
Miller G. A. The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information. The Psychological Review. 1956. Vol. 63. No. 2. P. 81–97. DOI: https://doi.org/10.1037/h0043158
Nedosekin A., Kokosh A. Investment risk estimation for arbitrary fuzzy factors of investment project. International Conference on Fuzzy Sets and Soft Computing in Economics and Finance FSSCEF 2004. St. Petersburg: Instituto Mexicano del Petr?leo; RFSA, 2004. Vol. 2. P. 423–437.
Pathinathan T., Ponnivalavan K. Pentagonal fuzzy number. International Journal of Computing Algorithm. 2014. Vol. 3. P. 1003–1005. URL: https://www.academia.edu/7764315/Pentagonal_Fuzzy_Number
Pawlak Z. Rough Sets. International Journal of Computer and Information Sciences. 1982. Vol. 11. No. 5. P. 341–356. DOI: https://doi.org/10.1007/BF01001956
Piegat A. Fuzzy modeling and control. Berlin, Heidelberg: Springer-Verlag, 2001. 728 p.
Poleshchuk O., Komarov E. Expert Fuzzy Information Processing. Berlin, Heidelberg: Springer-Verlag, 2011. 240 p.
Saatу Т. L. A Scaling Method for Priorities in Hierarchical Structures. Journal of mathematical psychology. 1977. Vol. 15. Iss. 3. P. 234–281. URL: https://superdecisions.com/sd_resources/Paper_ScalingMethod.pdf
Saatу Т. L. Measuring the fuzziness of sets. Journal of Cybernetics. 1974. Vol. 4. Iss. 4. P. 53–61.
Saatу Т. L. The Analytic Hierarchy Process. New York: McGraw-Hill, 1980. 287 p.
Siler W., Buckley J. J. Fuzzy expert systems and fuzzy reasoning. Hoboken: John Wiley & Sons, 2005. 422 p.
Siniavskaya O. A., Zhelezko B. A. Fuzzy Evaluation of the Risk of Investment in Securities in the Portfolio Optimization Problem. Computer Data Analysis and Modeling: Complex Stochastic Data and Systems: Proceedings of the Eighth International Conference (Minsk, September 11–15, 2007). Minsk: Publ. center BSU, 2007. Vol. 2. P. 91–94.
Zgurovsky M. Z., Zaychenko Y. P. The Fundamentals of Computational Intelligence: System Approach. Switzerland: Springer International Publishing, 2016. 375 p.

ДЛЯ АВТОРІВ

Ліцензійний договір

Умови публікації

Вимоги до статей

Положення про рецензування

Договір публікації

Номер в роботі

Питання, які задаються найчастіше

ІНФОРМАЦІЯ

План наукових конференцій

НАШІ ПАРТНЕРИ

Журнал «Проблеми економіки»

Матеріали на сайті розміщені на умовах ліцензії Creative Commons Attribution 4.0 International CC BY-SA.

Написати вебмастеру