Тиранова И.М.
ПРЕДЛОЖЕНИЯ ПО СОВЕРШЕНСТВОВАНИЮ КЛАССИФИКАЦИИ ТОВАРОВ 39 ГРУППЫ ТН ВЭД ЕАЭС НА ОСНОВЕ МЕЖДУНАРОДНОГО ОПЫТА
УДК 339.543
И.М. Тиранова
студент факультета таможенного дела Российской таможенной академии
e-mail: im.tiranova@customs-academy.ru
Научный руководитель – Л.В. Кучинская, доцент кафедры товароведения и таможенной экспертизы, кандидат экономических наук
Аннотация. В статье проведен сравнительный анализ технологий, используемых для классификации товаров в таможенных целях. Показано, что для решения задач классификации товаров наиболее предпочтительной является технология на базе экспертных систем с использованием прикладного искусственного интеллекта, которая широко используется в международной практике. Предложены алгоритмы работы экспертной системы для классификации товаров группы 39 ТН ВЭД ЕАЭС (пластмассы и изделия из них).
Ключевые слова: Товарная номенклатура внешнеэкономической деятельности Евразийского экономического союза, 39 группа, пластмассы и изделия из них, классификация товаров.
Одной из основных тем обсуждения, как на конференциях Всемирной таможенной организации (далее – ВтамО), так и Евразийской экономической комиссии (далее – ЕЭК), всегда остается проблема классификации товаров в таможенных целях, а именно – сложность процесса присвоения классификационного кода в условиях развития современного производства, мировой экономики и торговли. Постоянный технический прогресс влечет за собой появление новых товаров, которые тоже необходимо правильно классифицировать [1].
Участникам внешнеэкономической деятельности (далее – ВЭД) зачастую сложно самостоятельно определить классификационный код, используя только те вспомогательные ресурсы, которые предлагает ВТамО в отношении Гармонизированной системы описания и кодирования товаров (далее – ГС) и ЕЭК в отношении единой Товарной номенклатуры внешнеэкономической деятельности Евразийского экономического союза (далее – ТН ВЭД ЕАЭС). К ним относятся Пояснения и сборники классификационных решений, а также Компендиум классификационных мнений [2]. Но из-за широкого ассортимента товаров далеко не все товары учтены в текстах Пояснений и сборниках, и данные ресурсы не оказывают достаточной помощи декларантам.
В настоящее время активно разрабатываются различные технологии, используемые для классификации товаров. Существует три основных типа технологий, которые можно применить для данной цели:
1. Поисковые системы по ключевым словам.
2. Экспертные системы.
3. Алгоритмы машинного обучения.
В табл. 1 приведен сравнительный анализ преимуществ, недостатков и возможностей таких технологий.
Таблица 1
Сравнение технологий, используемых для классификации товаров
| Поисковые системы по ключевым словам | Экспертные системы | Алгоритмы машинного обучения | |
| Подход | Ищет любые совпадения по готовой базе, используя логические операторы И, НЕ, ИЛИ | Имитирует экспертный подход. Настроена, чтобы задавать пользователю контрольные вопросы для следования по иерархии номенклатуры | Представляет собой определение кода на основе вероятностного подхода (обоснованного предположения) |
| Возможности | Не учитывает смысловое значение слов | Распознает коммерческие названия товаров, сложные товары | Понимает коммерческие названия товаров при обучении |
| Опыт использования | Нет взаимодействия с пользователем | Взаимодействует с пользователем, задавая логичные вопросы | Нет взаимодействия с пользователем |
| Точность классификации | Выдает множество «возможных» совпадений, в т.ч. неправильных | Определяет один классификационный код, с большой вероятностью правильный | Выдает перечень «возможных» совпадений и рассчитывает вероятность их правильности |
| Принцип работы | Не использует ОПИ, Примечания, отсутствует логика | Использует ОПИ и Примечания, задает контрольные вопросы, следует логике | Не использует ОПИ, Примечания, отсутствует логика |
Источник: составлена автором на основе [1].
Исходя из рассмотренных в табл. 1 существующих технологий, наиболее предпочтительной выглядит именно экспертная система. Это информационная система, назначение которой – частично или полностью заменить эксперта в той или иной области. Для решения задач классификации товаров применяются экспертные системы на основе прикладного искусственного интеллекта.
Примерами экспертных систем, применяющихся в настоящее время в странах-участницах ВТамО, служат EU Combined Nomenclature Search System (применяется для поиска товаров по Комбинированной номенклатуре Европейского союза), Canada Tariff Finder (канадская система поиска) и US ScheduleBSearch Engine (система для поиска тарифных кодов США) [1].
Основные признаки, по которым экспертная система отличается от других существующих технологий, следующие [1]:
- Возможность поиска по часто используемым декларантами коммерческим названиям товаров, и согласование коммерческих названий с терминологией, применяемой в номенклатуре.
- Осуществление классификации сложных товаров, таких как части, принадлежности, наборы, комплекты.
- Применение при определении кода основных правил интерпретации (далее – ОПИ) и Примечаний к разделам и группам, а также к товарным позициям и субпозициям.
- Возможность распознавания и последующего устранения двусмысленности или неполного описания товара.
На первый взгляд экспертная система мало чем отличается от обычной поисковой системы по ключевым словам, но это их единственное сходство. В данном случае интересен подход системы к классификации. Искусственный интеллект, взаимодействуя с пользователем, на основе полученных ответов приходит к конкретному выводу, предоставляя рекомендованный классификационный код, полученный на основе ОПИ и Примечаний к разделам, группам, товарным позициям и субпозициям. Использование такой системы в качестве вспомогательного ресурса позволяет решить проблемы классификации товаров не только со стороны участников ВЭД, но и должностных лиц таможенных органов [1].
При классификации товаров группы 39 ТН ВЭД ЕАЭС у декларантов возникают проблемы различного характера: от сложности, вызванной незнанием или непониманием химии (в т.ч. полимерной химии), до определения вида товара в случае, например, композиционных материалов. Помимо этого, в товарной номенклатуре широко распространены конкурирующие товарные позиции. Чаще всего конкуренция возникает между видом товара и материалом изготовления, а также между материалом изготовления и назначением товара.
Учитывая возможности интеллектуальной экспертной системы и международный опыт ее использования при классификации товаров, предлагаются следующие алгоритмы работы экспертной системы при классификации товаров группы 39 ТН ВЭД ЕАЭС.
Ситуация 1 – полимеры в первичных формах (рис. 1) [3, 4].
Рис. 1. Алгоритм работы экспертной системы при классификации первичных полимеров
Источник: разработан автором на основе [1].
На рис. 1 представлен алгоритм работы экспертной системы для решения следующей задачи: требуется определить классификационный код ТН ВЭД ЕАЭС для полиэтилена. Именно это слово декларант будет вводить в окно интерфейса системы. Экспертная система распознает, что «полиэтилен» может быть отдельным товаром, если перемещается в первичных формах, а может быть материалом, т.е. из полиэтилена изготовлен товар. По заданной логике пользователю задается первый контрольный вопрос «Товар находится в первичных формах?», при этом в систему заложен термин номенклатуры «первичные формы». Предлагаемый ответ – да/нет. При ответе «да» система понимает, что классификация будет осуществляться со 100%-ой вероятностью в подгруппе I группы 39 ТН ВЭД ЕАЭС в товарной позиции 3901. Для определения субпозиции система попросит ввести химическую формулу вещества, чтобы максимально точно устранить возможное непонимание. Пользователь может узнать формулу либо из документов на товар, либо связавшись с производителем. Допустим, это полиэтилен с формулой (C2H4)n. Для системы это тоже определенный сигнал, что товар будет классифицироваться в субпозициях 3901 10 или 3901 20. Следующий контрольный вопрос – «какой удельный вес полиэтилена?» Опять же, информацию можно узнать у производителя, либо в документах. Пользователь вводит значение «0,91», далее система сравнивает полученное число с регламентированным в номенклатуре числом 0,94 для точного отнесения к субпозиции – в данном случае 3901 10. Финальный вопрос системы – «структура полимера линейная?». Предлагаемый ответ – да/нет. Пользователь отвечает «да». Система, получив необходимые ответы, проходит по внедренной базе данных примеров декларирования, сравнивает описания товаров с их классификационными кодами, и, наконец, определяет рекомендуемый десятизначный код: 3901 10100 0 (полиэтилен линейный). На экране пользователь может также ознакомиться с перечнем товаров, которые классифицировались под таким кодом, и самостоятельно принять решение, использовать ли этот код для декларирования товара или нет.
Ситуация 2 – изделия из пластмассы (рис. 2) [3, 4].
Рис. 2. Алгоритм работы экспертной системы при классификации изделий из пластмассы
Источник: разработан автором на основе [1].
Принцип взаимодействия системы и пользователя был подробно описан в ситуации 1. В данной ситуации системе задана следующая задача: определить классификационный код для пластмассовой чашки. Сложность для экспертной системы заключается в том, что «чашка» не поименована в ТН ВЭД ЕАЭС, а также в том, что чашка может представлять собой разные товары (посуда, чашки для бюстгальтера, коленная чашка, чашка весов и т.д.). Поэтому при вводе в систему запроса на классификацию «чашки» в первую очередь система анализирует терминологию номенклатуры и находит, что чашки относятся к столовой посуде. Здесь необходимо уточнить у пользователя, является ли запрашиваемый товар посудой. В случае положительного ответа система сталкивается со следующей сложностью: чашка может быть изготовлена из различных материалов. Система, опираясь на поиск по «столовой посуде» находит такое наименование в разных товарных позициях, что обусловлено материалом изготовления. Для определения товарной позиции система предложит пользователю выбрать одно верное утверждение: «Товар изготовлен из: – пластмассы; – фарфора; – керамики; – стекла?» Т.к. это пластмассовая чашка, у системы сразу готов рекомендуемый код: 3924 10 000 0 (посуда столовая и кухонная).
Таким образом, при наличии настроенного искусственного интеллекта, имитирующего работу эксперта, а также максимально полной, постоянно обновляющейся базы примеров описания товаров и присвоенных им классификационных кодов, внедрение экспертных систем в работу участников ВЭД и таможенных органов может действительно облегчить процесс классификации товаров в ручном режиме. Однако необходимо помнить, что последнее слово всегда остается за человеком, а не за компьютером, и любой код, рекомендованный системой, требует проверки на правильность.
Использованные источники
1. Ratchin R.What impact is technology having on efforts to improve HS classification efficiency and accuracy? // WCO News. 2022.№1 (97). С. 53–57.
2. Алексеева Н.Н.Товарная номенклатура внешнеэкономической деятельности: учеб. пособие. Владивосток: РИО Владивостокского филиала Российской таможенной академии, 2014.164 с.
3. Единая Товарная номенклатура внешнеэкономической деятельности ЕАЭС. Группа 39 «Пластмассы и изделия их них»[Электронный ресурс] // Официальный сайт Евразийской экономической комиссии. URL: http://eec.eaunion.org/ (дата обращения: 10.04.2022). 4. Решение Совета Евразийской экономической комиссии от 14.09.2021 №80 «Об утверждении единой Товарной номенклатуры внешнеэкономической деятельности Евразийского экономического союза и Единого таможенного тарифа Евразийского экономического союза, а также об изменении и признании утратившими силу некоторых решений Совета Евразийской экономической комиссии» [Электронный ресурс] // Официальный интернет-портал правовой информации. URL: http://pravo.gov.ru (дата обращения: 12.04.2022).