Forecasting the Development of the Sectoral Economic System of Bakery Industry Enterprises Based on Clustering Methods of Phase Portraits

This paper addresses the problem of plotting development trajectories of multiple subsystems forming a single macrosystem. One example of such subsystems is manufacturing enterprises whose business activities can be described by a multitude of indicators. Development trajectories can be used to analyze the dynamics of both individual enterprises and their groups (industry sec-tors) without aggregating information. Input data for analyzing a company’s activities are fed from its accounting records, which serve as a knowledge base for making management decisions. This requires developing a methodological framework for the analysis and evaluation of strategic man-agement initiatives and strategic management decisions under conditions of certainty, uncertainty and risk, which is especially important for innovation and allows the use of cluster analysis. Plot-ting a development trajectory in the form of a phase portrait, which includes both indicator values and their first and second derivatives, allows forming clusters of the closest trajectories. Such clus-ters provide additional tools for managing enterprises or entire industries to maximize their effi-ciency by forecasting enterprise development, refining implicit development criteria, and account-ing for poorly formalizable business conditions. Plotting clusters requires introducing a metric in the phase space to account for the properties of development trajectories. For this purpose, a gen-eralized metric was introduced that takes into account the correlation matrices of subsystem indi-cators as temporal series. When forming phase trajectory clusters, it is possible to determine ex-pected parameter values at different planning horizons by extrapolating average phase trajectories, and to identify the convergence and bifurcation points of individual phase trajectories. This pro-vides a universal big data processing technique for analyzing the behavior of a macrosystem and choosing an appropriate management strategy for it.

1. Amelkin S.A., Gagarina L.G. Ex-treme performance of heat engines as mac-rosystems with hierarchical efficiency criteria // В сборнике: Proceedings of the 2021 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering, ElCon-Rus 2021. 2021. С. 1956-1959.

2. Amelkina M.A., Amelkin S.A. A Mathematical Model of Nonequilibrium Re-gimes of an Open Socio-Economic System // Science, Technology, Higher Education and Society in the Conceptual Age ― Cracow, 2011

3. Tsirlin A., Amelkin S. Dissipation and conditions of equilibrium for an open mi-croeconomic system // Open Systems & Infor-mation Dynamics. 2001. Т. 8. № 2. С. 157-168.

4. Амелькин С.А. Предельные воз-можности процесса ресурсообмена в неод-нородной открытой микроэкономической системе // Математическое моделирование. 2005. Т. 17. № 4. С. 96-104.

5. Амелькин, С. А. Иерархические макросистемы как модели технологических бизнес-процессов в пищевой промышленно-сти / С. А. Амелькин, Н. Ю. Логунова // Хранение и переработка сельхозсырья. ‒ 2018. ‒ № 4. ‒ С. 84–91.

6. Амелькин, С. А. Обобщенное расстояние Евклида Махаланобиса и его свойства / С. А. Амелькин, А. В. Захаров, В. М. Хачумов // Информационные технологии и вычислительные системы. ‒ 2006. ‒ № 4. ‒ С. 40–44.

7. Афанасьева Ю. И., Шурпо А. Н. Возможности цифровизации пищевых пред-приятий при обеспечении продовольствен-ной безопасности России // Вестник Брян-ского государственного технического уни-верситета. 2019. № 6 (79). С. 77-83.

8. Басовский, Л. Е. Прогнозиро-вание и планирование в условиях рынка / Л. Е. Басовский – Москва: ИНФРА-М, 2010. ‒ 260 с.

9. Бендат, Дж. С. Прикладной анализ случайных данных / Дж. С. Бендат, А. Дж. Пирсол – Москва: Мир, 1989. ‒ 541 с.

10. Березин, И. С. Практика ис-следования рынков / И. С. Березин – Москва: Бератор-Пресс, 2003. ‒ 376 с.

11. Земенцкий, Ю. В. Проблема экономической эффективности кластер¬ных организаций / Ю. В. Земенцкий // Проблемы обеспечения финансовой безопасности и эффективности экономических систем в XXI в. – Санкт Петербург: Издательство Санкт-Петербургского университета технологий управления и экономики, 2017. ‒ С. 72–77.

12. Касьяненко, Т. Г. Применение корреляционно-регрессионного анализа в оценке бизнеса сравнительным подходом / Т. Г. Касьяненко, А. С. Полоско // Россий-ское предпринимательство. ‒ 2015. ‒ №20. ‒ С. 3611–3622.

13. Качалов Д.Л., Мишустин А.В., Фархадов М.П. Современные методы обра-ботки больших данных в крупномасштабных системах / Труды 11-й Всероссийской науч-но-практической конференции "Математи-ческие модели современных экономических процессов, методы анализа и синтеза эконо-мических механизмов. Актуальные пробле-мы и перспективы менеджмента организа-ций в России" (Самара, 2017). Самара: Изд-во СамНЦ РАН, 2017. Вып.11. С. 65-70.

14. Кузьминов И. Ф. Ключевые тренды развития агротехнологий и пищевой про-мышленности: анализ больших данных // Вопросы питания, том 87, №5, 2018, с. 222-223. doi:10.24411/0042-8833-2018-10332

15. Ландсбаум, М. Маркетинг. 21 век: Практ. пособие / М. Ландсбаум – Москва: ТК Велби, Проспект, 2006. ‒ 448 с.

16. Литвак Б. Г. Экспертные техноло-гии в управлении: учеб. пособие. - 2-е изд., испр. и доп. - М.: Дело, 2004. - 400 с.

17. Мартемьянов Ю.Ф., Лазарева Т.Я. Экспертные методы принятия решений. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2010. – 80 с.

18. Мелехин, В. Б. Многоуровневая модель ситуационного управления техноло-гическими процессами обработки деталей в машиностроении / В. Б. Мелехин, В. М. Ха-чумов // Проблемы управления. ‒ 2019. ‒ №1. ‒ С. 73-82.

19. Мелехин, В. Б. Оптимальное управление развитием машиностроительных предприятий / В. Б. Мелехин, В. М. Хачумов // Приборы и системы. Управление, кон-троль, диагностика. ‒ 2019. ‒ №8. ‒ С. 44‒51.

20. Никитина М.А., Пчелкина В.А., Кузнецова О.А. Технологические решения интеллектуальной обработки данных в пи-щевой промышленности // Вестник Воро-нежского государственного университета инженерных технологий, том 80, №2 (76), 2018, с. 256-263.

21. Образцова А.А., Зяблов А.А. Ос-новные направления и методы повышения эффективности производства на предприя-тиях пищевой промышленности // Инду-стриализация современного общества: тео-рия и практика. М.: Издательский комплекс МГУПП, 2014, с.38-41.

22. Понизовкин Д. М. Амелькин С. А. Математическая модель коллаборативных процессов принятия решений // Программ-ные системы: теория и приложения, 4(8), 2011, c. 147–151

23. Старокожева, Л. Г. Определе-ние финансовой устойчивости отрасли: про-блемы построения динамической модели. / Л. Г. Старокожева, Е. В. Ларькина // Тамо-женная политика России на Дальнем Восто-ке. ‒ 2008. ‒ №2 (43). ‒ С. 106–115.

24. Цирлин, А. М. Модель произ-водственной фирмы в открытой микроэко-номической системе / А. М. Цирлин, С. А. Амелькин, М. А. Амелькина // Математиче-ское моделирование. ‒ 2002. ‒ Т. 14, № 4. ‒ С. 21–34.

25. Шелехова Н.В., Поляков В.А., Сер-ба Е.М., Шелехова Т.М. Перспективы при-менения IT-технологий на предприятиях пищевой промышленности // Пищевая про-мышленность, №12, 2018, с. 86-89.

26. Шустова М.В., Амелькин С.А. Прогнозирование состояния технической системы на основе байесовской оценки // Свидетельство о государственной регистра-ции программы для ЭВМ № 2016661083, да-та приоритета: 29.07.2016, дата регистрации: 29.09.2016