Методика риск-ориентированного выбора стратегических альтернатив в топливно-энергетическом комплексе на основе фреймового представления знаний и метода решающих матриц

Введение

Современный этап развития топливно-энергетического комплекса Российской Федерации характеризуется множественными трансформационными вызовами: санкционными ограничениями доступа к критическим технологиям, волатильностью мировых цен на энергоносители, необходимостью обеспечения технологического суверенитета и ускоренной цифровой трансформацией производственных процессов [9, с. 75–96; 11, с. 211–221]. При этом доля топливно-энергетического комплекса (ТЭК) в структуре валового внутреннего продукта (ВВП) России сохраняет значение на уровне 15–18%, а вклад отрасли в федеральный бюджет превышает 40%, что обуславливает системную значимость повышения эффективности стратегического управления в данном секторе [9, с. 81–85; 21, с. 45–52].

Статистические данные подтверждают масштаб вызовов: средний уровень износа основных фондов в электроэнергетике достигает 68–72%, объём необходимых инвестиций в модернизацию генерирующих мощностей до 2035 года оценивается в 12–14 трлн руб., при этом темпы цифровизации отраслевых процессов остаются неравномерными — от 25% в магистральных сетях до 8–12% в распределительном сегменте [3, с. 6295–6302; 13, с. 1092–1099]. В условиях высокой неопределённости внешней среды классические методы стратегического планирования, основанные на детерминированных сценариях и статичных моделях, утрачивают свою адекватность, поскольку не обеспечивают оперативной адаптации управленческих решений к изменяющимся условиям [21, с. 36–43; 20, с. 37–42].

Дополнительным аргументом выступает динамика инвестиционных потоков: в 2023–2024 гг. наблюдается сокращение долгосрочных вложений в проекты с горизонтом окупаемости свыше 7 лет на 18–22%, одновременно растёт спрос на инструменты краткосрочной корректировки стратегий в ответ на внешние шоки [17, с. 1865–1878; 19, с. 5–12]. Актуальность исследования обусловлена необходимостью разработки методологических инструментов, способных конкретизировать качественные экспертные оценки, транслировать их в количественные параметры управленческих воздействий и обеспечивать рискозащищённость стратегических решений в ТЭК при сохранении целевых показателей надёжности электроснабжения на уровне не ниже 0,95 и минимизации экономических потерь от аварийных отключений, оцениваемых в 2,3–2,8% ВРП регионов [5, с. 409–424; 2, с. 34–51].

Таким образом, потребность в методике, позволяющей количественно верифицировать проблемные ситуации и обосновывать выбор стратегических альтернатив в условиях ограниченной статистической репрезентативности, определяется не только теоретической значимостью, но и практической необходимостью повышения устойчивости субъектов ТЭК, обеспечивающих энергетическую безопасность государства [26, с. 67–78; 22].

Цель настоящего исследования — разработка методики риск-ориентированного выбора стратегических альтернатив для предприятий топливно-энергетического комплекса на основе интеграции фреймового представления знаний и метода решающих матриц.

Методология исследования основана на теории ситуационного и адаптивного управления [11, с. 159–168; 14], принципах рискозащищённости [3], когнитивном анализе ситуаций с фреймовым представлением знаний об объекте [12, с. 261–273], а также методе решающих матриц для количественной оценки стратегических альтернатив [10, с. 518–523]. Предложенный подход способствует антиципации рисков возникновения проблемных ситуаций, сохранению стабильного планового режима деятельности и повышению уровня экономической безопасности хозяйствующих субъектов [15, с. 156].

Научная гипотеза: возникающие проблемные ситуации изменяют плановые режимы функционирования экономических систем ТЭК, в связи с чем требуется их своевременная идентификация через систему нормированных индикаторов и разработка альтернативных сценариев действий на основе количественной оценки полезности решений, направленных на стабилизацию функционирования экономической системы и сохранение планового уровня экономической безопасности.

Ожидаемый результат работы — алгоритм риск-ориентированного выбора стратегических альтернатив с интеграцией механизма расчёта интегрального показателя полезности для своевременного выявления рисковых факторов на этапах реализации плановых мероприятий и принятия верифицируемых управленческих решений по минимизации рисков.

Научная новизна заключается в предложении алгоритма количественной оценки проблемных ситуаций через систему нормированных индикаторов и расчёта интегрального показателя полезности решений методом взвешенной суммы, что позволяет преодолеть разрыв между качественной онтологией знаний и количественными инструментами обработки неопределённости в стратегическом планировании ТЭК.

Литературный обзор

Современное состояние исследований в области стратегического планирования характеризуется интеграцией классических методологических подходов с инструментами адаптивного управления в условиях цифровой трансформации и высокой неопределённости. Базовые принципы программно-целевого планирования, заложенные в фундаментальных работах Г.С. Поспелова и В.А. Ирикова [20, с. 45–67], получают развитие в контексте отраслевой специфики, что подтверждается исследованиями эффективного стратегического планирования на уровне предприятия [1, с. 43–45] и методологическим обеспечением соответствующих систем [18, с. 23–41]. Особое внимание в научной литературе уделяется энергетическому сектору как стратегически значимой отрасли: вопросы долгосрочного развития электроэнергетики в обеспечении экономической безопасности детально проанализированы О.Ю. Ермоловской [5, с. 412–418], специфические особенности управления информационными ресурсами естественных монополий раскрыты Е.А. Даниловым [3, с. 6295–6302], а современные тенденции цифровизации в мировой энергетике систематизированы И.А. Максимцевым с соавторами [16, с. 1092–1099]. При этом стратегическое целевое управление в энергетике требует учёта инвестиционных аспектов, что обосновано в исследованиях Т.В. Медведевой и Н.Д. Васина [17, с. 1870–1875] и А.А. Серегиной [23, с. 8–11].

Научная новизна представленных исследований обусловлена синтезом рискоориентированных технологий и логико-лингвистического моделирования для повышения качества управленческих решений. Так, рискоориентированная технология информационного обеспечения в условиях цифровой экономики, адаптированная к электроэнергетике, предложена М.Б. Игнатьевым с соавторами [7, с. 24–27], а применение когнитивных динамических сценариев в системах поддержки финансовых решений обосновано Н.С. Вороновой, Е.А. Яковлевой и коллегами [8, с. 215–219]. Дальнейшее развитие данного направления связано с формализацией экспертных знаний: логико-лингвистическое моделирование как инструмент рискозащищённого стратегического управления представлено в работе Б.Л. Кукора и Е.А. Яковлевой [12, с. 265–270], что коррелирует с фреймовым представлением знаний для высокотехнологичных отраслей [28]. Адаптивность стратегического развития предприятия, включая организационно-финансовые аспекты, детально проанализирована Е.А. Яковлевой с соавторами [30, с. 381–384], а коммуникативные механизмы адаптивного управления региональной экономикой раскрыты Б.Л. Кукором и Н.А. Кузьминым [11, с. 162–166].

Методологический базис стратегического планирования опирается на экономико-математические методы и модели оптимального планирования, прогностическая интерпретация которых в контексте цифровой экономики представлена в коллективной монографии под редакцией В.Л. Макарова [15, с. 56–89]. Вопросы распределения производственных ресурсов в условиях неполноты данных, актуальные для задач объёмного планирования, исследованы М.Х. Прилуцким и О.В. Кривошеевым [21, с. 38–41], а сравнительный анализ метода решающих матриц Г.С. Поспелова и моделей информационного подхода А.А. Денисова проведён А.С. Кудрявцевой [10, с. 520–522]. Интеграция математических методов исследования для анализа взаимодействия регионов и фирм систематизирована в коллективной работе Н.И. Айзенберга с соавторами [22, с. 102–134].

В контексте обеспечения национальной безопасности стратегическое планирование рассматривается как комплексная система, теоретико-методологические и практические аспекты которой обобщены в монографии В.В. Иванова с коллегами [26, с. 34–78]. Энергетика, как ключевой элемент национальных целей развития России, проанализирована А.Ю. Колпаковым с позиции системного обеспечения устойчивого роста [9, с. 81–89]. Международное измерение стратегического планирования представлено исследованиями китайского опыта: путь Китая к устойчивой энергетике проанализирован В.И. Локтионовым и Ш. Ся [14, с. 214–218], а применение нечётких сценариев в стратегическом планировании нефтегазовой отрасли КНР в условиях геополитической неопределённости обосновано Q. Zhang и W. Li [31].

Таким образом, проведённый анализ позволяет констатировать наличие сформированного научно-методологического базиса стратегического планирования, однако сохраняется потребность в дальнейшей интеграции фреймовых структур, инструментов нечёткого моделирования и адаптивных сетевых механизмов для повышения эффективности управленческих решений в условиях динамичной внешней среды и отраслевой специфики, что определяет научную новизну и практическую значимость настоящего исследования.

Анализ источников [1, 2, 18, 25] свидетельствует о достаточной проработке теоретических основ адаптивного управления [30, с. 381–383] и логико-лингвистического моделирования [12, с. 265–268] в стратегическом планировании. Однако в литературе отсутствует унифицированная методика количественной проверки гипотез разрешения проблемных ситуаций через систему нормированных индикаторов с расчётом интегрального показателя полезности методом взвешенной суммы. Существующие решения либо ограничиваются качественными экспертными оценками [7, с. 24–26; 6, с. 215–217], либо требуют статистически репрезентативных массивов данных [15, с. 72–85; 17, с. 38–40], что снижает их применимость в условиях качественной неопределённости, характерной для топливно-энергетического комплекса [3, с. 6295–6298; 4, с. 412–415].

Отдельно следует отметить отсутствие методического подхода к интеграции фреймового представления знаний [28] с методом решающих матриц Г.С. Поспелова [10, с. 520–522; 20, с. 89–104] для риск-ориентированного выбора стратегических альтернатив в электроэнергетике [2, с. 34–51; 23, с. 8–10]. Исследования применяют данные инструменты изолированно [11, с. 162–165; 16, с. 1092–1096], не обеспечивая их синтез в контуре адаптивного стратегического планирования.

Таким образом, научный пробел заключается в отсутствии методического концепта, предусматривающего включение механизма прогнозирования рисков и их последствий в процесс достижения целевых показателей через количественно верифицируемые индикаторы, что необходимо для сохранения уровня экономической безопасности хозяйствующих субъектов в проблемных ситуациях [9, с. 81–89; 26, с. 45–67]. Формирование перечня управляющих воздействий с расчётом интегрального показателя полезности позволит обеспечить восстановление адаптации сложной экономической системы к негативным факторам среды и повысить устойчивость субъектов ТЭК [14, с. 214–218; 24].

Основная часть

Риск-ориентированный алгоритм выбора стратегических альтернатив в ТЭК

В условиях цифровой трансформации топливно-энергетического комплекса риск-ориентированный подход обеспечивает не только идентификацию угроз, но и количественную оценку их влияния на достижение стратегических целей [7, с. 24–27; 16, с. 1092–1099]. Предложенная методика синтезирует преимущества фреймового представления знаний (онтологическая согласованность, воспроизводимость диагностики) и метода решающих матриц Г.С. Поспелова (прозрачность расчётов, верифицируемость результатов) [10, с. 520–522; 20, с. 89–104; 22].

Авторский алгоритм (рис. 1), основанный на положениях теорий ситуационного и адаптивного управления [11, с. 162–165; 30, с. 381–384] с применением семантического моделирования и когнитивного анализа [8, с. 215–219], включает следующую последовательность моделирования:

Блок 1. Анализ предпосылок и сценариев развития → Анализ внешней и внутренней среды (PEST, SWOT).

Блок 2. Моделирование субъекта и объекта управления → Формирование согласованных деревьев целей.

Блок 3. Прогнозирование достижения целей → Выявление проблемных ситуаций и выявление проблемных ситуаций [5, с. 412–418], и их дальнейшая классификация, актуализация подсистемы нормированных индикаторов.

Блок 4. Формализация проблемной ситуации во фреймовой структуре (6 слотов: целеполагание, учёт, прогнозирование, причинно-следственный анализ, управляющее воздействие, динамическое нормирование).

Блок 5. Логико-лингвистическое моделирование → Построение дискретно-ситуационной сети [12, с. 265–270].

Блок 6. Формирование системы целевых показателей (KPI) → Идентификация и оценка рисков.

Блок 7. Сетевое моделирование альтернативных сценариев (субъект и объект управления).

Блок 8. Построение матрицы стратегических альтернатив (метод решающих матриц Г.С. Поспелова).

Блок 9. Нормирование показателей → Расчёт интегрального показателя полезности (Uᵢ = Σ wⱼ × a'ᵢⱼ).

Блок 10. Корректировка на уровень рисков (Uᵢᶜᵒʳʳ = Uᵢ × (1 – Rᵢ)) → Выбор оптимальной альтернативы (max Uᵢᶜᵒʳ).

Блок 11. Разработка стратегического плана (долгосрочные цели, проекты, сценарии).

Блок 12. Разработка среднесрочного плана (конкретизация проектов, финансовый план, распределение ресурсов) с распределением ресурсов и источников финансирования [17, с. 1870–1875].

Блок 13. Оперативное планирование и бюджетирование → Согласование на всех иерархических уровнях.

Блок 14. Координация и контроль выполнения планов → Мониторинг и корректировка (обратная связь) [18, с. 23–41].

Блок 15. Достижение целей стратегического развития предприятия ТЭК

Ключевые особенности алгоритма: непрерывный мониторинг внешней и внутренней среды [3, с. 6295–6302], своевременное выявление проблемных ситуаций, разработка альтернативных сценариев, гибкость плановых решений, согласованность целей на всех уровнях управления и интеграция стратегического, тактического и оперативного планирования [2, с. 34–51; 19, с. 8–11].

Реализация алгоритма способствует повышению рискозащищённости системы управления и обеспечению устойчивого развития предприятия в условиях неопределённости [9, с. 81–89; 26, с. 45–67], что подтверждается практикой применения нечётких сценарных подходов в стратегическом планировании ресурсоёмких отраслей [14, с. 214–218; 24].

Рисунок 1 – Алгоритм рискориентированного выбора альтернатив как технология планирования [11]

Тогда, отметим некоторые важные инструменты алгоритма:

Логико-лингвистическое моделирование и прогнозирование. Выполняется формализация объекта и субъекта управления с введением характеристик всех ресурсных потоков между элементами системы в соответствии с методикой рискозащищенной технологии стратегического управления [12, с. 265–270]. Осуществляется описание требуемых целевых результатов (построение деревьев целей), что позволяет прогнозировать область достижения целевых показателей с учётом возможных изменений условий функционирования системы и возникновения проблемных ситуаций на основе методического обеспечения системы стратегического планирования [18, с. 45–62].

Когнитивный анализ и выявление проблемных областей. На основе картирования построенных моделей и схем движения ресурсных потоков определяются «узкие» места, диспропорции между потребностями и возможностями экономического субъекта с применением когнитивных динамических сценариев [8, с. 215–219]. Выявление проблемной области осуществляется путём сравнения расчётных и фактических показателей деятельности в рамках адаптивного управления стратегическим развитием [30, с. 381–384].

Классификация и моделирование проблемных ситуаций. Выявленные проблемные ситуации классифицируются на три класса для дальнейшего анализа и посредством моделирования включаются в дискретно-ситуационную сеть с отображением всех причинно-следственных связей по каждому отклонению согласно рискоориентированной технологии информационного обеспечения [7, с. 24–27]. Проводится оценка возможных последствий для последующего принятия управленческих воздействий в контексте обеспечения экономической безопасности [5, с. 412–418].

Формирование альтернативных сценариев и выбор оптимального решения. Путём принятия соответствующих классу проблемных ситуаций управляющих воздействий формируются альтернативные сценарии разрешения проблемных ситуаций для выбора наиболее эффективного варианта на принципах коммуникативного механизма стратегического адаптивного управления [11, с. 162–166]. Для каждой цели разрабатывается сценарий развития с распределением задач по управленческим уровням, направленный на достижение общей стратегической цели предприятия электроэнергетики [2, с. 34–51].

Методика риск-ориентированного выбора стратегических альтернатив

1. Формализация проблемной ситуации во фреймовой структуре

Для обеспечения единой терминологии и структурирования знаний предложена фреймовая модель проблемной ситуации с шестью дескриптивными слотами, соответствующими этапам замкнутого цикла управления на основе синтеза программно-целевого подхода и сетевого адаптивного управления [28]:

Таблица 1 – Фрейм проблемной ситуации «Снижение надёжности электроснабжения вследствие технологического износа»

2. Построение матрицы стратегических альтернатив

Для количественного сравнения управленческих решений применяется метод решающих матриц Г.С. Поспелова [20, с. 89–104]. Формируется матрица

A = [aᵢⱼ],

где i = 1…m — номер стратегической альтернативы, j = 1…n — номер критерия оценки согласно сравнительному анализу методов принятия решений [10, с. 520–523].

Таблица 2 – Матрица стратегических альтернатив для проблемной ситуации ПС₂ «Технологический износ»

Авторская таблица

3. Нормирование показателей и расчёт интегрального показателя полезности

Для обеспечения сопоставимости разнородных критериев применяется линейное нормирование на базе экономико-математических методов оптимального планирования [15, с. 56–89]:

Для стимулирующих показателей (чем больше, тем лучше):

Для дестимулирующих показателей (чем меньше, тем лучше):

где: a'ᵢⱼ — нормированное значение; aⱼᵐⁱⁿ, aⱼᵐᵃˣ — минимальное и максимальное значения j-го критерия по всем альтернативам в задачах объемного планирования [21, с. 38–43].

Интегральный показатель полезности альтернативы рассчитывается методом взвешенной суммы:

где: Uᵢ — интегральный показатель полезности i-й альтернативы (безразмерная величина, диапазон 0–1); wⱼ — вес j-го критерия; a'ᵢⱼ — нормированное значение.

4. Расчёт уровня рисков и корректировка полезности

Для учёта неопределённости вводится показатель риска Rᵢ, рассчитываемый как взвешенная сумма вероятностных оценок негативных событий в соответствии с рискоориентированной технологией [7, с. 24–27]:

где: pₖ — вероятность k-го рискового события; Lₖ — величина потенциальных потерь (нормированная).

Скорректированный показатель полезности:

Эмпирическая апробация методики на данных электросетевой компании

Апробация выполнена на материалах стратегического развития региональной электросетевой компании (данные за 2023–2024 гг.) в условиях цифровизации мировой энергетики [16, с. 1092–1099].

Таблица 3 – Расчёт нормированных значений и интегрального показателя полезности

Интерпретация результатов:

1. Альтернатива 2 («Цифровая трансформация операционных процессов») обеспечивает максимальный интегральный показатель полезности (U₂ = 0,84) и минимальный уровень рисков (R₂ = 0,12), что определяет её как оптимальное управленческое решение для стратегического целевого управления в энергетике [23, с. 8–12].

2. Скорректированный показатель полезности (U₂ᶜᵒʳʳ = 0,74) превышает пороговое значение Uпор = 0,60, что подтверждает экономическую целесообразность выбора данной альтернативы.

3. Альтернатива 1 («Модернизация активов») демонстрирует высокие капитальные затраты и длительные сроки реализации, что снижает её привлекательность в условиях бюджетных ограничений.

4. Альтернатива 3 («Оптимизация ТОиР» технического обслуживания и ремонта) характеризуется низким уровнем инвестиций, однако недостаточным воздействием на ключевой показатель надёжности.

Обсуждение результатов

Предложенная методика обеспечивает единый терминологический аппарат через стандартизацию фреймовой структуры, что устраняет неоднозначность интерпретации проблемных ситуаций. А также прозрачность расчётов за счёт применения метода решающих матриц с верифицируемыми формулами нормирования и взвешивания. В отличие от алгоритма нечёткого вывода Мамдани, требующего обширной статистической базы для настройки функций принадлежности [31], метод решающих матриц Г.С. Поспелова обеспечивает прозрачность расчётов при работе с экспертными оценками в условиях дефицита данных [10, с. 520–522], что обосновывает замену ранее планируемого аппарата нечёткой логики на детерминированный матричный метод. Учёт рискозащищённости генерируемых планов осуществляется через интеграцию показателя вероятностных потерь в интегральную оценку полезности, кроме того, методика обеспечивает адаптивность к отраслевой специфике ТЭК благодаря возможности корректировки весов критериев и пороговых значений в зависимости от стратегических приоритетов. Сравнение с альтернативными подходами показывает преимущество предложенной методики в части интерпретируемости результатов и простоты верификации расчётов, что критически значимо для принятия решений в корпоративной практике ТЭК в контексте национальной безопасности [26, с. 45–67].

Заключение

Разработанная методика риск-ориентированного выбора стратегических альтернатив на основе фреймового представления знаний и метода решающих матриц решает научную проблему формализации управленческих решений в условиях качественной неопределённости. Теоретический вклад исследования заключается в интеграции онтологически согласованной структуры знаний с прозрачным математическим аппаратом количественной оценки, что обеспечивает воспроизводимость и верифицируемость результатов методологических подходов к реализации принципов формирования системы стратегического планирования [25, с. 37–42].

Практическая значимость определяется возможностью применения методики для обоснования стратегических решений в топливно-энергетическом комплексе: от выбора инвестиционных проектов до корректировки операционных планов в условиях внешних шоков. Эмпирическая апробация подтвердила, что предложенный подход позволяет дифференцировать уровни стратегической устойчивости альтернатив и формировать рекомендации, верифицируемые через систему нормированных индикаторов.

Перспективы развития исследования связаны с расширением номенклатуры критериев за счёт показателей ESG-трансформации, интеграцией методики с корпоративными системами поддержки принятия решений и разработкой алгоритмов автоматизированного обновления весовых коэффициентов на основе машинного обучения в условиях цифровой экономики будущего [15, с. 240–248].