Details

Данная работа посвящена разработке типовой аналитической модели управления рисками авиастроительного производства в условиях цифровой трансформации отрасли. В работе проведен анализ теоретических основ управления рисками в высокотехнологичных отраслях и систематизированы существующие подходы к оценке авиастроительных рисков. Разработана классификация рисков, включающая технологический, производственный, регуляторный, операционный и выделенный в самостоятельную категорию цифровой класс. Построена типовая нечёткая модель с четырьмя входными лингвистическими переменными, для каждой переменной заданы функции принадлежности Сформирована база из десяти продукционных правил, структурированная по трём классам: традиционному, цифровому и комбинированному. Классическая схема нечёткого вывода Мамдани модифицирована за счёт введения в формулу степени активации правил матрицы чувствительности S и нормировочного коэффициента. Матрица S откалибрована по экспертной панели с использованием нечёткого агрегирования, проверки согласованности и анализа чувствительности к составу экспертной группы. Верификация модели проведена методом бэк-тестирования на обобщённых отраслевых данных за 2015–2023 годы. Разработаны практические рекомендации по внедрению типовой модели в корпоративные системы риск-менеджмента авиастроительных предприятий.

This thesis focuses on the development of a standard analytical risk management model for aircraft manufacturing in the context of the industrys digital transformation. The thesis analyzes the theoretical foundations of risk management in high-tech industries and systematizes existing approaches to assessing aircraft manufacturing risks. A risk classification has been developed, including technological, production, regulatory, operational, and a separate category, digital risk. A standard fuzzy model with four input linguistic variables was constructed, with membership functions assigned to each variable. A database of ten production rules was created, structured into three classes: traditional, digital, and combined. The classic Mamdani fuzzy inference model was modified by introducing a sensitivity matrix S and a normalization coefficient into the formula for the degree of rule activation. The matrix S was calibrated against an expert panel using fuzzy aggregation, consistency checking, and sensitivity analysis to the expert group composition. The model was verified using backtesting on generalized industry data for 2015–2023. Practical recommendations for implementing the standard model into corporate risk management systems at aircraft manufacturers were developed.