Кривцов В.Е., Бачурин А.И. (сост.), Дружинина В.А., Волкова И.А., Котова О.П., Себова Л.В. (ред.) и др. Труды 53-й научной конференции МФТИ: Современные проблемы фундаментальных и прикладных наук. Часть IX. Инновации и высокие технологии

Подождите немного. Документ загружается.

Секция когнитивных технологий 61

УДК 004.932

А.В. Куроптев

,Д.П.Николаев

2,3

, В.В. Постников

1,3

kavseverstahl@mail.ru, dimonstr@iitp.ru, vassili.postnikov@gmail.com

Институт системного анализа РАН

Институт проблем передачи информации им. А.А. Харкевича РАН

Московский физико-технический институт

(государственный университет)

Сопоставление отсканированного документа с его

геометрическим шаблоном методом

динамического программирования

Задача сопоставления графического образа документа с его гео-

метрическим шаблоном возникает в контексте применения техноло-

гий оптического распознавания (OCR, ICR) к документам, построен-

ным по заранее известной форме. Расположение полей ввода данных

в документе известно заранее и описано в шаблоне (модели) докумен-

та. Шаблон включает описание статических элементов — линий раз-

графки, заголовки полей. Указывается состав элементов, их взаим-

ное расположение, размеры и другие характеристики. Для форм до-

кументов, подразумевающих заполнение от руки, поля ввода оформ-

ляются как специального вида сетка, в которой для каждой буквы

отведена отдельная клетка. Размеры клеток, количество клеток в сет-

ке для каждого поля известны на момент распознавания и указаны

в шаблоне.

В процессе печати бланков документа, заполнения и сканирования

в графический образ привносится содержательная информация — за-

полнение, которое необходимо извлечь, а также деформации (сдвиг,

наклон, небольшие растяжения, связанные с протяжкой в принтере

и сканере) и разного рода шумовые сигналы (пятна, тени от сгиба

бумаги и другие). Сопоставление графического образа с шаблоном

необходимо для точной локализации полей ввода данных, а также

для классификации пиксельной информации — например, является

ли данный пиксель элементом линии, разделяющей клетки для букв

или это элемент буквы.

В данной работе задача сопоставления решалась методом дина-

мического программирования. Метод использовался на нескольких

этапах решения задачи, в одномерном и двумерном вариантах. На

62 53-я научная конференция МФТИ ФИВТ

первом этапе производилось вычисление угла наклона отсканирован-

ного документа (использовалось преобразование Хафа [1]). После пе-

рехода к довернутым координатам документ можно считать «почти

прямоугольным», однако точность задания модели, погрешность за-

дания масштаба и размеров не достаточны для примитивного шаблон-

ного попиксельного сопоставления. Использованный в работе метод

динамического программирования оказался более устойчивым — как

допускающий небольшие локальные искажения, которые, впрочем, в

масштабе документа могут накапливаться и приводить к существен-

ным расхождениям по размерам. На практике такие деформации

встречаются достаточно часто, например, если бланк документа был

распечатан с небольшим сжатием, в режиме «уместить на страни-

це». Метод позволяет рассчитать оптимальную последовательность

сдвигов (одномерных или двумерных), наилучшим образом отобра-

жающую элементы модели и пиксельные сигналы графического об-

раза [2].

Разработанный подход к решению задачи сопоставления был про-

граммно реализован и в настоящий момент промышленно использу-

ется для потокового ввода анкет ОСАГО, заявлений на выдачу кре-

дитов, анкет сетевого маркетинга.

Литература

1. Nikolaev D.P., Karpenko S.M., Nikolaev I.P., Nikolayev P.P.

Hough Transform: Underestimated Tool in the Computer Vision Field

// 22st European Conference on Modelling and Simulation (ECMS). —

2008. — P. 238–243.

2. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы:

построение и анализ. — М.: Вильямс, 2005. — 1296 с.

Секция когнитивных технологий 63

УДК 004.93

Д.А. Овсянникова

,Д.В.Полевой

2,1

trurlik@gmail.com, dvpsun@cs.isa.ru

Московский физико-технический институт

(государственный университет)

Институт системного анализа РАН

К вопросу об оценке качества выделения

графических примитивов на изображении

Во многих прикладных задачах распознавания изображений и тех-

нического зрения одним из важных этапов является выделение на

изображении графических примитивов. Объектами поиска могут вы-

ступать точки, отрезки, точки пересечений и стыков, дуги окружно-

стей и т.д. Выбор конкретного метода зависит от многих факторов,

и в большинстве случаев требуется сначала выбрать один метод из

нескольких возможных, а затем подобрать оптимальные параметры.

Для выбора наилучшего алгоритма выделения границ на изобра-

жении может использоваться субъективный и объективный методы

оценки. При субъективном методе группа экспертов анализирует ис-

ходное изображение, результат выделения элементов и может быть

эталон (построенный человеком результат выделения примитивов).

При объективном методе строится оценивающая процедура, которая

по результатам выделения и эталонам дает количественную оценку

качества. Метод оценки существенно зависит от набора выделяемых

примитивов и исходной прикладной задачи.

В рамках данной работы изучаются возможные методы сравнения

и оценки качества алгоритмов выделения примитивов, а именно рас-

сматривается возможность использования применяемых при оценке

качества сегментации изображения статистических [1] и супервизор-

ных [2] методов. Поскольку методы оценки сегментации опираются

на пиксельные карты, а графические примитивы описываются в век-

торной форме, то исследуется возможность обобщения результатов

для растров на случай смешанного векторно-растрового или вектор-

ного представления.

64 53-я научная конференция МФТИ ФИВТ

Литература

1. Левашкина А.О., Поршнев С.В. Исследование супервизорных

критериев оценки качества сегментации изображений // Известия

Томского политехнического университета. — 2008. — Т. 313, № 5. —

С. 2833.

2. Вовк О.Л. Совокупные количественные оценки качества выде-

ления регионов изображений с помощью статистических алгоритмов

// Автоматика. Автоматизация. Электротехнические комплексы и си-

стемы. — 2004. — № 2(14). — С. 116122.

УДК 004.93’12

А.М. Петров

,Д.В.Полевой

1,2

deviatio@gmail.com, dvpsun@cs.isa.ru

Национальный исследовательский технологический университет

«МИСиС»

Институт системного анализа РАН

К вопросу о распознавании рукописных отметок

выбора в процессе оптического ввода

структурированных документов

Типичной задачей оптического ввода структурированных доку-

ментов (форм) является распознавание отметок выбора (check box),

когда заполняющему резиденту предлагается выбор из ограниченно-

го числа вариантов (тесты, анкеты, бланки голосований). Отметка

обычно реализуется в виде небольшой области на бланке, внутри ко-

торой заполняющий может поставить какую-либо отметку. Логиче-

ски отметки выбора обычно имеют два состояния: отмечен или не

отмечен.

В данной работе рассматривается задача распознавания отметки

когда:

• прямоугольная рамка области отметки присутствует на изобра-

жении;

• возможна отмена отметки путем нанесения дополнительных

штрихов поверх существующей отметки (зачеркивание);

Секция когнитивных технологий 65

• в области анализа могут находиться помехи, то есть не относя-

щиеся к отметке и рамке элементы изображения.

Особенностями предлагаемого метода являются сочетание метода

анализа особых точек изображения (краев) [1] и преобразования Ха-

фа [2] для уточнения границ отметки и устранения влияния шумовых

элементов изображения (рис. 1).

Литература

1. Безматерных П.В., Николаев Д.П., Постников В.В. Быстрый

алгоритм детектирования рукописных пометок // Обработка изобра-

жений и анализ. Труды ИСА РАН. — М.: Книжный дом «ЛИБРО-

КОМ», 2008. — Т. 38. — С. 185–193.

2. Nikolaev D., Karpenko S., Nikolaev I., Nikolayev P . Hough

transform: underestimated tool in the computer vision ﬁeld //

Proceedings of the 22th European Conference on Modelling and

Simulation. — 2008. — P. 238–240.

Рис. 1

66 53-я научная конференция МФТИ ФИВТ

УДК 004.413.5:004.93

А.Ю. Туркина

,Д.В.Полевой

1,2

turkinaann@gmail.com, dvpsun@cs.isa.ru

Национальный исследовательский технологический университет

«МИСиС»

Институт системного анализа РАН

Использование открытых источников

для создания и обеспечения качества систем

оптического распознавания печатного текста

Создателям систем оптического распознавания текстов (OCR)

приходится решать сложную оптимизационную задачу подбора па-

раметров алгоритмов для достижения заданного уровня качества на

широком спектре документов [1]. Основным подходом к оценке ка-

чества работы OCR-систем является сравнение текущих результатов

работы с некоторыми «идеальными» [2]. Изготовление идеалов вруч-

ную требует значительных трудозатрат.

В рамках данной работы изучается возможность снижения затрат

на создание идеалов. Основная идея состоит в использовании уже из-

вестного текста с применением того же подхода, что и при анализе

качества. Изображения текста распознаются, после чего текст и ре-

зультаты распознавания совмещаются, что позволяет сформировать

построчный идеал. Изображения для текста могут быть получены:

1) с помощью виртуального принтера;

2) с помощью печати текста и последующего сканирования;

3) как отсканированные источники текста (книги, журналы и т.д.).

Основное внимание в работе уделяется алгоритмическим и техноло-

гическим аспектам реализации последнего варианта, когда существу-

ют независимо электронные тексты и изображения. Тексты могут

быть получены из результатов работы открытых проектов по сохране-

нию культурного наследия в виде электронных библиотек хорошо вы-

читанных текстов (например, www.gutenberg.org). Отсканированные

изображения исходных печатных текстов также доступны в крупных

хранилищах цифровой информации (www.archive.org, www.rsl.ru).

Секция когнитивных технологий 67

Предложенный подход реализуется в рамках развития ядра систе-

мы оптического распознавания текста с открытым исходным кодом

OpenOCR.

Литература

1. Полевой Д.В., Самойлов О.Г. Задача контроля качества при

создании и развитии систем оптического распознавания печатного

текста. // Технологии программирования и хранения данных. Труды

Института системного анализа РАН. — М.: ЛЕНАНД, 2009. — Т. 45. —

С. 250--258.

2. Rice S.V. Measuring the Accuracy of Page–Reading Systems,

Doctoral Dissertation, University of Nevada, Las Vegas, 1996.

УДК 004.852

С.А. Усилин

, В.В. Постников

2,1

,Д.П.Николаев

3,1

usilin.sergey@gmail.com, vassili.postnikov@gmail.com,

dimonstr@iitp.ru

Московский физико-технический институт

(государственный университет)

Институт системного анализа РАН

Институт проблем передачи информации им. А.А. Харкевича РАН

Поиск объектов в видеопотоке при известных

кинематике и геометрической модели сцены

На сегодняшний день наиболее эффективным алгоритмом детек-

ции объектов в режиме реального времени является метод Виолы и

Джонса [1]. Изначально метод был разработан для поиска лиц. Наши

эксперименты показали применимость метода в задаче детекции ав-

томобилей. Алгоритм Виолы и Джонса выполняет поиск объектов на

статическом изображении, рассматривая каждый кадр видеопотока

независимо, и не использует какую-либо дополнительную информа-

цию (например, неподвижность камеры, особенности геометрии сце-

ны и кинематики объектов).

Очевидно, что информация видеопотока и модель кинематики

объекта (например, ограничения скорости, ускорения, гладкость тра-

ектории и прочее) могут быть использованы для сокращения ложных

68 53-я научная конференция МФТИ ФИВТ

срабатываний детектора, например, за счет применения алгоритмов

трекинга объектов [2].

Но помимо фильтрации ошибок детектирования, знание геометри-

ческой модели сцены позволяет повысить производительность метода

Виолы и Джонса «изнутри». Алгоритм рассматривает детектирова-

ние как задачу бинарной классификации — наличие или отсутствие

объекта в каждой точке изображения. Для идентификации объекта

метод использует автоматически обученный классификатор (по сути,

шаблон), который прикладывается в каждой точке изображения в

разных масштабах. Знание о геометрических характеристиках сцены

позволяет управлять масштабированием и другими деформациями

шаблона более осмысленно по сравнению с полным перебором.

В качестве примера рассмотрим схему системы видеофиксации

проезжающих по многополосной дороге автомашин (рис. 1). Знания

о геометрических характеристиках сцены позволяют, например, опре-

делить в каждой точке видеокадра допустимый интервал масштабов,

вследствие чего сократить количество вычислений.

Рис. 1. Схематическое изображение установки видеофиксации

транспортного потока «вид сбоку», пример движения автомобилей

вдоль параллельных полос

Изложенные в данной работе идеи реализованы программно (в ви-

де модификации алгоритма Виолы и Джонса) и апробированы в зада-

че детектирования автотранспорта в видеопотоке. В результате зна-

чительно сократилось количество ложных детектирований объектов,

а производительность системы увеличилась более чем в два раза.

Секция когнитивных технологий 69

Работа финансово поддержана грантом РФФИ № 10-07-00702-а.

Литература

1. Viola P., Jones M. Robust real-time object detection //

International Journal of Computer Vision. — 2002.

2. Yilmaz A., Javed O., Shah M. Object tracking: A survey // ACM

Computing Surveys. — V. 38, N. 4. — 2006.

УДК 004.852

В.Н. Филиппова

,В.В.Постников

2,1

verani@list.ru, vassili.postnikov@gmail.com

Московский физико-технический институт

(государственный университет)

Институт системного анализа РАН

Детектирование колес транспортных средств

в видеопотоке при условии неподвижноси камеры

Колеса являются характерной чертой транспортного средства и

потому играют существенную роль в моделях распознавания. Нали-

чие колес упрощает задачу детектирования транспортного средства,

так как колесная пара позволяет построить проективный базис борта

транспортного средства, что в свою очередь дает возможность срав-

нения изображения транспортного средства с эталонным. При этом

на любой центральной проекции круглое колесо может отображаться

только в эллипс, что упрощает поиск.

В работе [1] был описан комбинированный алгоритм локализации

колес автомобиля, опирающийся на яркостное, а не на градиентное

изображение. В нем использовалась следущая модель колеса: колесо

на изображении должно быть некоторой светлой областью по фор-

ме, близкой к эллипсу, окруженной со всех сторон более темной обла-

стью. Среднее время работы алгоритма на изображениях размером

468 × 351 пикселей на процессоре Intel

 Pentium

 с тактовой часто-

той 1,73 ГГц составило 2,7 секунды.

В видеопотоке при условии неподвижности камеры существенно

больше информации и подсказок, которые позволяют сократить пе-

ребор и улучшить качество локализации.

70 53-я научная конференция МФТИ ФИВТ

Можно существенно сузить область поиска, если рассматривать

только движущиеся объекты. Для этого нужно построить модель

заднего плана сцены и на каждом кадре попиксельным сравнением

с фоном находить объекты переднего плана. При этом модель фона

должна быть динамической: фон должен реагировать на медленные

изменения освещения, на появление и исчезновение объектов, жела-

тельно, чтобы тени автомобилей не определялись как объекты пе-

реднего плана. Для этих целей лучше всего подходит вероятностная

модель смеси гауссиан, описанная в работе [2]. Значения пикселей

фона в видеопотоке могут группироваться в несколько кластеров.

В данном случае число кластеров равно двум, так как фоном долж-

ны считаться тени объектов и собственно задний план.

Если предположить, что транспортное средство движется прямо-

линейно и с постоянной скоростью, то найдя центр колеса на 4-х

кадрах, мы можем вычислить проективное преобразование и пред-

сказать положение колеса в следущие моменты времени. Кроме то-

го, касательные к эллипсам колес для автомобилей, движущихся по

параллельным полосам дороги, все между собой параллельны, при

перспективном преобразовании они переходят в пучок прямых, пе-

ресекающихся в некоторой точке. Поэтому, зная положение одного

колеса автомобиля и примерное расстояние между колесами, можно

найти возможное положение второго колеса.

Большое количество ложных срабатываний алгоритма поиска ко-

лес на одном изображении в видеопотоке можно исключить, если ис-

следовать пары колес. Проведем касательные к эллипсам и по четы-

рем точкам касания построим проективный базис, рассчитаем пара-

метры проективного преобразования, приводящие его к прямоуголь-

нику. Если после преобразования эллипсы не будут близки к окруж-

ностям, то это ложная пара. Эллипсы, для которых пара не была

найдена, можно отбросить.

Работа финансово поддержана грантом РФФИ № 10-07-00702-а.

Литература

1. Филиппова В.Н. Постников В.В. Быстрый алгоритм локализа-

ции колес автомобилей на изображениях, содержащих транспортные

средства // ИтиС. — 2010.

2. Zivkovic Z., van der Heijden F. Eﬃcient adaptive density

estimation per image pixel for the task of background subtraction

//PatternRecognitionLetters. — 2006. — V. 27, N. 7. — P. 773--780.

Секция концептуального анализа

и проектирования

УДК 336.012.23

Ю.В. Байда

yuri.baida@gmail.com

Московский физико-технический институт

(государственный университет)

Концептуализация понятия «дериватив»

и исследование разнообразия видов деривативов

Мировой финансовый кризис 2008 года привлёк внимание эконо-

мистов к фондовым рынкам. В центре их внимания оказались финан-

совые инструменты, получившие название «производных» или «дери-

вативов», которые к началу XXI в. стали широко использоваться спе-

кулянтами, применяющими механизм плеча, для извлечения сверх-

прибылей.

Проблема, на решение которой направлена данная работа, призна-

ется многими специалистами предметной области [1, 2] — это отсут-

ствие общепринятого определения понятия «дериватив» и, как след-

ствие, отсутствие общего подхода к исследованию разнообразия ви-

дов деривативов.

На основании анализа существующих концепций понятия «дери-

ватив», представленных в рассмотренных монографиях, статьях, нор-

мативно-правовой базе и других источниках, задающих предметную

область, было установлено следующее:

• в мировой и отечественной практиках до сих пор не выработано

единого подхода к пониманию сущности данного инструмента

финансового рынка;

• понятие «дериватив» должно являться конкретизацией поня-

тия «сделка», к которому добавляются два атрибута: производ-

72 53-я научная конференция МФТИ ФИВТ

ность (стоимостная зависимость обязательств сторон от некото-

рых факторов) и срочность (разделение по времени моментов

заключения сделки и исполнения обязательств по ней).

К основным результатам исследования относятся:

• концептуальная схема «Деривативы», эксплицированная в фор-

ме предметно-интерпретированного рода структуры [3] (4 базис-

ных множества, 8 родовых структур, 31 аксиома, 120 термов, 4

уровня двуместного синтеза), выражающая понятие дериватив

как родовое;

• разнообразие видов деривативов, построенное на основе родово-

го понятия, насчитывающее 560 видов и соотнесённое с суще-

ствующими видами деривативов.

Литература

1. Афанасьев А., Рудько–Силиванов В. Определимся в понятиях:

производные финансовые инструменты или срочные сделки // Рынок

ценных бумаг. — 2000. — № 10. — С. 33–35.

2. Васильев М., Косаговский И. Проблемы развития рынка про-

изводных финансовых инструментов в России // РЦБ. Срочный ры-

нок. — 2008. — № 7 (358). — С. 19–20.

3. Пономарёв И.Н. Введение в математическую логику и роды

структур. — М.: МФТИ, 2007. — 240 с.

Секция концептуального анализа и проектирования 73

УДК 330.341.1

А.И. Бачурин

bachurin.fizteh@gmail.com

Московский физико-технический институт

(государственный университет)

Аналитический центр «Концепт»

Концептуальный подход к формированию

стратегии модернизации и инновационного

развития экономики на примере

научно-технической сферы

В настоящее время в России наблюдается низкая инновационная

результативность науки, малая степень рыночной реализации зна-

ний. Недостаточный уровень предложения в области высоких тех-

нологий зачастую приводит к поиску требуемых разработок за рубе-

жом. Одной из первопричин является недостаточная эффективность

и фрагментарность процессов целеполагания и целедостижения в за-

дачах коммерциализации достижений отечественной фундаменталь-

ной и прикладной науки.

В работе приводится подход к выработке стратегии модернизации

и инновационного развития национальной экономики (далее — Стра-

тегии). Стратегия разрабатывается с помощью системы стратегиче-

ского планирования и управления (далее — ССПУ) на основе концеп-

туальной разработки основных этапов жизненного цикла технологи-

ческих инноваций. Согласно подходу, используемому в ССПУ, целост-

ность комплекса мер создания и внедрения инноваций достигается пу-

тем выявления и закрепления интересов экономических агентов, ме-

ханизмов достижения их интересов, механизмов парирования угроз

и устранения препятствий на пути достижения интересов, тактиче-

ских целей, механизмов достижения целей. Такой подход дает воз-

можность формировать альтернативные сценарии достижения про-

межуточных целей в общей стратегии, что особенно важно при акту-

ализации научно-технологического потенциала и модернизации эко-

номики в целом, а также при выборе стратегий поведения на рынке

для инвесторов, инновационно-активных предприятий и компаний.

Для перехода от эмпирического складывания инноваций в эконо-

мике к спроектированной системе мер по созданию и внедрению инно-

74 53-я научная конференция МФТИ ФИВТ

ваций, выраженной цепочками процессов инновационной деятельно-

сти, используется подход, основанный на функционально-методных

отношениях с применением теории системного анализа. Система мер

с указанием основных показателей целевых входов и выходов про-

цессов описывается как цепочка переходов материальных объектов,

информации и виртуальных образов от процесса к процессу, обра-

зуя пространственно-временную структуру технологической сети. Та-

ким образом, сформирована концепция универсальной знаковой си-

стемы, позволяющей проектировать систему сбалансированных по-

казателей. Приведенный подход позволяет объективно оценивать эф-

фективность инноваций по заранее заданным критериям в системах

управления созданием и внедрением инноваций.

Предлагаемая методология является уникальной для формирова-

ния вакантных, ранее неизвестных трендов совместного развития тех-

нологий. Она позволит сводить потребности и возможности в научно-

технической сфере, находя «белые пятна» технологического рынка.

Стратегическое планирование и управление проявит эффективность

при постановке и достижении целей НИР, НИОКР, коммерциализа-

ции знаний и других видах научной деятельности. На базе простран-

ственно-временных процессных сетей могут формироваться долго-

срочные прогнозы научно-технического развития отраслей экономи-

ки. Функционально-методный и процессный подходы способны обес-

печить повышение эффективности комплекса работ при разделении

высококвалифицированного труда при научной кооперации.

Литература

1. Оптнер С.Л. Системный анализ для решения деловых и про-

мышленных проблем. — М.: Концепт, 2006.

2. Кучкаров З.А. Стратегическое планирование и управление ор-

ганизацией. — М.: Концепт, 2004.

3. Siemsen H. The Concept of Innovation, Shumpeter Revised.

// International Shumpeter Society Conference. — Denmark: Aalborg

University, 2010.

Секция концептуального анализа и проектирования 75

УДК 620.9

Э.Р. Гарифуллин

, А.В. Никитин

1,2

eldar.garifullin@gmail.com, nikitin@acconcept.ru

Московский физико-технический институт

(государственный университет)

Аналитический центр «Концепт»

Концептуализация понятия «альтернативный

источник энергии»

Вопросам альтернативной энергетики в последнее время уделя-

ется все больше внимания. Связано это с обострением экономиче-

ских и экологических проблем функционирования современной ми-

ровой энергосистемы, которая базируется на использовании ископа-

емых природных запасов таких, как нефть, газ и уголь. При этом

сам термин «альтернативный источник энергии» толкуется самыми

разными способами, что для выработки и принятия решений по раз-

витию энергетики недопустимо. В частности, под альтернативными

источниками энергии иногда подразумевают исключительно возоб-

новляемые источники энергии, в ряде случаев альтернативность ас-

социируется с экзотичностью источника энергии.

В работе исследуются две проблемы. Первая состоит в отсутствии

конструктивного понятия «альтернативный источник энергии», кото-

рое позволило бы формировать и выбирать цели развития энергетики

и намечать пути их достижения. Вторая — в отсутствии механизма

сравнения альтернатив развития современной мировой энергосисте-

мы, которая нами рассматривается, как сеть перераспределения энер-

гии. Такую сеть можно представить, как граф, в котором вершинами

являются объекты, заключающие в себе запасы энергии, а дугами —

перераспределение энергии, то есть переходы запасов энергии от од-

ного объекта к другому. Необходимо отметить, что эти проблемы име-

ют качественный, а не количественный характер.

Для решения обозначенных проблем в работе строятся формаль-

ные теории, в рамках которых выводятся понятия «источник энер-

гии», «абстрактная альтернатива» и синтезируется понятие «альтер-

нативный источник энергии». Эти теории содержат необходимый по-

нятийный аппарат для описания сети перераспределения энергии и

квалификации каждого источника энергии в этой сети.

76 53-я научная конференция МФТИ ФИВТ

Полученное в работе понятие «альтернативный источник энер-

гии» прежде всего имеет ценность при проектировании энергетики

и формировании целей ее развития. Как показывает обзор государ-

ственной политики в сфере внедрения использования новых источни-

ков энергии, главным недостатком этой политики является ее декла-

ративный характер. При проектировании энергетики зачастую забы-

вают о потребителях энергии и соответственно об их потребностях.

Понятие источника энергии как элемента сети перераспределения

энергии позволяет выявить потребности и определить необходимые

цепи перераспределения энергии для удовлетворения этих потребно-

стей. Понятие «альтернатива» позволяет из различных вариантов ис-

точников энергии формировать возможные решения тех или иных

задач энергетики и проверять их реализуемость.

Таким образом, полученные в работе результаты позволяют иметь

инструмент, дающий качественную оценку современному состоянию

энергетической отрасли как отрасли производства и перераспреде-

ления энергии и наметить сценарии её развития с ориентацией на

решение конкретных задач, рассматривать различные варианты про-

ектов и сравнивать их друг с другом. Объектом управления высту-

пает сеть перераспределения энергии. Управленческой задачей явля-

ется та или иная конфигурация этой сети, понимаемая как целевое

состояние. Построенная в работе концептуальная модель позволяет

формулировать целевые состояния энергосистемы и рассматривать

варианты достижения цели за счет рассмотрения альтернативных

цепей перераспределения энергии внутри заданной изначально сети

перераспределения энергии или вариантов изменения исходной сети

перераспределения энергии.

Литература

1. Оптнер С.Л. Системный анализ для решения проблем бизнеса

и промышленности. — М.: Концепт, 2003.

2. Твайделл Дж., Уэйр А. Возобновляемые источники энергии. —

М.: Энергоатомиздат, 1990.

3. Голицын М.В. [идр.]. Альтернативные энергоносители. — М.:

Наука, 2004.

Секция концептуального анализа и проектирования 77

УДК 808

Д.В. Мишенин

daniil.mishenin@phystech.edu

Московский физико-технический институт

(государственный университет)

Концептуализация приёмов скрытой передачи

вербальных сообщений

В ряде областей деятельности — психотерапии, обучении, полити-

ческом дискурсе, риторике вообще (как в письменной, так и в устной

форме), социальной рекламе существует задача — донести до адре-

сата нужную информацию в условиях, когда он не хочет её воспри-

нимать. Пример — класс ситуаций в психотерапии, когда пациент

не видит решений своей личной проблемы. Даже если ему одно из

решений предложить в явном виде, он не поверит, что это — реше-

ние его проблемы. Возникает задача передать адресату определённые

вербальные сообщения в обход процессов рационального анализа им

информации, то есть скрыто.

В работе решается проблема, связанная с этой задачей, — отсут-

ствие в предметной литературе точных описаний механизмов приё-

мов скрытой передачи вербальных сообщений. Как правило, разъ-

яснение идеи приёма осуществляется с помощью примеров. Если и

даётся описание идеи, то в метафоричной форме, без использования

терминологии. Кроме того, в изученных описаниях приёмов нет пред-

ставления об истинном сообщении; о цели воздействия говорят от-

дельно, то есть в описании приёмов она не фигурирует, в то время

как для эффективной передачи целевого сообщения это важно.

Рассматриваются механизмы двух приёмов скрытой передачи вер-

бальных сообщений — пресуппозиции и опущения. Основные огра-

ничения состоят в том, что рассматривается только воздействие в

рамках текста как упорядоченного набора слов (то есть вербальное

воздействие). Не рассматриваются размещение и контекст текста, ис-

точник и способ подачи текста.

Используется подход семиотики: под восприятием адресатом тек-

ста понимается извлечение номинативных смыслов. Принимается

также гипотеза, что извлечённые смыслы переводятся адресатом в

форму суждений; эти суждения называются в работе сообщениями.

78 53-я научная конференция МФТИ ФИВТ

Таким образом из одного простого предложения адресат может из-

влечь более одного сообщения (это означает, что он видит двусмыс-

ленность текста и не понимает, какой из вариантов вернее). Экстен-

сиональная точка зрения на сообщения позволяет учесть эту неодно-

значность прочтения и рассмотреть классы сообщений и разнообра-

зие ситуаций восприятия адресатом текста: воспринятые сообщения

и анализируемые; целевые и истинные; обусловленные и обуславли-

ваемые в пресуппозициях. Цель рассматриваемых двух приёмов со-

стоит в восприятии адресатом без анализа определённых (целевых)

сообщений.

С помощью отношений обусловленности и «абстрактное-конкрет-

ное» в работе определены понятия «приём пресуппозиция» и «при-

ём опущение», «успешное воздействие приёмом «пресуппозиция»» и

«успешное воздействие приёмом «опущение»». Построено разнообра-

зие ситуаций восприятия адресатами текста, составленного с приме-

нением данных приёмов, с целью показать, каким должен быть текст,

чтобы цель приёма — скрытая передача определённых сообщений —

была достигнута. Изучение основных атрибутов рассмотренных двух

приёмов позволило также построить основания разнообразия приё-

мов скрытой передачи вербальных сообщений, основанных на этих

двух.

Широкую практическую применимость полученных результатов

обеспечивает то, что изученные приёмы применяются в рамках про-

извольных текстов (понимаемых как наборы слов).

Литература

1. Барт Р. S / Z. — М.: Эдиториал УРСС, 2001.

2. Dilts R. Presuppositions // Robert Dilts webpage. — 1998. — URL:

www.nlpu.com.

3. Шокина А.Б. Языковая компрессия в рекламном тексте // Ме-

диаскоп. — 2008. — № 2.

Секция концептуального анализа и проектирования 79

УДК 657.1

И.Г. Ушанов

ushanovigor87@yandex.ru

Самарский государственный университет путей сообщения

ООО «Тольяттинский трансформатор»

Элементы CAP-анализа в стратегическом

управленческом учете

Важным направлением применения стратегического управленче-

ского учета в организации является анализ прибыльности основных

клиентских групп (CAP-анализ). Данный анализ представляет со-

бой выявление и обоснование совокупной выручки, генерируемой кон-

кретным клиентом или клиентской группой, за вычетом всех затрат,

понесенных в связи с обслуживанием данного клиента или группы.

Последовательность проведения CAP-анализа в рамках стратеги-

ческого управленческого учета может быть представлена в виде сле-

дующих этапов [1]:

1) выявление основных интервалов различий в уровне затрат, ко-

торые несет предприятие на обслуживание отдельных групп клиен-

тов;

2) оценка эффективности предложенных стратегических инициа-

тив в отношении выделенных клиентов или их групп на основе их

текущей и прогнозируемой прибыльности;

3) выбор наиболее привлекательной стратегической инициативы.

С точки зрения методики при проведении CAP-анализа выделяют

такие показатели, как ценность клиента (LTV) — совокупный доход,

приносимый клиентом компании в течение его жизненного цикла, а

также прибыльность клиента (LTP) — совокупная чистая прибыль,

приносимая компании тем или иным клиентом в течение его жизнен-

ного цикла. Иными словами, прибыльность клиента — LTP, представ-

ляет собой величину, получаемую путем вычитания из показателя

LTV за тот же период всех затрат, понесенных компанией в связи с

реализацией продукции.

На основе LTV / LTP-анализа могут быть спрогнозированы буду-

щие доходы компании в разрезе различных групп клиентов, а также

объем и структура ее расходов.

80 53-я научная конференция МФТИ ФИВТ

Основным следствием расчета показателей LTV и LTP для орга-

низации является возможность дифференциации ее клиентов на от-

дельные группы с точки зрения их ценности для данной компании.

В этом случае организация получает возможность сконцентрировать

усилия на удержании и привлечении наиболее ценных для нее кли-

ентов. В рамках решения данной задачи целесообразно применение

матрицы «Ценность–Лояльность» [2]. Внешний вид матрицы пред-

ставлен на рис. 1.

Для каждого из блоков представленной матрицы могут быть пред-

ложены следующие стратегические инициативы:

I, II — активизация клиентов для увеличения частоты и стоимости

покупок;

III — привлечение клиентов;

IV — удержание клиентов.

Для группы клиентов в I квадрате одним из решений может быть

прекращение отношений и перераспределение освободившихся ресур-

сов.

Рис. 1

Литература

1. Уорд К. Стратегический управленческий учет. — М.:

Олимп–Бизнес, 2002. — 435 с.

2. Система сбалансированных показателей: постановка и автома-

тизация. Курс повышения квалификации. — СПб.: НОУ «ДО Акаде-

мия Менеджмента Инталев», 2005. — 127 с.