Виртуальная система оперативной диагностики сервисных организаций

Abstract

В статье акцентировано внимание на особенностях диагностирования деятельности сервисной организации и решении задачи оперативного распознавания причин финансовой дестабилизации с использованием платформы виртуальных систем. На модель возложена задача распознавания опережающими темпами негативных явлений, вызванных отклонениями внешних и внутренних факторов от нормативных. Недорогие аппаратно-программные средства диагностики динамических систем можно создать, сочетая работу нейронных сетей по оценке уровней финансовой устойчивости с возможностями регрессионных моделей при распознавании дестабилизирующих факторов. Действенными приемами виртуальной системы, увеличивающими ее быстродействие и точность, являются: 1) установление весового вклада факторов при их отборе для отражения финансового состояния организации; 2) использование результатов решения нелинейных дифференциальных уравнений, описывающих операционную деятельность малого предприятия, для обучения нейросети; 3) безынерционная идентификация дестабилизирующих факторов финансового состояния предприятия.

The article concentrates on peculiarities of diagnosing the activity of service organizations and resolving the task of operational recognition of causes for financial destabilization through virtual systems platforms. The model is charged with the task of recognition negative phenomena caused by deviations of external and internal factors from the normative ones. Inexpensive hardware and software tools for diagnosing dynamic systems can be created by combining the work of neural networks in assessing levels of financial stability with the capabilities of regression models in detecting destabilizing factors. The effective methods of virtual system that increase its rate and accuracy, are: 1) determining the weight contribution of factors at their selection to reflect the financial state of organization; 2) using the results of solving non-linear differential equations describing the operational activity of a small enterprise to train the neural network; 3)inertia-free identification of destabilizing factors of the financial state of the enterprise.