Чесалин Александр Николаевич, кандидат технических наук, доцент кафедры компьютерной и информационной безопасности Института кибернетики ФГБОУ ВО «МИРЭА – Российский технологический университет»
119454, Москва, пр-т Вернадского, д. 78
ResearcherID: D-8080-2019
Aleksandr N. Chesalin, Cand. Sci. (Engineering), Associate Professor of the Department of Computer and Information Security, Institute of Cybernetics
78, Vernadskogo pr., Moscow 119454
ResearcherID: D-8080-2019
Гродзенский Сергей Яковлевич, доктор технических наук, профессор, профессор кафедры информационных технологий в государственном управлении Института инновационных технологий и государственного управления ФГБОУ ВО «МИРЭА – Российский технологический университет»
119454, Москва, пр-т Вернадского, д. 78
ResearcherID: AAA-8359-2019
Sergey Ya. Grodzenskiy, Dr. Sci. (Engineering), Professor of the Department of Information Technologies in Public Administration of the Institute of Innovative Technologies and Public Administration
78, Vernadskogo pr., Moscow 119454
ResearcherID: AAA-8359-2019
Фам Ван Ты, аспирант кафедры метрологии и стандартизации Физико-технологического института ФГБОУ ВО «МИРЭА – Российский технологический университет»
Pham Van Tu, Postgraduate Student, the Department of Metrology and Standardization, Institute of Physics and Technology
78, Vernadskogo pr., Moscow 119454
Нилов Михаил Юрьевич, аспирант кафедры метрологии и стандартизации Физико-технологического института ФГБОУ ВО «МИРЭА – Российский технологический университет»
119454, Москва, пр-т Вернадского, д. 78
Mikhail Yu. Nilov, Postgraduate Student, the Department of Metrology and Standardization, Institute of Physics and Technology
78, Vernadskogo pr., Moscow 119454
Агафонов Алексей Николаевич, ассистент кафедры компьютерной и информационной безопасности Института кибернетики ФГБОУ ВО «МИРЭА – Российский технологический университет»
119454, Москва, пр-т Вернадского, д. 78
Исследуется проблема оценки рисков на этапах жизненного цикла продукции с использованием как качественных, так и количественных подходов. Предлагается обобщенный алгоритм выбора нечеткой модели оценки рисков при различных исходных данных и требованиях к системе для эффективного применения статистической информации и экспертных оценок. «Риск-ориентированный подход» позволяет сократить затраты на исправление возможных ошибок в будущем и уменьшить неопределенность при выполнении последующих действий. Проанализированы положения современных стандартов по анализу рисков и дана классификация методов анализа риска в соответствии с положениями национального стандарта ГОСТ Р 58771-2019 «Менеджмент риска. Технологии оценки риска». Предложен подход на основе нечеткой логики и гибридной нечеткой нейросетевой модели, который позволяет представить используемые критерии в удобной форме и осуществить логический вывод с помощью простых и наглядных продукционных правил. При этом эффективность и точность разработанной системы оценки рисков, основанной на нечеткой логике, в основном определяется качеством экспертной информации и состоятельностью используемых методов ее получения. Для повышения точности результатов предлагается применение коллективных экспертных оценок с последующим анализом согласованности полученных экспертных оценок с помощью определения коэффициентов вариации, ранговой корреляции, конкордации и пр. Представлен обобщённый алгоритм экспертного оценивания, которого рекомендуется придерживаться при разработке экспертных систем по анализу рисков. Предложен алгоритм построения нечеткой системы анализа рисков на основе эффективного способа получения экспертных оценок и анализе статистической информации. При наличии априорной информации о ранее происшедших событиях, которую можно применить для анализа и прогнозирования рисков, предлагается уточнять нечеткий вывод с использованием широко известных методов математической статистики, алгоритмов оптимизации, к примеру, градиентного спуска, симплекс-метода или генетических алгоритмов.
The problem of risk assessment at the stages of the product life cycle using both qualitative and quantitative approaches is investigated, and a generalized algorithm for selecting a fuzzy risk assessment model with different input data and system requirements is proposed for the effective use of statistical information and expert assessments. The "risk-based approach" allows to reduce the cost of correcting possible errors in the future and reduce the uncertainty when performing subsequent actions. It is noted that the results of SWOT analysis, as a rule, are of a qualitative descriptive nature, and do not contain specific recommendations. The provisions of modern standards on risk analysis are analyzed and the classification of risk analysis methods is given in accordance with the provisions of the national standard GOST R 58771-2019 "Risk management. Technologies for risk assessment", in which the key is the concept of uncertainty, estimated using different scales of gradation of risk damage and probability of its occurrence. An approach based on fuzzy logic and a hybrid fuzzy neural network model is proposed, which allows to present the used criteria in a con-venient form and implement a logical conclusion using simple and visual production rules. At the same time, the effectiveness and accuracy of the developed risk assessment system based on fuzzy logic is mainly determined by the quality of expert information and the consistency of the methods used to obtain it. To improve the accuracy of the results, it is proposed to use collective expert estimates with subsequent analysis of the consistency of the obtained expert estimates by determining the coefficients of variation, rank correlation, concordation, and so on. A generalized algorithm of expert assessment is presented, which is recommended to follow when developing expert systems for risk analysis. Various models of fuzzy inference (Mamdani, Takagi-Sugeno, hybrid neuro-fuzzy inference) are considered. An algorithm for constructing a fuzzy risk analysis system based on an effective method for obtaining expert assessments and analyzing statistical information is proposed. It is suggested that if there is a priori information about previously occurred events that can be used for risk analysis and fore casting, the fuzzy conclusion should be refined using widely known methods of mathematical statistics, optimization algorithms, for example, gradient descent, simplex method or genetic algorithms. An example of developing a risk assessment system when an enterprise enters into contracts with both the customer and co-executors is given.
The authors declare that there are no conflicts of interest present.