Теоретические основы, методы и алгоритмы принятия решений при каскадном управлении рисками одной из нескольких одновременно управляющих организаций тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Гусев, Андрей Леонидович

• Гусев, Андрей Леонидович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Гусев, Андрей Леонидович

Оглавление

Оглавление

Введение

1. Концепция каскадного управления

1.1. Описание предметной области при каскадном управлении рисками

при наличии нескольких управляющих организаций

1.2. Алгоритм управления

1.3. Особенности управления при каскадном управлении риском при

наличии нескольких управляющих организаций

2. Построение моделей управления и отбор наблюдений

2.1. Метод нелинейного матричного прогнозирования

2.2. Метод отбора характерных наблюдений

2.3. Концепция применения метода нейросетевого моделирования

в задачах управления рисками

3. Непрерывный статистический контроль

3.1. Применение непрерывного статистического контроля

3.2. Классический контроль и контроль с памятью

3.3. Остановка контроля как рекуррентное событие

3.4. Правила остановки контроля

3.5. Планы непрерывного контроля

3.6. Оценивание параметров по результатам контроля

3.7. Параллельный непрерывный контроль

3.8. Сравнение правил остановки

4. Математические методы при управлении

4.1. Процедуры групповых проверок

4.2. Оценка точности результатов

4.3. Метод сжатия и расширения информационного пространства

4.4. Коррекция входного сигнала для нейронной сети

4.5. Восстановление данных

5. Решение задач при управлении рисками здоровью населения

5.1. Общая постановка задач в управлении рисками здоровью

5.2. Определение порогов массовой неинфекционной

заболеваемости

5.3. Определение целевых показателей

5.4. Определение допустимых в системе Роспотребнадзора уровней

риска

5.5. Оценка эффективности деятельности Роспотребнадзора 260 Основные результаты работы 273 Список литературы 277 Приложение 1. Таблицы математических ожиданий числа

проконтролированных объектов до наступления

остановки контроля 292 Приложение. Акты и справки о внедрении, свидетельства

о регистрации 3

Введение диссертации (часть автореферата) на тему «Теоретические основы, методы и алгоритмы принятия решений при каскадном управлении рисками одной из нескольких одновременно управляющих организаций»

Введение

Актуальность исследования. В последние годы в Российской Федерации в практику управляющих организаций внедряется вид деятельности, связанный с анализом рисков, состоящий из трех компонентов: оценка риска, управление риском, информирование о риске (Г.Г. Онищенко, С.М. Новиков, С.Л. Авалиани и пр.). За рубежом, например, согласно определению Национальной академии наук США, оценка риска для здоровья — это использование доступной научной информации и научно обоснованных прогнозов для оценки опасности воздействия вредных факторов окружающей среды и условий на здоровье человека. Однако до настоящего времени концептуальные вопросы управления риском полностью не решены, в том числе из-за недостаточно совершенного математического обеспечения каскадного управления риском.

В многочисленных научных работах получены теоретические и практические результаты, позволяющие автоматизировать процесс принятия решений при каскадном управлении рисками. Для успешной реализации концепции управления рисками и технологической поддержки принятия решений в задачах исследования и управления состоянием сложных объектов и систем необходимо по возможности интегрировать процессы исследования и принятия окончательных решений. Несмотря на ясность общей концепции построения систем принятия решений, их создание для решения конкретных системных задач требует дополнительных исследований. Например, согласно Федеральному закону «О техническом регулировании» (№184-ФЗ, 2002) под термином «риски здоровью населения» понимаются вероятности заболеваемости и (или) смертности определенной возрастной группы населения, проживающей на определенной территории. Под управлением рисками здоровью населения понимаются действия управляющей организации, приводящие к изменению, в частности - к снижению указанных вероятностей.

Для обоснования решений в управлении рисками здоровью населения нужно четко представлять механизм воздействия на риск здоровью населения. Под риском здоровью здесь понимается вероятность развития угрозы жизни или здоровью человека, либо угрозы жизни или здоровью будущих поколений. Наиважнейшими целями при такой постановке задачи является снижение уровня заболеваемости, перераспределение показателей смертности на более зрелый возраст и, как следствие - увеличение общей продолжительности жизни. Управление рисками здоровью происходит на фоне неуправляемых факторов, действующих на здоровье населения, и неполноты данных об управляющих факторах. Все это усложняет правильность выбора и принятия решений, действующих на конечный результат управления. К тому же необходимо учитывать, что в таких сложных системах обычно действуют сразу несколько субъектов управления.

Управление риском является логическим продолжением оценки риска и направлено на обоснование наилучших в данной ситуации решений по его устранению или минимизации, а также динамическому контролю (мониторингу) экспозиций и рисков, оценке эффективности и корректировке мероприятий.

Существующие методические подходы к анализу риска не позволяют в полной мере решить задачи обоснования ряда управленческих решений. Например, в сфере организации деятельности управляющих организаций важным является обоснование критериальных и целевых уровней индикативных показателей, прогнозирование результативности и эффективности деятельности с использованием критериев риска (Н.В. Шестопалов, Л.М. Симкалова, О.В. Митрохин).

Для решения задач такого рода необходима, с одной стороны, концептуальная база и теоретические основы каскадного управления рисками, с другой - комплекс методов и алгоритмов, базирующихся на существующих информационных массивах. К теоретическим основам, методам и алгоритмам, до настоящего времени в анализе риска практически не использовавшимся,

относятся планы непрерывного контроля (Я.Б. Шор, A.A. Пахомов, Ю.К. Беляев, B.C. Мхитарян) и нейросетевое моделирование (А.И. Галушкин, A.B. Чечкин, А.Н. Горбань, В.И. Горбаченко, В.В. Борисов, В.Н. Дудин-Барковский, JI.C. Куравский, С. Осовский, С. Хайкин).

Сложность такого управления обуславливается его каскадным характером, а также наличием нескольких независимых друг от друга одновременно управляющих организаций, а следовательно, для управляющей организации затруднено определение целевых показателей непосредственного и конечного результатов управления. Например, несколько независимых друг от друга управляющих организаций в рамках своих компетенций воздействуют на объекты первого уровня, которые, в свою очередь, воздействует на объекты второго уровня и т.д. Также проблематичность заключается в том, что механизм воздействия на различные объекты первого уровня может быть разным для одной и той же управляющей организации. Задача состоит ещё и в том, чтобы из совокупности возможных управляющих действий выбрать одно управляющее действие в зависимости от объекта управления или от территории, на которой осуществляется управление для достижения целевого показателя.

Такого рода задачи управления возникают в энергетических, медицинских системах и в других сферах человеческой деятельности, однако однозначного алгоритма их решения в настоящее время пока не существует. Это определяет актуальность проблемы - разработки теоретических основ, комплекса методов и алгоритмов обоснования принятия решений управляющей организацией на объекте или территории при каскадном управлении рисками одной из нескольких одновременно управляющих организаций.

Научный аспект сформулированной проблемы заключается в развитии теоретических основ управления методами непрерывного статистического контроля и процедур групповых проверок.

Практическая часть проблемы включает в себя алгоритмизацию, разработку специального программного обеспечения и его практическое применение для поддержки принятия решений управляющей организации.

Целью диссертационной работы является разработка теоретических основ, методов и алгоритмов для обоснования наиболее адекватного принятия решения одной из нескольких независимых одновременно управляющих организаций при каскадном управлении рисками. Алгоритмизация нахождения целевых показателей и алгоритмизация выбора на объекте или территории управляющей организацией действия из возможной совокупности управляющих действий, направленных на достижение целевого показателя.

В соответствии с поставленной целью в работе решаются следующие основные задачи:

1. Формулировка концептуальных положений при каскадном управлении рисками.

2. Создание методологии моделирования управления при каскадном управлении рисками.

3. Разработка и применение теоретических основ, комплекса методов и алгоритмов нахождения целевых показателей непосредственного и конечного результатов управления рисками, а также их прогнозирование.

4. Определение порогов индикативных показателей, классификация территорий по уровню индикативных показателей и определение приоритетных объектов надзора на территориях с индикативными показателями, которые превышают порог.

5. Алгоритмизация методов подготовки информационных массивов для модели управления и построение алгоритмов проверки точности полученных результатов.

6. Формулировка критериев оценки результативности действий и эффективности управляющей организации.

7. Расчет коэффициента качества выполнения государственного задания управляющей организацией.

8. Разработка методологии принятия обоснованного решения и выполнение адекватного действия управляющей организацией на основе моделирования управления.

Область исследования. Каскадное управление в условиях, когда управление одновременно осуществляется несколькими независимыми управляющими организациями.

Объект исследования. Показатели непосредственного и конечного результата управления рисками.

Предмет исследования. Причинно-следственные связи между действиями управляющей организации и риском при каскадном управлении при наличии нескольких управляющих организаций.

Методы исследования. Для решения поставленных в работе задач использованы классические методы теории вероятностей и математической статистики, методология управления, теория однородных цепей Маркова, теория планов непрерывного статистического контроля, теория информации, методы процедур групповых проверок, теория и методы нейросетевого моделирования, теория рекуррентных событий.

Научная новизна результатов работы.

1. Сформулированы концептуальные положения, на основании которых предложена каскадная модель управления рисками, позволяющая выделить управляемую долю показателя непосредственного и конечного результата одной из нескольких одновременно управляющих организаций, определить целевые и допустимые показатели непосредственного и конечного результата.

2. Разработан метод матричного нелинейного прогнозирования, на основе сформулированного автором принципа наименьшей изменчивости матрицы динамических коэффициентов с течением времени. Этот метод позволяет осуществлять выбор лучшей модели управления рисками, в некотором наперед заданном смысле, управляющей организацией. Метод ориентирован на прогноз непосредственного и конечного результата

управляющих действий одной из нескольких одновременно управляющих организаций при каскадном управлении рисками. Метод позволяет определять процент управляемого фактора (факторов), на который воздействует управляющий фактор (факторы).

3. Разработаны методы предобработки информации: сжатие-расширение информационного пространства и функциональная предобработка, применение которых позволяет строить нейросетевые модели, предназначенные для прогнозирования непосредственного и конечного результата управляющих действий одной из нескольких одновременно управляющих организаций при каскадном управлении рисками в особо сложных случаях управления, когда не применим метод матричного нелинейного прогнозирования.

4. Созданы теоретические основы непрерывного статистического контроля с памятью. По сравнению с классическим статистическим непрерывным контролем, непрерывный контроль с памятью обуславливает более раннюю реакцию управляющей организации на увеличение риска. Получены в виде формул характеристики для правил остановки непрерывного контроля, как для классического случая (ранее неизвестные), так и для случая контроля с памятью. В частности, получены формулы для математического ожидания числа проконтролированных объектов до остановки контроля и дисперсии для широкого класса правил остановки контроля.

5. Сформулировано понятие параллельного непрерывного контроля для установления причинно-следственных взаимосвязей управляющих и управляемых факторов. Метод параллельного непрерывного контроля позволяет устанавливать взаимосвязь в условиях, когда на управляемый фактор воздействуют несколько управляющих факторов, число которых часто бывает неизвестно.

6. Предложена авторская процедура групповых проверок и для неё получен оптимальный объем группы в виде формулы; разработаны теоретические основы оценивания по результатам применения процедур

групповых проверок. Получены формулы, позволяющие делать статистически оценки вероятностных параметров.

7. Созданы алгоритмы проверки точности построения статистических оценок, которые позволяют достигать наперед заданной точности результатов. В случае невозможности достижения наперед заданной точности по причинам ограниченности временного или финансового ресурса, алгоритмы определяют достигнутую точность.

8. Разработан комплекс: теоретические основы, методы и алгоритмы для обоснования принятия решений одной из нескольких независимых одновременно управляющих организации при каскадном управлении рисками.

С помощью этого комплекса решены следующие задачи:

- определение критических порогов для управляемых факторов;

- определение целевых показателей непосредственного и конечного результата для управляющей организации;

- классификация территорий (или других единиц измерения, например, объектов) по уровню управляемых факторов;

- определение приоритетных объектов управления на территориях при каскадном управлении рисками;

- расчет коэффициента результативности действий управляющей организации;

- расчет коэффициента качества выполнения государственного задания управляющей организацией;

- определение управляемых уровней риска управляющей организацией;

- оценка эффективности деятельности управляющей организации.

Основные положения, выносимые на защиту.

1. Концепция управления и каскадные модели управления рисками при наличии нескольких одновременно управляющих организаций.

2. Метод матричного нелинейного прогнозирования, устанавливающий причинно-следственные связи между управляющими и управляемыми факторами во времени, как метод моделирования управления

рисками. Метод определяет процент управляемого фактора (факторов), на который воздействует управляющий фактор (факторы).

3. Нейросетевые модели управления рисками с предобработкой информации: сжатием и расширением информационного пространства и функциональной предобработкой.

4. Теоретические основы непрерывного статистического контроля с памятью.

5. Метод параллельного непрерывного статистического контроля.

6. Теоретические основы оценивания пр результатам проведения процедур групповых проверок и авторская процедура групповых проверок.

7. Алгоритмы проверки точности полученных результатов в ходе решения задач управления рисками.

Достоверность результатов диссертационной работы подтверждается сравнением теоретических результатов с экспериментальными результатами. Также достоверность подтверждена детальным обоснованием выдвинутых научных гипотез, получением основанных на них научных результатов с использованием строгого математического аппарата, проверкой разработанных методов, а также положительными результатами практического внедрения. Теоретические положения, выведенные в работе, обосновываются строгостью исходных посылок и корректным применением использованного математического аппарата при выводе аналитических выражений. Достоверность расчетных результатов обеспечена их хорошей согласованностью с данными экспертных оценок, а также выбором надёжных критериев при построении алгоритмов обработки информации. Апробация основных результатов работы на научных конференциях и успешное внедрение в практику управляющих организаций позволяют сделать вывод об адекватности разработанных методов и алгоритмов.

Практическая ценность подтверждается разработанными методами, реализованными в программных продуктах для ЭВМ: «Расчет порогов для показателей здоровья и их использование при классификации территорий с

массовой неинфекционной заболеваемостью» и «Расчет целевых показателей непосредственного и конечного результатов для управляющей организации на территориях с массовыми неинфекционными заболеваниями» (свидетельства о гос. регистрации программы для ЭВМ № 2013618581 и № 2013618580).

Результаты, приведенные в настоящей работе, могут использоваться любой из нескольких одновременно управляющих организации как при каскадном управлении рисками, так и при любом другом управлении.

Теоретическая значимость работы заключается в развитии теории, методов и алгоритмов принятия решений при каскадном управлении одной из нескольких независимых одновременно управляющих организаций.

Непрерывный контроль с памятью и параллельный непрерывный контроль расширяют сферу применения непрерывного контроля, например, устанавливают причинно-следственные взаимосвязи между управляющими и управляемыми факторами.

Метод отбора характерных наблюдений и метод сжатия и расширения информационного пространства применимы для любой модели управления.

Широко применимы способы оценки точности полученных результатов, метод восстановления данных и принципы организации каскадного управления, т.к. не имеют существенных ограничений.

Реализация результатов работы. Теоретические и практические результаты, полученные в настоящей работе, явились основой для разработки методических рекомендаций «Определение порогов массовой неинфекционной заболеваемости и их использование в планировании надзорных мероприятий» (внедрены Управлением Роспотребнадзора в Пермском крае, приказ №105 от 11.06.2010г.) и методических рекомендаций «Обоснование целевых и индикативных показателей для планирования и корректировки ВЦП в условиях бюджетирования, ориентированного на результат» (внедрены Управлением Роспотребнадзора в Пермском крае, приказ №105 от 11.06.2010 г.).

Практические результаты, полученные в настоящей работе, явились частью разработки ведомственных целевых программ «Гигиена и здоровье» и «Социально-гигиенический мониторинг».

Результаты диссертационной работы были внедрены: Управлением Роспотребнадзора по Алтайскому краю (справка о внедрении прилагается) для планирования контрольно-надзорной деятельности; Управлением Роспотребнадзора по Пермскому краю (справка о внедрении прилагается) для управления рисками здоровью населения; Управлением Роспотребнадзора по Свердловской области (акт внедрения прилагается) для информационно-аналитического обеспечения социально-гигиенического мониторинга и управления рисками здоровью населения.

Соответствие диссертации паспорту научной специальности. Содержание диссертации соответствует паспорту специальности 05.13.01 -«Системный анализ, управление и обработка информации», а именно п. 2 -«Формализация и постановка задач системного анализа, оптимизации, управления, принятия решений и обработки информации» в части постановки задачи, разработки способов обработки статистических данных Роспотребнадзора, алгоритмизации принятия решений по выбору действия управляющей организацией, п.4 - «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации» в частности, разработан метод непрерывного статистического контроля с памятью в задачах управления для поддержки принятия решений об остановке непрерывного контроля и выработке адекватных управляющих воздействий, выполнено развитие метода нейросетевого моделирования - предложен метод функциональной предобработки входных сигналов нейронной сети, п. 5 - «Разработка специального математического и программного обеспечения систем анализа, оптимизации, управления, принятия решений и обработки информации» в части разработки специального математического и программного обеспечения для обработки и системного анализа статистической информации Роспотребнадзора, принятии на этой

основе решений об эффективных действиях управляющей организации.

Апробация работы. Основные теоретические положения и практические результаты диссертационной работы докладывались и обсуждались на Международных, Всероссийских и региональных конференциях и симпозиумах, прошедших в период 1982-2013 гг.: на научно-технической конференции «Применение случайного поиска» (Кемерово, 1982), на Всесоюзной научно-технической конференции «Применение статистических методов в производстве и управлении» (Пермь, 1984), на научно-технической конференции «Стандартизация контроля и надежности промышленной продукции» (Горький, 1989), на Всероссийской научно-практической конференции с международным участием «Научные основы и медико-профилактические технологии обеспечения санитарно-эпидемиологического благополучия населения» (Пермь, 2009), на IV Международной научно-технической конференции «Аналитические и числовые методы моделирования естественнонаучных и социальных проблем» (Пенза, 2009), на научно-практической конференции с международным участием «Гигиенические и медико-профилактические технологии управления рисками здоровью населения в промышленно развитых регионах» (Пермь, 2010), на второй научно-практической конференции с международным участием «Гигиенические и медико-профилактические технологии управления рисками здоровью населения» (Пермь, 2011), на Пятой Всероссийской конференции «Искусственный интеллект: философия, методология, инновации» (Москва, 2011), на X всероссийской научной конференции «Нейрокомпьютеры и их применение» (Москва, 2012), на XVI международная научно-техническая конференция «Медико-экологические информационные технологии» (Курск, 2013). На научных семинарах и конференциях в Пермском государственном национальном исследовательском университете и Пермском педагогическом университете.

Публикации. По теме диссертации опубликовано 48 научных работ, включая 2 монографии, 31 статью, 13 публикаций тезисов докладов.

Структура и объем диссертации. Диссертация состоит из введения, пяти глав, основных выводов, списка использованной литературы из 156 наименований и двух приложений. Работа изложена на 307 страницах машинописного текста, содержит 17 таблиц и 56 рисунков.

В первой главе рассмотрены принципы каскадного управления рисками при наличии нескольких управляющих организаций. В §1.1 приведены общие положения каскадного управления. В §1.2 и §1.3 приводится алгоритм управления и особенности управления при каскадном управлении рисками.

Вторая глава диссертации посвящена методам построения моделей управления. В §2.1 разработан метод нелинейного матричного прогнозирования. Здесь указаны принципы построения моделей. §2.2 содержит описание метода отбора характерных наблюдений для построенной модели управления. В §2.3 изложен метод нейросетевого моделирования для управления рисками здоровью населения.

В третьей главе рассмотрено все многообразие математических методов, которые были использованы при решении задач управления рисками здоровью населения. §3.1 посвящен общим положениям непрерывного статистического контроля. В §3.2 вводится понятия непрерывного контроля с памятью и рассматривается его отличие от классического непрерывного контроля. §3.3 содержит ряд лемм и теорем, который позволяют сделать вывод о правиле остановки контроля как рекуррентном событии. В §3.4 и §3.5 рассматриваются различные планы непрерывного контроля и различные правила остановки контроля, как составляющей любого плана контроля. В §3.6 продемонстрирована возможность построения статистических оценок по результатам непрерывного контроля. Понятие параллельного непрерывного контроля вводится в §3.7 и в этом параграфе показывается, как по результатам параллельного непрерывного контроля можно устанавливать причинно-следственную взаимосвязь между факторами. Сравнение правил остановки контроля проводится в §3.8.

В четвертой главе рассматривается возможность применения процедур групповых проверок в задачах, связанных с управления рисками здоровью населения (§4.1). Здесь же построены оценки вероятностных характеристик по результатам проведения процедур групповых проверок. В §4.2 приведены два алгоритмы оценки точности полученных результатов. Для применения нейронных сетей в задачах управления рисками в §4.3 изложен метод сжатия и расширения информационного пространства, на котором строится нейросетевая модель управления. Благодаря сжатию-расширению информационного пространства, достигается наперед заданная точность построения нейросетевой модели. В §4.4 изложен метод корректировки входных данных для моделирования нейронной сети. §4.5 посвящен методу восстановления данных для реализации алгоритма каскадного управления.

В пятой главе рассматривается обоснование решений в управлении рисками здоровью населения. Так в §5.1 приводятся общие положения. В §5.2 приведен алгоритм определения порогов массовой неинфекционной заболеваемости, на основании которого классифицируются территории субъекта федерации. На основании такой классификации принимаются те или иные управляющие действия на каждой конкретной территории. В §5.3 приведена алгоритмизация определения целевых показателей управления. В §5.4 приводится метод определения допустимых уровней риска с помощью нейросетевого моделирования. В §5.5. изложена методика определения оценки эффективности деятельности органов и организаций Роспотребнадзора. Методика использует метод матричного нелинейного прогнозирования.

В диссертации принята тройная нумерация теорем, утверждений, следствий, таблиц, рисунков и формул. Первая цифра соответствует номеру главы, вторая цифра - номеру параграфа и третья цифра соответствует порядковому номеру в параграфе.

Автор выражает глубокое признание и слова благодарности научному консультанту Л.Н. Ясницкому за практические советы и помощь при работе над диссертацией.

Глава 1. Концепция каскадного управления

§1.1. Описание предметной области при каскадном управлении рисками при наличии нескольких управляющих организаций

В общем случае каскадное управление рисками при наличии нескольких управляющих организаций может быть представлено схемой, приведенной на рисунке 1.1.1. Причем, схема каскадного управления при наличии нескольких управляющих организаций может быть аналогична в субъектах Российской Федерации или на территориях субъекта Российской Федерации. То есть имеется некоторая сравнимая повторяемость каскадного управления рисками. Заметим, что если число управляющих организаций и число объектов на территориях может быть разное, то число характеристик и рисков всегда одинаковое.

Список литературы диссертационного исследования кандидат наук Гусев, Андрей Леонидович, 2013 год

Список литературы

1. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. Справочное издание / под ред. С.А. Айвазяна. М.: Финансы и статистика, 1985. 487 с.

2. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д.. Прикладная статистика. Классификация и снижение размерности. Справочное издание / под ред. С.А. Айвазяна. М.: Финансы и статистика, 1989. 608 с.

3. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: Издательское объединение ЮНИТИ, 1998. 1000 с.

4. Алгоритм ZetBraid: информационные интеллектуальные системы. Сб. науч. ст. Вып. 40, 2008. 14 с.

5. Безопасность России. Правовые, социально-экономические и научно-технические аспекты. Анализ рисков и управление безопасностью: методические рекомендации / под ред. авт. кол-ва H.A. Махутов, К.Б. Пуликовский, С.К. Шойгу. М.: Знание, 2008. 672 с.

6. Беляев Ю.К. Вероятностные методы выборочного контроля. М.: Наука, 1975.408 с.

7. Большаков A.M. Оценка и управление рисками влияния окружающей среды на здоровье населения. М.: Эдиториал УРСС, 1999. 256 с.

8. Большее Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1983.416 с.

9. Гниденко В.М., Новиков А.Е. Об упорядочении комбинаций по вероятностям их появления в реализации равновероятной полиномиальной схемы на прямой и окружности // Вероятностные процессы и их приложения. 1987. С. 82-91.

10. Гниденко В.М., Новиков А.Е. К вопросу о вероятностях появления заданных комбинаций в реализации равновероятностной полиномиальной схемы // Вероятностные задачи дискретной математики. 1987. С. 17-20.

11. Горбунов Н.И. Контроль качества как процедура разрежения потока изделий // Техническая кибернетика. 1985. № 4. С. 65-68.

12. ГОСТР 50779.30-95. Статистические методы. Приемочный контроль качества. Общие требования. М.: Госстандарт России: Изд-во стандартов, 1995. 23 с.

13. ГОСТР 50779.50-95. Статистические методы. Приемочный контроль качества по количественному признаку. М.: Госстандарт России: Изд-во стандартов, 1995. 19 с.

14. ГОСТ Р 50779.51-95. Статистические методы. Непрерывный приемочный контроль качества по альтернативному признаку. М.: Госстандарт России: Изд-во стандартов, 1995. 11 с.

15. ГОСТ Р 50779.52-95. Статистические методы. Приемочный контроль качества по альтернативному признаку. М.: Госстандарт России: Изд-во стандартов, 1995. 229 с.

16. Гусев А.Л. Оценка параметра биномиальной совокупности в случае групповых процедур//Статистические методы. 1982. С. 13-18.

17. Гусев А.Л., Лумельский Я.П., Чичагов В.В. Марковские модели контроля вычислительных систем // Моделирование вычислительных систем и процессов. 1983. С. 29-35.

18. Гусев А.Л. О планах не первого вхождения. В кн.: Тезисы докладов Всесоюзной научно-технической конференции «Применение статистических методов в производстве и управлении»: материалы. Пермь: ПГУ, 1984. С. 156.

19. Гусев А.Л. Об отборе группы элементов из бесконечной совокупности. В кн.: Тезисы докладов научно-практической конференции «Достижения молодых ученых в области физико-математических наук»: материалы. Пермь: ПГУ, 1984. С. 5-6.

20. Гусев А.Л. Процедуры групповых проверок с использованием априорной информации // Статистические методы оценивания и проверки гипотез. 1984. С. 20-23.

21. Гусев А.Л. Групповые процедуры проверки принадлежности к одному из многих классов // Вероятностные процессы и их приложения. 1984. С. 8-12.

22. Гусев А.Л., Шур П.З. Выбор ведущих компонент выбросов химических производств на основе классификации и математического моделирования рассеивания вредных веществ в атмосферном воздухе. В кн.: Тезисы докладов областной научно-технической конференции «Статистические модели классификации и их практическая реализация на ЭВМ»: материалы. Пермь: ПГУ, 1986. С. 9-10.

23. Гусев А.Л. О различных схемах непрерывного контроля // Статистические методы оценивания и проверки гипотез. 1988. С. 123-128.

24. Гусев А.Л. О двух схемах испытаний на надежность. В кн.: Тезисы докладов конференции «Исследования молодых ученых в области физико-математических наук»: материалы. Пермь: ПГУ, 1988. С. 8-9.

25. Гусев А. Л. Характеристики правил остановки контроля // Надежность и контроль качества. 1989. № 4. С. 57-63.

26. Гусев А.Л. Несмещенные оценки параметров непрерывного контроля. В кн.: Тезисы докладов научно-технической конференции «Стандартизация контроля качества и надежности промышленной продукции»: материалы. Горький: ГГУ, 1989. С. 97-98.

27. Гусев А.Л. Вероятностные характеристики одного правила остановки непрерывного контроля // Статистические методы оценивания и проверки гипотез. 1990. С. 80-83.

28. Гусев А.Л. Рекуррентные события и характеристики планов непрерывного статистического контроля // Статистические методы оценивания и проверки гипотез. 1991. С. 99-107.

29. Гусев А.Л., Хрущева Е.В. Отбор наблюдений и выбор модели управления рисками здоровью населения в системе Роспотребнадзора // Вестник Пермского университета. Математика. 2010. Вып. 3. С. 80-83.

30. Гусев A.JI., Хрущева Е.В. Выбор модели для управления рисками здоровью населения // Вестник Пермского университета. Математика. 2010. Вып. 3. С. 76-79.

31. Гусев А.Л. Планы непрерывного контроля с памятью // Статистические методы оценивания и проверки гипотез. 2010. С. 143-147.

32. Гусев А.Л., Бабушкина Е.В., Зайцева Н.В., Шур П.З. Структурирование моделирования управления рисками здоровью населения в системе Роспотребнадзора. В кн.: Материалы Всероссийской научно-практической конференции с международным участием «Научные основы и медико-профилактические технологии обеспечения санитарно-эпидемиологического благополучия населения». Пермь: ФБУН ФНЦ МПТУРЗН, 2009. С. 11-15.

33. Гусев А.Л., Бабушкина Е.В., Зайцева Н.В., Шур П.З. Методические подходы к моделированию изменения риска здоровью населения в зависимости от деятельности органов и организаций Роспотребнадзора. В кн.: Материалы Всероссийской научно-практической конференции с международным участием «Научные основы и медико-профилактические технологии обеспечения санитарно-эпидемиологического благополучия населения». Пермь: ФБУН ФНЦ МПТУРЗН, 2009. С. 16-25.

34. Гусев А.Л., Бабушкина Е.В., Зайцева Н.В., Шур П.З. Методические подходы к моделированию управления рисками здоровью в системе Роспотребнадзора. В кн.: Материалы IV Международной научно-технической конференции «Аналитические и числовые методы моделирования естественнонаучных и социальных проблем». Пенза: ПГУ, 2009. С. 122-124.

35. Гусев А.Л., Бабушкина Е.В., Лупач Д.Ю. Разработка базовых элементов информационно-аналитической поддержки анализа причинно-следственных связей факторов среды обитания и здоровья населения В кн.: Сборник материалов Всероссийской научно-практической конференции «Актуальные проблемы гуманитарных, юридических и экономических наук в современной России». Кумертау: УГАТУ, 2010. С. 9-10.

36. Гусев А.Л., Балюкина Л.А., Зайцева Н.В., Шур П.З. Планирование выбора модели для управления рисками здоровью населения в системе Роспотребнадзора В кн.: Материалы Всероссийской научно-практической конференции с международным участием «Научные основы и медико-профилактические технологии обеспечения санитарно-эпидемиологического благополучия населения». Пермь: ФБУН ФНЦ МПТУРЗН, 2009. С. 230-234.

37. Гусев А.Л. Оценка точности результатов при исследовании восприятия рисков здоровью // Бюллетень Пермской социологии, исследования 2009-2010 гг., 2010. С. 39-43.

38. Гусев А.Л. Рекуррентные события при непрерывном контроле для задач управления в сфере обеспечения санитарно-эпидемиологического благополучия населения. // Системы управления и информационные технологии. 2010. № 4 (42). С. 100-104.

39. Гусев А.Л. Правило остановки контроля «из последних г объектов — 3 дефектных» // Системы управления и информационные технологии. 2011. №2 (44). С. 124-127.

40. Гусев А.Л. Метод отбора информационного пространства для построения нейронной сети, как модели управления, в условиях зашумленных и не полных данных // Нейрокомпьютеры: разработка, применение. 2011. № 7. С. 55-57.

41. Гусев А.Л., Зайцева Н.В., Шур П.З., Бабушкина Е.В. Методические подходы к определению вклада органов и организаций Роспотребнадзора в управление риском здоровью населения // Информационный бюллетень. Здоровье населения и среда обитания. 2010. № 11 (212). С. 11-13.

42. Гусев А.Л., Зайцева Н.В., Шур П.З. Совершенствование методических подходов к планированию деятельности органов и организаций Роспотребнадзора в рамках региональных ведомственных целевых программ // Информационный бюллетень. Здоровье населения и среда обитания. 2010. №1(214). С. 4-7.

43. Гусев A.Jl., Зайцева Н.В., Шур П.З., Шарифов А.Т. К вопросу об определении порогов массовой неинфекционной заболеваемости. В кн.: Материалы научно-практической конференции с международным участием «Гигиенические и медико-профилактические технологии управления рисками здоровью населения в промышленно развитых регионах». Пермь: ФБУН ФНЦ МПТУРЗН, 2010. С. 147-150.

44. Гусев А.Л., Зайцева Н.В., Шур П.З., Ясницкий Л.Н. О возможностях применения метода нейросетевого математического моделирования для выявления целесообразных действий Роспотребнадзора // Вестник Пермского университета. Биология. 2010. Вып. 2. С. 40-45.

45. Гусев А.Л., Ясницкий Л.Н., Зайцева Н.В., Шур П.З. Нейросетевая модель региона для выбора управляющих воздействий в области обеспечения гигиенической безопасности // Информатика и системы управления. 2011. № 3 (29). С. 51-59.

46. Гусев А.Л. Правило остановки контроля «из последних г объектов -£ дефектных» // Фундаментальные исследования. 2012. № 3. С. 154-157.

47. Гусев А.Л. Управление и процедуры групповых проверок. Saarbrucken (Germany): LAP LAMBERT Academic Publishing GmbH & Co. KG., 2011.75 c.

48. Гусев А.Л. Непрерывный статистический контроль при управлении. Los Angeles (USA): Createspace, 2012. 128 с.

49. Гусев А.Л., Черепанов Ф.М., Ясницкий Л.Н. Функциональная предобработка входных сигналов нейронной сети // Нейрокомпьютеры: разработка, применение. 2013. № 5. С. 19-21.

50. Гусев А.Л. Сложные правила остановки непрерывного контроля // Современные проблемы науки и образования. 2013. № 4. URL:http://w\vw.science-education.ru.

51. Гусев А.Л. Правила остановки для классического контроля и контроля с памятью // Современные проблемы науки и образования. 2013. № 3. URL: http://www.science-education.ru.

52. Гусев A.JI. Точность статистической оценки // Фундаментальные исследования. 2013. № 8. С. 828-831.

53. Дайитбегов Д.М. Компьютерные технологии анализа данных в эконометрике. М.: Наука, 2008. 578 с.

54. Двоенко С. Д. Неиерархический дивизимный алгоритм кластеризации // Автоматика и телемеханика. 1999. № 4. С. 117-124.

55. Демиденко Е.З. Линейная и нелинейная регрессия. М.: Финансы и статистика, 1981. 304 с.

56. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Вильяме, 2007.912 с.

57. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Издательство института математики, 1999. 270. с

58. Загоруйко Н.Г., Елкина В.Н., Тимеркаев B.C. Алгоритм заполнения пропусков в эмпирических таблицах (алгоритм Zet) // Эмпирическое предсказание и распознавание образов. 1975. Вып. 61. С. 3-27.

59. Каштан Р. Основные концепции нейронных сетей. М.: Вильяме, 2001.288 с.

60. Кемени Д.Д., Снелл Д.Л. Конечные цепи Маркова. М.: Наука, 1970.

274 с.

61. Киселев A.B. Оценка риска здоровью. Спб.: Международный институт оценки риска здоровью, 1997. 256 с.

62. Клячкин В. Н. Статистические методы в управлении качеством: компьютерные технологии. М.: Финансы и статистика, 2007. 630с.

63. Комарцова Л.Г., Максимов A.B. Нейрокомпьютеры. М.: Издательство МГТУ им. Н.Э. Баумана, 2002. 544 с.

64. Королев В.Ю. ЕМ - алгоритм, его модификации и их применение к задаче разделения смесей вероятностных распределений. Теоретический обзор. - М.: Вильяме, 2007. 102 с.

65. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2002. 382 с.

66. Лапидус В.А. Гибкие методы статистического контроля качества и надежности I. М.: Знание, 1983. С. 79-117.

67. Лапидус В.А. Гибкие методы статистического контроля качества и надежности U.M.: Знание, 1985. С. 59-120.

68. Литтл Р.Дж.А., Рубин Д.Б. Статистический анализ данных с пропусками. М.: Финансы и статистика, 1991. 334 с.

69. Лумельский Я.П. Статистические оценки результатов контроля качества. М.: Издательство стандартов, 1979. 200 с.

70. Лумельский Я.П., Чичагов В.В. Несмещенное оценивание в случае однородных цепей Маркова // Статистические методы. 1980. С. 97-103.

71. Люгер Дж.Ф. Искусственный интеллект: Стратегии и методы решения. М.: Вильяме, 2003. 864 с.

72. Методика выборочного приемочного контроля качества по альтернативному признаку для продукции поточного производства. М.: Издательство стандартов, 1978. 123 с.

73. Методические рекомендации о порядке формирования государственного задания в отношении федеральных государственных учреждений, находящихся в ведении Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека. М.: Федеральная служба по надзору в сфере защиты прав потребителей и благополучия человека, 2010. 34 с.

74. Методические рекомендации о порядке использования социально-гигиенического мониторинга в целях бюджетирования, ориентированного на результат. М.: Федеральная служба по надзору в сфере защиты прав потребителей и благополучия человека, 2007. 24 с.

75. Мхитарян B.C. Планы непрерывного выборочного контроля при удалении обнаруженных дефектных изделий // Статистические и математические исследования в производстве и экономике. 1968. Вып. 2. С. 8089.

76. Мхитарян B.C. Статистические методы в управлении качеством продукции. М.: Финансы и статистика, 1982. 119 с.

77. Мятлев В.Д. О некоторых стратегиях в двух задачах поиска // Планирование оптимальных экспериментов. 1975. С. 186-194.

78. Мятлев В.Д. Теоремы и алгоритмы об одной схеме последовательного поиска дефектных элементов // Вопросы кибернетики. 1977. №35. С. 70-109.

79. Мятлев В.Д. Групповые проверки, минимизирующие среднюю цену // Вопросы кибернетики. 1981. С. 122-132.

80. Мятлев В.Д. Групповые проверки поиска представителя значимых факторов // Вероятностные процессы и их приложения. 1984. С. 116-125.

81. Нейроинформатика / под ред. А.Н.Горбань, B.JÏ. Дунин-Барковский и др. Новосибирск: Наука, 1998. 296 с.

82. Орлов А.И. О современном состоянии контроллинга рисков. В кн.: Сборник тезисов III Международного конгресса по контроллингу: материалы. М.: НП «Объединение контроллеров», 2013. С. 156.

83. Орлов А.И. Эконометрика. М.: Экзамен, 2002. 576 с.

84. Орлов А.И. Прикладная статистика. М.: Экзамен, 2006. 671 с.

85. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.

86. Прудников А.П., Брычков Ю.А„ Маричев О.И. Интегралы и ряды. М.: Наука, 1983. 750 с.

87. Прудников А.П., Брычков Ю.А., Маричев О.И. Интегралы и ряды. Специальные функции. М.: Наука, 1983. 752 с.

88. Рассел С. Искусственный интеллект: современный подход. М: Вильяме, 2006. 1408 с.

89. Россиев A.A. Моделирование данных при помощи кривых для восстановления пробелов в таблицах. Методы нейроинформатики / под. ред. А.Н. Горбаня. Красноярск: Изд-во КГТУ, 1998. 205 с.

90. Руководство по оценке риска для здоровья населения при воздействии химических веществ, загрязняющих окружающую среду. М: Федеральный центр Госсанэпиднадзора России, 2004. 340 с.

91. Соловьев А.Д. Одно комбинаторное тождество и его применение к задаче о первом наступлении редкого события // Теория вероятностей и ее применения. 1966. № 2. С. 69.

92. Соловьев А.Д. Асимптотическое поведение первого наступления редкого события в регенерирующем процессе // Техническая кибернетика. 1971. №6. С. 79-89.

93. Федеральный закон о санитарно-эпидемиологическом благополучии населения: Федер. закон [принят Гос. Думой 30.03.1999] // Собрание законодательства РФ. 1999. № 14. Ст. 1650.

94. Феллер В. Введение в теорию вероятностей и ее приложения: в 2 т. М.: Мир, 1984. Т. 1.528 с.

95. Феллер В. Введение в теорию вероятностей и ее приложения: в 2 т. М.: Мир, 1984. Т. 2. 752 с.

96. Хайкин С. Нейронные сети: Полный курс. М.: Вильяме, 2006. 1104 с.

97. Черепанов Ф.М., Ясницкий Л.Н. Гусев А.Л. Функциональная предобработка входных сигналов нейронной сети. В кн.: Материалы X всероссийской научной конференции «Нейрокомпьютеры и их применение». Москва: МГГПУ, 2012. С. 25.

98. Черепанов Ф.М., Ясницкий Л.Н. Симулятор нейронных сетей «Нейросимулятор 1.0»: а. с. №8756; опубл. 12.07.07.

99. Чибисов Д.М. Предельное распределение для числа серий в схемах испытаний Бернулли // Теория вероятностей и ее применения. 1958. Вып. 3. № 2.214 с.

100. Шестопалов Н.В., Симкалова Л.М., Митрохин О.В. Бюджетирование, ориентированное на результат. М.: ГЭОТАР-Медиа, 2007. 250 с.

101. Шор Я.Б., Пахомов А.А. Непрерывный выборочный контроль // Надежность и контроль качества. 1969. С. 3-17.

102. Шор Я.Б., Пахомов А. А. Выбор плана одностадийного статистического контроля непрерывного потока продукции // Надежность и контроль качества. 1970. С. 25-31.

103. Шор Я.Б., Пахомов А.А. Методы выбора плана непрерывного статистического контроля качества по альтернативному признаку // Надежность и контроль качества. 1973. С. 10-22.

104. Эфрон Б. Нетрадиционные методы многомерного статистического анализа. М.: Финансы и статистика, 1988. 263 с.

105. Ясницкий JI.H. Введение в искусственный интеллект. М.: Академия, 2010. 176 с.

106. Ясницкий Л.Н. Искусственный интеллект. Элективный курс: Учебное пособие. М.: БИНОМ лаборатория знаний, 2011. 240 с.

107. Ясницкий Л.Н. Интеллектуальные информационные технологии и системы. Пособие. Пермь, 2007. - 271 с.

108. Ясницкий Л.Н., Данилевич Т.В. Современные проблемы науки. М.: БИНОМ лаборатория знаний, 2008. 294 с.

109. Ясницкий Л.Н. Пермская научная школа искусственного интеллекта и ее инновационные проекты. Москва-Ижевск: НИЦ Регулярная и хаотическая динамика, 2008. 75 с.

110. Bowker А.Н. Continuous Sampling plans // Proceedings of the third Berkeley Symposium on Mathematical Statistics and Probability. California, 1956. №5. P. 75-85.

111. Brown M., Ge G. On the waiting time for the first occurrence of a pattern // Reliability theory and models. Orlando, 1984. P. 267-272.

112. Bush K.A., Federer W.T., Resotan H., Raghavarao D. New combinatorial designs and their applications to group testing // Journal of Statistical Planning and Inference. 1984. Vol. 10. № 3. P. 335-343.

113. Colwell D.J., Gillett J.R. Runs in Bernoulli Trials // Math. Gaz. 1984. Vol. 68. №445. P. 196-199.

114. Dodge H.F. A sampling inspection plan for continuous production // Annals of Mathematical Statistics. 1943. № 14. P. 264-279.

115. Dodge H.F., Romig H.G. Sampling Inspection tables single and double sampling. N.Y., 1944. 106 p.

116. Dorfman R. The detection of defective members of large population // Annals of Mathematical Statistics. 1943. Vol. 14. № 4. P. 436-440.

117. Gao, H. Hwang, F.K., Thai, M.T., Wu, W., Znati, T. Construction of d(H)-disjunct matrix for group testing in hypergraphs // Journal of Combinatorial Optimization 3. 2006. P. 297-301.

118. Gilstein C. Zachary. Optimal partitions of finite populations for Dorlman-tupe group testing // Journal of Statistical Planning and Inference. 1985. Vol. 12. №3. P. 385-394.

119. Graff L., Roeloffs R. Group testing in the presence of test error an extension of the Dorfman procedure // Technometrics. 1972. Vol. 14. № l.P. 113122.

120. Graff L., Roeloffs R. A group-testing procedure in the Presence of test error // Journal of the American Statistical Association. 1974. Vol. 69. № 345. P. 205-215.

121. Gusev A.L. Estimation of the binomial parameter in group testing // Journal of Soviet Mathematics. 1987. Vol. 39. P. 2820-2824.

122. Gusev A.L. Group-testing procedures that use a priori information // Journal of Soviet Mathematics. 1988. Vol. 41. P. 792-794.

123. Gusev A.L. Various schemes of continuous inspection // Journal of Soviet Mathematics. 1991. Vol. 56. P. 2476-2479.

124. Gusev A.L. Recurrent events and characteristics of plans of continuous control // Journal of Soviet Mathematical Sciences. 1995. Vol. 75. P. 1571-1575.

125. Gusev A.L. Probabilistic characteristics of one stopping rule for steady control // Journal of Mathematics Sciences. 1995. Vol. 75. P. 1435-1436.

126. Gusev A.L. Continuous Inspection with Memory I I Statistics and Probability Letters. 2012. Vol. 82. P. 303-307.

127. Gusev A.L. The optimal number of items in a group for group testing // Statistics and Probability Letters. - 2012. - Vol. 82. - P. 2083-2085.

128. Hrynewicz O. Optimal in-process sampling procedures for a production line // Contrib. Oper. Res. and Math. Econ. Konigstein / TS. 1984. Vol. 2. P. 641650.

129. Hwang F.K. A method for detecting all defective members in a population by group testing // Journal of the American Statistical Association. 1972. Vol. 67. №339. P. 605-608.

130. Hwang F.K. A group testing // Journal of the American Statistical Association. 1972. Vol. 67. № 339. P. 605-608.

131. Hwang F.K. A group testing problem // Proceedings of fourth southeastern conference on combinatorics, craph theory7 and computing. 1973. P. 345-355.

132. Hwang F.K. On finding a single defective in binomial group testing // Journal of the American Statistical Association. 1974. Vol. 69. № 345. P. 146-150.

133. Hwang F.K. A generalized binomial group testing problem // Journal of the American Statistical Association. 1975. Vol. 70. № 352. P. 923-926.

134. Hwang, F.K., Pfeifer, C.G., Enis, P. An optimal hierarchical procedure for a modified binomial group-testing problem // Journal of the American Statistical Association. 1981. Vol. 76. P. 947-949.

135. Hwang F.K. Robust group testing // Journal of Quality Technology. 1984. Vol. 16. №4. P. 189-195.

136. Hwang, F.K., Rothblum, U.G. Parturitions: Optimality and Clustering // World Scientific Publishing Company. 2009. P. 387-403.

137. Kotz S., Shisong M. L. Effects of inspection errors on curtailed Dorfman-type procedure // Commun. Statist.: Theory and Method. 1986. Vol. 15. №3. P. 120-123.

138. Kumar S. A group testing problem // Annals of Mathematical Statistics. 1965. Vol. 36. № 2. P. 727-728.

139. Kumar S. Group-testing to classify all units in a multinomial sample // Annals of Mathematical Statistics. - 1968. - Vol. 39. №2. - P. 704.

140. Kumar S. Group-testing to classify all units in trinomial Sample // Studia Sci. Math. Hungar. 1970. Vol. 5. P. 229-247.

141. Kumar S., Sobel M. Finding a Single defective in binomial group testing // Journal of the American Statistics Association. 1971. Vol. 66. № 336. P. 824-828.

142. Kumar S., Sobel M. An asymptotically optimal bayes solution for group-testing // A survey of statistical design and linear models. Amsterdam north-holland publishing company. 1975. P. 367-381.

143. Kumar V.S. Sampath. A tightened m-level continuous sampling plan for Markov-dependent production processes // HE Trans. 1984. Vol. 16. № 3. P. 257261.

144. Kumar V.S. Sampath. Some aspects of continuous sampling plans for Markov-dependent production processes // Statistics. 1985. Vol. 16. № 4. P. 569-576.

145. Mundel A.B. Croup testing // Journal of Onality Technology. 1984. Vol. 16. №4. P. 181-188.

146. Pfeifer C.G., Enis P. Dorfman-type group testing for a modified binomial model // Journal of the American Statistical Association. 1978. Vol. 73. №363. P. 588-592.

147. Shahani A.K. A trichotomous process with applications in quality control // Jhans. 7-th Prague Conf. Inform. Theory. Statist. Decis. Funct., Random Process. Enr. Meet. Statist. Prague. 1978. Vol. B. P. 505-512.

148. Sobel M. Group-testing to classify efficiently all defectives in a binomial sample // Information and decision process. N.Y., 1960. P. 127-161.

149. Sobel M. Optimal group-testing // Proceedings of the Colloquium on information theory. 1968. Vol. 2. P. 411-488.

150. Sobel M., Elashoff R.M. Group-testing with a new goul, estination // Biometrika. 1975. Vol. 62. № 1. P. 181-193.

151. Sobel M. Groll P.A. Group-testing to eliminate efficiently all defectives in a binomial sample // Bell System techn. J. 1959. Vol. 38. № 8. P. 1179-1252.

152. Sobel M. Groll P.A. Binomial group-testing with an unknown proportion of defectives // Technometrics. 1966. Vol. 8. № 4. P. 631-656.

153. Sterrett A. On the detection on defective members of large population // Annals of Mathematical Statistics. 1957. Vol. 28 № 4. P. 1033-1036.

154. Ungar P. The cut-off point for group-testing // Comm. Pure Appl. Math. 1960. Vol. 13. № 1. P. 49-54.

155. Wald A., Wolfowitz I. Sampling inspection plans for continuous production which insure a prescribed limit of the outgoing quality // Annals of Mathematical Statistica. 1945. № 16. P. 30-49.

156. Weideman C.A., Raghavarao D. Some optimum non-adaptive hypergeometric group testing designs for identifying two defectives // Journal of Statistical Planning and Inference. 1987. Vol. 16. № 1. P. 55-61.

Приложение 1. Таблицы математических ожиданий числа проконтролированных объектов до наступления остановки контроля

Таблица I. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г=2 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0,5 р=0.6 р=0.7 р=0,8 р=0,85 р=0,9 р=0.95 р=0,96 р=0.97 р=0.98 р=0,99 р=0,995

к=2 6,0 8.8 14,4 30,0 51.1 110,0 420.0 650,0 1144,4 2550.0 10100,0 40200,0

2,6 3.0 3.8 5,3 6,9 10.2 20,1 25.1 33,4 50,1 100*0 200,0

Таблица 2. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г=3 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0,5 р=0,6 р=0,7 р=0,8 р=0.85 р=0.9 р=0,95 р=0,96 р=0,97 р=0,98 р=0.99 р=0,995

к=2 4.7 6.4 9,9 18,9 30.7 62,6 225,1 343,9 597,4 1312.6 5125.1 20250,1

2.2 2.4 2,7 3,5 4,3 5,9 10,8 13,3 17,5 25.8 50,8 100,8

к=3 14,0 24,4 51.5 155,0 347,4 1110,0 8420,0 16275.0 38181,5 127550.0 1010100,0 8040200,0

5,8 8,1 12,9 26,9 46,3 101,9 402,0 627,0 1113,1 2502,0 10002,0 40002,0

Таблица 3. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г=4 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0,5 р=0,6 Р=0,7 р=0.8 р=0,85 р-0,9 р=0,95 р=0,96 р=0,97 р=0,98 р=0,99 р=0,995

к=2 4,3 5,7 8,4 15,3 23,9 46,9 160,2 241,9 415,0 900,2 3466.9 13600,2

2,1 2.1 2.4 2.9 3,4 4,4 7.7 9.4 12,2 17,7 34.4 67 7

к=3 9,0 14,2 26.6 70.4 146,9 435.0 3047.6 5795.6 13375,5 43952,0 342348 ,3 2702474,3

4.1 5,1 | 7.1 12,6 20.0 40.3 145.8 223.6 390,3 862,5 3390,3 13445.8

к=4 30.0 63,4 174,9 780,0 2322.7 11110.0 168420.0 406900.0 1272749,4 6377550,0 101010100 .0 1608040200,6

12.2 20,7 43.6 134,6 309.1 1019,4 8039,2 15674.2 37102,8 125099,1 1000199,4 8000399,0

Таблица 4. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г=5 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0.5 р=0,6 р=0,7 р=0,8 р=0,85 р=0,9 р=0,95 р=0.96 р=0,97 р=0,98 р=0,99 р=0,995

к=2 4,1 5,4 7,7 13,5 20,6 39,1 127,8 190,9 323.9 694Л 2637,8 10275,3

2.0 2,1 2,2 2,6 2,9 3.7 6,2 7.4 13.7 26,1 51,1

к=3 7.5 11,0 19.2 46,2 91.0 253,0 1650,1 3090,4 7021.6 22708.2 174027,2 1362498,5

3.6 4.1 8,5 12,6 23,7 79,2 119,4 205.1 445.8 1723,6 6779,1

к=4 16.4 30,3 72,1 274.1 751,3 3301,9 45931,7 109065,0 335275,7 1651039,9 25697782,6 405540877,5

7.4 10.7 19,0 48.7 101,8 305.5 2197,5 4207,5 9782,2 32398,5 254483,6 2017716,4

к=5 62,0 161Л ! 586,5 3905,0 15491,4 111110,0 3368420,0 10172525,0 42425012,8 318877550,0 10101010100.0 321608040200,0

25,0 52.2 145,6 673,4 2061,1 10193.7 160783.8 391853,9 1236760,7 6254953,9 100019904,0 1600079804,0

Таблица 5. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г=6 и набора значений р — вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0.5 р=0,6 р=0,7 р=0,8 р=0.85 р=0,9 р=0.95 р=0,96 р=0,97 р=0.98 р=0.99 р=0.995

к=2 4.1 5,2 7.3 12.4 18,7 34,4 108,4 160,4 269,3 570.4 2140,4 8280,4

2.0 2,1 2.1 2.4 2,7 3,3 5.3 6,3 7,9 11,2 21,2 41,2

к=3 6,8 9,6 15,8 35.3 66,5 175,0 1069,5 1974,2 4419,2 : 14073,0 106145,4 824290,4

3,3 3.7 4.5 6,6 9,3 16,5 51.4 76,4 129,2 276.4 1051.4 4101.4

к=4 12,3 20,7 44,3 149,1 381,3 1555,9 19994.4 46701Л 141187Д 683608,0 10459290,6 163636880,9

5,8 7.7 12,2 27,1 52,5 145,1 958,7 1804,2 4122,8 13419,6 103587.8 814174,3

к=5 29,3 64,9 199,3 1114,5 4047,8 26568.7 736840,8 218531,0 8954458,6 66108759,4 2056858910.5 64902827388,8

13,2 22,8 52,3 197,7 547,9 2457,9 35251,4 84324,7 261259,2 1297257,5 20368953,0 322915664.1

Таблица 6. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г=1 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0,5 р=0,6 р=0.7 р=0,8 р=0.85 Р=0,9 р=0,95 р=0,96 р=0.97 р=0,98 р=0,99 р=0,995

к=2 4,0 5,1 7,1 11,8 17.4 Г 31,3 95,5 140,1 232.9 488,0 1808,8 6950.5

2,0 2.0 2,1 2.3 2.5 3.0 4,6 5,5 6.8 9,6 17,9 34.6

к=3 6,4 8.8 13,9 Г™ 53.1 133,4 768,3 1399,1 3087.5 9686,5 71928,0 554077.6

3,2 3,4 4,0 5.6 7,5 12.7 37,0 54,2 90.3 190,3 712,5 2757.0

к=4 10,4 16,4 32,4 98,7 238,0 909,3 10855,6 24960,1 74256,2 353670,4 5320781,0 82532823,9

5,1 6,3 9,1 18,3 33,2 85.4 521.6 965.6 2170.1 6945,3 52701,6 410651,6

к=5 19,8 39,1 105,9 514,1 1730.8 10497,1 268010.3 781609,8 3147210,7 22833422,8 697989992,7 21829211241,9

9.4 14,5 28,9 93,4 237,8 978,5 12849.7 30195,8 91900,1 448231,0 6912824.9 108611105,9

Таблица 7. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г= 8 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р—0.5 р=0,6 р=0.7 р—0,8 р=0,85 р=0,9 р-0,95 р=0,96 р=0,97 р=0,98 р=0,99 р=0,995

к=2 4.0 5.1 7,0 11,3 16,5 ">9 2 86.3 125.6 206.9 429.2 1572,0 6000.6

2.0 2.0 2,1 2,2 2,4 2,8 4,2 4,9 6.1 8,5 15,6 29,9

к=3 6,2 О 1 о,.? 12,7 25,5 44,8 108,1 590,0 1060,8 2309,2 7140,6 52217,1 399036,7

3,1 3,3 3,7 4,9 6,4 10.3 28,5 41,2 67.6 140,3 517,3 1985,6

к=4 9,4 14,1 26,1 73.1 167,5 603,1 6722,0 15225,2 44597,8 209035,5 3093127,5 47572197,2

4,6 5,51 7,5 13.8 23,6 57,0 323,6 589,8 1304.4 4106,5 30639,9 236706,8

к=5 15,6 28,3 69,1 297,7 937.6 5293,0 125066.8 358832.0 1421011,5 10135893.3 304505705.5 9439435087,8

7.6 10,8 19,4 55,1 130.5 496,8 6008,7 13881,7 41527,5 199046.0 3016084.7 46967002,0

Таблица 8. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г=9 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0,5 р=0,6 р=0,7 р=0,8 р=0.85 р=0,9 р=0,95 р=0,96 р=0,97 р=0,98 р=0,99 р=0,995

к=2 4,0 5,0 6,9 11,0 15.8 27,6 79,4 114,7 187,5 385,0 1394.4 5288,1

2,0 2,0 2,0 2,2 2,3 2.7 3,9 4.5 5,5 7.6 13.8 26,3

к=3 6,1 8,0 11.9 23,0 39,3 91.4 474,8 843,3 1811,9 5524.9 39799.0 301740,1

3,1 3,2 3,5 4,5 5,7 8,8 23,0 32,8 53,1 108.6 394,3 1501.5

к=4 8,8 12,7 22,3 58.2 127,5 434,8 4544.0 10144,7 29273,9 135083.6 1966511,2 29990722,6

4,4 5,0 6.5 11,1 18,2 41,3 219.2 393,5 856,8 2654,7 19481,7 149229.6

к=5 13,4 22,6 50,8 197,3 585,4 3093,9 67955,2 191939,3 747955,5 5247353,7 154969539,2 4762005835.9

6,6 8,8 14.6 37,1 82.4 292,2 3271.2 7435.1 21875,1 103083,5 1535096,8 23694489,1

Таблица 9. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г=10 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0,5 р=0,6 р=0,7 р=0.8 р=0,85 р=0.9 р=0,95 р=0,96 р=0,97 рЮ.98 р=0,99 р=0,995

к=2 4,0 5.0 6,8 10.8 15,3 26,3 74,1 106,3 172,4 350.8 1256,3 4734.1

2,0 2.0 2.0 2,1 2,3 2,6 3,6 4,2 5,1 6.9 12,5 23,6

к=3 6,1 11,4 21,3 35,4 79,7 395,4 694,2 1473,1 4431.4 31454,5 236611,7

3,0 3,1 3.4 4,1 5,1 7,7 19,2 27,0 43,2 87,2 311,7 1177,4

к=4 8.5 11,8 19,9 48,7 102,4 332,6 3270.6 7201.4 20481,3 93081,2 1333468,0 20166875,6

4,2 4,7 5,8 9,4 14,7 31,8 158.0 279.7 599,9 1829,9 13211,6 100349.9

к=5 12.1 19.3 40,3 143.0 401,9 1998,2 40951,5 113934,6 437107,4 3017326,4 87622048,0 2669196854.0

6,0 7.6 11,7 27.2 57,1 189.8 1975,0 4419,1 12793,6 59296,0 868048,0 13281544.1

Таблица 10. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г=15 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0,5 р=0,6 р=0,7 р=0,8 р=0,85 р=0,9 р=0,95 р=0.96 р=0,97 р=0,98 р=0,99 р=0.995

к=2 4,0 5,0 6,7 10,2 14.1 23,0 597)1 82,4 129,4 253,0 861.9 3151,2

2.0 2,0 2.0 2,0 2,1 2,3 2,9 3.3 3.8 5,0 8.6 15.7

к=3 6.0 7,5 10,3 17,1 26,1 52,0 214,4 358.2 719,2 2033,4 13460.9 97469.7

3.0 3,0 3,1 3,4 3,9 5,1 105 14.0 21,2 40,1 133.5 485.1

к=4 8,0 10,3 14,9 29,4 53,2 142,4 1081,5 2238.2 5957,4 25215,8 334544,9 4857058,6

4.0 4,1 4.5 5.8 7,8 13,9 52,7 87,4 175,1 496,5 3316,1 24171,5

к=5 10,2 13.7 22,4 57,0 129,4 499,7 7563,6 19651,2 70163,9 448951,9 12026891,1 351136169,7

5,1 5.5 6,7 11.2 19,0 48.5 367.8 766,5 2060,7 8837.5 119201,7 1747412,5

к=6 12,8 18,8 36,9 130,7 390,8 2284,1 71422,1 234103,7 1125902.1 10928878,4 592930952,4 34859515108,4

6,4 7,5 11,0 25,6 57.0 220,7 3467,3 9121,6 33046.0 215063.1 5876166,5 173472617,7

к=7 16.6 28,0 69,4 367,2 1493.8 13565,4 "890692.0 3691598,1 23964972.0 353562223,4 38915515586,9 4610863765434.0

8.3 11,2 20,6 71,6 216,6 1306,0 43174,1 143683,7 702917.8 6955265,7 385632338.0 22944656039.2

Таблица 11. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для /-=20 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0.5 р-0,6 р=0,7 р=0,8 р=0,85 р=0.9 р=0,95 р=0.96 р=0,97 р=0.98 р=0.99 р=0.995

к=2 4,0 5,0 6,7 10,1 13,7 21,6 52,1 71,3 109,2 206,9 675,3 2401.6

2,0 2,0 2,0 2,0 2.0 2,1 2,6 2,8 3,2 4,1 6,7 12.0

к=3 6,0 7,5 10,1 15,8 22.9 41,9 150,7 242,1 464,4 1244,6 7730,6 53977,7

3.0 3,0 3.0 3,2 3.4 4,1 7.4 9,5 13.7 24.6 76.7 268,67

к=4 8,0 10.0 13,8 23,9 39,6 90,9 563.5 1106,6 2780,1 1 11038,1 136330,9 1903062,1

4,0 4,0 4.1 4.8 5,8 9,0 27,6 43.4 82,0 217.7 1351,9 9471,8

к=5 10,0 12,7 18,4 37.9 74,1 236.0 2778,8 6801.5 22782,5 136061,0 3379704,8 94717611,7

5,0 5,1 5,5 7.5 11,0 23.2 136,0 266.5 671,1 2682,4 33511,7 471412,7

к=6 12,1 15,8 25,3 66.4 163,1 753,2 17777,3 54664,4 245728,5 2219007,5 111317727,5 6274838956.5

6,0 6,3 7,6 13,2 24,2 73,8 868,8 2140.2 7234,4 43734,2 1103685,0 31229357.9

к=7 14.3 _ 19,9 37,1 132,9 426,6 2970,3 144318,8 559402,7 3384459,3 46329780,6 4704460048.2 533936955450.6

7.2 8.0 11,1 26,4 63.0 290,4 7044,2 21881,9 99583,5 912836,6 46639422,5 2657298707,8

Таблица 12. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу «из последних г объектов - к объектов дефектных» для г= 25 и набора значений р - вероятности объекта быть годным (на сером фоне - значения для классического случая, на белом фоне - значения для контроля с памятью)

р=0,5 р=0.6 Р=0,7 р=0,8 р=0,85 р=0.9 р=0,95 р=0.96 р=0.97 р=0.98 р=0,99 р=0,995

к=2 4,0 5,0 6,7 10,0 13,5 20,9 48,3 65,0 97,6 180,1 566,6 1964.5

2,0 2,0 2,0 2,0 2.0 2,1 2.4 2,6 2,9 3,6 5,6 9.8

к=3 6,0 7,5 10,0 15,3 21,4 37,0 119,8 186,4 344.2 880,2 5157.3 34780.4

3,0 3.0 3.0 3,1 3,2 3,7 5,9 7,4 10,2 17,4 51.2 173,1

к=4 8,0 10,0 13,4 21,7 33,1 69.4 364,5 684,2 1633,3 6118,6 70665,6 949782,4

4,0 4,0 4.0 4,3 4,9 6,9 18,0 27.0 48.3 120.8 701,0 4727,8

к=5 10,0 12,5 17,2 30,9 54,1 148.1 1407,7 3266,9 10327.5 57877,8 1338798,4 36066766,0

5,0 5,0 5,2 6,2 8,1 14,7 69,2 128,5 305,0 1142,6 13280,5 179525,9

к=6 12,0 15,2 21,8 46,5 98,0 372,8 6866.3 19928,2 84221.6 711385.1 33142254,6Н 1793731191.7

6,0 6,1 9,3 14,6 36.8 337.3 783,3 2486.1 14040,3 328733,8 8928272.9

к=7 14,0 18,1 28,2 76,3 202,2 1119,9 41560.7 151604,1 860047,5 10985376,9 1033723889.2 112546033382,6

7,0 7.2 8,5 15,2 30.1 110,5 2039,6 5954,5 25374,7 216754.4 10252535,7 560183694.3

Таблица 13. Математическое ожидание числа проконтролированных объектов до наступления остановки по правилу последних /*] объектов - к] объектов дефектных или из последних ^ объектов - к2 объектов дефектных» для г, = к1 = 2 , к2 = 3 и набора значений р - вероятности объекта быть годным

р=0,5 р=0,6 р=0,7 р=0,8 р=0.85 р=0,9 р=0,95 р=0,96 р=0,97 р=0,98 р=0,99 р=0,995

г§р15 ■5.1 6.9 10,2 17,6 26,8 51,2 179,1 276,1 489,0 1113,5 4620,2 19092.3

1-2=20 5.1 6,9 10,0 16,5 24,0 43.4 143,5 220.1 390,8 906,4 3971.8 17357,4

г2=25 5.1 6,9 10,0 16,0 22,6 38.9 119,9 181,3 318,5 3342,5 15380,1

Г2=40 5.1 6,9 10.0 15,7 21,2 33.3 86,2 123,9 206,4 455,1 2048,7 10225,7

г2=80 5., 6,9 10,0 15,7 21.0 31.5 65,6 86,4 128 5 244,3 914,1 4318,3

Приложение 2. Акты и справки о внедрении, свидетельства о регистрации

ор ггр<иън.1я ( яуаглл по нлд-юп а сфггь защшм лги 'шрьы-пелси и кла! опол"> н>1* ч: чмека

Управление Федеральной службы ш> нл.цору и сфере чащшы ¡фаз нетребтедм! и благополучии человека и«> Алтайскому краю

М Горького ^ 1, л 28, г Клсиа'/ь б^бОЗО1 Тел [phone], факс ч3«52) 24-90-49 1егет<шп 213103 ГШ НАЛ Е-ти.,1 т н!й22 го^роотЬиаогс! га Слйч Ь>р '/22 гч-рой-Ц п^.1?» ш ОКПО 77069999 ОП'Н '05220228153Л ИШ1/КПП 2225068178/222501001

ФБУ]] «Федеральный научный центр медико-профилакгических технологий управления рисками здоровью населения»

Роспотребнадзора_____

615045, г. Пермь, ул Орджоникидзе, 82

Ул ¿7 к/Ау/УА'

~7

Ш ЛЬ____о г_

СПРАВКА О ВНЕДРЕНИИ

Результаты диссертационной работы на соискание ученой степени доктора технических наук 1 усева Андрея Леонидовича (процедура групповых проверок для отбора годных объектов, метод нелинейного матричного прогнозирования, метод непрерывного параллельною статистического контроля с памятью и др.) внедрены в практику Управления Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека по Алтайскому краю и используются для планирования контрольно-надзорной деятельности

Главный государственный санитарный Ьрач по Алтайскому краю, • «*

Д м И. *

* р *

Ч|

\ 1 I

И П. Салдан

ЦП 5ИМ/.ДР? Л1 М > М тигхк 2 КК

Фг.ле; аль'ная ст>жоа по iMjjopy и с l-'.pe ишиты i jidß потрепитетей и Гп.¡гомом'чия чечовека

> нр.ш tonne Фе 1еральнои слухом по надзор} в сфере защиты пряв тнреби гелей и б шюполучи» человека по Сссрдлоиской области

Отдельный ntp 3 I £.ьатеринб\рг, 620078

тел.: [phone] факс: [phone] f-nuii- m nKi 66 ip>pf>reb»acUur ru

http iIa^v. 65 n^poüeb'ntdA» ni 0<ii0 7i71h282 Oi Pif 1О"><А034Ш28 ИН'Ш1Г1667007«4<1/ШС101001

/ß >wtz -М-09-/0-PSS/fSO?

lia N>

У'[ верждаю Р) ководш ель Управления Федеральной службы по надзору в сфере защиты прав потребителей и блаI онолучия человека по

области, д.м.н.,

С.В Кузьмин

АКТ

внедрения в практику 'Управления Федеральной службы по надзор) в сфере защиты прав потребителей и благополучия человека по Свердловской области результатов диссертации Гусева Андрея Леонидовича

Мы, нижеподписавшиеся, комиссия в сосшве председателя комиссии начальника отдела социально-гигиенического моншоринга, к.м.п. Малых О.Л. и членов комиссии: начальника отдела организации надзора Канавиной Н В., главного специалиста оксперш 01 дела социально-гигиенического моншоринга Кочневой П.И. удостоверяем, что разработанная автором концепция управления рисками здоровью населения в системе социально-гигиенического мониторинга, матемашческие методы обоснования целевых показа ¡елей и прогнозирования, критерии оценки эффективности и оптимизации деятельности органов и организаций Росно:ребнадзора, являются особенно актуальными в современных условиях и позволяют решать вопросы сисхемы управления риском для здоровья населения

Предложенные Гусевым А.Л. ме! одические подходы, реализованные в программных средавах по определению порогов массовой неипфекпионпой

заболеваемости; установлению приоритетных объектов надзора на территориях с массовой неинфекционной заболеваемостью; проведению классификации территорий по уровню -заболеваемости: установлению целевых показателей здоровья населения, внедряются в практическую деятельность органов и учреждений Роспотребнадзора Свердловской области при планировании конгрольно-падзорной ^сяюльности » опенке эффективности.

Разрабонанные и реализуемые автором диссертационной рабош млемшнческие молели (метод нелинейного мафичного прогнозирования, непрерывного параллельною сштиетпческого контроля с памятью и др ) используются для информационно-аналитическою обеспечения еоциалыю-1 )Н иснического мониторинга и >правления рисками здоровью населения.

Пред сед а гель Начальник отдела социально-гигиеническою ^ ^ , мониторинга, к.м.н. Малых О Л.

Члены комиссии:

11ачалытк о [дела организации надзора Капавши } КВ.

Главный специалист- эксперт отдела '-"¿/О

социально-гигиеническою мониюрннга

КО'ШСВ'Л 11.11.

Подписи

к.м.н Малых О.Я., Каиапиной Н.В.

К'очневой Н.И. заверяю:

начальник отдела государственной служ<

Р

.¿"Г ^ 4

ФЕДЕРАЛЬНАЯ СЛУЖ1. \ ПО Н \ДЮРУ В СФПРЕ ЗА1ЦИ ГЫ ПРАВ 1ЮГРГ ЬИ ГГ !\\ Й ИЬЛАГОПОЛУЧИЯ 41 Л0В1Ж.\

управление

ФЕДЕРАЛЬНОЙ СЛУЖБЫ ПО НАДЗОРУ В СФЕРЕ ЗАЩИТЫ ПРАВ ПОТРЕБИТЕЛЕЙ И БЛАГОПОЛУЧИЯ ЧЕЛОВЕКА ПО ПРРМСКОМУ КРАЮ (Управление Роспо гребнадшра по Пермскому краю)

КуйСышсиа> I, и 50, Гкр"ь 6ЫОК1 Тел [phone]. ф 1кс (512) 2',<>-4-24 Ь-та11 игрп а "59 гоьро1гсЬпас1/')г < ч •л\у\ъ.59 Г(ьро1гсЬгми/ог ги ОКНО 755СР311, (ЯТИ 105590!6Ь'1Г>8 ИНН/КПП 590412238Л 001 № ¿ ?

_ о г

СПРАВКА О ВНЕДРЕНИИ

Результаты диссерищионпой работы на соискание ученой степени доктора технических наук Гусева Андрея Леонидовича (метод непрерывного параллельного статистического контроля с памятью, метод нелинейного матричного прогнозирования, алгоритм нахождения целевых показателей и др.) внедрены в практику Управления Федеральной службы по надзору в сфере защиты прав потреби юлей и благополучия человека но Пермскому краю и используемся для информационно-аналитического обеспечения социально-гигиенического мониторинга, а также для планирования контрольно-надзорной деятельности.

Заместитель руководителя, д.м.н. | В.А. Хорошавип

J

ФЕДЕРАЛЬНАЯ СЛУЖБА ПО НАДЗОРУ В СФЕРЕ ЗАЩИТЫ ПРАВ ПОТРЕБИТЕЛЕЙ И БЛАГОПОЛУЧИЯ ЧЕЛОВЕКА

Управление Федеральной службы но надзору и сфере шцты нрав потребителей и благополучна человека по Пермскому краю

ПРИКАЗ

11 июня 2010 года

№ 105

г. Пермь

1 Об утверждении

Ме1 одических рекомендаций

В целях совершенствования планирования деятельности органов я организаций Роспотребнадзора в Пермском крае и повышения эффективности государственного санитарно-эпидемиологического надзора

ПРИКАЗЫВАЮ:

1. Утвердить разработанные ФГУН «Федеральный научный центр медшео-профилакшческих технологий управления рисками здоровью населениям:

1.1. Методические рекомендации «Определение порогов массовой неинфекциониой заболеваемости и их использование в планировании надзорных мероприятий» (приложение 1).

1.2. Методические рекомендации «Обоснование целевых к индикативных показателей для планирования и корректировки ВЦП («Гигиена и здоровье» и «Соцкалъно-ппиенический мониторинг») в условиях бюджетирования, ориентированного на результат» (приложение 2).

2. Руководителям функциональных и территориальных отделов Управления Роспотребнадзора но Пермскому краю внедрить в работу вышеуказанные

Методические рекомендации.

3. Контроль за исполнением приказа оставляю за собой.

» Оь :,

И.о. руководителя

В-А. Хорошавкн

\

¡РТСШЙСЕАШ ФЩРЗРАШЦИШ

о государственной регистрации программы для ЭВМ

№ 2013618580

«Расчет целевых показателей непосредственного и конечного результатов для управляющей организации на территориях с массовыми неинфекционными заболеваниями»

Правообладатель: Федеральное бюджетное учреждение науки «Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения» (ФБУН «ФНЦ медико-профилактических технологий управления рисками здоровью населения») (ЯП)

Авторы: Шур Павел Залманович (Я11), Гусев Андрей Леонидович (ЯСГ)

Заявка № 2013616120

- 4А4

Дата поступления 16 ИЮЛЯ 2013 Г.

Дата государственной регисфации

в Реестре программ для эвм 12 сентября 2013 г.

Руководитель Федеральной службы по интеллектуальной собственности

БП Симонов

теетшйекАИ #вд№А1щиш

Е1Е

о государственной регистрации программы для ЭВМ

№ 2013618581

«Расчет порогов для показателей здоровья и их использование при классификации территорий с массовой неинфекционной заболеваемостью»

Правообладатель: Федеральное бюджетное учреждение пауки «Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения» (ФБУН «ФНЦ медико-профилактических технологий управления рисками здоровью населения») (К11)

Авторы Шур Павел Залманович (0.11), Гусев Андрей Леонидович (111/)

Заявка 2013616119

Дата поступления 16 ИЮЛЯ 2013 Г. Дата государственной регистрации в Реестре программ для ЭВМ 12 сентября 2013 г.

Руководитель Федерапьной службы по интеллектуальной собственности

БП Симонов

ш

$