Розробка моделі підтримки прийняття багатоетапних інвестиційних рішень у виробничих системах в умовах ризику

Автор(и)

DOI:

https://doi.org/10.15587/2706-5448.2026.356886

Ключові слова:

адаптивне прийняття рішень, резерв ефективності, байєсівський аналіз рішень, очікувана корисність

Анотація

Об’єктом дослідження є процес прийняття інвестиційних рішень у виробничих системах в умовах ризику та невизначеності.

У сучасних умовах функціонування підприємств прийняття управлінських рішень щодо інвестування пов’язане з необхідністю вибору між кількома альтернативними варіантами розвитку виробництва, ефективність яких залежить від можливих станів зовнішнього середовища. Особливістю таких процесів є те, що інвестиційні рішення можуть мати багатоетапний характер, а їх ефективність залежить від умов реалізації.

У роботі вирішувалася проблема розроблення такої моделі підтримки прийняття рішень, яка дозволяла б враховувати послідовний характер реалізації інвестиційних проєктів та оцінювати ефективність альтернатив з урахуванням можливих сценаріїв розвитку середовища. Проведений аналіз показав, що традиційні підходи до оцінювання альтернатив переважно базуються на одноетапних моделях прийняття рішень, а це обмежує можливості врахування змін умов реалізації інвестиційного проєкту.

Розроблена в дослідженні модель підтримки прийняття інвестиційних рішень поєднує у собі одноетапний та багатоетапний підходи до оцінювання ефективності альтернатив в умовах ризику. Особливістю отриманих результатів є те, що вони дозволяють визначати очікуваний результат застосування багатоетапних альтернатив та виявляти раціональні інвестиційні стратегії. Також було запропоновано підхід до оцінювання резерву ефективності інвестиційних проєктів у виробництві.

У ході експериментальної верифікації показано, що розроблена модель дозволяє враховувати поетапність реалізації альтернатив та інформацію, яка з цього випливає. Завдяки цьому вона надає можливість коригування управлінських рішень залежно від фактичного стану середовища на різних етапах реалізації прийнятих рішень.

Розроблена модель може бути використана в процесі обґрунтування інвестиційних рішень у виробничих системах в умовах ризику.

Біографії авторів

Оксана Юріївна Мулеса, University of Prešov

Доктор технічних наук, професор

Кафедра фізики, математики і техніки

Кафедра програмного забезпечення систем Ужгородського національного університету

Ольга Юріївна Качмар

Кандидат наук, доцент, незалежний дослідник

Світлана Іванівна Балога, Ужгородський національний університет

Кандидат фізико-математичних наук, доцент

Кафедра комп’ютерних систем та мереж

Ганна Семенівна Тютюнникова, Ужгородський національний університет

Старший викладач

Кафедра комп’ютерних систем та мереж

Дмитро Олегович Шевчук, Ужгородський національний університет

Аспірант

Кафедра комп’ютерних систем та мереж

Посилання

  1. Stanton, M. C. B., Roelich, K. (2021). Decision making under deep uncertainties: A review of the applicability of methods in practice. Technological Forecasting and Social Change, 171, 120939. https://doi.org/10.1016/j.techfore.2021.120939
  2. Teece, D. J., Pisano, G., Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18 (7), 509–533. https://doi.org/10.1002/(sici)1097-0266(199708)18:7<509::aid-smj882>3.0.co;2-z
  3. Rosenhead, J. (1968). Introduction to Operations Research. Journal of the Operational Research Society, 19 (3), 329–330. https://doi.org/10.1057/jors.1968.78
  4. Saaty, T. L., Vargas, L. G. (2013). Decision making with the analytic network process: Economic, political, social and technological applications with benefits, opportunities, costs and risks. Vol. 195. Springer, 363. https://doi.org/10.1007/978-1-4614-7279-7
  5. Kahneman, D., Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47 (2), 263–292. https://doi.org/10.2307/1914185
  6. Izonin, I., Tepla, T., Danylyuk, D., Tkachenko, R., Duriagina, Z., Lemishka, I. (2020). Towards an Intelligent Decision Making of Ti-based Powders Selection for Medical Manufacturing. 2020 International Conference on Decision Aid Sciences and Application (DASA). IEEE, 1–5. https://doi.org/10.1109/dasa51403.2020.9316866
  7. Hou, H. (Cynthia). (2025). Utility Theory Application in Decision-Making Behavior for Energy Use and Management: A Systematic Review. Energies, 18 (8), 2125. https://doi.org/10.3390/en18082125
  8. Bakır, N. O., Tekin, S., Keleş, B. (2026). Expected utility-based maintenance planning under risk aversion for a two-state deterioration model. Reliability Engineering & System Safety, 270, 112169. https://doi.org/10.1016/j.ress.2025.112169
  9. Wu, F., Li, H. Z., Chu, L. K., Sculli, D., Gao, K. (2008). An approach to the valuation and decision of ERP investment projects based on real options. Annals of Operations Research, 168 (1), 181–203. https://doi.org/10.1007/s10479-008-0365-7
  10. Castro, J., Tito, E., Brandão, L. (2021). Optimization of a Portfolio of Investment Projects: A Real Options Approach Using the Omega Measure. Journal of Risk and Financial Management, 14 (11), 530. https://doi.org/10.3390/jrfm14110530
  11. Panayi, S., Trigeorgis, L. (1998). Multi-stage real options: The cases of information technology infrastructure and international bank expansion. The Quarterly Review of Economics and Finance, 38 (3), 675–692. https://doi.org/10.1016/s1062-9769(99)80096-9
  12. Mulesa, O., Snytyuk, V., Myronyuk, I. (2019). Optimal alternative selection models in a multi-stage decision-making process. EUREKA: Physics and Engineering, 6, 43–50. https://doi.org/10.21303/2461-4262.2019.001005
  13. Berger, J. O. (1985). Statistical Decision Theory and Bayesian Analysis. Springer Series in Statistics. Springer New York. https://doi.org/10.1007/978-1-4757-4286-2
  14. Hnatiienko, H., Tmienova, N., Kruglov, A.; Shkarlet, S., Morozov, A., Palagin, A. (Eds.) (2020). Methods for Determining the Group Ranking of Alternatives for Incomplete Expert Rankings. Mathematical Modeling and Simulation of Systems (MODS’2020). Springer, 217–226. https://doi.org/10.1007/978-3-030-58124-4_21
Development of a decision support model for multi-stage investment decisions in production systems under risk

##submission.downloads##

Опубліковано

2026-04-30

Як цитувати

Мулеса, О. Ю., Качмар, О. Ю., Балога, С. І., Тютюнникова, Г. С., & Шевчук, Д. О. (2026). Розробка моделі підтримки прийняття багатоетапних інвестиційних рішень у виробничих системах в умовах ризику. Technology Audit and Production Reserves, 2(2(88), 92–97. https://doi.org/10.15587/2706-5448.2026.356886

Номер

Розділ

Системи та процеси керування