Collection of Scientific Papers "Scientific Notes"

Collection of Scientific Papers "Scientific Notes"

ВИКОРИСТАННЯ МОДЕЛЕЙ З НЕЧІТКОЮ ЛОГІКОЮ ДЛЯ ПРИЙНЯТТЯ ІНВЕСТИЦІЙНИХ РІШЕНЬ ЩОДО МАТЕРІАЛЬНИХ АКТИВІВ ПІДПРИЄМСТВА

USING FUZZY LOGIC MODELS FOR MAKING INVESTMENT DECISIONS ON TANGIBLE ASSETS OF AN ENTERPRISE

DOI:

10.33111/vz_kneu.39.25.02.01.005.011

Анотація: У статті розглянуто застосування моделей з нечіткою логікою для прийняття обґрунтованих інвестиційних рішень про матеріальні активи теплоелектростанцій (ТЕС) в Україні. З огляду на складний та динамічний стан енергетичної системи країни, а також необхідність модернізації застарілого обладнання планування інвестицій у капітальні ремонти та модернізацію стає важливою складовою управлінських процесів. У звʼязку з цим використання традиційних методів планування не завжди є ефективним через наявність великої кількості невизначених або нечітких факторів, що впливають на прийняття рішень, таких як економічні коливання, зміни у законодавстві, екологічні вимоги та технологічні інновації.
Одним із підходів до вирішення цієї проблеми є застосування моделей нечіткої логіки, які дозволяють обробляти нечітку та неповну інформацію, що виникає в умовах нестабільності. Нечітка логіка дає можливість оцінювати ризики, витрати та вигоди інвестиційних рішень, коли точні дані недоступні або неповні. Такий підхід дозволяє здійснювати гнучке управління капітальними ремонтами, модернізацією та заміною обладнання з урахуванням непередбачуваних змін у зовнішньому середовищі.
У статті проаналізовано специфічні аспекти функціонування ТЕС в Україні, зокрема роль маневрової генерації та її вплив на баланс попиту та пропозиції енергії. Оскільки ТЕС мають здатність оперативно змінювати потужність (маневрені потужності), їх участь у процесі регулювання енергетичної мережі надзвичайно важлива для забезпечення стабільної роботи енергетичної системи. Застосування моделей нечіткої логіки в процесі інвестиційного планування дає змогу не лише знизити рівень ризиків, а й оптимізувати витрати на модернізацію ТЕС, що є важливим етапом у забезпеченні стабільного енергопостачання в Україні. Розроблені рекомендації можуть бути використані для покращення управління енергетичними підприємствами та прийняття більш обґрунтованих рішень у сфері капітальних ремонтів.
Abstract: The research investigates the use of fuzzy logic models to make informed
investment decisions on material assets at thermal power plants (TPPs) in Ukraine. Given the complexity and dynamic nature of the countryʼs energy system, as well as the necessity to replace outdated equipment, investment planning for capital repairs and modernization has become an essential component of management operations. In this regard, traditional planning methods are not always effective due to the presence of multiple unpredictable or ambiguous aspects influencing decision-making, such as economic fluctuations, legislative changes, environmental restrictions, and technology developments.One option to tackling this issue is to use fuzzy logic models, which allow for the processing of unclear and partial information that arises during times of instability. Fuzzy logic allows
for the assessment of risks, costs, and benefits of investment decisions when precise data is unavailable or inadequate. This strategy enables flexible management of capital repairs, modernization, and equipment replacement while accounting for unanticipated changes in the external environment.
The article also examines specific features of TPP operation in Ukraine, specifically the role of movable generation and its impact on the energy supply-demand balance. TPPsʼability to quickly modify output makes their participation in regulating the energy grid critical for ensuring the energy systemʼs stability. The application of fuzzy logic models in investment planning not only reduces risk levels but also optimizes modernization costs for TPPs, which is an essential step in ensuring stable energy supply in Ukraine. The recommendations developed can be used to improve the management of energy enterprises and make more informed decisions in the field of capital repairs
Ключові слова: нечітка логіка, інвестиційні рішення, теплоелектростанція, капітальний ремонт, енергетична система
Key words: fuzzy logic, investment decisions, thermal power plant, capital repairs, energy system.
УДК: 339.92
UDC: 339.92

JEL: C13 C50 G31

To cite paper
In APA style
Marchuk, V. (2025). USING FUZZY LOGIC MODELS FOR MAKING INVESTMENT DECISIONS ON TANGIBLE ASSETS OF AN ENTERPRISE. Collection of Scientific Papers "Scientific Notes", 39 (2), 8-22. http://doi.org/10.33111/vz_kneu.39.25.02.01.005.011
In MON style
Марчук В.В. ВИКОРИСТАННЯ МОДЕЛЕЙ З НЕЧІТКОЮ ЛОГІКОЮ ДЛЯ ПРИЙНЯТТЯ ІНВЕСТИЦІЙНИХ РІШЕНЬ ЩОДО МАТЕРІАЛЬНИХ АКТИВІВ ПІДПРИЄМСТВА. Збірник наукових праць "Вчені записки". 2025. № 39(2). С. 8-22. http://doi.org/10.33111/vz_kneu.39.25.02.01.005.011 (дата звернення: 01.07.2025).
With transliteration
Marchuk, V. (2025) VYKORYSTANNIa MODELEI Z NEChITKOIu LOHIKOIu DLIa PRYINIaTTIa INVESTYTsIINYKh RIShEN ShchODO MATERIALNYKh AKTYVIV PIDPRYIeMSTVA [USING FUZZY LOGIC MODELS FOR MAKING INVESTMENT DECISIONS ON TANGIBLE ASSETS OF AN ENTERPRISE]. Collection of Scientific Papers "Scientific Notes", no. 39(2). pp. 8-22. http://doi.org/10.33111/vz_kneu.39.25.02.01.005.011 [in Ukrainian] (accessed 01 Jul 2025).
# 39(2) / 2025 # 39(2) / 2025
Download Paper
14
Views
7
Downloads
0
Cited by

  1. Energy of Ukraine in June 2024 [Electronic resource]. — Access mode: https://razumkov.org.ua/images/2024/07/11/2024-PAKT-12.pdf.
  2. Zadeh L. Fuzzy Sets // Information and Control. — 1965. — No. 8. — P. 338‒353.
  3. Mamdani E. Application of fuzzy algorithms for the control of a simple dynamic plant // Proc. IEEE. — 1974. — Vol. 121. — P. 1585‒1588.
  4. Mamdani E., Assilian S. An experiment in linguistic synthesis with a fuzzy logic controller // International Journal of Man-Machine Studies. — 1975. — Vol. 7. — P. 1‒13.
  5. Sugeno M., Nishida M. Fuzzy control of model car // Fuzzy Sets and Systems. — 1985. — Vol. 16. — P. 103‒113
  6. 6. OʼHagan M. A Fuzzy Decision Maker // Proc. Fuzzy Logic ʼ93 (Computer Design Magazine). — P. M313.
  7. OʼHagan M. Fuzzy Decision Aids // Proc. 21st Annual Asilomar Conf. on Signals, Systems, and Computers (IEEE and Maple Press, Pacific Grove, CA). — 1987. — Vol. 2. — P. 624.
  8. De Luca A., Termini S. A definition of a non-probabilistic entropy in the setting of fuzzy sets theory // Information and Control. — 2002. — Vol. 20. — P. 301‒312.
  9. De Luca A., Termini S. Algebraic properties of fuzzy sets // Journal of Mathematical Analysis and Applications. — 2002. — Vol. 40. — P. 373‒386.
  10. De Luca A., Termini S. Entropy of L-fuzzy sets // Information and Control. — 2004. — Vol. 24. — P. 55‒73.
  11. De Luca A., Termini S. On the convergence of entropy measures of fuzzy sets // Kybernetes. — 2007. — Vol. 6. — P. 219‒227.
  12. De Luca A., Termini S. Entropy and energy measures of a fuzzy set // In: Advances in Fuzzy Set Theory and Applications / Ed. by M. M. Gupta, R. K. Ragade, R. R. Yager. — Amsterdam: North-Holland, 2009. — 321 p.
  13. De Luca A., Termini S. On some algebraic aspects of the measures of fuzziness // In: Fuzzy Information and Decision Processes / Ed. by M. M. Gupta, E. Sanchez. — Amsterdam: North-Holland, 2002. — P. 17‒24.
  14. Matviychuk A. V. Modeling of Economic Processes Using Fuzzy Logic Methods. — Kyiv: KNEU, 2007. — 264 p.
  15. Mutviychuk A.V. Bankruptcy Prediction in Transformational Economy: Discriminant and Fuzzy Logic Approaches // Fuzzy Economic Review. — 2010. — Vol. XV, No. 1. — P. 21‒38.
  16. Matviychuk A. V. Discriminant Model for Estimating Bankruptcy Probability // Modeling and Information Systems in Economics. — 2006. — Issue 74. — P. 299‒314.
  17. Kotov B. I., Hryshchenko V. O. Fuzzy Automatic Control System for Air Cooler at a Thermal Power Plant // Journal of Automation and Information Technology. — 2022. [Electronic resource]. — Access mode: https://journal.imaap.org.ua.
  18. Ostapchuk O. V., Vozhakov R. V., Bolotny M. P. Automated Control Systems and Optimization of Electric Station Modes: Tutorial. — Kyiv: KPI named after Igor Sikorsky, 2019. [Electronic resource]. — Access mode: https://ela.kpi.ua/bitstream/123456789/ 57384/1/ASU_Lab.pdf (Accessed: 09.02.2025).
  19. Nevmerzhitsky O. V. Analysis of Modern Knowledge-Oriented Models and DecisionMaking Methods // Information Technology in Design. — 2013. — No. 13. — P. 119‒125. 20. Dubchak L. The Method of Fuzzy Data Processing Based on the M