Интеллектуальное измерение и оценка результатов деятельности таможенных органов

Новая Стратегия развития таможенной службы Российской Федерации до 2030 г. одним из своих основополагающих принципов называет оптимизацию и совершенствование таможенного администрирования. Наметившаяся тенденция приводит к увеличению облигаторности развития формализованных средств моделирования и анализа процессов управления в таможенной сфере. Измерение результатов деятельности – один из самых эффективных управленческих инструментов. Взяв за основу базовые положения Национальной технологической инициативы, авторы статьи продолжили картоаж проблемы измерения результатов функционирования таможенных органов по ключевым направлениям их деятельности в контексте квалитологической системной трансформации таможенного института, обусловленной его интеллектуализацией в условиях цифровой экономики. Целью исследования является создание модели измерения и оценки результатов деятельности таможенных органов. Для конкретизации общей методологии описана модель измерения и оценки степени достижения цели по направлению «Финансы». В основу исследования положен когнитивный подход, позволяющий описывать интеллектуальную среду деятельности таможенных органов и модели эвальвации и управления на основе алгоритмов нечеткой логики. Реализация технологии представления знаний экспертов предметной области осуществляется на основе построения прескриптивной логической продукционной модели, позволяющей формализовать экспертные знания в виде импликативных высказываний с привлечением нечетких формулировок в антецедентах и консеквентах, и использующих в качестве логического вывода обобщенный modus ponens. Компьютерная разработка математической модели проводится в пакете прикладных программ Fuzzy Logic Toolbox for Matlab.

1. Бойкова М.В., Губарев Д.В. (2021). К вопросу о цифровой трансформации таможенного администрирования // Ученые записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии. № 2(78). С. 69–73.

2. Горемыкина Г.И. (2021). Интеллектуальный анализ больших данных: компьютерно ориентированный метод работы с семантикой суждений // Современные информационные технологии и ИТ-образование». Т. 17, № 4. C. 880–888. https://doi.org/10.25559/SITITO.17.202104.880-888

3. Горемыкина Г.И., Гупанова Ю.Е. (2018). Разработка методологии целевого управления по результатам деятельности таможенных органов // Национальные интересы: приоритеты и безопасность. Т. 14, № 11(368). С. 1996–2011. https://doi.org/10.24891/ni.14.11.1996

4. Грошев И.В., Жерегеля А.В. (2021). Цифровая трансформация экономики: изменение бизнес-практики и цифровое лидерство // Менеджмент в России и за рубежом. № 3. С. 10–17.

5. Макрусев В.В., Рыжова А.С. (2021). Саморазвитие когнитивных таможенных технологий как доминирующий фактор в развитии таможенных систем // Экономические исследования и разработки. № 2. С. 13–19.

6. Прокопчина С.В. (2021). Интеллектуальные измерения как перспективный путь к интеграции и совместному развитию методологии искусственного интеллекта и теории измерений // Мягкие измерения и вычисления. Т. 38, №1. С. 5–17. https://doi.org/10.36871/2618-9976.2021.01.001

7. Синчуков А.В. (2022). Общие вопросы конструирования и управления портфелем финансовых инструментов // Научные исследования и разработки. Экономика. Т. 10, № 1. С. 36–43. https://doi.org/10.12737/2587-9111-2022-10-1-36-43

8. Фомин Г.П., Сухорукова И.В., Максимов Д.А., Алешина И.Ф. (2022). Формирование индикаторов, критериев, мер и шкал оценки рисков // Мягкие измерения и вычисления. Т. 52, № 3. С. 5–10. https://doi.org/10.36871/2618-9976.2022.03.001

9. Юдина М.А., Камаева Л.О. (2021). Формирование и развитие системы оценки деятельности таможенных органов // Проблемы теории и практики управления. № 1. С. 113– 128. https://doi.org/10.46486/0234-4505-2021-1-113-128

10. Bobrova A.V. (2017). Assessment of the performance of Russian customs authorities // World Customs Journal. V. 11, no. 2. Pp. 37–48.

11. Boltürk E. (2022). Fuzzy sets theory and applications in engineering economy // Journal of Intelligent & Fuzzy Systems. V. 42, no. 1. Pp. 37–46. https://doi.org/10.3233/JIFS219173

12. Feng S. (2022). Automation Control System Based on Artificial Intelligence Technology // Hung J.C., Chang J.W., Pei Y., Wu W.C. (eds.) Innovative Computing. Lecture Notes in Electrical Engineering. V. 791. Pp. 783–791. Singapore: Springer. https://doi.org/10.1007/978-981-16-4258-6_96

13. Finn V.K. (2020). Exact Epistemology and Artificial Intelligence// Automatic Documentation and Mathematical Linguistics. V. 54, no. 3. Pp. 140–173. https://doi.org/10.3103/S0005105520030073

14. Goremykina G.I., Gupanova Yu.E., Udalova Z.V. (2019). Intelligent management methodology based on the performance results of customs authorities // IOP Conference Series: Earth and Environmental Science. Proceedings of the 12th International Scientific Conference on Agricultural Machinery Industry,INTERAGROMASH 2019, Rostov-on-Don September 10–13, 2019. Rostov-on-Don: Don State Technical University. Art. num. 012129.

15. Mamdani E.H., Assilian S. (1975). An experiment in linguistic synthesis with a fuzzy logic controller // International Journal of Man-Machine Studies. V. 7, no. 1. Pp. 1–13. https://doi.org/10.1016/S0020-7373(75)80002-2

16. Makrusev V.V., Savda Y.Yu., Boykova M.V., Suglobov A.E. (2018). Customs management as an institute: studying development trends // International Journal of Civil Engineering and Technology (IJCIET), No. 10 (2), pp. 1802–1809.

17. Mikheyenkova, M.A. (2020). Cognitive knowledge discovery in social sciences // Golenkov V., Krasnoproshin V., Golovko V., Azarov E. (eds.) Open Semantic Technologies for Intelligent System. OSTIS 2020. Communications in Computer and Information Science. V. 1282. Springer, Cham. https://doi.org/10.1007/978-3-030-60447-9_4

18. Morales-Fusco P., Sauri S., Lekka A.-M., Karousos J. (2016). Assessing customs performance in the mediterranean ports. KPI selection and best practices identification as part of the MEDNET Project // Transportation Research Procedia. V. 18. Pp. 374–383. https://doi.org/10.1016/j.trpro.2016.12.049

19. Piegat A. (2011). Fuzzy Modeling and Control. Heidelberg: Physica–Verlag. A Springer–Verlag Company. 798 p.

20. Post E.L. (1943). Formal reductions of the general combination decision problem // American Journal of Mathematics. V. 65. Pp. 197–215.