IMG_2003.HEIC

ПРОЕКТНО-ИССЛЕДОВАТЕЛЬСКАЯ ЛАБОРАТОРИЯ ПО ИССЛЕДОВАНИЮ ОПЕРАЦИЙ ОЛЕГА КОСОРУКОВА

 

НАУКА И ПРАКТИКА ИО

Purple Puff Ball
3D Spheres

АННОТАЦИИ УСПЕШНЫХ  ПРОЕКТОВ В СФЕРЕ ИО

Признанным лидером  по публикациям результатов успешных проектов в сфере ИО с 1971 года является журнал Interfaces (сейчас INFORMS Journal on Applied Analytics) , издаваемый американской ассоциацией INFORMS (Institute for Operations Research and the Management Sciences) Interfaces@pubsonline.informs.org.

КАКИЕ ЗАДАЧИ МЫ РЕШАЕМ

Помогаем компаниям использовать методы ИО для повышения их эффективности и конкурентоспособности, а именно: рост дохода, снижение себестоимости, увеличение доли рынка, снижение риска, повышение производительности, более быстрый оборот капитала и более эффективное использование ограниченных ресурсов и многое другое.

3D Swirl

ЧТО ТАКОЕ ИССЛЕДОВАНИЕ ОПЕРАЦИЙ?

​Исследование операций (operations research) в Северной Америке, Южной Африке и Австралии, а также операционные исследования (operational research) в Европе — это междисциплинарная отрасль прикладной математики, которая использует такие методы, как математическое моделирование, статистические данные и алгоритмы поиска глобально оптимальных или околооптимальных решений сложных проблем.

 

ПОРТФОЛИО О.А. КОСОРУКОВ

3D Spheres

ПУБЛИКАЦИИ

Опубликовано 176 работ по различным вопросам прикладной математики, 25 статей переведены за рубежом, 8 учебников и монографий, 5 зарегистрированных электронных учебников, 14 зарегистрированных компьютерных программ.

3D Wooden Figure

ИССЛЕДОВАТЕЛЬСКИЕ И КОНСАЛТИНГОВЫЕ ПРОЕКТЫ

Реализован 61 научно-исследовательский и консалтинговый проект. Из них в 29 являлся научным руководителем.

Game Character Creation

РЕЗЮМЕ

Окончил МГУ имени М.В. Ломоносова, факльтет Вычмслительной математики и кибернетики, кафедру Исследования операций.

 

СВЯЖИТЕСЬ С НАМИ

+79035946390

Отправлено. Спасибо!

 

АННОТАЦИИ УСПЕШНЫХ ПРОЕКТОВ В СФЕРЕ ИО

1. Стратегии минимальной стоимости развития системы железных дорог на основе имитационного и параметрического анализа

Столкнувшись с ожиданием увеличения железнодорожного трафика в два раза в ближайшие 10 лет на уже перегруженной единственной основной ветке Западной Канады, Канадские Национальные Железнодорожные линии сформировали команду транспортного планирования для выбора наиболее эффективных средств обеспечения растущего трафика. Используя методы имитационного моделирования, удалось выработать ряд рекомендаций, которые сэкономили около 300 млн. дол. капитальных затрат.

2. Система управления гидросистемами

Ключевая задача эффективного использования гидроресурсов состоит в выработке оптимального расписания гидрогенерации, которое определяет из какого резервуара и через какую водонапорную систему взять гидроресурсы, чтобы интегрально максимизировать полезный выход гидроэлектронергии, при этом нужно было, чтобы расписание удовлетворяло различным физическим, санитарным, юридическим и контрактным ограничениям. В результате использование модели нелинейного математического программирования (Тихоокеанская Компания по газу и электроэнергии, Сан-Франциско, США) была создана рабочая система, которая позволила увеличить выход гидроэлектронергии на 2-3%.

3. Совершенствование системы муниципального хозяйства

Применение моделирования группой специалистов по теории управления сыграло решающую роль в системе принятия решений Санитарным Департаментом, отвечающего за уборку улиц Нью-Йорка. Использование методов статистического анализа, имитационного моделирования и аналитических методов анализа внесло решающий вклад в систему принятия оперативных решений департамента. Следствием этого стало существенное повышение уровня чистоты улиц в последующие 4 года.


4. «Имитатор решений» ускоряет внедрение и улучшает управление

Как видеоигры и имитация полетов, «имитатор решений» усиливает реальный эффект от применения систем принятия решений. «Имитатор решений» был внедрен фирмой Weyerhaeuser Distribution Сo. (Tacoma, WA) при реализации оптимизационных методов динамического программирования в деревообрабатывающем производстве. «Имитатор» позволяет апробировать различные подходы по распределению и обработке поступающей древесины. Применение «имитатора» продолжает приносить многомиллионную дополнительную прибыль ежегодно.


5. Координация выработки электроэнергии в Энергосистеме Бразилии

Гидроэнергетика Бразилии характеризуется обширными бассейнами, допускающими долговременное регулирование. В силу быстрого развития системы была создана координационная группа (Centrais Elétricas Brasileiras S.A.) для поисков наиболее эффективных путей использования гидро и термо ресурсов. Учитывались долговременная эволюция мощностей бассейнов, стохастика будущих входных потоков, ожидаемые затраты на производство тепловой энергии, риски будущих возможных нехваток электроэнергии. Применение стохастического подхода и методов динамического программирования для нахождения оптимальных ежемесячных стратегий привело к многомиллионной экономии (в долларах США).


6. Система принятия решений по вопросам профессиональной подготовки в Армии США

Система принятия решений по вопросам профессиональной подготовки в Армии США была создана для поддержки планирования и принятия решений по вопросам вербовки, подготовки и обучения, продвижения, переквалификации и увольнения (General Research Corporation, USA). Система поддержки решений основывается на моделировании потока персонала, как методами линейной оптимизации, так и имитационными методами. Потоковая имитационная модель используется как контролирующий механизм и позволяет более детально отразить те грани управления персоналом, которые не могут быть адекватно смоделированы методами линейного программирования либо из-за соображений точности, либо из-за ограничений по размерности. Модель может использоваться в режиме “что, если?”, то есть в режиме, когда можно менять политику в области профессиональной военной подготовки и оценивать последствия. Система строится на базе данных, доступных в реальном времени, и различном матобеспечении, обеспечивающим статистический анализ, генерацию отчетов и прямые запросы к базе данных.


7. Модель принятия решений для увеличения размера продаж и развития

Специалисты компании SYNTEX (SYNTEX Laboratories, Inc., USA) сформировали модель принятия решений для увеличения размера продаж и развития с горизонтом планирования 3 года. На выходе модель отображала увеличение объемов продаж и прибыльности при существенных увеличениях сети реализации, и она выдавала рекомендации по концентрации ресурсов на определенных видах продукции, на определенных сегмента рынка за счет других. Спустя три года предсказания, сделанные на основе этой модели оказались на много точнее, чем полученные стандартными методами прогнозирования, и увеличение объема продаж на 25 млн. долларов были признаны заслугой внедренной модели.

https://www.jstor.org/stable/25061045?seq=1#page_scan_tab_contents


8. Диспетчеризация в реальном времени и стратегическое оценивание: новый стратегический подход в грузоперевозках

Сетевая модель LOADMAP используется в реальном времени для координации перемещений нескольких тысяч грузовиков (North American Van Line, USA). Обрабатывая прогнозы по спросу и запасам, система принимает решения по отправке или задержки грузовиков. Перевозчик перемещает трейлеры, исходя из прогнозов рынка, и учитывая разницу в уровнях прибыльности в различных регионах. Кроме того, модель предоставляет новые возможности для оценки загружаемых партий и рынков. Используя двойственные переменные модели, система немедленно оценивает вклад каждого загруженного или холостого пробега в общую систему. Эта информация используется, чтобы стратегически оценить различные рынки и возможности перевозчиков и помочь диспетчерскому персоналу в концентрации своих усилий на координации рынка и перевозок.

https://www.jstor.org/stable/25061046?seq=1#page_scan_tab_contents


9. Автоматизированная почтовая система: анализ принятия решений

Специалистами компании DSC (Decision Science Consortium, Inc., Reston, VA, USA) была разработана автоматизированная система принятия решений в почтовой службе. Разработка системы потребовала около 350 млн. дол. и ежегодно обходится в 300 млн. дол. Ежегодная экономия составляет около 1500 млн. дол.


10. Успешное внедрение науки об управлении (Managment Science, MS) во всем цикле операций Главной Независимой нефтяной компании

Комбинация некоторых творческих приложений MS была использована при разработке и успешном внедрении систем сбора и обработки информации, которые использовали, как последние наработки, так и аналитическую технику (CITGO Petroleum Corporation, Houston, Texas, USA). Системы управления процессами и принятием решений помогают менеджерам в таких успехоопределяющих вопросах, как приобретение сырой нефти, уровни очистки, уровни производства, текущие рыночные закупки и продажи, торгово-закупочная деятельность, бартерные операции, логистические операции, стратегии ценообразования. Системы прогнозирования цен и объемов обеспечивают максимальный доход. Эта система явилась сыграла существенную роль в повороте корпорации от существенных убытков к существенным доходам за последние 2 года.


11. Линейное программирование не теряет своей актуальности

Модель, разработанная специалистами DCC (Darling Consulting Group, USA), является имитатором финансового планирования, интерпретирующая матрицу вексельных расчетов в форме линейной модели транспортного типа, которая динамически меняется во времени в зависимости от экзогенных факторов. Она позволяет анализировать и планировать изменения в доходах финансовых институтов с беспрецедентной точностью и помогает устанавливать уровни рыночного хеджирования для защиты будущих доходов. Важно то, что система связывает банкиров с линейным программированием, минуя необходимость с их стороны вникать в традиционную терминологию оптимизационных задач. Эта микрокомпьютерная модель была установлена с 1982 г. более чем в 400 банках и принесла дополнительный доход этим банкам не менее 20 млн. дол. только за последние 2 года.


12. PLANETS - продукт 5-го поколения, объединяющий в себе экспертную систему и технологию математического моделирования и осуществляющий поддержку стратегического анализа в бизнесе

Система сетевого анализа размещения производства (Prodaction Location Analysis NETwork System) (PLANETS) была разработана специалистами компании EDS (Electronic Data Systems Corporation, Plano, Texas, USA) для удовлетворения потребностей управления в оценке сложных, количественных решений управления бизнесом, включающие в себя все аспекты автоматизированного производства. Она допускает ее использование персоналом без какой-либо предшествующей подготовки в области компьютеров или математического программирования. Пользователи определяют в терминах бизнеса ситуации и данные. После просмотра всей проблемы специальным системным методом, пользователь обращается к системе PLANETS, которая автоматически проводит анализ проблемы, определяя математическую структуру, целостность и существование решения. Далее Система автоматически генерирует либо смешанный целочисленный, либо сетевой программный код в зависимости от ситуации и выполняет его, интерпретируя в заключении полученные результаты. Использование системы PLANETS для анализа некоторых исследований, таких как оценка выбора местоположения и размещения станков сэкономило согласно документам более 1 млрд. дол. США.


13. Сокращение материально-технических расходов в компании General Motors

Оптимизационный инструмент, который включает разнообразные аналитические методы и формулы и минимизирует транспортные расходы и расходы хранения (включая расходы транспортных простоев), впервые был применен в GM в 1982 г. (General Motors Research Laboratories, USA). Система, известная сейчас как TRANSPART2, реализована на IBM PC и внедряется по всей корпорации GM. Система материально-технического обеспечения в GM включает в себя поставки от более чем 30 000 поставщиков на 160 фабрик GM. В результате внедрения системы была зафиксирована ежегодная экономия около 50 000 долларов на каждой из фабрик. Метод не предусматривает использование сложной техники математического программирования и позволяет менеджерам легко и быстро производить анализ чувствительности и исследовать влияние различных изменений на решение о поставках.

https://www.jstor.org/stable/25060912?seq=1#page_scan_tab_contents

14. Диверсификация активов в компании Hormart Development

Hormart Development Company (Chicago, USA) владеет 31 региональным торговым центром, 18 офисными зданиями и земельным участком площадью около 1000 акров. Рассматриваемая модель касается диверсификации этих активов или определения пропорций для будущих активов, и в своей основе представлена многокритериальной задачей целочисленного программирования, содержащей примерно 2000 переменных и решаемой для некоторого скользящего горизонта. Предполагаемые решения являются скорее стратегическими, чем тактическими, ведущими к сглаживанию уровней агрегированных доходов и прибылей по обыкновенным акциям и оказывающими благоприятное воздействие на сумму активов держателей. Эффект от этой работы оценивается в пределах от 10 до 30 млн. долларов в течение рассматриваемого десятилетнего периода планирования.


15. Территориальная система диспетчеризации бензовозов в реальном времени

Была разработана и внедрена высоко автоматизированная система диспетчеризации в реальном времени, которая использует встроенные методы оптимизации для замены многочисленных ручных операций и существенно сокращает необходимый диспетчерский персонал и стоимость перевозок для общенациональной системы бензовозов. Эта работа позволила компании Mobil (Mobil Oil Corporation, USA) сосредоточить диспетчеризацию общенациональных перевозок легких нефтепродуктов только в одном центре вместо трех. Производительность отдельного диспетчера выросла более чем в два раза, а экономия от стоимости перевозок превысила 2 млн. долларов ежегодно.


16. Использование математических методов декомпозиции для оптимизации инвестиций в производство и транспортировку газа

Используя график прогнозируемых ежегодных потребностей и цен на ближайшие 25 лет, специалисты компании Santos (Santos Limited, South Australia) разработали систему планирования инвестиций в капитальное строительство новых резервуаров, газопроводов, максимизирующую объем чистой прибыли. Предлагаемый подход использует декомпозицию исходной задачи линейного программирования на серию подзадач, некоторые из которых не являются линейными. Важным фактором успеха системы является ее способность интерпретировать результаты вычислений в словесной форме в итоговом отчете. Стандартный отчет представляет полную информацию о параметрах резервуаров и финансовых потоках, а также большой выбор специальных отчетов. Система является основным официальным инструментом планирования в компании. Сокращение расходов оценивается в диапазоне от 10 до 15% от общих капитальных затрат.


17. Метод покрытий для выбора оптимальных размеров слитков

Компания Bethlehem Steel Corporation (Bethlehem, Pennsylvania, USA) установила новое оборудование для обработки слитков, позволяющее обрабатывать удлиненные слитки. Для того, чтобы максимально эффективно использовать преимущества нового оборудования была разработана двухфазовая компьютерная модель для выбора оптимальных размеров слитков и внутреннего размера прокатного оборудования. На первом этапе модель генерирует допустимые размеры слитков и внутреннего размера прокатного оборудования, исходя из возможностей оборудования и учитывая ограничения на прокат, литье и металлообработку. На втором этапе, из выбранных допустимых вариантов этих размеров, используя метод покрытий, выбираются оптимальные размеры. После анализа данной модели в были выработаны рекомендации по размерам для прокатного оборудования, которые были успешно реализованы. Выгода от внедрения системы была многогранна. Система была установлена на всех заводах корпорации, что привело к ежегодной дополнительной прибыли около 5 млн. долларов.

https://www.jstor.org/stable/25061186?seq=1#page_scan_tab_contents


18. Диспетчеризация патрулирования на базе оптимизационной системы поддержки решений для полиции Сан-Франциско

SFPD (San Francisco Police Department, USA) инвестировал деньги в создание системы, оптимизирующей размещение патрульных групп. Система позволяет анализировать стратегические решения, осуществлять текущую диспетчеризацию, а также в интерактивном режиме оценивать различные изменения и предлагать альтернативные сценарии размещения. Система ежечасно прогнозирует потребность в патрульных офицерах, автоматически осуществляя их диспетчеризацию с целью максимизировать контролируемую площадь и позволяет осуществлять “настройку” оптимального расписания. Прямодвойственный целочисленный алгоритм генерировал решения, которые позволили высвобождать до 25 % экипажей в случае необходимости, это эквивалентно дополнительному штату из 200 офицеров или экономии в 11 млн. долларов в год. Время реакции в среднем уменьшилось на 29%, принося дополнительно около 3 млн. долларов в городской бюджет.

https://www.jstor.org/stable/25061183?seq=1#page_scan_tab_contents


19. Системы планирования мощностей и обработки материалов на военно-воздушной базе в Оклахоме

Сильный пожар, который уничтожил ремонтное и производственное оборудование на военно-воздушной базе в Оклахоме (Tinker Air Force Base, Oklahoma City, Oklahoma, USA) вызвал необходимость сконструировать 13 отдельных агрегатов в течение трех месяцев. Пожар дал возможность заменить устаревшее узко ориентированное оборудование на современную систему, ориентированную на более широкое семейство изделий. Была разработана имитационная модель для разработки всех 13 агрегатов с целью максимизации их эффективности. Проект позволил сэкономить 3.5 млн. долларов за счет исключения лишнего оборудования, на 2% выросла производительность труда (ежегодная экономия 1.8 млн. долларов) и на 50 % сократилось время выполнения потока заказов. Система обработки материалов была разработана с помощью сетевой оптимизационной модели.

https://www.jstor.org/stable/25061188?seq=1#page_scan_tab_contents


20. Разработка гостиничного комплекса с помощью маркетинговой модели, ориентированной на потребителя

Дизайном новых продуктов и услуг традиционно занимались дизайнеры, архитекторы, художники. Данное применение аналитического подхода (охватывающего все основные характеристики и услуги, влияющие на потребительский выбор) к созданию нового семейства гостиниц компании Mariott (Mariott Corporation, USA) иллюстрирует силу и ценность применения маркетинга для разработки таких сложных сервисных систем как отель. В результате проведенных исследований были выработаны ориентиры для выбора целевых сегментов рынка, размещения услуг и разработки улучшенного оборудования и услуг. Эти стратегические и дизайнерские рекомендации легли в основу развития новой концепции Mariott, которая после успешной апробации на рынке гостиничных услуг получила широкое распространение.

https://www.jstor.org/stable/25061184?seq=1#page_scan_tab_contents


21. Логистическая управляющая система (LMS): непрерывное управление производством с использованием экспертной системы, основанной на базе знаний

В последние годы компания IBM (International Business Machines, USA) в производстве полупроводников сделала особый упор на производственную логистику как технологию. Логистическая управляющая система (LMS) представляет из себя систему реального времени по обработке транзакций, основанную на экспертной системе и базе знаний, которая служит «диспетчером» (мониторинг и контроль) для управления производством или логистикой. Система предназначена для улучшения использования оборудования, улучшения сервиса (поставка продукции согласно графику) и сокращения времени производственного цикла. Существенные успехи были достигнуты во всех этих направлениях, в силу чего LMS сейчас являются необходимой компонентой на многих производственных участках.

https://www.jstor.org/stable/25061311?seq=1#page_scan_tab_contents


22. HASTUS - система управления транспортом и людскими ресурсами в Montreal Urban Community Transit Corporation (STCUM)

Меняющийся в течение дня уровень сервиса и сложные правила работы делают задачу составления расписаний перевозок весьма сложной. В течение последних 10 лет частное совместное предприятие университет - STCUM (Montreal, Quebec, Canada) разработала систему HASTUS, представляющую собой набор различных компьютерных инструментов, которые помогают STCUM в составлении высококачественных, эффективных по цене расписаний. HASTUS-Macro использует методы линейного программирования для оценки влияния изменений в ценах на контракты и уровни сервиса. HASTUS-Bus использует методы сетевой оптимизации для генерации оптимальных расписаний транспорта. HASTUS-Micro генерирует назначения операторов, используя как специальные эвристики, так и методы оптимальных назначений. Годовой эффект превысил 2 млн. дол. (3% от оборота). Успешное использование системы в STCUM позволило внедрить ее в более чем 30 крупных городах.

https://www.jstor.org/stable/25061310?seq=1#page_scan_tab_contents


23. Система управления запасами в компании IBM

«Оптимизатор» - недавно внедренная система для гибкого оптимального управления уровнями сервиса и запасами в сервисной сети IBM (International Business Mashines, USA) на территории США. Она основана на исследования многоэшелонной теории запасов, проводимых специалистами из IBM и консультантами из Wharton School. Сложность и большая размерность основной задачи потребовала разработки нестандартных структур данных и техники управления памяти. Система «Оптимизатор» оказала существенное влияние на весь сервисный бизнес IBM в США. Она позволил на 20% сократить необходимые уровни запасов, сохранив или даже улучшив уровень обслуживания. Очень важно также то, что система «Оптимизатор» показала себя как в высшей степени гибкая система для менеджерского управления.

https://www.jstor.org/stable/25061312?seq=1#page_scan_tab_contents


24. Интегрированные управляющие модели, позволяющие новому бизнесу занять существенную нишу на рынке вопреки присутствию на нем крупных устоявшихся конкурентов

Компания ABB (ABB Electric, Zürich, Switzerland) была основана в 1970. Для того, чтобы развернуть дело высшее руководство обратилось к моделям управления в целях правильной концентрации имеющихся ресурсов. Были проведены специальные обследования для того, чтобы создать базу данных потребителей. Моделирование сегментации рынка и выбора ассортимента привело к стратегиям множественных продаж и очень точному предсказанию объемов продаж. Эти прогнозы были задействованы в серии моделей производства. Последовательное использование этих производственных моделей позволили АВВ снизить себестоимость производства примерно на одну треть по сравнению со среднеотраслевой. Новая инновационная модель производства, учитывающая, как долговременность поставок, так и предпочтения потребителей, давала направления для развития высоко прибыльной продукции, которая практически не имела конкурентоспособных аналогов. К 1988 году АВВ стала лидером в своей отрасли, наряду с General Electric и Weetinghouse, свернувших производство оборудования, которое непосредственно конкурировало с моделями АВВ.

https://www.jstor.org/stable/25061309?seq=1#page_scan_tab_contents


25. Выбор мест для телемаркетинговых центров

В более чем 180 000 телемаркетинговых центрах в США задействовано более 2 000 000 человек. Из-за быстрого роста телемаркетинговой индустрии определение местоположения центров стало критической проблемой. Национальный технический центр обратился к анализу Бизнес-операций (Business Operations Analysis) для разработки системы принятия решений, помогающей клиентам АТ&Т (Dallas, TX, USA) определить «хорошее» положение для своих телемаркетинговых центров. Ядро системы составляет модель смешанного целочисленного программирования, которая минимизирует трудозатраты, объем коммуникаций и стоимость недвижимости, определяя оптимальное количество центров, их местоположение и географические регионы для обслуживания. Сорок шесть клиентов АТ&Т приняли решения о месте размещения быстро и уверено, взяв на себя обязательства по объему потребляемых услуг на 375 млн. дол. и на закупку оборудования на 31 млн. дол.

https://www.jstor.org/stable/25061313?seq=1#page_scan_tab_contents


26. Управленческие системы принятия решений для кабинета министров Египта

Это концепция получила свое развитие в ходе реализации 28 крупных проектов в Египте. Проекты были частью программы, начатой правительством Египта еще в 1985 г. Целью программы является увеличение доли принятия стратегических решений на правительственном уровне. Проекты были продиктованы макро- стратегическими вопросами и потребностями в управленческом и технологическом развитии, связанным с внедрением систем принятия решений в различных министерствах и правительственных учреждениях. Системы поддержки принятия решений были разработаны Факультетом менеджмента Американского университета в Каире (The Management Department The American University in Cairo) и Центром информации и поддержки принятия решений правительства Египта (Information and Decision Support Center Cabinet of Egypt). Системы касались управления долгами, таможенных реформ, тарифов на электроэнергию, а также дополнительные подсистемы, поддерживающие функционирование основных систем принятия решений на различных уровнях. Внедрение, развитие и использование этих систем предполагало, что построение системы управления так же важно, как и построение моделей. Должен быть ясный, полный и интегрированный процесс, который сопровождает разработку системы и построение модели.

https://www.jstor.org/stable/25061314?seq=1#page_scan_tab_contents


27. Планирование водных ресурсов Голландии

Была разработана и использована для многоэтапного анализа интегрированная система управления водными ресурсами, включающая более 40 моделей. Новая государственная политика управления водными ресурсами в значительной степени основывалась на результатах данной системы, которая сэкономила сотни миллионов долларов с годовым эффектом более 10 млн. долларов.


28. Определение размещения транспортных средств скорой медицинской помощи

Методы выбора зон покрытия были использованы для анализа параметров размещения транспортных средств скорой медицинской помощи в г. Остин (Техас) с точки зрения социальной справедливости и эффективности. Были рассмотрены различные варианты цен в сочетании с различными административными альтернативами. План был претворен в жизнь, сэкономив 3.2 млн. долларов на создании системы скорой помощи и 1-2 млн. долларов на текущих вызовах ежегодно.


29. Повышение эффективности использования транспортной авиации военно-воздушных сил США

Модель, реализованная на небольшом микрокомпьютере, использующая модифицированные эвристические методы отсечения запасов, генерирует допустимые планы загрузок для грузовых самолетов, которые модифицируются в интерактивном режиме в зависимости от текущих графиков перевозок грузов. Система сократила количество человеко-часов, затрачиваемых на данный вид планирования, на 95% и повысила эффективность использования транспортных самолетов на 10%. Годовой эффект составляет 20 млн. долларов.


30. Оптимизация химического производства в Компании Monsanto (USA)

Модель планирования производства для многостадийного химического процесса выбирает стратегию, минимизирующую стоимость при различных производственных критериях для поиска оптимального соотношения доход/производство (ситуация типичная для химического производства, когда наращивание объемов производства может привести к падению цен на сырье). Годовой эффект оценивается от 1 до 3 млн. долларов.


31. Управление запасами на Pfizer Pharmacenticals (USA)

Подразделения Pfizer Pharmacenticals в США сократили запасы на трех своих фабриках и пяти региональных дистрибьютерских центрах, используя, как базу данных прогнозирования объемов продаж, так и специальную технику управления запасами готовой продукции, производительностью труда, сырьем и запасами активных фармацевтических составляющих. Система позволила за 2 года сократить запасы на общую сумму в 20.9 млн. долларов.


32. Сокращение запасов в компании Вlue Bell

За период в 18 месяцев компания Вlue Bell сократила запасы более чем на 100 млн. долларов при помощи систем анализа и новых систем обработки данных. Были задействованы модель целевых запасов, модель потребностей производства, модель составления производственных расписаний, техника прогнозирования сезонного спроса и диагностическое компьютерное имитационное моделирование.


33. Системный подход к проблеме жилищного строительства в Турции

В 1983 г. по указанию правительства Турции Промышленная палата Стамбула поручила группе специалистов в области Исследования Операций изучить причины снижения объемов жилищного строительства с целью выработать рекомендации по изменению этой тенденции. Группа специалистов в области ИО провела тщательный анализ экономических, социальных, демографических, технологических, финансовых и других аспектов этой сложной проблемы. Используя как математические методы, так и экспертные оценки, группа выработала всеобъемлющий перечень мер, который и был представлен правительству. Результатом последовательности ряда законодательных актов и нововведений, которые во многом опирались на выработанные группой рекомендации, годовой объем строительства увеличился на 12.4% в 1984, 36.3% - в 1985 г. и 51.5% - в 1986 г.


34. Моделирование топливных запасов

Выбор стратегии в области топливных запасов является сложной задачей для пользователей электроэнергией, сильно влияющей на затраты. Суммы, затрачиваемые на создание запасов, превосходят 10 млрд. долларов. Модель эффективного использования топливных запасов (UFIM) является моделирующей системой, используемой в настоящее время более, чем 50 потребителями для выработки своей стратегии в области топливных запасов. Недавние выборочные обследования установили размер средней экономии - около 1 млн. долларов в год на одного потребителя. Максимальная зафиксированная годовая экономия на одного потребителя составляет более 100 млн. долларов. UFIM был единственным проектом аналитического типа, который вошел в список “Big Winner” Power Research Institute (USA) в 1996 г., включающий в себя проекты, направленные на максимизацию выгоды потребителей.


35. OMEGA - улучшенная система смешивания бензина в компании ТЕХАСО

Отделение компьютерных и информационных систем компании Техасо разработало улучшенную интерактивную системы реального времени для смешивания бензина, названную OMEGA. Она позволяет пользователям изменять данные задачи в интерактивном режиме, а также ставить и решать нелинейные оптимизационные задачи по распределению запасов для смешивания с целью достичь оптимального баланса качества и цены при определенных ограничениях. OMEGA сейчас используется на 7 нефтеперегонных заводах в США и трех за рубежом. Беря для сравнения смешивания, проводимые до установки ОМЕGA, было зафиксировано увеличение прибылей до 30% в отдельных случаях. Используя более консервативный подход к оценке эффективности, Техасо оценивает годовой эффект от использования OMEGA в 15 млн. долларов.

(Техасо Inc).


36. Логистическая модель производства в компании DEC

Многие оптимизационные модели относятся к логистическим моделям, т.е. моделям в которых решаются задачи минимизации расходов при перевозках, удовлетворяющим определенным потребностям. Часто эти задачи рассматриваются в сочетании с задачами размещения производства и формирования их производственных программ. Модель подобного типа описана в статье "Global Supply Chain Management at Digital Equipment Corporation (DEC)"(1995). В коне 80-х компания почувствовала, что систему производства и распределения, которая успешно функционировала последние 20 лет необходимо быстро и радикально менять, если она хочет оставаться процветающей компанией. В компании на тот момент было очень много предприятий и отдельных групп, принимающих автономные решения без какой-либо централизованной координации. В 1989 году компания преступила к реорганизации всей своей сети поставок и сбыта. Центральное место было отведено разработке сложной (большой размерности) математической модели (ЛП), которая получила название Global Supply Chain Model (GSCM). Эта модель имеет внушительную размерность - от 2000 до 6000 ограничений и от 5000 до 20000 переменных. Целевая функция модели - минимизация затрат, которые включают в себя: производственные затраты, стоимость хранения запасов, транспортные расходы, налоги и так далее. Кроме того, модель учитывает несколько периодов планирования, особенности международной торговли и многое другое. Система была внедрена в 1992 году. К весне 1994 года удалось сократить производственные расходы примерно на 167 млн. долларов (к июню 1995 года планировалось дополнительное сокращение еще на 160 млн.) и транспортные расходы на 200 млн. долларов. В этот период существенно возрос как объем производства, так и объем перевозок.


37. Оптимизационная модель планирования производства в компании Libbey-Owens-Ford (LOF)

Компания Libbey-Owens-Ford (LOF) - крупная компания по производству посудного стекла, штат 9000, годовой оборот 900 млн. долларов. Статья "Integrated Production, Distribution, and Inventory Planning at LOF" (1993) описывается процесс создания и внедрения крупномасштабной модели линейного программирования, охватывающая процессы, как производства, так и распределения в компании LOF. Эта модель, получившая название FLAGPOL (FLAt Glass Product Optimization ModeL), охватывает 4 фабрики, обеспечивающие около 200 производственно - технологических процесса, более 40 центров спроса и горизонт планирования в 12 месяцев. На создание модели потребовалось около 2 лет, после чего ежегодная прибыль от внедрения составила около 2 миллионов долларов ежегодно. Это сложное производство. Объем стекла определенного оттенка нужно производить из расчета его потребности (имеющиеся заказы и прогноз) на довольно значительный период времени. Необходимо было принимать и некоторые технологические решения относительно формы хранения стекла. Учитывая сложность производства, менеджмент компании принял решение о создании формальной модели данного производства. Для этого руководство компании сформировало команду из персонала, включающую сотрудников финансовой, маркетинговой, снабженческой, транспортной служб, службы производственного планирования, технологов и т.д. В силу этого модель охватывала широкий круг аспектов. На первом этапе была создана база данных, поддерживающая модель, в которой собиралась, как внутренняя информация (имеющиеся запасы, имеющиеся производственные мощности и т.д.), так и внешние данные (прогнозы цен, спроса, транспортные тарифы и другие данные по ж/д перевозкам между фабриками). Только после создания базы была создана модель FLAGPOL. Далее модель тестировалась и внедрялась в производство. Процесс внедрения занял около 9 месяцев. В настоящее время модель производит расчеты примерно 10 - 20 раз в месяц и формирует, как краткосрочные, так и долгосрочные планы, а именно, сколько какого стекла и на какой фабрике производить ежемесячно, сколько и какого стекла перевозить с фабрики на фабрику, какой уровень запаса нужно поддерживать по каждому типу стекла на каждой фабрике и так далее. В стратегическом плане модель помогает принимать решения относительно целесообразности ввода в действие новых позиций и замещения старых, объемов и мест размещения нового оборудования, планирование капитального строительства и ремонтных работ на фабриках. Данная модель стала неотъемлемой частью общего процесса планирования в компании.


38. Построение циклических графиков работы для врачей скорой помощи.

Building Cyclic Schedules for Emergency Department Physicians (Vol. 41, No 6, November –December 2011, Department of Operations and Business Analytics, University of Cincinnati)

Врачи из отделения неотложной помощи в Медицинском центре Детской больницы Цинциннати пожаловались, что их рабочие графики были слишком неустойчивыми из-за множества операционных требований, регулирующих ограничений, медицинских предпочтений и запросов на отпуск. Мы рассмотрели эту проблему, используя целочисленное программирование для создания циклических графиков, которые могут повторяться в течение года. Эти графики достаточно гибкие для учета праздников, рабочих заданий и запросов на отпуска. После того, как мы сформировали годовые рабочие календари персонала, основываясь на циклических графиках, мы собрали статистику для оценки их жизнеспособности и качества. Обследования врачей и персонала, планирующего рабочие графики, после внедрения показали, что новые графики обеспечивают предсказуемость и хорошую сбалансированность.


39. Branch Reconfiguration Practice Through Operations Research in Industrial and Commercial Bank of China (Vol. 42, No. 1, January–February 2012, pp. 33–44)

Промышленно-торговый банк Китая (ICBC), крупнейший в мире публично торгуемый банк по рыночной капитализации, объемам депозитов и рентабельности, имеет сеть из более чем 16 000 отделений. Эта сеть является важной ключевой компетенцией и имеет фундаментальное значение для развития бизнеса ICBC. Чтобы сохранить лидирующее положение на быстро меняющемся и конкурентном рынке Китая ICBC необходимо было перенастроить свои филиалы и структуру услуг в соответствие с региональной экономикой и распределением потенциальных клиентов; поэтому ему пришлось быстро определять новые высокопотенциальные территории, на которых можно открыть филиалы. ICBC сотрудничал с IBM для создания системы оптимизации сети своих отделений, Реконфигурации Филиалов (РФ), которая была внедрена в более 40 крупных городов Китая. В типичном крупном городе (например, Сучжоу) ICBC приписывает увеличение объема депозитов на 1,04 млрд. долл. США внедрению системы РФ. Проект РФ является примером успешного использования методов исследования операций и научного менеджмента в сфере преобразования каналов обслуживания крупного банка таким образом, который будет продолжать улучшать бизнес банка и повышать качество принимаемых решений.

Ключевые слова: банковское дело; прогнозирование рыночного потенциала; оптимизация сети филиалов; оценка местоположения филиала.


 

КАКИЕ ЗАДАЧИ МЫ РЕШАЕМ

Примерная направленность, решаемых задач:

  • Увеличение доходов или доходности инвестиций.

  • Нахождение предпочтительного курса действий

  • Увеличение доли компании на рынке.

  • Снижение затрат или инвестиций.

  • Более полное использование оборудования, технических средств, денег и персонала.

  • Оценка вероятных результатов принятия альтернатив решений и выявление лучших альтернатив.

  • Управление и уменьшение риска.

  • Количественная оценка качественных альтернатив.

  • Увеличение скорости или пропускной способности.

  • Уменьшение задержек.

  • Большая управляемость.

  • Повышение оборачиваемости.

  • Улучшение качества.

  • Реорганизация цепи поставок

  • Оптимизация управления запасами

  • Минимизация издержек транспортной логистики

  • Повышение эффективности сервисных операций

  • Реинжиниринг бизнес-процессов

  • Планирование новых объектов и общее оперативное планирование

  • Финансовой проектирование: выбор корпоративных заимствований, хеджирование, анализ налогов, управление активами и пассивами в банках и оптимизация политики кредитования.

  • Планирование, прогнозирование продаж, выбор рынка, измерение рынка, сегментацию и выделение целевой аудитории, а также анализ портфеля продуктов.

  • Решения о ценообразовании и продвижении, о размерах торгового штата и его размещении, о размещении дистрибьюторских мощностей, о рекламе и дизайне продукта.

  • Формирование медиа-планов.

  • Оптимизация потребительских свойств новых продуктов.

  • Планирование ресурсов предприятия.

  • Системы интеллектуального ценообразования.

  • Управление персоналом.

  • Системы поддержки принятия решений и управленческие командно-контрольные системы.

 

ЧТО ТАКОЕ ИССЛЕДОВАНИЕ ОПЕРАЦИЙ?

Математическое моделирование, как инструмент увеличения прибыли, снижения затрат и повышения производительности

Какие возможности по повышению эффективности компаний, возможно, весьма существенного повышения эффективности, все еще ждут своего открытия руководителями бизнеса? Речь идет о значимых улучшения, таких как рост дохода, снижение себестоимости, увеличение доли рынка, снижение риска, повышение производительности, более быстрый оборот капитала и более эффективное использование ограниченных ресурсов.

Совокупность моделей, методов и технологий, которые решают вышеперечисленные задачи на основе математического моделирования носит название Исследования операций (ИО) (Operations Research (OR)) или Научные методы управления (НМУ) (Management Science (MS)). Не случайно уже давно в США объединились две ассоциации Operations Research и Management Science, образовав крупнейшую в данной сфере национальную ассоциацию ORMS. Как было отмечено выше ИО предоставляет многочисленные возможности для повышения эффективности компаний. Максимальные положительные эффекты от использования методов ИО, конечно, получают те компании, которые ранее своих конкурентов осознают возможные перспективы от их использования. Соответственно компании, которые не в полной мере используют ИО, теряют серьезные деньги и проигрывают конкурентам.

Например, вот что говорит бывший генеральный директор Боб Крандалл из AMR Corp. (фирма - основатель American Airlines) об одном результате применения современных методов исследования операций:

"Я считаю, что управление доходами [от авт. - метод ценообразования и резервирования мест, созданный группой ИО] является наиболее важным техническим продвижением в управлении транспортом с тех пор как мы вступили в эру децентрализованного управления авиаперевозками в 1979 г. Развитие управления доходами сыграло ключевую роль в выживании American Airlines в новых условиях децентрализованного управления рынком авиаперевозок".

Вот еще один пример. Ник Донофрио, старший вице-президент подразделения IBM «Технологии и производство», говорит, что "инструмент управления активами [от авт. - для управления цепями поставок, от команды ИО в IBM] ... помогает нашим бизнес-единицам найти "оптимальные" стратегии управления цепями поставок. ... Это обеспечивает огромную экономию затрат, сокращение запасов, лояльность клиентов, а также снижение скорости доставки ... и полностью трансформировал наши глобальные операции."

Что же такое ИО? Если это действительно полезно, то почему тогда пока ИО не так широко известно? Какие методы использует ИО? Где лучшие приложения? Каким образом организации, которая еще не использует ИО начать это делать?

Какие выгоды могут ожидать компании?

Размышляя о следующем этапе электронной коммерции, Энди Гроув, генеральный директор компании Intel Corp., приводит следующее замечание в Wall Street Journal: "Подумайте о каждом предприятии, будь то Intel или отель, осуществляющих корректировку цены в зависимости от мощности спроса. Если это можно реализовать с использованием компьютеров в режиме реального времени, вы увидите повышение на порядок эффективности работы в экономической системе. Но как мы этого достигнем? В определенной части ответ надо искать в теории принятия решений и исследовании операций".

Стратегические цели ИО – найти стратегию реанимации убыточного предприятия, спасти проект в критической ситуации и выиграть конкурентную войну. Каковы возможные конкретные выгоды от использования ИО? Они могут самыми разными. Говоря в общем, ИО помогает повысить эффективность. Вот некоторые иллюстративные источники эффективности - то есть определенные положительные эффекты – получаемые в проектах ИО:

• Увеличение доходов или доходности инвестиций.

• Увеличение доли компании на рынке.

• Снижение затрат или инвестиций.

• Более полное использование оборудования, технических средств, денег и персонала.

• Оценка вероятных результатов принятия альтернатив решений и выявление лучших альтернатив.

• Управление и уменьшение риска.

• Количественная оценка качественные альтернативы.

• Увеличение скорости или пропускной способности.

• Уменьшение задержек.

• Большая управляемость.

• Повышение оборачиваемости.

• Улучшение качества.

• Более надежная основа для прогнозирования и планирования.

• Демонстрация целесообразности и технологичности методов ИО и содействие в программах обучения.

Эти широкие категории могут пересекаться и одновременно присутствовать в проектах.

Что же такое ИО?

Одна из причин, почему иногда ИО оказывается не востребованным в том, что поле ИО часто является невидимым, а, если и видимо, то возможно не воспринимается. Современное ИО может быть определено, как применение научных методов для повышения эффективности операций, решений и управления. Используя анализ данных, создание математических моделей и разработку инновационных подходов, специалисты по ИО формируют научно обоснованную информацию, которая дает понимание и помогает сделать выбор в процессах принятия решений. Они также разрабатывают сопутствующее программное обеспечение, системы, сервисы и программные продукты.

Другими словами, профессионалы ИО специализируются в выполнении расширенного анализа для создания и интерпретации полезных знания. Цель этого знания заключается в оказании содействия управлению путем предоставления понимания сути процессов и ориентиров для принятия управленческих решений. Специалисты по ИО, в первую очередь, являются экспертами в области математического моделирования для управленческих приложений.

ИО может помочь практически в любой функции управления. Например, помочь руководителям и менеджерам принимать ключевые решения, решать насущные проблемы, разрабатывать более эффективные многоступенчатые операции (часто называемые процессами), формировать политики, планы, прогнозы и оценки результатов. ИО приносит пользу не только менеджерам. Например, ИО может помочь инженерам или потребителям улучшить процесс принятия решений и другие функции, обычно выполняемые менеджерами. Вы найдете приложения ИО в различных типах организаций, на различных организационных уровнях.

ИО обеспечивает высокотехнологичный управленческий консалтинг. ИО развивает системы поддержки принятия решений и управленческие командно-контрольные системы, также, как и современные продукты и сервисы, которые основаны на передовых методах принятия решения. Анализ на основе методов ИО значительно шире и мощнее, чем анализ, не основанный на методах ИО - как например, проектирования бухгалтерских отчетов и других стандартных приложений с использованием крупноформатных таблиц. Успешные результаты ИО - анализа, в некоторых случаях в буквальном смысле спасают компанию.

Если ИО так хорошо, то почему о нем так мало известно?

Не смотря на 60 лет основательного совершенствования, область исследований операций остается в основном неосвещенной. Этому есть ряд объяснений. Применение ИО происходит обычно вне общего поля зрения. Да и профессионалы предпочитают делать, а не говорить об этом. В большинстве случаев они предпочитают держаться в стороне от публичности. Более того, многие руководители старой школы, первые клиенты ИО, были удовлетворены гораздо меньшим, чем передовым анализом для поддержки решений и зачастую чувствовали неприятие к компьютерам и математике.

Другой важной причиной низкой информированности о предмете ИО является то, что ИО в принципе не занималось своим брендом и как следствие, ИО проходит под множеством имен. Альтернативные «имена» включают близкие области: наука управления, технология принятия решений, поддержка принятия решений, системный анализ (в части, где это касается управления и принятия решений), технология управления и анализ управления. Другие названия, сбивающие с толку, применяются к конкретным объектам. Примером могут послужить анализ операция в производстве и в войсках, финансовое проектирование в финансах, маркетинговое проектирование в маркетинге, а также недавнее, сконцентрированная на некоторых аналитических инструментах, наука о сложности.

Есть еще один источник, вносящий неопределенность. Наиболее традиционные отрасли проектирования и прикладной математики используют ИО внутри своих сфер. Например, методы ИО используют авиационные, химические, гражданские, индустриальные инженеры, инженеры-механики и электротехники и т.д., а также статистики, актуарии и другие прикладные математики. Тоже самое справедливо и по отношению к прикладным ученым, признанным экономистам и их коллегам, специалистам по корпоративным финансам.

Несмотря на такие затруднения с обилием названий, и, несмотря на применение зачастую под именем других областей, ИО есть ИО. Название ИО, пока вводящее в заблуждение (это не является исследованием в общем смысле, и оно не ограничено лишь операциями), несомненно, лучшее из возможных. В тоже время факт, что ИО применяется под множеством имен и используется во многих разных сферах деятельности, имеет и позитивную сторону, а именно, подчеркивает, что исследование операций широко применяемая и влиятельная сфера.

Высокотехнологичные методы ИО

Предполагается, что профессионалы ИО, выбирают из огромного множества новейшие технологий ту, которая наилучшим образом справится с поставленной задачей. Такая технология может включать в себя методы из математики, из разных областей науки, включая социальные науки, а также и различные методы проектирования.

На протяжении многих лет, члены ИО сообщества изобрели важные методы и значительно улучшили существующие. Но профессионалы ИО должны обращаться не только к методам и технологиям, которые были разработаны коллегами по сообществу ИО, но и ко всем полезным технологиям в целом.

В связи с широтой и глубиной возрастающего объема соответствующих методов, объединенных с множеством сфер применения, ИО, как и медицина, подразделена на специальности. Универсалы могут приглашать более узких специалистов и работать в команде.

ИО использует такие методы и технологии как: теория антагонистических и коалиционных игр, многокритериальный анализ принятия решений (DEA – анализ, целевое программирование (GP, LGP), метод анализа иерархий (AHP) и т.д.), линейное и нелинейное программирование (не имеет ничего общего с компьютерным программированием), динамическое программирование, целочисленное программирование, дискретно-событийное моделирование, модель массового обслуживания, стохастическое моделирование процессов, совместный анализ и нейронные сети, Data Mining, имитационное моделирование, регрессионный анализ и т.д.

В большинстве проектов применяется в основном один из трех основных групп методов:

  • С помощью моделирования ИО специалисты улучшают модель, которая дает клиентам (руководителям, менеджерам, работника фронт-лайна) возможность испытать на практике разные подходы на компьютере, искать возможности улучшений и проверять свои идеи.

  • С помощью оптимизационных методов ИО специалисты дают возможность клиентам осуществлять поиск наилучших альтернатив среди доступных вариантов, часто среди тысяч или миллионов возможных, или в случае, когда сравнение альтернатив затруднено.

  • С помощью методов распознавания шаблонов ИО специалисты помогают клиентам распознать шаблон и связи в данных, полезных, например, для прогнозирования и сбора данных.

Где же применение?

Так как исследование операций может и делает свой вклад в развитие практически всех сфер человеческой деятельности, и практически во все менеджерские функции и функции по принятию решений на большинстве организационных уровней, список прошлых и перспективных применений ИО очень велик. Остановимся кратко первоначально на ИО в главных бизнес- функциях (финансы, производство и т.д.), и после рассмотрим некоторые применения, которые охватывают несколько функций (такие как управление доходом и управление цепями поставок).

Все сферы имеют потенциальные возможности для извлечения пользы от применения методов ИО, включая даже те сферы, которые поначалу не кажутся перспективными для ИО, например, сельское хозяйство, здравоохранение, радиовещание, сфера развлечений и спорт.

Здесь вы можете увидеть список бизнес-функций с комментариями о возможном использовании ИО применительно к каждой.

Зал заседания совета директоров и офисы старших руководителей

Высокоуровневое, высокоэффективное определение стратегической политики и принятие решений предоставляют компаниям особенно большой потенциал для получения конкурентного преимущества. Сила ИО, в выявлении последствий различных направлений деятельности и нахождении предпочтительного курса действий среди многочисленных возможностей, выходит далеко за рамки обычного анализа электронных таблиц.

Приложения для топ-менеджеров включают, например, слияние и поглощение, крупные расширения, продажи, оценку компаний или операционных подразделений, местоположения объектов и реорганизацию всей цепочки поставок. В компаниях, которые работают по крупным контрактам, способность методов ИО помочь им в установлении цен и снижении риска в конкурентных торгах является ключом к получению преимущества.

Методы ИО позволяют количественно оценить риск, который жизненно важно понимать, но редко удается посчитать руководителями. Методы ИО также могут количественно определять и балансировать другие качественные аспекты, которые обычно считаются недоступными для анализа. Кроме того, некоторые методы ИО помогают собирать и отображать материалы от различных участников, а также принимать участие в принятии окончательного решения.

Производственные и сервисные операции, дистрибуция, транспорт, телекоммуникации

Предполагается, что категория «Операции» является исходным понятием ИО. Это не совсем корректно, потому что это название происходит от военных операций, а не от бизнес-операций. Тем не менее, это правда, что успех применения ИО в современном бизнесе происходит в результате анализа производственных и сервисных операций, логистики, дистрибуции, транспортировки и телекоммуникации.

Множество применений включает в себя планирование всех видов, маршрутизацию, улучшение рабочего процесса и устранение узких мест, управление запасами, реинжиниринг бизнес-процессов, выбор площадок, планирование новых объектов и общее оперативное планирование. В этих сферах находятся две развивающиеся области применения ИО, отличающиеся тем, что используют несколько методов для охвата нескольких функций - управление доходами и управление цепочками поставок (оба обсуждаются ниже).

Производственные компании активно используют имитационное моделирование. Транспортные и телекоммуникационные компании активно используют оптимизацию. Фактически, большинство методов ИО могут быть успешно применены в этих сферах. Понятия «анализ операций» и «управление операциями» часто воспринимается как синонимы для операций ИО.

Финансы и контроль

Основные финансовые приложения возникают в сфере инвестиций, кредитования и заимствования, финансового планирования и страхования. Финансовые учреждения пользуются ими, а также приложениями в своих операциях. В производственной или сервисной компании приложения - это заявки, находящиеся в компетенции главного финансового директора.

Математические модели, методы ИО, стали обычным явлением в финансах. Хорошо известны инвестиционные приложения, особенно в связи с новыми инвестиционными инструментами, такими как финансовые деривативы. Индексный фонд был изобретен специалистами ИО. Также, как и важные достижения в измерении эффективности инвестиций. Но прошлые и будущие успехи в области ИО охватывают гораздо более широкий диапазон применения, включая финансовые планы и прогнозы компаний, оценку компаний и производственных линий, выбор корпоративных заимствований, хеджирование, анализ иностранной валюты, казначейские операции, анализ налогов, управление активами и пассивами в коммерческих банках и подтверждение кредита.

В наши дни популярно финансовое проектирование. Этот термин обычно служит синонимом ИО в финансах. Уолл-стрит под «ракетостроением» обычно подразумевает ИО в инвестициях.

Маркетинг

Как и в сфере финансов, возможности для получения конкурентного преимущества посредством количественного анализа в маркетинге расширяются. Эти возможности возникают, во-первых, в стратегическом маркетинге. Стратегические приложения включают в себя общее планирование, прогнозирование продаж, выбор рынка, измерение рынка, сегментацию и выделение целевой аудитории, а также анализ портфеля продуктов. Также возможности присутствуют и в тактическом маркетинге такие как: решения о ценообразовании и продвижении, о размерах торгового штата и его размещении, о размещении дистрибьюторских мощностей, о рекламе и дизайне продукта.

Эти приложения вы найдете в производственных и сервисных компаниях. Сопоставимые приложения можно найти и в чистых маркетинговых фирмах, включая рекламные агентства и маркетинговые компании.

Аналогично названию «финансовое проектирование» - популярно в настоящее время название «маркетинговое проектирование», которое обычно означает ИО в маркетинге.

Информационные технологии

Воздействие ИО на IT растет. В ближайшем будущем для ИТ-специалистов в большинстве компаний может потребоваться значительный опыт работы в сфере ИО.

На протяжении многих лет руководители компаний-производителей компьютеров говорили, что реальная отдача от компьютеризации - это способность компьютеров предоставлять важную управленческую информацию. ИО - это поле, предназначенное для создания управленческой информации. ИО привносит наилучшие методы решения о том, какие входные данные необходимы, как преобразовывать исходные данные в ценную информацию для принятия решений и как представлять эту информацию для наибольшей управленческой полезности.

Именно из ИО пришло множество модных слов, используемых в IT, например, системы поддержки принятия решений (DSS), оперативная аналитическую обработку (OLAP) и компоненты оптимизации (наряду с другими аналитическими компонентами) систем планирования ресурсов предприятия (ERP) и систем электронной коммерции. Как правило, ИО предоставляет экспертные знания, необходимые для разработки ориентированных на управление программных и коммуникационных систем с аналитическим контентом, такими как системы планирования цехов и расписания, системы интеллектуального сбора данных, системы интеллектуального ценообразования (управления доходами), системы управления цепочками поставок и системы управления и контроля в реальном времени.

Поскольку работа ИО настолько тесно связана с компьютерами и передачей данных, ИО и IT - специалисты часто становятся партнерами в проектах.

Отдел кадров

Военные службы широко применяют ИО для планирования персонала и сопутствующих с ним операциях в отделе по работе с персоналом. Хотя не так много HR-приложений в бизнесе стали известными за пределами клиентских организаций, количество ситуаций, когда выбор необходимо сделать в сложных ситуациях, возрастает. Наиболее вероятными темами могут стать анализ планов выхода на пенсию и разработка планов пособий, изучение компенсаций и их планирование, разработка правил и сокращение командировочных расходов.

Юридический отдел

Классическое приложение ИО решает, как лучше всего действовать в крупном судебном иске. Метод ИО, называемый анализом решений, идеально подходит для сортировки и правильной оценки многих неопределенностей и непредвиденных ситуаций в конкретном случае. Специалисты ИО могут также предоставить экспертный анализ количественных данных, иногда необходимый для подготовки к судебным делам.

Инжиниринг

Такие методы ИО, как анализ решений, процесс аналитической иерархии и математическое программирование могут помочь в принятии инженерных решений - например, при выборе дизайна и тестировании. Инженеры широко используют линейное и нелинейное программирование, разработанное сообществом ИО. Например, эти методы оптимизации обычно используются для управления нефтеперерабатывающими заводами.

Исследования и разработки (R & D)

Классическое R & D приложение выбирает портфель исследований, решает, сколько инвестировать в каждый из возможных проектов R & D.

Управление доходами

Перейдем теперь к другому виду приложений, рассмотрим некоторые, которые включают в себя несколько функций (и зачастую несколько методов ИО). Начнем с наиболее востребованной темы: управление доходами. Управление доходами, также называемое управлением доходностью (которое оценил бывший генеральный директор AMR Боб Крандалл), отвечает за точное прогнозирование спроса и последующую корректировку цен во времени для более рационального распределения ограниченных мощностей. Вы могли бы назвать это «супер-интеллектуальным ценообразованием». Оно имеет много общего с применением конкурсных торгов. Разработанный первоначально для оценки и бронирования мест в авиакомпаниях, этот подход распространился на отели, компании по прокату автомобилей, радиовещание, а в последнее время и на производство.

Управление цепями поставок

Решения, принимаемые цепочкой поставок, определяют «кто-что-где-когда» от покупки и транспортировки материалов и деталей, через производство продукции, и, наконец заканчиваются на распространении и поставках продукцию клиентам. Главной целью управления может быть снижение общих затрат, которые во многих компаниях являются значительными, при выполнении заказов клиентов даже быстрее, чем раньше.

Преимущества ИО позволяют всесторонне исследовать эту сложную цепочку и искать среди огромного количества комбинаций именно те, которые кажутся наиболее выгодными.

Анализ данных

По мере роста интереса к анализу поведения покупателей и покупок, а также способности накапливать данные в чрезвычайно больших базах данных, анализ данных стал мощной аналитической силой. Методы ИО дают средства для поиска в любом большом наборе данных (а не только данных клиента) тех шаблонов, тенденций и связей, которые помогут менеджменту в принятии эффективных управленческих решений.

Комплексное планирование

ИО привносит новейшие методы и многолетний опыт в планирование ресурсов в сложных ситуациях. Применений много, особенно в обрабатывающей промышленности, сфере услуг и на транспорте.

Интеллектуальные системы реального времени

Современные системы поддержки принятия решений отвечают в режиме реального времени и используют аналитические возможности из комбинации математических методов и экспертных системных методов. Будучи важными в военном деле, эти разработанные ИО системы, в большинстве случаев также используются и в бизнесе.

Эффективное использование современных методов ИО

Предположим, компания хочет впервые попробовать использовать методы и технологии ИО. Или, возможно, она хочет усилить ИО. Как это осуществить?

Любое исследование в ИО неизбежно приводит к вопросу: как распознать квалифицированную помощь? Посмотрите сначала на такие внешние факторы как – профессиональный опыт, личные качества и академическую подготовку. Далее приведены некоторые практические рекомендации, которым следуют профессионалы, и их интерпретация:

  • Используйте системный подход, не ограничиваясь рамками отдельных департаментов. Методология ИО характерна тем, что изучает вопрос управления или исследуемую проблему достаточно широко, чтобы узнать, что на самом деле определяет суть процесса, и чтобы избежать «субоптимизации» (то есть оптимизации подсистемы, а не общей системы). Это часто требует работы одновременно с несколькими функциональными подразделениями.

  • Найдите настоящую проблему. ИО нацелено на получение практических результатов. Если первоначальный результат анализа потребностей клиента и соответствующий первоначальный подход ИО ошибочен, предполагается, что специалист ИО выяснит это и незамедлительно сообщит клиенту, что, по их мнению, является правильным результатом и подходом.

  • Изучайте на практике, чтобы не упустить тонкости. Так или иначе, стоит в течение некоторого времени поработать на фронт-лайне, если это возможно. Профессионал в области ИО должен хорошо знать рабочую среду организации.

  • Проверяйте на месте, что данные точны. Когда важные данные поступают из удаленного источника, специалист ИО следует обратиться к первоисточнику, чтобы проверить, что данные точны.

  • Популяризуйте правильную логику. Специалист ИО должен следить за тем, чтобы общая логика, лежащая в основе анализа, была верна.

  • Предлагайте нестандартные варианты. Специалист по ИО не должен довольствоваться применением очевидных методов к рассматриваемым управленческим вопросам. Он должен искать нестандартные подходы, которые могут обеспечить клиенту наилучшее решение.

  • Помогайте клиенту перейти от общей идеи к подробному плану. Программисты часто хотят начать с «требований пользователя», что означает детальный план того, что должна делать предполагаемая программа. ИО должен заполнить пробелы, помогая клиентам перейти от общей идеи (возможно, смутной идеи) к детальной спецификации. Это верно, независимо от того, является ли конечный продукт компьютерной программой.

  • Будьте глубоко заинтересованным к ситуации и потребностях клиента. Специалист ИО должен приходить с искренним интересом к истории развития бизнеса клиента и пониманию его потребностей.

Другой вопрос заключается в том, следует ли использовать аутсорсинг данной функции или нанять специалиста в штат, а может комбинировать оба варианта? Только вы знаете, что подходит лучше всего вашей организации. Успешное применение ИО, как правило, происходит в команде между клиентом и профессионалом ИО или профессионалами, близкими к клиенту. Большой успех ИО почти всегда является результатом командной работы.

Третий вопрос возникает в случае, если вы хотите иметь специалиста ИО в штате компании: где его место в структуре компании? Важно, чтобы группа ИО была напрямую подотчетна высшему руководителю, и имела возможность беспрепятственно взаимодействовать с клиентами. Большинство компаний в конечном итоге обнаруживает, что ИО является ценным и заслуживает распространения его на различные подразделения и отделы, как например, распространение ИТ, бухгалтерского учета и маркетинга. Эффективность работы независимых специалистов по ИО повысится, если у них будет доступ к корпоративным базам данных, аналогичных корпоративным базам данных для ИТ, бухгалтерского учета и маркетинга.

Инструментальные средства ИО весьма разнообразны. Далее приведем краткое описание и практические примеры трех основных видов моделирования, а именно, оптимизационного, имитационного и регрессионного.

 

ИССЛЕДОВАТЕЛЬСКИЕ И КОНСАЛТИНГОВЫЕ ПРОЕКТЫ

Основные проекты

1. Телеканал «Россия»

Оценка финансовой эффективности сетки вещания

Разработка методов оценки эффективности телепередач на основе показателей панели Гэллапа. Разработка методов прогнозирования показателей эффективности.

2. ООО «Элбург»

Создание аналитической системы по прогнозированию спроса и оптимизации товарных запасов

Создание аналитической системы по прогнозированию спроса по товарным группам и по отдельным номенклатурным позициям. Алгоритм формирования комплектации фур и определения времени их заказа.


3. ОАО «Аммофос»

Разработка оптимальной системы звукового покрытия территории

Формирования оптимального состава системы звукового оповещения, мест и параметров дислокации элементов системы при различных технических и финансовых требованиях и ограничениях, с учетом климатических и ландшафтных особенностей территории.


4. МЧС РФ

Разработка системы выбора оптимального комплекса защитных мероприятий на территории субъекта РФ

Формирование оптимального состава защитных мероприятий, их параметров, мест локализации, с учетом вероятностных характеристик ЧС и ущербов от их негативных последствий, при различных финансовых ограничениях и нормативных требованиях обеспечения безопасности жизнедеятельности.


5. ООО «Протек»

Разработка системы оптимизации поставки товаров в аптеки

Разработка автоматизированной системы обработки данных о продажах и запасах, формирования адаптивной системы прогнозирования, формирование оптимальных структур и объемов пополнения запасов в розничной аптечной сети.

6. МЧС РФ

Разработка оптимизирующей системы управления эвакуацией крупных городов

Решение задачи о перевозках в многополюсной сети с переменными пропускными способностями коммуникаций, с учетом временных параметров потоков, формирование оптимальной структуры маршрутов для разнородных транспортных средств, оптимизация распределения транспортных ресурсов.


7. Минпромторг РФ

Разработка нейронной аналитической модели для анализа формирования цены на сельскохозяйственную продукцию.

Исследование факторов, влияющих на формирование цен на сельскохозяйственную продукцию на всех этапах продуктовой цепи от производителя до торговой сети, формирование комплекса прогнозных моделей ценообразования на основе нейро-сетевых моделей.


8. ФГУ «Рослесресурс»

Создание интегрированной системы мониторинга лесных пожаров и их последствий для жизненно важных объектов экономики

Разработка оптимизационных моделей для формирования территориальных систем мониторинга лесопожарной опасности (состав, размещение) по критерию своевременности прибытия сил и средств для борьбы с лесными пожарами, при наличие финансовых и технических ограничений.


9. ФГУ «Рослесресурс»

Разработка современных организационно-технологических решений для комплексного противопожарного устройства лесов и планирования противопожарных мероприятий

Разработка оптимизационных моделей для формирования комплексных территориальных систем защиты от лесопожарной опасности (состав, размещение) по критерию минимизации ожидаемого ущерба, при наличие финансовых и технических ограничений.


10. Телеканал «Россия»

Управление финансовой эффективностью работы продюсерских центров

Разработка моделей оценки финансовой эффективности дневных и недельных сеток телевизионных программ, оптимизации их временных и позиционных параметров в сетке вещания.


11. Российский экономический университет имени Г.В. Плеханова

Система комплексной оценки эффективности управления запасами в условиях неопределенности спроса

Разработка методики имитации случайного спроса на продукцию торговой компании, разработка имитационной модели для оценки эффективности системы управления запасами компании при известных условиях поставок, транспортных ограничениях, условиях финансового кредитования.


13. Санкт-Петербургский политехнический университет имени Петра Великого

Разработка математических моделей многокритериальной оптимизации распределения студентов по руководителям и темам

Разработан комплекс математических моделей многокритериальной оптимизации прямого и двухэтапного распределения студентов по темам и научным руководителям выпускных квалификационных работ. Разработаны методы решения распределительных оптимизационных задач: метод гарантированной глубины удовлетворенности и метод интегральной эффективности.


14. ООО «ПКФ «АГАТ»

Разработка комплекса экономико-математических моделей управления запасами в условиях неопределенности

Разработка комплекса нелинейных непрерывных стохастических оптимизационных моделей управления запасами в условиях неопределенности спроса и времени поставки с критериями на минимум издержек управления запасами и максимум прибыли, учитывающими стохастический характер дополнительных издержек, обусловленных сверхнормативным хранением, дефицитом, выплатами штрафов и пени, потерями продукции ограниченного срока хранения, риском потери клиентов и т.д., и аналитических методов решения оптимизационных задач определения объемов и сроков поставок при треугольных распределениях отклонений реальных величин спроса и времени поставки от ожидаемых.

 

РЕЗЮМЕ

Профессиональная карьера и опыт работы

2016 – н/в Профессор «Национального исследовательского университета «Высшая школа экономики», кафедра управления логистической инфраструктурой школы логистики факультета бизнеса и менеджмента

2015 – н/в Профессор факультета «Высшая школа управления и инноваций» МГУ имени М.В. Ломоносова

2013 – 2016 Главный научный сотрудник Всероссийского научно-исследовательского института по проблемам гражданской обороны и чрезвычайных ситуаций (Федеральный центр науки и высоких технологий), член экспертного совета при Научно-техническом управлении МЧС РФ

2010-2012 Начальник управления организации НИР Российского экономического университета им. Г.В. Плеханова

2010-2012 Профессор кафедры Исследования операций факультета Вычислительной математики и кибернетики МГУ им. М.В. Ломоносова

2008-2016

Профессор кафедры математических методов в экономике Российского экономического университета им. Г.В. Плеханова

«Методы и модели исследования операций», «Теория игр»

2008 – 2009 Заведующий кафедрой математических методов в экономике Российской экономической академии им. Г.В. Плеханова

2007 – 2018 Профессор Академии государственной противопожарной службы МЧС России

2005 – 2011 Заведующий кафедрой методов количественного анализа в бизнесе Института экономики и финансов «Синергия»

2002 – 2011 Проведение научно-практических семинаров совместно с компанией BaseGroupLabs:

  • «Адаптивные системы управления запасами. Практические аспекты управления»,

  • «Регулярный маркетинг и автоматизация маркетинговой деятельности»,

  • «Практика прогнозирования»,

  • «Применение количественных методов для анализа и обоснования управленческих решений».

2002 - 2008 Научный сотрудник факультета гражданской обороны Военно – инженерной академии и факультета гражданской обороны Общевойсковой академии ВС РФ

Реализация проектов с ОАО «Севергазпром», ОАО «Аммофос», ОАО «Пермтрансгаз», ИКЦ «Промтехбезопасность», НПЦ «Средства спасения», Департаментом гражданской защиты МЧС России.

2001 – н/в

Преподавание на программах МВА и МА

МГУ имени М.В. Ломоносова. Высшая школа управления и инноваций (МА):

  • «Методы исследования в менеджменте» (с 2015);

  • «Интеллектуальные методы анализа бизнес-информации» (с 2015).

  • «Управление рисками» (с 2016).

  • «Системный анализ и теория принятия решений» (с 2018)

  • «Математика» (с 2018)

  • Подготовительные курсы по математике для поступающих (с 2018)

  • «Количественные методы в менеджменте» (программа МВА) (с 2018)

  • «Методы и модели корпоративного анализа данных» (МФК) (с 2018)

  • «Математические методы принятия решений»

Национальный исследовательский университет «Высшая школа экономики» (МА)

  • «Методы и модели оптимизации транспортных систем»

  • «Стратегическое управление логистической инфраструктурой»

Института экономики и финансов (ИЭФ) «Синергия» (МВА):

  • «Методы количественного анализа в бизнесе» (с 2001),

  • «Моделирование и количественный анализ в менеджменте» (с 2004),

  • «Методы количественного анализа и информационные системы в бизнесе» (с 2004),

  • «Интеллектуальные методы анализа бизнес – информации» (с 2005),

  • «Модели и методы корпоративного анализа данных» (с 2008),

  • «Managing Systems» (с 2002).

Академия народного хозяйства, факультет инновационyо - технологического бизнеса (МВА):

  • «Математические методы в теории управления» (с 2007),

  • «Интеллектуальные методы анализа бизнес – информации» (с 2008).

Бизнес-школа Integral РЭА им. Г.В. Плеханова (МВА):

  • «Интеллектуальные методы анализа бизнес – информации» (с 2007),

  • «Методы количественного анализа в бизнесе» (с 2008).

Управление программ МВА РЭА им. Г.В. Плеханова:

  • «Методы количественного анализа в менеджменте» (с 2009)

Международный институт бизнеса МИРБИС:

  • «Маркетинговая аналитика» (МА) (с 2007),

  • «Информационные технологии в маркетинге» (МА), (с 2008),

  • «Прикладные количественные методы в менеджменте» (МВА) (с 2008).

International Business School РЭА им. Г.В. Плеханова:

  • «Методы количественного анализа в бизнесе» (с 2008).

2001 - 2005

Директор совместных программ МВА, МА ИЭФ «Синергия» с университетом Дарема (Durham University) Великобритания.

Директор дистанционной программы МВА ИЭФ «Синергия».

1999 - 2008

Доцент кафедры математических методов в экономике Российской экономической академии им. Г.В. Плеханова

  • чтение лекций и проведение семинаров по курсам «Эконометрика», «Методы и модели исследования операций», «Исследование операций и методы оптимизации», «Оптимальное управление», «Планирование и прогнозирование в условиях рыночной экономики», «Методы прогнозирования социально-экономических явлений», «Математические методы в экономике», «Статистика»,

  • чтение лекций и проведение семинаров по курсу «Эконометрика» (на английском языке) в Международной Школе Бизнеса (International Business School).

1996 - 1999

Генеральный директор ЗАО "Финансово-инвестиционная компания "Премьер-Инвест"

  • работа с акциями и векселями

1993 - 1995

Генеральный директор ЗАО "Финансово-инвестиционная компания "Стронгинвест"

  • работа на рынке государственных ценных бумаг (ОГСЗ, ОФЗ)

1991 - 1993

Старший научный сотрудник Вычислительного Центра Российской Академии Наук

  • математические задачи анализа и синтеза коммуникационных сетей

1991 - 1993

Генеральный директор Внедренческого научно-производственного предприятия "Аналитик"

  • разработка и внедрение прикладного матобеспечения для предприятий

  • издание серии  книг по системам WINDOWS и UNIX

1987 - 1991

Начальник сектора НИЦЭВТ (Научно-исследовательский центр электронной вычислительной техники)

  • разработка операционных систем типа UNIX для ЕС ЭВМ

1985 - 1990

Научный сотрудник факультета Вычислительной математики и кибернетики Московского государственного университета им. М.В. Ломоносова

  • чтение лекций и проведение семинаров по Исследованию операций на военном спецотделении для офицерского состава

  • решение задач оптимального распределения вычислительных ресурсов для вычислительного комплекса факультета


Образование, ученые степени и звания

2011

Присвоение звания профессора по кафедре Математических методов в экономике Ученым Советом РЭУ им. Г.В. Плеханова 02 октября 2011 (Утверждено ВАК 18 февраля 2013 аттестат ПР № 043746)

2009

Избрание действительным членом Всемирной Академии Наук Комплексной Безопасности

 (диплом № 2204 от 12 марта 2009 г.)

2009

Избрание действительным членом Международной Академии Информатизации (диплом № 17426 от 22 июня 2009 г.)

2008

Присвоение ВАК РФ ученого звания доктора технических наук (диплом ДДН № 007648 от 23 мая 2008 г.)

2007

Защита диссертации на тему «Модели и методы управления сетевыми структурами в кризисных ситуациях» на соискание ученой степени доктора технических наук по специальности 05.13.10 – управление в социальных и экономических системах в совете Академии ГПС МЧС России

2004

Присвоено ученое звание доцента по кафедре математических методов в экономике РЭА им. Г.В. Плеханова (диплом ДЦ № 029200)

1983 - 1985

Аспирантура факультета Вычислительной математики и кибернетики МГУ им. М.В. Ломоносова, Ленинская стипендия, защита диссертации на тему "Задачи анализа и синтеза на коммуникационных сетях" на соискание ученой степени кандидата физико-математических наук по специальности 01.01.09 – математическая кибернетика (диплом ФМ № 026478)

1978 - 1983

Обучение на дневном отделении факультета Вычислительной математики и кибернетики МГУ им. М.В. Ломоносова, кафедра - Теории игр и исследования операций, Ленинская стипендия, диплом с отличием (прикладная математика Г-1 № 439347 от 20.06.1983)

1968 - 1978

Обучение в экспериментальной средней школе № 315 Академии педагогических наук СССР в г. Москве, закончил с золотой медалью

Повышение квалификации

2018

Диплом профессиональной переподготовки (256 часов) «Учитель математики. Технологии проектирования и реализации учебного процесса в основной и средней школе с учетом требований ФГОС» № 422406255076 от 05.02.2018.

2017

Курс специализированной программы «Цифровая трансформация. Построение цифровых бизнес-стратегий» (в рамках IoT World Summit Russia г. Иннополис, Татарстан).

2017

Программа учебного семинара «Управление рисками и принятие решений» (Palisade Training Workshop – Risk & Decision Analysis).

2010

Повышение квалификации (72 часа) «Формирование пояса малых инновационных предприятий вокруг образовательного учреждения как альтернативный способ привлечения средств».

2010

Повышение квалификации (24 часа) «Интеллектуальное моделирование в среде AnyLogic».

2010

Повышение квалификации (24 часа) «Организация научной деятельности студентов, аспирантов и молодых ученых».

2009

Повышение квалификации (72 часа) «Менеджер высшей школы».

2008

Курс обучения «КонсультантПлюс/Технология 3000 серия 300».

2007

Аттестат квалификации «Бизнес-аналитик», курс «Интеллектуальные методы анализа экономической информации на базе аналитической платформы Deductor»

2004

Сертификат «Professional Certificate in Online Tearching» программа Global Open University (288 часов)


Публикации в зарубежной или отечественной литературе

Опубликовано 170 научных работ по различным вопросам прикладной математики, 22 статья переведены за рубежом.

Является автором 8 учебников и монографий: «Исследование операций» (2003 г.), «Оценка и управление рисками при чрезвычайных ситуациях» (2004 г.), «Методы количественного анализа в бизнесе» (программа МВА) (2005 г.), «Количественные методы анализа в маркетинге» (2005 г.), «Сети, риски, ресурсы» (2007 г.), «Предупреждение чрезвычайных ситуаций» (2008 г.), «Модели и методы оптимизации управления запасами» (2014 г.), «Модели исследования операций» (2019 г.).

Является автором 5 зарегистрированных электронных учебников «Математические методы исследования операций», «Задачник по исследованию операций», «Методы количественного анализа в бизнесе», «Моделирование и количественный анализ в менеджменте», «Методы и модели корпоративного анализа данных».

Является соавтором 14 компьютерных программ «Магистраль» (2006 г.), «Грузопоток» (2006 г.), «Управляющая система эвакуации населения из крупных городов» (2006 г.) «Система оценки временных параметров эвакуационных планов» (2010 г.), «Программный комплекс оценки состояния и движения рынка труда РФ» (2012 г.), «Программный комплекс прогнозирования потребности субъекта РФ в профессиональных кадрах»(2012 г.), «Программный комплекс прогнозирования кадровой потребности экономики РФ и субъектов РФ»(2012 г.), «Программный комплекс прогнозирования макроэкономического развития РФ и субъектов РФ»(2012 г.), «Программный комплекс прогнозирования кадровой потребностей отраслей, предприятий и организаций»(2012 г.), «Программный комплекс поддержки принятия управленческих и инвестиционных решений для достижения баланса между спросом и предложением на рынке труда РФ и субъектов РФ»(2012 г.), «База данных динамического моделирования и прогнозирования экономического развития и потребности в профессиональных кадрах»(2012 г.), «Система оценки эффективности управления запасами» (2015 г.), «Система прогнозирования биржевых котировок и индексов» (2015 г.), «Программная реализация алгоритма определения показателя эффективности функционирования системы обнаружения лесных пожаров» (2015 г.).


Участие в научно исследовательских и консалтинговых проектах

За период с 2005 по 2019 гг. принял участие в 61 научном и консалтинговом проекте. Из них в 29 являлся научным руководителем.


Участие в международном научном сотрудничестве

Стажировка в университете Рединга (Великобритания) в 2001 г.

Стажировка в университете Дарема (Великобритания) в 2002 г.

Стажировка в университете Ворика (Великобритания) в 2003 г.

Участник гранта № Е/А 10/99-1-240 Всемирного банка по реформированию курса "Исследование операций".

Участник гранта № Е/А 10/99-1-536 Всемирного банка по созданию интегрированной информационной среды РЭА им. Г.В. Плеханова.

Участник гранта № Е/А 10/01-1-1221 Всемирного банка по созданию нового учебного курса «Конструктивный маркетинг».


Участие в научных организациях

Член диссертационного совета Академии государственно противопожарной службы МЧС России Д 205.002.01 (с 2012 г.)

Член диссертационного совета Российского экономического университета имени Г.В. Плеханова Д 212.196.15 (с 2016 г.)

Член редакционной коллегии журнала «Безопасность жизнедеятельности» (с 2013 г.)

Член редакционной коллегии журнала «Modern Management Forum» (с 2017 г.)

Учредитель электронного журнала «Практика исследования операций в России» (с 2018 г.)

Член редакционной коллегии журнала «Вестник Российского экономического университета им. Г. В. Плеханова» (с 2019 г.)

Контакты

107140, Москва, ул. Краснопрудная, 22/24 – 47, м. 8-903-594-63-90, E_mail: kosorukovoa@mail.ru.