Пучкова К.В. Развитие научно-методических принципов совершения таможенных операций и проведения таможенного контроля в отношении меда натурального, перемещаемого через таможенную границу ЕАЭС // Бюллетень инновационных технологий. 2018. Т. 2, № 2(6). С. 48-53

УДК 339.56.055

Развитие научно-методических принципов совершения таможенных операций и проведения таможенного контроля в отношении меда натурального, перемещаемого через таможенную границу ЕАЭС

Пучкова К.В.

Санкт-Петербургский филиал Российской таможенной академии

Аннотация

В представленной статье представлены результаты разработки практических рекомендаций по совершенствованию системы управления таможенными рисками при перемещении меда натурального через таможенную границу ЕАЭС, а также многофакторной модели выявления таможенных правонарушений при перемещении меда натурального через таможенную границу ЕАЭС. Также в статье описывается подход к применению регрессионного анализа при спектральном анализе меда натурального для выявления таможенных правонарушений при перемещении меда натурального через таможенную границу ЕАЭС.

Ключевые слова: мед натуральный, таможенный контроль, таможенные операции, правонарушения, страна происхождения, химический состав, регрессионный анализ.


The development of scientific and methodological principles of performing customs operations and customs control of a natural honey, moved through the customs border of the EEU

Puchkova K.V.

St. Petersburg Branch of the Russian Customs Academy

Abstract

This article presents the results of developing practical recommendations for the improving the risk-management system for customs control of a natural honey, moved through the customs border of the EEU. Also this article presents the multifactor model for detecting customs offenses in customs control of a natural honey, moved through the customs border of the EEU. Moreover, the article describes the approach of the using regression analysis in the spectral analysis of natural honey for detecting customs offenses.

Keywords: natural honey, customs control, customs operations, offences, the country of origin, chemical composition, regression analysis.


При перемещении меда натурального через границу ЕАЭС наиболее существенными правонарушениями являются правонарушения, связанные с классификацией меда натурального и с его происхождением [1]. Однако такого рода правонарушения, умышленные или случайные, не могут пройти бесследно. Даже в случае тщательной подготовки совершения правонарушения участник ВЭД не сможет скрыть абсолютно все признаки, указывающие на совершение противоправного деяния [2]. Исследование таких признаков осуществляется в рамках системы управления рисками таможенных органов. До сегодняшнего дня меду натуральному уделялось недостаточное внимание в системе управления рисками [3, 4]. В этом заключается актуальность данного этапа исследования.

Цель статьи – развитие научно-методических принципов совершения таможенных операций и проведения таможенного контроля в отношении меда натурального, перемещаемого через таможенную границу ЕАЭС.

С помощью инструмента анализа причинно-следственных связей Диаграмма Исикавы были определены такие признаки. На рис. 1. представлены риски, указывающие на перемещение меда натурального с примесями. На рис. 2. – риски, указывающие на перемещение меда натурального под видом искусственного. На рис. 3. – риски, указывающие на перемещение меда натурального с заявлением недостоверной страны происхождения. В верхней части диаграммы представлены риски, которые могут быть подтверждены или опровергнуты в автоматическом режиме с помощью программного обеспечения, а в нижней части диаграмма – те риски, для подтверждения или опровержения их наличия необходима экспертная оценка.

Наличие профилей риска – всего лишь первый шаг по противодействию потенциальному правонарушению. Для того, чтобы установить, соответствует ли требованиям законодательства поставка необходимо осуществить некую последовательность действий.

Сначала необходимо проверить поставку на предмет совпадения с профилями риска, либо же на предмет наличия рисковых признаков

Если совпадений нет, то тогда поставка относится к низкому уровня риска. Если совпадения есть, то необходимо смотреть, какой уровень риска можно присвоить поставке (категорирование поставок). В случае если уровень риска будет низким или средним, то необходимо ответить на вопрос, есть ли необходимость дополнительной проверки. Решение о ней должно принять должностное лицо таможенного органа. Если уровень риска будет высоким или средним, то необходимо реализовать меры по минимизации рисков. Одной из мер может быть таможенная экспертиза, с помощью которой можно определить, есть ли признаки, указывающие на нарушение таможенного законодательства. В данном случае такими признаками могут быть: наличие незадекларированных примесей в меде натуральном, декларирование меда натурального под видом искусственного, указание неверной страны происхождения меда натурального. Если такие признаки были выявлены, то поставка определяется, как не соответствующая требованиям законодательства.

В графическом виде данную многофакторную модель выявления таможенных правонарушений при перемещении меда натурального через таможенную границу ЕАЭС можно представить следующим образом (рис. 4.).

Теперь рассмотрим модель использования спектрометра при таможенной экспертизе меда натурального. Данный метод ранее был определен, как наиболее подходящий для анализа химического состава меда натурального. Также ранее было установлено, что наиболее подходящим методом для математической обработки спектров, полученных при спектроскопии, является регрессионный анализ.

Модель изображена в схематичном виде на рис. 5.

Здесь деятельность ЦЭКТУ можно разделить на три этапа. Первый – регистрация полученных образцов меда натурального. На данном этапе фиксируется состояние образца, а также определяются его физико-химические свойства. Далее, на втором этапе, происходит исследование. Образец просвечивается ИК-спектрометром, спектры регистрируются, затем сравниваются со спектрами, которые отражают норму по конкретному наименованию меда, после чего принимается решение о совпадении или несовпадении спектров. На этой основе даются ответы на поставленным должностным лицом таможенного органа вопросы, оформляется заключение таможенного эксперта, после чего материалы и образцы направляются в таможенный орган.

При спектральном анализе меда натурального необходимо применение методов математической обработки данных, в частности, возможно использование такого метода Data Mining, как регрессионный анализ.

Подход может заключаться в следующем. Сначала необходимо выделить пиковые значения спектра, после чего записать их в виде динамического ряда. Далее на основе данного динамического ряда необходимо определить регрессионное уравнение. Признаками-факторами в таком уравнении могут быть значимые для таможенных органов характеристики меда натурального (например, страна происхождения, которая оказывает влияние на химический состав меда натурального). При сравнении образцов участника ВЭД с образцами, о которых подлинно известны их характеристики, возможен расчет коэффициента равенства, который даст информацию о степени риска нарушения таможенного законодательства.

Поэтому, например, сравнивая два графика (рис. 6) двух опытных образцов, можно будет построить по ним уравнения, а затем сравнить значения х.

В данном случае необходимо получить коэффициент равенства (К) между значениями х (подлинный образец) и x’ (образец участника ВЭД):

K=x'/x

Значение коэффициента равенства (К) будет говорить о риске нарушения таможенного законодательства (табл. 1).

В рассматриваемом примере коэффициент равенства рассчитывается следующим образом:

K=0,0767/0,0925

K=0,82

Значение коэффициента говорит о том, что необходимо проведение дополнительных испытаний.

Основным преимуществом такого подхода является то, что его можно запрограммировать. Недостаток подхода заключается в том, что может быть проблематично определять пики, которые в итоге будут составлять динамический ряд.

Подведем итоги. Теоретическая значимость текущих результатов заключается в содержании построенной модели выявления таможенных правонарушений при перемещении меда натурального через таможенную границу ЕАЭС, а также в развитии научно-методических принципов применения методов Data Mining при спектральном анализе меда натурального для выявления таможенных правонарушений при перемещении меда натурального через таможенную границу ЕАЭС. На основе разработанных положений в дальнейшем будут разработаны практические рекомендации по их применению в таможенных органах Российской Федерации.

Список литературы

  1. Афонин П.Н., Афонин Д.Н., Поль-Мари А.Л., Билик В.В. Государственный контроль таможенными органами в пунктах пропуска. Учебник. СПб, 2014. 336 с.
  2. Виденева Ю.Н., Афонин Д.Н. Криминологический анализ нарушений фитосанитарного, ветеринарного и санитарно-эпидемиологического законодательства в пунктах пропуска // Бюллетень инновационных технологий. 2017. Т. 1. № 1. С. 4-10.
  3. Афонин Д.Н., Афонин П.Н., Книжник С.В. Вычислительные методы анализа таможенных рисков // Ученые записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии. 2008. № 1 (30). С. 177-187.
  4. Афонин П.Н., Афонин Д.Н., Мютте Г.Е., Кондрашова В.А. Системный анализ рисков в пунктах пропуска через государственную границу Российской Федерации при реализации таможенных услуг // Национальные интересы: приоритеты и безопасность. 2012. № 18. С. 14-18.

Поступила в редакцию 29.04.2018

Сведения об авторе:

Пучкова К.В. – студент факультета таможенного дела Санкт-Петербургского филиала Российской таможенной академии, e-mail: tstk@spbrta.ru

Научный руководитель:

Афонин Дмитрий Николаевич – доктор медицинских наук, профессор кафедры технических средств таможенного контроля и криминалистики Санкт-Петербургского филиала Российской таможенной академии, e-mail: tstk@spbrta.ru


Электронный научно-практический журнал "Бюллетень инновационных технологий" (ISSN 2520-2839) является сетевым средством массовой информации - регистрационный номер Эл № ФС77-73203
по вопросам публикации в Журнале обращайтесь по адресу bitjournal@yandex.ru


Яндекс.Метрика Top.Mail.Ru