Миссия и общая характеристика предприятия. 1 страница

Алгоритм многокритериального анализа и выбора наиболее предпочтительных вариантов реструкторизации.

Современная бизнес система или модель планирования, в том числе и бизнес система авиапредприятия, обладает большим спектром характеристик, поэтому определение ее будущих параметров является весьма важным в отношении процесса ее функционирования, организации рабочего процесса и повышения качества обслуживания. Поиск оптимального сочетания характеристик следует производить а с использованием методов системного анализа.

Существуют различные инструменты решения многокритериальных задач, среди которых можно, в первую очередь выделить, следующие методы:

· метод анализа иерархий;

· принцип Эджворта-Парето (принцип Парето);

· метод последовательных уступок;

· метод главного критерия;

Принцип Эджворта-Парето (принцип Парето). Набор составляющих ИС можно представить в виде некоторого множества X = {x₁, x₂, …., x_m}, где m — мощность множества. Каждый элемент множества характеризуется вектором показателей качества x_i = {x_i1, x_i2,.….,x_iN}, где N — размерность вектора. Таким образом, весь набор составляющих модели и алгоритма планирования можно представить в виде множества, расположенного в пространстве характеристик RN. По каждому из составляющих вектора X_i определены критериальные функции оптимизации. Здесь предполагается минимизировать все показатели, что может быть несправедливым в некоторых ситуациях, однако не трудно показать, что показатель, чей критерий не совпадает с общим, может быть преобразован к удобному виду, там же показано, как разнородные показатели могут быть преобразованы к единому масштабу и размерности.

Задачи многокритериального анализа можно разделить на два класса: к первому относятся задачи выделения некоторого подмножества приемлемых вариантов, а другой класс задач предполагает поиск единственного оптимального варианта. Решение первого класса задач может быть выполнено формальными методом, основанным на выделении подмножества не худших вариантов (множество Парето).

(3)

Причем хотя бы для одного xi неравенство должно быть строгим.

Выбор единственной оптимальной точки из X сопряжен с определенной долей произвола, заключающейся в необходимости определения значимости среди характеристик элементов множества. Как правило, такая информация получается от ЛПР либо путем непосредственного задания весов для каждой характеристики, либо в неявном виде по результатам сравнения двух вариантов. Этот подход субъективен и целиком и полностью зависит от ЛПР, а при достаточно большой размерности вектора параметров велика вероятность ошибки или неточности в сравнении вариантов.

Множество, содержащее только компоненты модели и алгоритма планирования, которые имеют место в данный момент времени, является динамическим, т.е. изменяющимся с течением времени. Одни альтернативы (точки) исчезают из множества из-за их устаревания, а другие, их заменяющие или вновь установленные, появляются. Методика векторной оптимизации в этом случае должна быть чувствительной к изменению сравнительной важности показателей качества, изменяющихся под воздействием возмущений, и, следовательно, выбираемый вариант модернизации модели и алгоритма планирования должен определяться тенденциями, сложившимися в данный момент. Если посмотреть, как будет вести себя рассматриваемое множество альтернатив, то увидим, что если под воздействием каких-либо внешних факторов значимость некоторых показателей изменяется, то в множестве либо появляются новые альтернативы (точки), удовлетворяющие изменившимся требованиям, либо старые меняют свои характеристики в соответствии с изменившимися условиями. Определив точку центра координат множества X как:

(4)

мы получим координаты точки x* = {x1*, x2*,……, xN*} в пространстве RN, соотношение характеристик которой можно принять за оптимальное. Так как оптимальное решение должно принадлежать подмножеству не худших вариантов, то им будет такая альтернатива (точка), одновременно принадлежащая этому подмножеству и имеющая соотношение показателей, аналогичное центру координат. Геометрически ее место можно определить на пересечении подмножества не худших точек и вектора центра координат, т.к. все точки, лежащие на этом векторе, имеют одинаковое соотношение характеристик. Здесь следует заметить, что в реальном дискретном множестве оптимальная точка, как правило, будет абстрактной, т.е. ей не будет соответствовать ни одна из точек исходного множества, поэтому оптимальное решение следует искать как ближайшую к ней точку. Для этого удобно представить множество Par(X) в виде векторов, исходящих из точки начала координат и оканчивающихся в соответствующих им точках множества.

Рис 6. Выбор оптимальной точки.

Определив вектор, имеющий наименьший угол расхождения с вектором центра координат, мы найдем искомое решение.

Если включить в рассмотрение все параметры характеризующие данный компонент ИС, то множество, расположенное в пространстве своих характеристик RN, должно целиком входить в множество не худших вариантов (множество Парето).

Если безусловно худшие точки все-таки существуют, то это свидетельствует либо об “умирании” модели и алгоритма планирования развития либо о том, что в рассмотрение не были включены некоторые характеристики. При постановке задачи определены в качестве оптимизируемых все характеристики элементов множества, однако такой подход не вполне корректен, т.к. обычно при выборе определяющим являются лишь ограниченное число параметров, а остальные используются для задания ограничений или не рассматриваются вообще. Рассматривая множество в пространстве оптимизируемых характеристик RL (L < N), мы получим точки, не входящие в множество Парето, и этих точек будет тем больше, чем больше будет отношение N/L. Множество безусловно худших вариантов определяется как:

Очевидно что Y, содержащее элементы из X, не вошедшие в множество не худших вариантов при рассмотрении L-характеристик предназначены для других целей, нежели те, которые преследовались, при определении оптимизируемых параметров. Исходя из этого, разумно предположить, что элементы множества, не вошедшие в множество Парето при ограниченном числе параметров, не должны влиять на выбор, следовательно, определение центра координат множества необходимо проводить только по точкам множества Парето [1,11,15].

Метод последовательных уступок. В его основе идея понижения размерности исходной задачи путем назначения главного критерия в специально формируемых двумерных подзадачах условной оптимизации. Для этого в ходе вербального анализа исходов операции все частные критерии w_i i=1, 2, …, m ранжируют и нумеруют в порядке убывания важности. Затем максимизируют первый, самый важный критерий w₁ и находят его наибольшее значение . Далее, исходя из практических соображений, ЛПР назначается некоторая уступка D₁ от достигнутого значения . Величина уступки — это своеобразная плата за возможность повысить значения очередного по важности критерия w₂ от его достигнутого к данному шагу уровня w₂(а) для альтернативы а, обеспечивающей величину . В результате второй критерий может достичь величины , зависящей, естественно, от величины D₁ уступки по первому критерию. Затем назначают уступку D₂ по критерию w₂ (от значения ), ценой которой стремятся увеличить значения критерия w₃, и т.д. Таким образом, величины уступок последовательно назначаются в результате анализа только попарной взаимосвязи критериев. Выбирая уступки, ЛПР должно рассматривать только зависимость , не обращая внимание на остальные критерии. При этом чаще всего вначале даже незначительная уступка D_i от значения приводит к существенному увеличению значения критерия , а затем с ростом величины уступки маргинальные приращения в значениях критерия резко уменьшаются. Сопоставляя получаемый в этом случае выигрыш по критерию с потерями в значениях критерия , ЛПР окончательно назначает величину уступки D_i и определяет значение . Следовательно, именно ранжирование критериев по важности позволяет ЛПР ограничиваться назначением величины уступки для предыдущего критерия только с учетом поведения последующего.

Метод главного критерия. Здесь агрегирования сводится к назначению одного из критериев, например w_j, главным и дополнительно требуют, чтобы значение всех остальных, «неглавных» критериев w_i, удовлетворяли дополнительным ограничениям. Обычно указанная подобласть задается ограничениями-неравенствами вида , поэтому задачи оптимизации приминает вид:

В данной работе подробнее остановимся на методе анализа иерархий.

Метод анализа иерархий (МАИ) является систематической процедурой для иерархического представления элементов, определяющих суть любой проблемы. Метод состоит в декомпозиции проблемы на все более простые составляющие части и дальнейшей обработке последовательности суждения лица, принимающего решение, по парным сравнениям. В результате может быть выражена относительная степень (интенсивность) взаимодействия элементов в иерархии. Эти суждения затем выражаются численно. МАИ включает процедуры синтеза множественных суждений, получения приоритетности критериев и нахождения альтернативных решений.

Список применений метода весьма разнообразен: исследования транспортной системы Судана, пивоваренная промышленность Мексики, проведение анализа «стоимость-эффективность», распределение ресурсов. В Израиле профессор Ами Арбель нашел метод полезным при принятии решений как по формализуемым, так и неформализуемым факторам, для которых отсутствовали связывающие их аналитические зависимости. Метод постоянно используется при планировании промышленности Питтсбурга, банковского дела, сталелитейной промышленности, в сфере городского хозяйства и координации общественных услуг. Кроме того, необходимо отметить, что и в России этот метод получает все большее распространение: различные виды маркетинговых исследований, определение сценариев развития города, оценки различных коммерческих рисков и т.д. Во многих ВУЗах России, имеющих экономические специальности, вводятся соответствующие дисциплины.

Роль подобного языка в МАИ выполняют различные иерархические структуры. Соответственно, в МАИ любая задача или проблема предварительно структурируются и представляются в виде иерархии древовидной или сетево.

Таким образом, в МАИ основная цель исследования и все факторы, в той или иной степени влияющие на достижение цели, распределяются по уровням в зависимости от степени и характера влияния.

На первом уровне иерархии всегда находится одна вершина— цель проводимого исследования.

Второй уровень иерархии составляют факторы, непосредственно влияющие на достижение цели. При этом каждый фактор представляется в строящейся иерархии вершиной, соединенной с вершиной 1-го уровня. Третий уровень составляют факторы, от которых зависят вершины 2-го уровня. И так далее. Этот процесс построения иерархии продолжается до тех, пока в иерархию не включены все основные факторы или хотя бы для одного из факторов последнего уровня невозможно непосредственно получить необходимую информацию.

По окончании построения иерархии для каждой материнской вершины проводится оценка весовых коэффициентов, определяющих степень ее зависимости от влияющих на нее вершин более низкого уровня. При этом используется метод попарных сравнений.

Производится сравнение изучаемых факторов попарно по отношению к их воздействию («весу», или «интенсивности») на общую для них характеристику.

Пусть в конкретной задаче необходимо определить состав некоторого объекта. Причем пусть A1, A2,...,An основные факторы, определяющие состав объекта. Тогда для определения структуры объекта заполняется матрица парных сравнений.

	A1	A2	...	An
A1		a12		a1n
A2	a21			a2n
...			...
An	an1	an2

Если обозначить долю фактора Ai через w_i, то элемент матрицы a_ij = w_i/ w_j.

При этом очевидно a_ij = 1/a_ji. Следовательно, матрица парных сравнений в данном случае является положительно определенной, обратносимметричной матрицей.

Работа экспертов состоит в том, что, производя попарное сравнение факторов A1,...,An эксперт заполняет таблицу парных сравнений. Важно понять, что если w₁, w₂,..., w_n неизвестны заранее, то попарные сравнения элементов производятся с использованием субъективных суждений, численно оцениваемых по шкале, а затем решается проблема нахождения компонента w.

В подобной постановке задачи решение проблемы состоит в отыскании вектора (w₁, w₂,..., w_n). Существует несколько различных способов вычисления искомого вектора. Каждый из методов позволяет кроме непосредственного нахождения вектора отвечать еще на некоторые дополнительные вопросы. Подробнее об этом будет написано ниже.

Подчеркнем, что эксперт сравнивая n факторов реально проводит не n (как это происходит при заполнении обычных анкет) сравнений, а n*(n-1)/2 сравнений. Но это еще не все. На самом деле (учитывая соотношение a_ij=a_iк* aкj справедливое для всех значений индекса k) производится опосредованное сравнение факторов Ai и Aj через соответствующие сравнения этих факторов с фактором Ak. Принимая во внимание сделанное замечание можно утверждать, что в действительности эксперт производит значительно больше сравнений, чем даже показывает первая оценка равная n*(n-1)/2. Таким образом, каждая клетка матрицы парных сравнений реально содержит не одно число (результат непосредственного сравнения), а целый вектор (с учетом всех опосредованных сравнений через сравнения с другими факторами). Учет этих дополнительных сравнений позволяет значительно повысить надежность получаемых результатов, или позволяет значительно уменьшить количество необходимых экспертов.

Один из основных методов отыскания вектора w основывается на одном из утверждений линейной алгебры.

Очевидно, что искомый вектор является собственным вектором матрицы парных сравнений, соответствующим максимальному собственному числу (λ_max). В этом случае по одному из большого max, а затем достаточно решить количества существующих алгоритмов отыскивается векторное уравнение A*w=λ_max*w.

Здесь необходимо отметить следующее. Из линейной алгебры известно, что у положительно определенной, обратносимметричной матрицы, имеющей ранг равный 1, максимальное собственное число равно размерности этой матрицы (т.е. n). При проведении сравнений в реальной ситуации вычисленное максимальное собственное число λ_max будет отличаться от соответствующего собственного числа для идеальной матрицы. Это различие характеризует так называемую рассогласованность реальной матрицы. И, соответственно, характеризует уровень доверия к полученным результатам. Чем больше это отличие, тем меньше доверие. Таким образом, эта модификация метода парных сравнений содержит внутренние инструменты позволяющие определить качество обрабатываемых данных и степень доверия к ним. Эта особенность данной методики выгодно отличает его от большинства обычно применяемых при исследовании рынка методов.

Другой подход в определении вектора w состоит в следующем. Суммируются по строкам элементы матрицы парных сравнений (для каждого значения i вычисляется сумма a _i= a_i1+ a_i2+...+ a_in). Затем все a_i нормируются так, чтобы их сумма была равна 1. В результате получаем искомый вектор w. Таким образом, w_i = a_i/(a₁+ a₂+...+ a_n).

Этот способ нахождения вектора w, значительно проще в реализации, но он не позволяет определять качество исходных данных.

Метод парных сравнений позволяет определить качество исходных данных. Причем Т. Саати рекомендует при плохо согласованной матрице либо сменить экспертов, либо найти дополнительные данные, либо решать проблему другим методом. В том случае, когда проблема не в экспертах, а в собственно объекте изучения. Рассогласованность матрицы парных сравнений может быть вызвана, по крайней мере двумя факторами:

· личными качествами эксперта;

· степенью неопределенности объекта оценки.

Поэтому рассогласованность матрицы выступает как результат взаимодействия этих факторов. Следовательно, игнорирование такой структуры причин рассогласования приводит к тому, что рекомендуемые мероприятия по повышению согласованности матрицы проводятся не только в ситуациях, когда большая рассогласованность является следствием низкой профессиональности эксперта, но и в случаях, когда подобная неоднозначность является неотъемлемой частью изучаемого объекта, что, как правило, и происходит при изучении рынка недвижимости. В последнем случае необходимо изучать объект такой, какой он есть со всеми присущими ему неопределенностями.

Для того чтобы выделить ту составляющую рассогласованности, которая определяется собственно экспертом, необходимо несколько изменить взгляд на объект и на ожидаемый результат обработки исходных данных.

Прежде всего, необходимо признать, что объекту исследования (в частности, ИС) присуща некоторая неопределенность. И, как следствие, ожидать однозначного результата было бы не разумно. Ответ может и должен быть сформулирован на языке вероятности, т.е. либо в виде доверительных интервалов, либо в виде вероятности реализации интересующего результата, либо в виде математического ожидания результата и его дисперсии и т.д.

Построить алгоритм обработки матрицы сравнений, представляющий результаты в необходимой форме, позволяет отмеченное выше свойство матрицы сравнений: каждый элемент матрицы является, по сути, целым вектором, составленным из различных сравнений (прямых и опосредованных) соответствующих факторов. Учитывая это свойство можно для каждого элемента матрицы сопоставить его среднее значение и его стандартное квадратичное отклонение (СКО). Далее пользуясь методами стохастического моделирования можно построить последовательности матриц сравнения, каждая из которых будет соответствовать одной из возможных реализаций отношений характерных для данного объекта в рамках его неоднозначности и компетентности оценивающих его экспертов. Определяя для каждой такой матрицы вектор w, получим достаточно большой набор векторов, представляющих возможные реализации структуры объекта в соответствии с его неоднозначностью и компетентностью оценивающих его экспертов. Воспринимая, построенный подобным образом, набор векторов, как статистическую выборку, можно получить необходимый результат в том виде, который необходим в конкретном случае. В частности легко можно получить средние значения компонент вектора w и значения их СКО [6].

Полученные таким образом значения СКО и являются следствием степени рассогласованности матрицы парных сравнений. Чем больше рассогласованность, тем больше значения СКО.

Заполняя матрицу сравнений эксперт может заполнить ее только выше главной диагонали. Остальная ее часть рассчитывается с учетом обратной симметричности. Но если эксперт заполняет не только верхнюю, но и нижнюю часть матрицы, то появляется дополнительная информация, позволяющая оценить степень личной компетентности данного эксперта.

Действительно, при сравнении фактора Ai с фактором Aj эксперт поставит оценку a_ij, а при сравнении фактора Aj с фактором Ai эксперт поставит оценку a_ji. При этом на взаимное соотношение этих оценок не влияет состояние ИС, а только профессионализм эксперта (в идеальном случае, как уже отмечалось, должно выполняться равенство a_ji = 1/ a_ij). Таким образом, отклонение a_ji от 1/ a_ij является случайной величиной и ее СКО соответствует уровню профессионализма эксперта. Следовательно, учитывая свойства дисперсии, можно из оценок элементов матрицы сравнений убрать влияние непрофессионализма эксперта и в результате уменьшить СКО компонентов вектора w. В итоге вектор w, точнее средние значения его компонент и их СКО, будет соответствовать данному объекту (в частности рынку) и адекватно описывать его.

Для проведения субъективных парных сравнений Т. Саати была разработана шкала относительной важности (таблица 5).

Таблица 5.

Интенсивность относительной важности	Определение	Объяснение
	Несравнимы	Эксперт затрудняется в сравнении
	Равная важность	Равный вклад двух видов деятельности в цель
	Умеренное превосходство одного над другим	Опыт и суждения дают легкое превосходство одному виду деятельности над другим
	Существенное или сильное превосходство	Опыт и суждения дают сильное превосходство одному виду деятельности над другим
	Значительное превосходство	Одному из видов деятельности дается настолько сильное превосходство, что оно становится практически значительным
	Очень сильное превосходство	Очевидность превосходства одного вида деятельности над другим подтверждается наиболее сильно
2,4,6,8	Промежуточные решения между двумя соседними суждениями	Применяются в компромиссном случае
Обратные величины приведенных выше чисел	Если при сравнении одного вида деятельности с другим получено одно из вышеуказанных чисел (например, 3), то при сравнении второго вида деятельности с первым получим обратную величину (т.е. 1/3)

Выбор шкалы определялся следующими требованиями:

(а) Шкала должна давать возможность улавливать разницу в чувствах людей, когда они проводят сравнения, различать как можно больше оттенков чувств, которые имеют люди.

(б) Эксперт должен быть уверенным во всех градациях своих суждений одновременно.

Используя разработанные ранее, во второй главе модели развития авиапредприятия и соответствующие алгоритмы расчетов сценариев развития и многокритериального оценивания, продемонстрируем их работоспособность на примере авиакомпании «Ютэйр».

Глава 4. Управленческий анализ функционирования ОАО «Ютэйр» в 2004-2008 годах и разработка новой стратегии развития авиакомпании.

· «Ютэйр» входит в четверку крупнейших мировых вертолетных компаний.

· «Ютэйр» входит в пятерку ведущих авиакомпаний России по числу перевезенных пассажиров на рынке пассажирских перевозок в России.

· «Ютэйр» занимает 197 место среди крупнейших Российских компаний по объему реализованной продукции.

Свою историю авиакомпания ведет с 7 февраля 1967 года, когда приказом Министра гражданской авиации СССР было организовано тюменское управление гражданской авиации, которое впоследствии было реорганизовано в государственную авиакомпанию «Тюменьавиатранс». В соответствии с Указом президента № 721 от 1 июля 1992 года, авиакомпания «Тюменьавиатранс» была преобразована в открытое акционерное общество. 30 мая 2002 года на прошедшем в г. Ханты-Мансийск общем годовом собрании акционеров ОАО «Авиакомпания «Тюменьавиатранс» было принято новое наименование — ОАО «Авиакомпания «Ютэйр».

В 2007 году авиакомпания перешагнула 40-летний рубеж со дня своего основания. В течение прошедшего года было продолжено обновление парка воздушных судов, освоение новых авиационных рынков России и зарубежья, совершенствование структуры авиакомпании. В 2007 году «Ютэйр» первой среди российских авиакомпаний получило лицензии нового образца Министерства транспорта РФ на осуществление перевозок воздушным транспортом пассажиров и грузов. Лицензии выданы на пять лет и действительны до 13 ноября 2012 года. Успешно пройдена процедура продления сертификата эксплуатанта воздушного транспорта, подтверждающего право осуществлять коммерческие воздушные перевозки и авиационные работы до 29 апреля 2009 года. Расширена география вертолетных работ по коммерческим контрактам, авиакомпания принимала участие в тушении пожаров в Греции, Италии. В рамках укрепления лидирующей позиции «Ютэйр» на мировом и российском рынках вертолетных работ, большое внимание уделялось обновлению и совершенствованию парка винтокрылых машин. В 2007 году были приобретены четыре вертолета Ми-8т и один Ми-8Мтв-1, на одну единицу пополнился парк Ми-26, на две — Ми-171. Начато освоение новых типов легких вертолетов Eurocopter ВО-105, Eurocopter AS-355N. в 2007 году подписан договор с ОАО «Улан-Удэнский авиационный завод» на поставку 40 новых вертолетов Ми-171 в течение 3 лет, также в начале 2008 года подписано соглашение о намерениях с компанией EUROCOPTER о поставке 15 вертолетов начиная с 2012 года.

Миссия ОАО «Авиакомпания Ютэйр» - предоставление клиентам услуги максимально высокого качества и обеспечение роста доходов акционеров. Каждое бизнес-направление авиакомпании имеет четкие стратегические цели и задачи, которые она последовательно реализует на основе своих конкурентных преимуществ.

Миссия бизнес - направления вертолетных работ заключается в выполнении по заказу клиентов авиационных работ оптимального качества и сложности в любое время года и суток в любой точке земного шара силами современной и надежной вертолетной техники.

Предоставление пассажирам транспортных услуг на самолетах различного типа, по разумным ценам и на удобных маршрутах, с обеспечением высокого уровня безопасности, комфорта и сервиса.

В таблицах 6 и 7 отображены стратегические и среднесрочные цели АК «Ютэйр» После анализа реализуемой стратегии ОАО «ЮТэйр», в таблице 8 представлены конкурентные преимущества АК.

Таблица 6. Стратегические цели и задачи ОАО «Ютэйр»

Вертолетные работы	Пассажирские перевозки
Укрепление занимаемого положения в числе лидеров мирового рынка вертолетных работ — глобальных вертолетных операторов	Выход на новые рынки на внутренних и международных линиях путем создания и предложения новых продуктов
Интеграция в мировое вертолетное сообщество путем унификации стандартов и кооперации с мировыми вертолетными операторами	Обновление парка воздушных судов путем приобретения новых ближнемагистральных и среднемагистральных самолетов
Сохранение доминирующего положения на региональном российском рынке в Западной Сибири	Достижение 10%-го уровня рентабельности продаж
Освоение и предложение клиентам новых услуг в рамках наиболее перспективных и доходных видов вертолетных работ, прежде всего, для компаний нефтегазового сектора	Закрепление на рынке внутренних пассажирских авиаперевозок на уровне не ниже третьего места среди национальных авиакомпаний с долей рынка не ниже 10%
Выход на новые мировые рынки, прежде всего, в Юго-восточной Азии и Европе

Таблица 7. Среднесрочные цели ОАО «Ютэйр».

Вертолетные работы	Вертолетные работы за рубежом	Пассажирские перевозки
Разработка новых технологий применения вертолетов при выполнении работ для нефтяных и газовых компаний	Дальнейшая интеграция в мировое вертолетное сообщество	Освоение региональных рынков, входящих в сеть регулярных маршрутов авиакомпании
Освоение и введение в эксплуатацию легкого вертолета	Продвижение вертолета Ми-26 на мировых рынках	Освоение региональных и среднемагистральных самолетов, отвечающих мировым требованиям
Повышение мобильности вертолетных групп для облегчения перемещения операционных баз вертолетных работ	Расширение географии выполняемых работ (в Африке, Юго-восточной Азии, Европе, CIF, на Ближнем Востоке, Австралии)	Создание системы управления качеством производства, процессами перевозки пассажиров на основе стандартов ISO 9000
Расширение района и объемов обслуживания за счет применения вертолетов по всей территории России	Расширение диапазона выполняемых видов вертолетных работ; Унификация операционных стандартов, технологий	Модернизация сети маршрутов на основе создания авиационных узлов-коммуникаторов (hub)

Таблица 8. Конкурентные преимущества ОАО «Ютэйр».

Дата добавления: 2014-11-29