Технология оценки рисков на этапах жизненного цикла продукции с использованием нечеткой логики

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.

1. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: пер. с англ., под ред. Н.Н. Моисеева, С.А. Орловского. М.: Мир; 1976. 166 с.

2. Zadeh L. Fuzzy Sets. Information and Control.1965;8(3):338-353. https://doi.org/10.1016/S0019-9958(65)90241-X

3. Гродзенский С.Я., Чесалин А.Н. Использование аппарата нечеткой логики для оценки надежности автоматизированных систем. Нелинейный мир. 2017;15(4.):17-23.

4. Glushenko S.A. An adaptive neuro-fuzzy inference system for assessment of risks to an organization's information security. Business Informatics. 2017;1(39):68-77. http://doi.org/10.17323/1998-0663.2017.1.68.77

5. Чесалин А.Н., Гродзенский С.Я, Нилов М.Ю. Метод самооценки качества принятия управленческих решений. Фундаментальные проблемы радиоэлектронного приборостроения «INTERMATIC–2018» Материалы Международной научно-технической конференции. 2018;5:1149-1152.

6. Hajer M., Ketata R., Taieb B., Samir.A. Comparative study of Fuzzy Hierarchical Hybrid approaches for control of Quality Management System. In: International Conference on Industrial Engineering and Systems Management (IESM-2015). 2015. Р. 1034-1040. https://doi.org/10.1109/IESM.2015.7380282

7. Ying B., Hanyou W, Longkang W., Kangkang T. Study and analysis on fuzzy quality control for the high- end manufacturing process based on Taguchi quality loss function. J. Comput. Methods Sci. Eng. 2019;19(1):121-136. https://doi.org/10.3233/JCM-180857

8. Гродзенский С.Я., Гродзенский Я.С., Чесалин А.Н. Средства и методы управления качеством: учебное пособие. М.: Проспект; 2019. 128 с. ISBN: 978-5-392-28446-7

9. Гродзенский С.Я. Управление качеством: учебник. 2-е изд., перераб. и доп. М.: Проспект, 2018. 320 с. ISBN: 978-5-392-28172-5

10. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. М.: Горячая линия – Телеком; 2007. 288 c.

11. Goodfellow I., Bengio Y., Courville A. Deep learning. Cambridge: The MIT Press; 2016. 800 p. ISBN: 0262035618.

12. Лохин В.М., Романов М.П., Казачек Н.А. Исследование периодических колебаний в робототехнических системах управления с нечеткими регуляторами. Вестник МГТУ МИРЭА. 2015;3-1(8):138-155.

13. Мызникова В.А., Устименко В.В., Чубарь А.В. Построение нечётких регуляторов для систем управления автономных объектов в среде SimInTech. Космические аппараты и технологии. 2019;3(1):22-27. https://doi.org/10.26732/2618-7957-2019-1-22-27

14. Карташов Б.А., Козлов О.С., Шабаев Е.А., Щекатуров А.М. Среда динамического моделирования технических систем SimInTech. М.: ДМК Пресс; 2017. 424 с. ISBN: 978-5-97060-482-3