Agent-oriented model of behavior of a technical specialist in an artificially created environment of the technical operation system of a foreign customer

Full Text

Введение

Исследование поведения сложных динамических систем (отраслевого производителя на международном экспортном рынке) является одной из актуальных задач экспортного маркетинга. Наукоемкие изделия имеют длительный жизненный цикл, обслуживаются техническим персоналом на объектах эксплуатации. Зарубежный заказчик заинтересован в разработке такой системы технической эксплуатации (СТЭ), которая способна обеспечить своевременное восстановление работоспособности изделия. Организовать СТЭ можно с использованием агент-ориентированного моделирования (АОМ).

В исследовании З. Б. Соховой, В. Г. Редько автономным агентом в АОМ выступает живой организм, имеющий биологические потребности. Авторами исследуется динамика поведения биологического организма в искусственно созданной среде. Авторы предлагают математический инструментарий размножения агентов (создание копии агента с генотипом потомка с точностью до небольших мутаций). В компьютерном моделировании применяются параметры развития популяции, исследуется устойчивость генотипа [1]. В работах В. Л. Макарова, А. Р. Бахтизина, Е. Д. Сушко представлено моделирование поведения агента-предприятия как части искусственного общества в сети международной торговли. В исследовании этих авторов развивается методология создания искусственного общества, где агент-фирмы АОМ рассматриваются как элементы сети международной торговли. Авторами используются индексы, описывающие значимость агента-предприятия в сети торговли газом. Индексы применяются для разработки алгоритма имитации поведения агента в сети международной торговли [6]. В моделировании поведения агента-предприятия как части искусственного общества в сети международной торговли применяется теория функциональных систем советского ученого П. К. Анохина [2]. Агент-ориентированный подход и концептуальная (логическая) схема агент-ориентированной демографической модели на примере социально-демографической ситуации в Дальневосточном федеральном округе представлены в исследовании коллектива российских ученых [10]. Представленное авторами агент-ориентированное моделирование становится основой системы поддержки принятия решений (СППР) стратегического управления регионом. На основе результатов прогнозирования рождаемости, смертности и миграции разрабатывается стратегия развития региона. Агент-ориентированная модель сотрудничества экономических агентов в конкурентной среде на примере поведения агентов-инвесторов в регионе и модель сотрудничества между инвестором и производителем представлены в работах российских ученых З. Б. Соховой и В. Г. Редько [4]. В исследовании, посвященном моделированию последствий ядерного удара, изложены подходы агентных методов имитационного моделирования при анализе гражданских аспектов последствий ядерного удара для подготовки к чрезвычайным ситуациям [12]. Таким образом, в агент-ориентированном моделировании агентами могут выступать живые организмы, люди, фирмы, инвесторы, члены искусственных сообществ с определенными наборами свойств, а агент-ориентированная модель является инструментом моделирования. Поведение агентов исследуется в искусственно созданных средах [11]. АОМ применяется для прогнозирования на будущие периоды [3, 8, 9]. Стандарты интегрированной логистической поддержки технической эксплуатации вновь разработаны и введены в действие с 2017 г. [24, 25]. Технология ИЛП для изделий машиностроения описана в работах Е. В. Судова и коллектива ученых НИЦ CALS-технологий «Прикладная логистика» [13].

Отличительной особенностью отраслевого подхода к продвижению наукоемкой проекции на международный экспортный рынок является применение экспортного маркетинга. Для зарубежного заказчика СТЭ имеет стоимость, в несколько раз выше стоимости изделия. В связи с чем зарубежный заказчик желает получить гарантии надежности, а при наличии сбоев и повреждений – гарантии своевременного восстановления работоспособности изделия. Агентами выступают технические специалисты, к которым относятся, согласно тарифной сетке и квалификационному справочнику должностей, инженеры (по категориям), монтажник, регулировщик РЭА, программист и другие специалисты, обозначенные в АОМ как n-агенты. В моделировании применяется искусственно созданная среда технической эксплуатации. К техническим параметрам относятся: плановый период технического облуживания (время, период); количество агентов, сценариев, неисправностей; количество элементов из состава запасных частей, инструмента и принадлежностей (ЗИП). К экономическим параметрам относятся: затраты на выполнение сценария по техническому обслуживанию и ремонту; средняя цена произведенных при варианте работ в ценах для зарубежного заказчика; стоимость комплектов запасных частей, инструмента и принадлежностей; издержки завышения/занижения плана; расчетный показатель экономической прибыли. Выявляется зависимость экономических параметров от выбранного сценария поведения агента при лимитах и ограничениях.

Основной целью данного исследования является разработка информационных моделей, использование которых дает возможность отечественному производителю и зарубежному заказчику моделировать СТЭ, а также для российского производителя наукоемкой продукции включать АОМ в стратегический экспортный маркетинг.

Введенные в ходе исследования обозначения, сокращения, а также применяемая терминология приведены в таблице 1.

Таблица 1. Термины и определения, применяемые при разработке агент-ориентированной модели поведения технического специалиста (агента) в искусственно созданной среде системы технической эксплуатации

Table 1. Terms and definitions used in the development of an agent-oriented model of the behavior of a technical specialist (agent) in an artificially created environment of a technical operation system

В исследовании рассматривается поведение агентов в искусственно созданной среде СТЭ, где прогнозируется поведение n-го агента при лимитах и ограничениях. Агенты имеют сценарии поведения (технологические карты, инструкции и др.). В зависимости от вида неисправности каждый агент самостоятельно принимает решение по восстановлению работоспособности изделия. Функция поведения агента является подмножеством множества всех вариантов поведения G_n.

Допустим, что имеется функция поведения агента, которая зависит от варианта неисправности F(a_n,e), тогда существует вероятность выбора n-агентом сценария, и от варианта неисправности (e) – вероятность выбора P(F(a_n,e)). Допустим, что имеется x^e – реализация случайной величины x (возникновение неисправности), полученная в статистическом испытании с помощью имитационной модели, в соответствии с законом распределения f(x).

На примере технологической карты устранения неисправности имеем следующий порядок: агент выполняет работы по восстановлению программного обеспечения на одном из блоков изделия. Агент принимает решение о замене неисправного блока. С этой целью он использует новый исправный блок из комплекта запасных частей, инструмента и принадлежностей (ЗИП) и выполняет ремонтно-восстановительные работы. Предполагается, что для всех видов неисправностей имеется полная комплектация ЗИП. В данном случае имеются затраты на сценарий ремонтно-восстановительных работ. При множестве сценариев затраты выражаются как z(F(a_n,e)) – затраты на осуществление техническим специалистом сценария с функцией F(a_n,e).

Представим функцию f(z(F(a_n,e))) как функцию распределения затрат на осуществление n-агентом варианта поведения f(F(a_n,e)). Математическое ожидание затрат на осуществление агентом n варианта поведения F(a_n,e) представляется как сумма произведений всех возможных вариантов поведения технического специалиста F(a_n,e) на вероятность возникновения неисправности (e) – M{z(F(a_n,e))}, что показывает средне-ожидаемый исход события. Основной задачей исследования является разработка такой СТЭ, которая способна обеспечить своевременное восстановление работоспособности изделия в установленный зарубежным заказчиком промежуток времени силами и средствами специалистов. Автором предложена АОМ поведения агента в искусственно созданной среде системы технической эксплуатации зарубежного заказчика с учетом выявления и описания взаимосвязей технических и экономических параметров.

Материалы и методы

В работах российских ученых В. Л. Макарова, А. Р. Бахтизина, Е. Д. Сушко в агент-ориентированном моделировании применяется теория функциональных систем советского физиолога П. К. Анохина, которая основана на закономерностях мозговой организации поведения и деятельности для модели управления адаптивным поведением [2]. Теория агентов и многоаспектных систем становится популярной и все чаще применяется для описания сложных динамических систем. В монографии И. В. Трегуб «Математические модели динамики экономических систем» приводятся практические примеры разработки моделей [15]. Первая АОМ была разработана Д. Паркером и Д. Эпштейном для сценария профилактических мероприятий в отношении вирусного заболевания. Последние современные модели АОМ посвящены прогнозированию численности населения. АОМ демографических процессов с использованием агент-ориентированного подхода представлена в работах российских ученых. В этих исследованиях авторы прогнозируют демографические изменения, возрастно-половую структуру населения на будущие периоды, миграционные потоки и др. [31]. АОМ требует новых подходов к мышлению, включая подход дизайн-мышления. В эпоху цифровой экономики дизайн-мышление дает возможность применить инновационные подходы к моделированию и «…перенаправить от привычных способов суждения об объекте к нетрадиционному решению, что помогает разработать инновацию, основанную на сочувствии к боли потребителя (основанную на требованиях зарубежного заказчика)» [27]. В исследованиях зарубежных авторов применяется феноменологический подход к описанию поведения участников, связанных с выполнением сложных технологических решений, отмечается их неспособность к выполнению операций в связи с перегрузкой (техностресс) [29, 30]. Требуется отметить, что отечественными учеными проведен критический анализ отечественного и зарубежного опыта разработки АОМ, авторами выносится предложение о необходимости разработки отдельного первого русскоязычного стандарта описания агент-ориентированных моделей с учетом отечественного опыта, применяемой терминологии, понятий и определений [30].

Для восстановления работоспособности изделия агент использует элементы запасных частей, инструмента и принадлежностей для ремонтно-восстановительных работ по сценарию.

Разработка информационных моделей поведения агента в искусственно созданной среде системы технической эксплуатации

Модель поведения агента-специалиста зависит от неисправности изделия, сценариев поведения, наличия требуемого элемента запасных частей, инструмента и принадлежностей, а также затрат на выполнение работ по сценарию. На рисунке 1 изображено размещение агентов в искусственно созданной среде СТЭ.

Рис. 1. Схема размещения агентов в искусственно созданной среде системы технической эксплуатации: в евклидовом пространстве¹ (x,y) – 2D (слева – плоскость), GIS-локация изделия в системе технической эксплуатации в зарубежной стране (x – широта, y – долгота, t – время) – 3D (справа) (составлено автором)

Fig. 1. Scheme of placement of agents in an artificially created environment of the technical operation system: in Euclidean space (x, y) – 2D (left – plane), GIS location of the product in the technical operation system in a foreign country (x – latitude, y – longitude, t – time) – 3D (right) (compiled by the author)

При разработке информационных моделей поведения агента в СТЭ используется теория многоагентного имитационного моделирования доктора технических и экономических наук, профессора, академика РАЕН Г. В. Росса и соавт. [14].

Введем следующие обозначения:

Т_n,t – длина планового периода для специалиста n (n – номер специалиста, t – порядковый номер планового периода);

x^e – реализация случайной величины x, полученная в статистическом испытании e с помощью имитационной модели (ИМ) в соответствии с законом f(x);

e – вариант неисправности;

n – номер технического специалиста;

F(a_n,e) – функция варианта поведения технического специалиста в зависимости от варианта неисправности;

P(F(a_n,e)) – вероятность выбора сценария поведения специалиста в зависимости от варианта неисправности;

z(F(a_n,e)) – затраты на осуществление техническим специалистом сценария с функцией поведения F(a_n,e);

G_n – множество всех вариантов поведения, где F(a_n,e)ϵG_n – функция поведения технического специалиста является подмножеством множества всех вариантов поведения.

Допустим, что функция варианта поведения агента в зависимости от варианта неисправности F(a_n,e), тогда

$\underset{}{\overset{}{{\sum }_{n=1}^{m}F\left(a_{n,e}\right)ϵ\in G_n}}$ – сумма всех вариантов поведения.

В АОМ автора используется закон распределения затрат, связанный с функциями восстановления работоспособности изделия, т.е. проведение ТОиР силами специалистов с использованием элементов запасных частей, инструмента и принадлежностей. Допустим, что

f(z(F(a_n,e)) – закон распределения затрат на осуществление специалистом n варианта поведения f(F(a_n,e));

M{z(F(a_n,e))} – математическое ожидание затрат на осуществление специалистом n варианта поведения F(a_n,e);

k – нормировочный коэффициент для цен, который уравнивает среднюю сумму затрат на выполнение техническим специалистом работ при различных вариантах неисправностей и среднюю цену произведенных при этом варианте работ в ценах для зарубежного заказчика.

Допустим, что имеется план работ по техническому обслуживанию – PL_n. Выполняемые агентом ремонтно-восстановительные работы могут быть по стоимости как выше, так и ниже плана, тогда:

Ψ_1,e(PL_n) – издержки завышения плана PL_n по техническому обслуживанию;

Ψ_2,e(PL_n) – издержки занижения плана PL_n по техническому обслуживанию.

Издержки занижения/завышения плана возникают от несовпадения факта и плана работ по техническому обслуживанию (ТО). Издержки завышения плана возникают тогда, когда элементы запасных частей, инструмента и принадлежностей не востребованы (излишнее комплектование ЗИП), пролеживают на складе и ресурс работоспособности элементов ЗИП истекает во времени. Издержки занижения плана возникают тогда, когда элементов запасных частей, инструмента и принадлежностей не хватает для проведения ремонтно-восстановительных работ и требуется увеличение комплекта ЗИП, которого нет на объекте эксплуатации зарубежного заказчика, и как следствие предприятие имеет упущенную прибыль от недоукомплектования ЗИП и штрафные санкции за простой изделия. Зарубежный заказчик выставляет штрафные санкции как к избытку элементов в комплекте ЗИП, так и к недоукомплектованию ЗИП. Для экспортируемых наукоемких изделий план ТО утверждается однократно. На практике комплектования ЗИП имеется либо риск недоукомплектования, либо риск избыточного комплектования, где риск завышения – это математическое ожидание издержек завышения, риск занижения – это математическое ожидание издержек занижения. Издержки завышения – это затраты на комплектование элементов ЗИП, которые оказались не востребованы. Издержки занижения – это затраты на комплектование ЗИП, включая стоимость элементов ЗИП, которые могли бы быть проданы. Для проведения работ по ТОиР утвержден план ТО и определена поставка ЗИП, в связи с чем возникает риск завышения или занижения издержек. План, при котором абсолютная разность риска завышения и риска занижения обращается в нуль, является оптимальным ((1.18)–(1.15) стр. 48) [18]. Экспортируемое изделие доставляется на объект эксплуатации зарубежного заказчика с комплектами ЗИП однократно морским или речным видами транспорта [20, 21].

Введем обозначение r(PL_n) – прибыль (расчетный показатель экономической прибыли) при плане PL_n[2]_.. Представим искусственно созданную среду системы технической эксплуатации и введем правила для множеств. Рассмотрим правила на множестве всех вариантов ТО поведения n-агента в системе технической эксплуатации.

а) Правило установления закона распределения вероятностей на множество из всех вариантов поведения агента G_n. Лимит ограничивает возможные варианты поведения агента n. Если некоторый вариант F(a_n,e)ϵG_n при заданном лимите (D_n,t) недоступен (например, запрещение агенту выполнять ремонтно-восстановительные работы при напряжении в сети ниже, чем 180 вольт), то для этого варианта полагаем, что P(F(a_n,e))=0. Для доступных вариантов полагаем, что вероятность P(F(a_n,e)) пропорциональна c_iP_i(F(a_n,e), где c_i – цена, назначенная предприятием за выполнение работ ТОиР:

$P\left(F\left(a_{n,e}\right)\right)=\frac{c_i{P}_i\left(F\left(a_{n,e}\right)\right) }{{\displaystyle {\sum }_{i=1}^I{c}_i{P}_i\left(F\right(a_{n,e}\left)\right)}} .$ (1)

Содержательный смысл правила состоит в том, что вероятность варианта поведения тем больше, чем с большей вероятностью агент способен выполнить вариант проведения ремонтно-восстановительных работ при заданном лимите возможных вариантов поведения агента n.

б) Правило введения отношения порядка на G_n.

Технический специалист решает вопросы восстановления работоспособности изделия сначала с учетом наименьших затрат и упорядочивает по мере убывания цены. Упорядочивает информационные события (ИС) по мере убывания цены, то есть с_i+1>c_i. Пусть h – количество наиболее ценных ИС (накапливается база данных по неисправностям для различных случаев их возникновения по ГОСТ ИЛП (см. п. 6 таблицы 1 – повреждение, отказ, эксплуатационное повреждение, сбой программы, эксплуатационное происшествие)). Очевидно, что h ≤ I. При этом 1-P_i(F(a_n,e)) – вероятность неполучения IP_i при варианте поведения F(a_n,e);

${\prod }_{i=1}^h\left(1-P_i\left(F\left(a_{n,e}\right)\right)\right)$ - (2)

вероятность неполучения информации при этом варианте поведения специалиста;

$P_h\left(F\left(a_{n,e}\right)\right)=1-{\prod }_{i=1}^h\left(1-P_i\left(F\left(a_{n,e}\right)\right)\right) –$ вероятность выполнения операции по ТОиР с положительным исходом, в результате которой получена полезная информация (P_h).

С помощью функции P_h(F(a_n,e)) введем отношение порядка на G_n: если P_h(F(a_n,e))> P_h(F(a_n,e1)), то полагаем F(a_n,e)>F(a_n,e1). Из этого можно сделать вывод, что анализ неисправностей с положительным исходом имеет набор структурированных данных: (система – подсистема – агрегат – блок –узел – ячейка – это иерархическая структура изделия); код неисправности (какая неисправность); элемент ЗИП (элемент на замену из комплекта ЗИП); технический специалист (категория технического персонала, допущенная к выполнению работ по сценарию с указанием стоимости работ по ТОиР).

в) Правило нормирования цен.

 Нормировочный коэффициент k, который уравнивает среднюю сумму затрат на выполнение варианта поведения, т.е. нормировочный коэффициент k уравнивает среднюю сумму затрат на выполнение агентом работ при различных вариантах неисправностей и среднюю цену произведенных при этом варианте работ в ценах для зарубежного заказчика:

$\frac{{\displaystyle {\sum }_{\forall F{a}_n}z\left(F{a}_n\right)P(z\left(F\left(a_n\right)\right)}}{card\left\{G_n\right\}}$,

где $ard\left\{G_n\right\}$ – мощность множества, показывает, сколько существует способов для выбора из n вариантов различных элементов k, т.е. число сочетаний из n по k [14, 16, 19], и среднюю цену произведенных при этом варианте событий:

$\frac{{\displaystyle {\sum }_{\forall F{a}_n}{\sum }_{\forall i}{c}_i{P}_i\left(F\left(a_n\right)\right)}}{card\left\{G_n\right\}},$

т.е.:

$\frac{{\displaystyle {\sum }_{\forall F{a}_n}z\left(F\left(a_n\right)P\right(z\left(F\left(a_n\right)\right)\left)\right)}}{card\left\{G_n\right\}}=k\frac{{\displaystyle {\sum }_{\forall F{a}_n}{\sum }_{\forall i}{c}_i{P}_i\left(F\left(a_n\right)\right)}}{card\left\{G_n\right\}}$

и

$k=\frac{{\displaystyle {\sum }_{\forall F{a}_n}z\left(F\left(a_n\right)\right)P\left(z\left(F\left(a_n\right)\right)\right)}}{{\displaystyle {\sum }_{\forall F{a}_n}{\sum }_{\forall i}{c}_i{P}_i\left(F\left(a_n\right)\right)}}.$

г) Издержки завышения – затраты z(F(a_n,e)).

д) Издержки занижения – цена всех информационных событий по поиску неисправностей с положительным исходом (неисправность найдена и устранена):

$k{\sum }_{i=1}^I{c}_i{q}_i^e{P}_i\left(F\left(a_n\right)\right).$ (3)

е) Расчетный показатель прибыли ( $r\left(P{L}_n\right)$ – финансовый показатель, который равен разности цен информационных событий по поиску и устранению неисправностей с положительным исходом и затрат на их выполнение:

$r\left(P{L}_n\right)=k\underset{i=1}{\overset{I}{}}{c}_i{q}_i^e{P}_i\left(P{L}_n\right)-z^e\left(P{L}_n\right).$ (4)

Если r(PL_n)>0, то выходит, что прибыль получается при возрастании количества ценных информационных событий, способствующих наращиванию базы данных по неисправностям (структурированной базы данных) таким образом, что если r(PL_n)>0, то это прибыль, а если (PL_n)<0 – убытки.

ж) Математическая модель планирования варианта поведения агента на предстоящий плановый период:

$F\left(a_{n,e}\right)=p_0\left(D_{n,t}\right)$ (5)

Ψ_1,e(PL_n) = p₁(PL_n,F(a_n,e)), PL_n>F(a_n,e)

Ψ_2,e(PL_n) = p₂(PL_n, F(a_n,e)), PL_n≤F(a_n,e)

 $\frac{min}{PL\in ϵV_n}\left\{\frac{max}{lϵ\in \left\{\mathrm{1,2}\right\}}\left\{M\left\{{\Psi }_l\left(P{L}_n\right)\right\}\right\}\right\}$ (6)

$r\left(P{L}_n\right)=k\underset{i=1}{\overset{I}{}}{c}_i{q}_i^e{P}_i\left(P{L}_n\right)-z\left(P{L}_n\right),$ (7)

где p₀ – ИнформМодель, позволяющая в статистических испытаниях получать реализации варианта поведения F(a_n,e)ϵG_n при заданном D_n,t согласно закону распределения вероятностей, установленному по правилам а);

p₁ – ИнформМодель расчета издержек завышения плана по правилам д) с учетом отношения порядка на G_n, введенного по правилам б);

p₂ – ИнформМодель, которая позволяет в статистических испытаниях получать реализацию издержек занижения плана по правилам е) с учетом отношения порядка на G_n, введенного по правилам б), где k – нормировочный коэффициент, рассчитанный по правилам г), расчетный показатель рассчитывается по правилам е).

Человеческий фактор включает риски, которые могут реализоваться в процессе функционирования коллектива специалистов даже при выборе оптимального поведения. Компенсация этих рисков может обеспечиваться экономическими механизмами страхования информационных рисков [14]:

$\frac{min}{PL\in ϵV_n}\left\{\frac{max}{lϵ\in \left\{\mathrm{1,2}\right\}}\left\{M\left\{{\text{Ψ}}_l\left(P{L}_n\right)\right\}\right\}\right\}.$

Компенсация этих рисков обеспечивается механизмами страхования информационных рисков [26].

Результаты

Опираясь на исследования авторов по агент-ориентированному моделированию [3, 5, 6–9] и ИЛТ [17], а также на принципы разработки мультиагентных систем (МАС) [14], автором разработана агент-ориентированная модель поведения технического специалиста в искусственно созданной среде СТЭ зарубежного заказчика. Определено, что в соответствии с правилом установления закона распределения вероятностей на множество всех вариантов поведения G_n вероятность варианта поведения агента тем больше, чем с большей вероятностью он способен выполнить вариант проведения ТОиР при заданных лимитах (1). Определена вероятность неполучения информации при варианте поведения специалиста, т.е. когда при проведении работ нет информации с положительным исходом о ремонте и найденной неисправности (2). Из этого можно сделать вывод, что анализ неисправностей с положительным исходом имеет набор структурированных данных: (иерархическая структура изделия: система – подсистема – агрегат – блок – узел – ячейка); код неисправности (какая неисправность); элемент ЗИП (элемент на замену из комплекта ЗИП); технический специалист (категория технического персонала, допущенная к выполнению работ по сценарию с указанием стоимости работ по ТОиР).

В соответствии с правилом нормирования цен нормировочный коэффициент уравнивает среднюю сумму затрат на выполнение техническим специалистом работ при различных вариантах неисправностей и среднюю цену произведенных при этом варианте работ в ценах для зарубежного заказчика (3). Расчетный показатель прибыли равен разности цен информационных событий по поиску и устранению неисправностей с положительным исходом и затрат на их выполнение (4).

Информационная модель планирования варианта поведения специалиста на предстоящий плановый период определена, позволяет в статистических испытаниях получать реализации варианта поведения агента F(a_n,e)ϵG_n при заданном лимите (D_n,t) согласно закону распределения вероятностей, установленному по правилам: Правило установления закона распределения вероятностей на множество из всех вариантов поведения агента G_n и Правило введения отношения порядка на G_n. (5), с учетом расчета издержек завышения плана (6) и издержек занижения плана (7).

В результате проведенного исследования автором выявлена зависимость реализации варианта поведения агента F(a_n,e) при заданном лимите с учетом издержек завышения/занижения плана. Разработанная АОМ является частью исследования методологии моделирования комплекса мероприятий, включая разработку маркетинг-решения по продвижению наукоемкого изделия и услуг по проектированию СТЭ [20, 27]. Стратегический экспортный маркетинг рассматривает продвижение продукции на экспортный рынок, усиливает потребительские свойства товара (изделия), предоставляет дополнительные услуги по моделированию и проектированию системы технической эксплуатации на полном жизненном цикле наукоемкой продукции. Жизненный цикл изделия складывается из составляющих: стоимость изделия и комплектов запасных частей, инструмента и принадлежностей (ЗИП); затраты на здания и сооружения, оплату труда персонала, техническое облуживание и ремонт (ТОиР); обучение персонала, утилизацию ((1.2) стр. 14) [17]. Для расчетов комплектов ЗИП по номенклатуре и стоимости комплектов запасных частей, инструмента и принадлежностей автором разработана и опубликована «Методика расчета комплектов запасных частей, инструмента и принадлежностей экспортируемых наукоемких изделий» [22]. В зависимости от унифицированных правил мировой торговли и правил транспортирования отечественной наукоемкой продукции представлено моделирование внешнеторгового контракта [23]. АОМ легла в основу имитационного моделирования СППР [29], а выбор метода моделирования описан в [28].

Заключение

С научной точки зрения агент-ориентированное моделирование развивает инструментальные методы экономики и теории стратегического экспортного маркетинга. Стратегический экспортный маркетинг изыскивает такое маркетинг-решение, которое повышает потребительскую ценность товара (экспортируемого изделия). Для зарубежного заказчика отечественный производитель предлагает дополнительную услугу по проектированию СТЭ, посредством агент-ориентированного моделирования прогнозирует поведение технических специалистов в искусственно созданной среде, при этом зарубежный заказчик использует информационные модели и принимает решение о выборе технического персонала (российских специалистов или специалистов зарубежной страны), а информационные модели показывают вероятность работ при заданном лимите возможных вариантов поведения агента n.

Научная проблема, на решение которой направлено исследование, заключается в развитии теоретических и методологических вопросов применения математических и инструментальных методов экономии, теории экспортного маркетинга, маркетинговой деятельности хозяйствующих субъектов отрасли.

¹ Евклидово пространство – физическая геометрия нескольких измерений, к которым относится размерность, равная 3 (x; y; z), где четырехмерное пространство (4D) – математический объект, обобщающий свойства трехмерного пространства и времени (x, y, z, t), а комплексное евклидово пространство бесконечной размерности называется комплексным гильбертовым пространством

² Среди существующих видов прибыли, таких как общая, бухгалтерская, чистая, нормальная, предельная, автором используется экономическая прибыль. В исследовании экономическая прибыль подразумевает разницу между доходами и издержками, а именно: между суммарной стоимостью комплектов ЗИП и затратами на выполнение технического обслуживания минус издержки завышения/занижения плана.

About the authors

Svetlana V. Veretekhina

Author for correspondence.
Email: veretehinas@mail.ru
ORCID iD: 0000-0003-3014-5027
SPIN-code: 7796-3457

Candidate of Economic Sciences, Associate Professor, Associate Professor of the Department of Business Informatics

References

Supplementary files

Supplementary Files

Action

1. JATS XML

Download

2. Fig. 1. Scheme of placement of agents in an artificially created environment of the technical operation system: in Euclidean space (x, y) – 2D (left – plane), GIS location of the product in the technical operation system in a foreign country (x – latitude, y – longitude, t – time) – 3D (right) (compiled by the author)

Download (115KB)

Indexing metadata