WWW.LIBRUS.DOBROTA.BIZ
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - собрание публикаций
 

Pages:   || 2 |

«администрации Белгородской области ФГБУН «Институт системного анализа РАН» ФГАОУ ВПО «Белгородский государственный национальный исследовательский университет» ТЕОРИЯ И ...»

-- [ Страница 1 ] --

Министерство образования и наук

и РФ

Департамент образования, культуры и молодежной политики

администрации Белгородской области

ФГБУН «Институт системного анализа РАН»

ФГАОУ ВПО «Белгородский государственный

национальный исследовательский университет»

ТЕОРИЯ И ПРАКТИКА СИСТЕМНОГО АНАЛИЗА

СБОРНИК МАТЕРИАЛОВ ЛЕКЦИЙ

ВСЕРОССИЙСКОЙ МОЛОДЕЖНОЙ КОНФЕРЕНЦИИ

1-3 октября 2012 г .

Белгород УДК 303.732.4(082) ББК 22.18 Т 33

Организаторы:

Министерство образования и науки РФ Департамент образования, культуры и молодежной политики администрации Белгородской области ФГБУН «Институт системного анализа РАН»

ФГАОУ ВПО «Белгородский государственный национальный исследовательский университет»

Теория и практика системного анализа: сб. материалов Т 33 лекций Всерос. молодежн. конф. – Белгород: ИД «Белгород», 2012. – 136 с .

В сборнике представлены материалы лекций ведущих ученых в рамках Всероссийской молодежной конференции «Теория и практика системного анализа», 1-3 октября 2012 г., г. Белгород .

Сборник предназначен для научных работников, аспирантов и студентов старших курсов .

УДК 303.732.4(082) ББК 22.18 Конференция проводится при финансовой и организационной поддержке Министерства образования и науки Российской Федерации (государственный контракт № 14.741.11.0406, ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009 – 2013 годы) .

© Белгородский государственный национальный исследовательский университет, 2012 СОДЕРЖАНИЕ Батьковский А.М., Стяжкин А.Н., Чудинов С.М .

Вопросы повышения эффективности деятельности интегрированных структур радиоэлектронной промышленности

Коськин А.В .

Управление организационно-техническими системами в социально-экономической сфере на основе информационно-аналитических ресурсов

Матвеев М.Г .

Принятие решений в условиях нечеткой неопределенности

Маторин С.И .

Системный анализ миссии организации

Нечаев Ю.Б., Кащенко Г.А .

Математические модели формирования и выбора вариантов инфотелекоммуникационных систем

Петровский А.Б., Ройзензон Г.В .

Многоэтапная технология ПАКС многокритериального выбора в признаковом пространстве сниженной размерности

Сумин В.И .

Анализ моделей и методики моделирования целеполагания в организационных системах

Чудинов С.М .

Методы инновационного развития интегрированной компании........... 121 Сведения о лекторах

УДК 004.065

ВОПРОСЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ

ИНТЕГРИРОВАННЫХ СТРУКТУР

РАДИОЭЛЕКТРОННОЙ ПРОМЫШЛЕННОСТИ1

–  –  –

Аннотация. В докладе исследованы экономические аспекты деятельности интегрированных структур радиоэлектронной промышленности. Предложены следующие инструментарии – оптимизация производственных программ отраслевых интегрированных структур, в том числе анализ, оценка и прогнозирование технологического развития, формирование стратегий развития интегрированных структур .

–  –  –

Abstract. In the report economic aspects of activity of the integrated structures of the radioelectronic industry are investigated. Following toolkits – optimisation of production programs of the branch integrated structures, including the analysis, an estimation and forecasting of technological development, formation of strategy of development of the integrated structures are offered .





В целях повышения конкурентоспособности организаций ОПК, в том числе и на мировом рынке, осуществляется его структурная реформа. В 2011 году практически завершено организационное реформирование ОПК. Создано более 50 интегрированных структур, которые концентрируют основной научнопромышленный потенциал ОПК и выпускают около 60 % продукции ОПК .

Наибольшая концентрация производства – в интегрированных структурах авиационной, судостроительной и радиоэлектронной промышленности .

Всего таких компаний, выпускающих как военную, так и профильную гражданскую продукцию, будет около 70 .

К 2015 году в них планируется сосредоточить практически весь основной объем выпускаемой ОПК продукции. Через головные организации таких структур, с ориентацией на конечный результат, планируется размещать выделяемые из федерального бюджета финансовые средства. Это позволит рационализировать финансовые потоки, консолидировать активы, привлечь дополнительные внебюджетные источники на развитие .

В радиоэлектронной промышленности осуществлен переход к созданию мощных научно-производственных комплексов, объединяющих существенную

Материал подготовлен при финансовой поддержке РФФИ (проект № 12-06-00052а)

часть потенциала организаций целых отраслей (подотраслей). Среди них:

ОАО «Концерн ПВО «Алмаз-Антей» (в который входит 39 предприятий и организаций РЭП), ОАО «Концерн радиостроения «Вега» (19), ОАО «Концерн «Созвездие» (20), ОАО «Концерн «Автоматика» (8) и ОАО «Системы управления» (13) .

С целью повышения эффективности деятельности и снижения издержек к настоящему моменту разработаны и реализуются программы реструктуризации и оптимизации производственных мощностей и других основных фондов организаций ОПК. Также организована работа по подготовке и выполнению программ инновационного развития акционерных обществ с государственным участием, государственных корпораций и федеральных государственных унитарных предприятий, включающих освоение новых технологий и продуктов и создание эффективной системы управления бизнес-процессами .

Осуществление корпоративных программ интегрированных структур в тесной увязке с долгосрочными государственными программами должно позволить реализовать имеющиеся у организаций ОПК конкурентные преимущества .

Важнейшим стратегическим направлением развития радиоэлектронной промышленности считаем технологическую модернизацию радиоэлектронных интегрированных структур, переход к инновационному пути развития на основе избранных приоритетов, повышении инновационной активности и техперевооружения предприятий, разработки и внедрения новых технических средств и передовых современных технологий с целью увеличения объемов продаж продукции и завоевания новых ниш рынка .

Крупнейшими интегрированными структурами отрасли разрабатываются программы инновационного развития и технологического перевооружения концернов, в которых важное внимание отводится перспективным инновационным разработкам (технологиям), позволяющим получить не только опытные образцы продукции, но и при определенных условиях (проведении мероприятий по техперевооружению), наладить серийное производство инновационной продукции .

Если говорить в широком смысле, то цель разработки всех программ инновационного развития и технологического перевооружения интегрированных структур – это по новому сформировать систему взглядов на порядок организации и содержание инновационной деятельности Концернов (Корпораций) .

Важное место во всех программах отводится и комплексу мероприятий, направленных на разработку и внедрение новых технологий, инновационных продуктов и услуг, соответствующих мировому уровню .

Реализация намеченных направлений и проведение запланированных мероприятий в среднесрочном периоде (5-7 лет) позволит обеспечить этим интегрированным структурам:

– существенное (более 10%) уменьшение себестоимости выпускаемой продукции (услуг) без ухудшения основных пользовательских характеристик и снижения экологичности;

– экономию энергетических ресурсов в процессе производства – не менее 5% ежегодно;

– повышение производительности труда – не менее 5% ежегодно, до достижения среднеотраслевых значений, характерных для аналогичных зарубежных компаний и т.д .

К слову говоря, такие количественные и качественные характеристики улучшения основных показателей эффективности производственных процессов, предусматриваемые в программах инновационного развития и технологического перевооружения концернов [1,2,3,4], согласуются с Рекомендациями [5]. С учетом этих «Рекомендаций» как раз и разрабатывались программы инновационного развития и технологического перевооружения вышеуказанных интегрированных структур .

Отметим, что роль радиоэлектронной промышленности в решении приоритетных социальных, внешнеэкономических и оборонных задач государства состоит в следующем:

развитие передовых направлений научно-технического прогресса, разработка передовых промышленных технологий, что при соответствующем участии государства может обеспечить авангардную роль радиоэлектронного комплекса в инновационном развитии экономики страны;

создание и производство современных видов бытовой, гражданской, военной и специальной техники для удовлетворения потребностей и запросов населения, переоснащения инфраструктуры промышленности и социальных сфер, оснащения Вооруженных Сил;

обеспечение лидирующей позиции России на мировом рынке для формирования крупных и устойчивых источников поступления валютных финансовых средств;

техническое перевооружение важнейших сфер экономики страны (транспорта, машиностроения, связи и телекоммуникаций, отраслей топливноэнергетического комплекса, здравоохранения и т.п.), насыщение внутреннего рынка импортозамещающей конкурентоспособной техникой, в том числе товарами длительного пользование для населения, создание и формирование информационного общества, цифровизации экономики и социальных сред .

Вместе с тем, чтобы сделать обоснованный вывод об эффективности осуществляемых организационных мероприятий, необходимо учесть различные факторы, влияющие на результаты деятельности интегрированных структур, иметь достоверную финансово-экономическую информацию, отражающую результаты их деятельности, и инструментарий оценки конкурентоспособности корпораций [6] .

Инструментарий оптимизации производственных программ отраслевых интегрированных структур Конкурентоспособность интегрированной структуры, как субъекта хозяйствования, определяется, в первую очередь, следующими факторами:

оптимальностью ее производственной программы и обоснованностью стратегии развития .

При оптимизации производственной программы корпорации необходимо, x с нашей точки зрения, найти переменные ji, характеризующие количество j-ой продукции, вырабатываемой на i-ых ее предприятиях, максимизирующие целевую функцию ее деятельности:

–  –  –

Инструментарий оценки перспективности внедрения разрабатываемых базовых и критических промышленных технологий на основе комплексной оценки их технических и коммерческих потенциалов Для оценки технического потенциала базовых промышленных технологий предлагается использовать такие показатели как [7,8]:

уровень технологии, характеризующий роль технологии в обеспечении прогрессивного развития радиоэлектроники;

уровень применяемости, характеризующий возможности применения технологии в различных сферах;

уровень реализации разработки, характеризующий степень готовности технологии к внедрению;

уровень соответствия мировым аналогам, характеризующий ее конкурентоспособность на внутреннем и внешнем рынках .

Для оценки коммерческого потенциала технологии используются такие показатели как:

степень уникальности, характеризующая наличие аналогов;

степень удешевления функций, характеризующая влияние ценового фактора на перспективу внедрения;

степень улучшения функций, характеризующая преимущество по техническим и потребительским свойствам перед аналогами;

размер и динамика развития рынка, характеризующий потенциальные возможности по внедрению;

доступность рынка, характеризующая уровень конкуренции .

Разработаны критерии оценки указанных показателей, математические модели расчета обобщенных оценок технического и коммерческого потенциалов технологий и схема комплексной оценки перспективности внедрения базовых технологий. Указанные показатели являются разнородными и носят преимущественно качественный характер. Для их оценки используемся метод балльной оценки .

Интегральные показатели, характеризующие технический и коммерческий потенциалы, предполагаемых к внедрению базовых технологий, определяются свертыванием оценок частных показателей с использованием весовых коэффициентов, устанавливаемых экспертным путем .

Математическая модель расчета интегрального показателя следующая:

K K U Kp 1, Kp * Op, при (10) P 1 P 1 где U – обобщенная (интегральная) оценка технического (коммерческого) О потенциала технологии, ед.; р – рейтинговая оценка значений р-го показателя, используемых для оценки потенциала технологии (устанавливается экспертным путем); К – количество значений показателей; Кр – весовые коэффициенты, учитывающие влияние конкретных показателей на итоговую оценку (устанавливаются экспертным путем) .

Для оценки технического потенциала разрабатываемых технологий используются следующие показатели:

уровень технологии, качественно характеризующий ее значимость (прорывная, высокая, средняя, традиционная);

уровень применяемости, характеризующий потенциальные возможности и сферы использования (широкая применяемость для различных сфер, ограниченная применяемость в нескольких сферах, применяемость для определенного круга задач, узкая применяемость в одной сфере);

уровень реализации разработки (наличие опытного образца, доведении технологии до стадии промышленной реализации, законченная или незаконченная ОКР, законченная или незаконченная НИР);

уровень соответствия мировым аналогам (не имеющая мировых аналогов, соответствующая мировым аналогам по всем параметрам, соответствующая мировым аналогам по основным параметрам, соответствующая мировым аналогам по отдельным параметрам, уступающая мировым аналогам по всем параметрам) .

Исходя из качественного характера анализируемых показателей, их О оценка ( р ) производится по 4 балльным шкалам .

Обобщенная (интегральная) оценка технического потенциала разработанной (разрабатываемой) базовой технологии ( U тех ) определяется как:

Kp 1, Umex Kp * Op, при (11) P 1 P 1 Ор где – рейтинговая оценка значения р-го показателя технического Кр потенциала технологии; – весовые коэффициенты (присваиваются экспертным путем) .

В зависимости от уровня полученных значений интегрированной оценки технический потенциал технологии признается: перспективным – диапазон значений оценок более 3; относительно перспективным – диапазон значений оценок от 2 до 3; недостаточно перспективным – диапазон значений оценок от 1до 2; неперспективным – диапазон значений оценок ниже 1 .

Для оценки коммерческого потенциала разрабатываемых технологий используются следующие показатели:

степень уникальности изделий (продукта), планируемых к разработке и производству на основе использования базовой технологии, характеризующая наличие аналогов (отсутствие аналогов на большом рынке, один аналог на большом рынке, несколько аналогов на большом рынке, мало аналогов на малом рынке, множество аналогов на малом рынке);

степень удешевления функции (цена изделия (продукта) значительно ниже цен аналогов, цена незначительно ниже цен аналогов, цена приблизительно равна цене аналогов, незначительно выше цен аналогов, значительно выше цен аналогов);

степень улучшения функций продукта (технические и потребительские свойства продукта значительно лучше, чем у аналогов, незначительно лучше, на уровне аналогов, немного хуже, значительно хуже);

размер и динамика развития рынка (большой рынок с положительной динамикой, большой стабильный рынок, средний рынок с положительной динамикой, маленький рынок с положительной динамикой, не имеющий положительной динамики маленький рынок);

доступность рынка, учитывающий уровень конкуренции (конкурентов нет, незначительная конкуренция, умеренная конкуренция, активная конкуренция, активная конкуренция крупных компаний на рынке) .

Исходя из качественного характера анализируемых показателей, их О оценка ( р ) производится по 5 бальной шкале Обобщенная (интегральная) оценка коммерческого потенциала разработанной (разрабатываемой) технологии ( U кп ) определяется как:

Kp 1, Ukn Kp * Op, при (12) P 1 P 1 Ор где – рейтинговая оценка значений р-го показателя коммерческого К потенциала технологии; р – весовые коэффициенты (присваиваются экспертным путем) .

В зависимости от уровня полученных решений обобщенной оценки коммерческий потенциал технологии признается: перспективным – диапазон оценок более 3; относительно перспективным – диапазон оценок от 2 до 3;

недостаточно перспективным – диапазон оценок от 1 до 2; неперспективным – диапазон оценок менее 1 .

В зависимости от оценок технического и коммерческого потенциалов технологии могут быть отнесены к следующим группам:

приоритетные технологии – технологии, обладающие перспективными техническими и коммерческими потенциалами;

относительно приоритетные технологии – технологии с перспективными техническим потенциалом и относительно перспективным коммерческим потенциалом, а также технологии с относительно перспективным техническим потенциалом и перспективным или относительно перспективным коммерческим потенциалом;

потенциально перспективные технологии – технологии с перспективным и относительно перспективным техническим потенциалом и недостаточно перспективным (в настоящее время) коммерческим потенциалом;

ограниченно перспективные технологии – технологии с недостаточно перспективным техническим потенциалом и перспективным, относительно перспективным и недостаточно перспективным коммерческим потенциалом;

малоперспективные технологии – технологии с неперспективным техническим потенциалом, но обладающие перспективным, относительно перспективным коммерческим потенциалом, а также базовые технологии с перспективным или относительно перспективным техническим потенциалом, но имеющие не перспективный коммерческий потенциал;

неперспективные технологии – технологии с недостаточно перспективным техническим потенциалом и неперспективным коммерческим потенциалом, а также технологии с неперспективным техническим потенциалом и недостаточно перспективным коммерческим потенциалом;

устаревшие технологии – технологии, имеющие неперспективный и технический, и рыночный потенциалы .

Предлагаемая схема оценки перспективности внедрения разработанных (разрабатываемых) технологий является достаточно простой и наглядной и позволяет, на наш взгляд, предварительно оценить уровень приоритетности внедрения тех или иных технологий. Получаемые на ее основе оценки могут использоваться при разработке предложений по целесообразности и очередности внедрения технологий .

Инструментарий формирования стратегий развития интегрированных структур Разработка стратегий развития интегрированных структур должна базироваться на определенных научных основах. Однако, несмотря на большую практическую значимость данной проблемы, ей присуща теоретическая нерешенность. Несмотря на наличие ряда трудов, в которых исследуются отдельные вопросы рассматриваемой проблемы, методологии и инструментарию процесса разработки стратегий развития интегрированных структур до сих пор присуща фрагментарность, которая отражает нерешенность ряда вопросов их разработки. Исследование рассматриваемой проблемы разными авторами часто сводится к разработке алгоритмов решения отдельных, частных задач анализа деятельности интегрированных структур, которые на в целом указанную проблему не решают, так как «…множество разрозненных знаний, полученных и функционирующих как набор эмпирических алгоритмов по решению задач, науки не образуют» [9] .

С учетом отмеченных обстоятельств нами предлагается при разработке данных стратегий использовать в первую очередь методологию и инструментарий сценарного планирования, которое представляет собой генерацию последовательных решений, позволяющих обеспечить достижение прогнозируемого состояния корпорации, на базе аналитической оценки факторов и тенденций, влияющих на ее деятельность .

Суть сценарного планирования заключается в исследовании внешней среды системообразующих интегрированных структур на наличие предопределенных элементов и ключевых неопределенностей их деятельности и комбинировании их для формирования альтернативных сценариев будущего развития. В качестве предопределенных элементов часто выступают технологические факторы. Ключевыми неопределенностями могут быть любые элементы внешней среды, которые важны для данной системообразующей интегрированной структуры (например, объём рынка). Альтернативные сценарии должны сочетать в себе весь набор предопределенных элементов и различные варианты ключевых неопределенностей. Сценарное планирование рассматривает все сценарии развития как одинаково возможные в будущем .

При этом исходным пунктом разработки "сценариев будущего" всегда является точная оценка стратегической ситуации, а сценарии развития корпораций не должны содержать противоречий. Оценку влияния факторов с неопределенными тенденциями развития необходимо осуществлять на основе прогнозов экспертов .

Предлагаемый нами алгоритм сценарного планирования стратегий развития системообразующих интегрированных структур представлен в таблице 1 .

Таблица 1 Алгоритм сценарного планирования стратегий развития системообразующихинтегрированных структур (корпораций) Этапы Содержание Определение показателей (индикаторов), посредством

1. Определение объекта которых можно охарактеризовать объект сценарного сценарного планирования планирования .

Отбор факторов и альтернатив (методами экспертизы,

2. Определение «мозговая атака» и т. д.). Определение направления и силы существенных факторов, воздействия факторов (позитивное и негативное влияние) .

влияющих на объект Определение структуры влияющих факторов на объект сценарного планирования сценарного планирования .

Прогноз фактического состояния объекта сценарного планирования (выполняется на основе методов экспертизы,

3. Определение тенденций прогнозов динамики отдельных факторов, общедоступных развития объекта экономических, научно-технических и тому подобных сценарного планирования прогнозов). Выявление факторов с явной и неявной тенденцией развития .

4. Разработка и выбор Разработка альтернативных сценариев и их проверка на альтернативных сценариев комплексность, логику и непротиворечивость. Отбор двухбудущего трех вариантов по выбранному критерию .

Прогноз развития выбранных сценариев. Разработка

5. Интерпретация детальной расширенной редакции отобранных сценариев .

выбранных сценариев Определение результатов противодействия событий, развития. Учет возможных которые могут повлиять на ход развития. Разработка противодействующих "сценария будущего" с учетом влияния событий противодействующих событий .

Продолжение табл. 1

6. Разработка Формулировка «сценария будущего» с учетом всех вновь окончательного варианта открывающихся факторов и событий. Оценка влияния сценария и снижение отклонений от основной идеи сценария. Оценка возможных степени риска возможных отклонений от первоначального состояния объекта потерь сценарного планирования .

Разработка стратегии развития и системы планов развития

7. Перенос сценария на (стратегический план, планы развития, текущие планы, практическую основу программы, проекты и т.д.) .

Рассмотренные подходы к повышению конкурентоспособности корпораций оборонно-промышленного комплекса и инструментарий разработки управленческих решений, обеспечивающих решение данной задачи, могут быть использованы при определении перспективных направлений их развития [10] .

Литература

1. Паспорт программы инновационного развития ОАО «Концерн «Вега»

на 2011-2017 гг. www.vega.su/innovations/pasport_vega.pdf

2. Патентная стратегия ОАО «Концерн «Вега» на период до 2017 года http://www.vega.su/innovations/patent_strategia.pdf

3. Программа инновационного развития государственной корпорации «Ростехнологии» на период 2011-2020 годов (основные положения) http://www.rostechnologii.ru/upload/iblock/c58/c588ecf9e38ced3409906d707b23c353.pdf

4. Паспорт программы инновационного развития ОАО «Концерн ПВО «Алмаз-Антей» на 2011 – 2015 гг. www.almaz-antey.ru/_files/13/920/

5. Рекомендации по разработке программ инновационного развития акционерных обществ с государственным участием, государственных корпораций и федеральных государственных унитарных предприятий» – утверждены решением Правительственной комиссии по высоким технологиям и инновациям от 03.08.2010г., протокол №4 .

6. Батьковский А.М., Булава И.В., Бушуев С.А. и др. Теория и методология разработки стратегии развития предприятия. / Под ред .

Булавы И.В. – М.: МАОК. 2009. – 278 с .

7. Стяжкин А.Н., Кураев Н.М, Разработка инструментария комплексной оценки перспективности внедрения базовых технологий / Материалы II Междунар. науч.-практ. конф. «Модель менеджмента для экономики, основанной на знаниях», май 2010г.// Сборник научных трудов – М.; МЭСИ, 2010, – с 131-134 .

8. Кураев Н.М., Стяжкин А.Н. Оценка эффективности внедрения базовых и критических промышленных радиоэлектронных технологий. // Радиопромышленность, 2011 – №1 – с.154-163. .

9. Швырёв В.С. Научное познание как деятельность. – М.: Политиздат, 1984. – 232 с .

10. Батьковский А.М., Мерзлякова А.П. Повышение конкурентоспособности отраслевых системообразующих интегрированных структур в обороннопромышленном комплексе. // Проблемы и перспективы развития инновационнокреативной экономики. / Сб. материалов по итогам III междунар.науч.-практ .

конф., Москва, 27-30 июля 2011 г. – М.: Креативная экономика, 2011. – С. 239-246 УДК 65.011.56; 004.942

УПРАВЛЕНИЕ ОРГАНИЗАЦИОННО-ТЕХНИЧЕСКИМИ СИСТЕМАМИ

В СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЙ СФЕРЕ НА ОСНОВЕ

ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИХ РЕСУРСОВ

–  –  –

Аннотация. В предложенном материале рассматриваются вопросы управления интегрированными образовательными комплексами (ИОК). Рассмотрены базовые структуры управления, построена схема управления сложным ИОК на основе информационноаналитических ресурсов, проанализированы методы и подходы к моделированию отдельных компонентов ИОК, рассмотрены вопросы моделирования динамики интеллектуальных ресурсов ИОК .

CONTROL OF ORGANIZATIONAL-TECHNICAL SYSTEMS

IN THE SOCIAL-ECONOMIC SPHERES ON THE BASIS

OF THE INFORMATION-ANALYTICAL RESOURCE

–  –  –

Abstract. In the proposed material addresses the issues of management of integrated educational systems (IEC). Covers basic control structure, built scheme of control complex IEC on the basis of the information-analytical resource, analyzed the methods and approaches to the simulation of the individual components of the IEC, considered the issues of modeling of dynamics intellectual resources the IEC .

Введение

Для решения сложных проблем, стоящих перед обществом, требуется организованная и согласованная деятельность многих людей и средств производства. Такая деятельность осуществляется в рамках искусственных формирований, называемых организационно-техническими системами (ОТС) .

Одним из классов организационно-технических систем, решающих учебнонаучно-производственные задачи, являются интегрированные образовательные комплексы (ИОК) .

ИОК относятся к большим и сложным системам. При управлении такими системами возникают проблемы, связанные с отсутствием у лиц, принимающих решения, достоверной информации о всей системе в целом, что приводит к неэффективным, а часто и губительным для системы решениям .

Получение, обобщение и представление достоверной информации о самой системе и окружающей ее среде представляет собой сложную научнотехническую проблему. Существующие в настоящее время автоматизированные системы управления ориентированы чаще всего на конкретные производства и не решают этой проблемы в целом, а распределенные корпоративные сети сосредоточены на вопросах информационного обмена .

ИОК, как представитель больших систем, имеет сложную внутреннюю структуру.

Выделяются следующие основные составляющие (все они взаимодействуют между собой с помощью сложной системы прямых и обратных связей и, в свою очередь, имеют развитую внутреннюю структуру):

производственная (инновационная) составляющая;

познавательная составляющая (генерация знаний);

социально-образовательная составляющая (производство и воспроизводство знаний) .

Производственная составляющая нацелена на выпуск конечного продукта, которым ИОК будет обмениваться с внешним окружением в обмен на ресурсы, необходимые для продолжения жизнедеятельности (материальные и интеллектуальные ресурсы, финансы, информация). На современном этапе ИОК сосредотачиваются на прорывных, экспериментальных видах производства, граничащих с научными исследованиями и обмене с внешним окружением «идеей, подготовленной к материализации» .

Познавательная составляющая направлена на дальнейшее развитие ИОК и включает в себя прежде всего систему научных исследований (фундаментального и прикладного характера), а также познание окружающего мира другими способами .

Социально-образовательная составляющая обеспечивает воспроизводство компонентов, необходимых для жизнедеятельности сложной системы. Прежде всего, это кадровые ресурсы (специалисты), преобразованная и опосредованная информация об окружающем мире, средства коллективного взаимодействия для деятельности по подготовке новых специалистов. Помимо этого, социально-образовательная составляющая включает методы общения, способы коммуникации, совокупность технических средств для обеспечения всего вышесказанного, инфраструктуру различных ресурсов .

Результатом деятельности ИОК являются новые продукты (технологии), появляющиеся в результате синтеза образования, науки и производства .

ИОК можно представить как целостную совокупность производственных, научных, образовательных и управленческих подразделений, объединенную единством целей, взаимосвязью осуществляемых работ, согласованным использованием закрепленных за ними ресурсов и наличием управляющих подсистем .

Характерное свойство современных ИОК – наличие информационных ресурсов, которые при соответствующей организации могут являться отображением фактического состояния параметров системы, а также окружающей ее среды. Их можно формализовать и использовать в качестве аналитической составляющей процесса управления. Формализованные информационные ресурсы являются отображением реальных ресурсных потоков на некоторое факторное пространство. Результат отображения назовем информационно-аналитическими ресурсами (ИАР). Возможно формирование управления системой с помощью изменения состояния ИАР в определенном сегменте и осуществления обратного преобразования на исполнительные механизмы системы. Исходя из опыта создания и функционирования ИОК можно сказать, что ИАР представляют собой отображение фактического состояния ИОК, то есть в них представлено состояние основных производственных фондов, возобновляемых ресурсов, кадровых ресурсов, обучающей среды, интеллектуального и научного потенциала, экологического состояния, технологического оснащения, методического обеспечения и т.д .

Кроме этого, в ИАР входят средства поддержки собственной среды существования ИАР .

Базовая структура управления интегрированным образовательным комплексом Структуры управления на многих современных предприятиях были построены в соответствии с принципами управления, сформулированными еще в начале ХХ века .

Применительно к построению структуры управления ИОК могут быть выделены три специфических вида деятельности: а) учебная деятельность;

б) научная деятельность; в) производственная деятельность .

Для каждой из этих специфических сфер характерны свои организационные структуры .

Линейная организационная структура .

Основы линейных структур составляет так называемый шахтный принцип построения и специализация управленческого процесса по функциональным подсистемам организации (производство, исследования и разработки, финансы, персонал и т. д.). По каждой подсистеме формируется иерархия служб («шахта»), пронизывающая всю организацию сверху донизу .

Результаты работы каждой службы оцениваются показателями, характеризующими выполнение ими своих целей и задач. Соответственно строится и система мотивации и поощрения работников .

Дивизионная структура управления .

Ключевыми фигурами в управлении организациями с дивизионной структурой являются не руководители функциональных подразделений, а менеджеры, возглавляющие производственные отделения .

Структуризация по дивизионам, как правило, производится по одному из критериев: по выпускаемой продукции; по ориентации на определенные группы потребителей; по обслуживаемым территориям. В нашей стране аналогичные структуры управления широко внедрялись начиная с 60-х годов XX в. в форме создания производственных объединений .

Структура, близкая к дивизионной, формируется в процессе управления производственной деятельностью интегрированного образовательного .

Матричная (программно-целевая) структура управления Представляет собой сетевую структуру, построенную на принципе двойного подчинения исполнителей: с одной стороны, – непосредственному руководителю функциональной службы, которая предоставляет персонал и техническую помощь руководителю проекта, с другой, – руководителю проекта или целевой программы, который наделен необходимыми полномочиями для осуществления процесса управления. Для деятельности, которая имеет четко выраженное начало и окончание, формируют проекты, для постоянной деятельности – целевые программы. В организации и проекты, и целевые программы могут сосуществовать .

Матричная структура достаточно четко прослеживается на примере управления научной деятельностью ИОК .

Многомерная структура управления .

Любая организация представляет собой целеустремленную систему. В такой системе существует функциональное разделение труда между ее элементами. Элементы структуры, ответственные за обеспечение производства продукции или предоставления услуг потребителем вне данной организации, называют программами и обозначают P1, P2,..., Pr .

Средства, используемые программами (или видами деятельности), обычно можно подразделить на операции и услуги .

Операция – это вид деятельности, непосредственно влияющий на характер выпускаемой продукции или на ее наличие. Типичными операциями (O1, O2,..., Om) является закупка сырья, транспортировка, производство, распределение и сбыт продукции .

Услуги – это виды деятельности, необходимые для обеспечения программ или выполнения операции. Типичными услугами (S1, S2,..., Sn) являются работы, выполняемые такими подразделениями, как бухгалтерия, отдел обработки данных, отдел технического обслуживания, отдел урегулирования трудовых конфликтов, финансовый отдел, отдел кадров, юридические службы .

Если число программ, а также основных и вспомогательных видов деятельности (операций и услуг) настолько велико, что руководитель не в состоянии эффективно осуществлять координацию, то может возникнуть необходимость в координаторах в рамках конкретных управленческих функций (Рисунок 1) .

Для каждого направления деятельности может потребоваться более одного координатора или координационного подразделения. Организационная структура ИОК может представлять собой органический синтез рассмотренных выше подходов к управлению отдельными ее сферами. Такой синтез возможен на основании использования многомерных организационных структур .

–  –  –

На Рисунок 2 приведена возможная обобщенная схема управления сложным ИОК [1]. Здесь с помощью специального модуля отображается информационный вектор X и в факторном пространстве информационноаналитических ресурсов. При этом учитываются возмущающие воздействия на ИОК и регистрируемые воздействия внешней среды на сам модуль отображения. Результатом работы модуля является вектор параметров состояния ИОК Yи, отображенный в удобном для анализа и моделирования виде ИАР. Модуль оценки состояния совместно с модулем отображения представляют собой систему постоянного мониторинга ИОК. Результатом работ системы мониторинга является вектор X 0 оценки состояния ИОК .

Модуль формирования моделей, методик моделирования, критериев, алгоритмов (МФМ) имеет на входе реализованную в форме ИАР информацию о текущем состоянии ИОК Yи, об оценке состояния ИОК системой мониторинга X 0, о текущем состоянии самого модуля оценки, об оценке состояния ресурсного обеспечения ИОК (выполненном системой ресурсосбережения с помощью модуля отображения фактического состояния ресурсов в виде ИАР) .

Таким образом, в МФМ с помощью модуля настройки параметров систем управления ИОК формируется, анализируется и приводится к необходимой форме вектор модельных параметров для адекватной работы системы формирования управляющих воздействий .

При этом в зависимости от текущего состояния ИОК выбирается наиболее адекватная ситуации совокупность методик и моделей, оснащенных соответствующими критериями и алгоритмами .

Причинно-следственная связь между состоянием ИОК X и и факторами, влияющими на это состояние, в нашем случае может быть представлена в виде X и ( X у, X 0,, ), где X у – вектор управления, X 0 – вектор оценки состояния ИОК системой мониторинга, – вектор неуправляемых факторов; – вектор оценки состояния ресурсов, – функция, оператор, алгоритм, правило, высказывание на любом языке, выражающее причинно-следственную связь Внешнее регистрируемое Возмущающие воздействие на модуль воздействия в отображения врв

–  –  –

Анализ методов и подходов к моделированию компонентов сложных организационно-технических систем Необходимым условием практической реализации предложенной схемы управления является наличие модуля формирования модулей, методик, моделей и алгоритмов. На сегодняшний день известны примеры модельного описания процессов функционирования отдельных компонентов сложных ОТС, однако опыт в этой сфере не обобщен, в силу чего отсутствуют подходы, позволяющие моделировать деятельность таких систем в целом .

Очевидно, что в силу гетерогенности структуры сложных ОТС применяемые в целях описания и/или прогнозирования состояния их отдельных подсистем и/или процессов модели будут иметь различную природу. Поэтому для оценки возможности и исследования механизмов сопряжения таких моделей, в первую очередь, необходимо выделить и проанализировать классы используемых моделей и подходов к моделированию. Математические модели, используемые при построении и функционировании ОТС, являются основой для формирования вектора управляющих воздействий в каждый момент существования системы, которая, в свою очередь, является развивающимся объектом с изменяемой структурой и динамикой функций, и, естественно, это приводит к отсутствию статичности самих моделей. Каждому уровню управления и каждому временному срезу соответствует определенное подмножество моделей. В работе [2] предложена следующая классификация моделей (табл. 1) .

Таблица 1 Классификация основных математических моделей, используемых при формировании управляющих воздействий в ОТС Характерное представление Наименование Область применения модели (*) класса моделей и способы решения (**) Оценка воздействия * Совокупность дифференциальных функционирования ОТС или или алгебраических уравнений с Макромодели отдельных направлений ее ограничениями деятельности на внешнюю ** Аналитическое решение, численное среду моделирование Оценка влияния структурных *Системы линейных уравнений и Модели описания изменений в системе на неравенств иерархии ОТС эффективность деятельности ** Аналитическое решение, численное подсистем моделирование Модели влияния Анализ поведения * Системы линейных уравнений, характеристик раз- системообразующих временные ряды, статистические личных видов компонентов с учётом соотношения и т.д .

ресурсов на изменения количественного и ** Методы математической статистики, функционирование качественного состава численное моделирование системы различных видов ресурсов * Дискретные модели, системы Модели Анализ изменения состояния линейных уравнений, уравнения динамического и развития отдельных видов математической физики и т.д .

развития ресурсов ресурсов ** Методы дискретной и классической конкретных видов математики, численное моделирование Анализ изменения состояния и развития отдельных Модели * Дискретные модели, алгебраические компонентов системы и динамического модели, модели на основе оценка влияния их динамики развития дифференциального исчисления на возникновение отдельных ** Методы дискретной и классической диспропорций и компонентов ОТС математики, численное моделирование эффективность управления системой в целом В соответствии с классами моделей из табл. 1 к основным составляющим ИОК можно отнести такие компоненты: профессорско-преподавательский состав (ППС), контингент студентов, абитуриенты/школьники, образовательная деятельность, научно-исследовательская деятельность (НИД), производство и инновации; и ресурсы: материально-техническая база, финансы, социальный сектор. Опишем подробнее выделенные блоки и основные взаимосвязи между ними .

Блок «ППС». К этому функциональному блоку относится системнодинамическая модель характеристик структуры кадровых ресурсов высшей школы в целом, которая рассмотрена ниже. Это довольно сложная модель, в которой (вместо дифференциальных уравнений) используются рекуррентные алгебраические. В качестве следующего этапа моделирования можно использовать технологии агентного моделирования. В агентной модели глобальное поведение подсистемы формируется как совокупный результат действия многих агентов, каждый из которых обладает определенными характеристиками, демонстрирует некоторое автономное поведение, взаимодействует с другими агентами и внешним окружением по определённым правилам .

Блок «Контингент студентов». Процессы, происходящие в данном блоке, очень тесно связаны с блоком «ППС». От контингента студентов напрямую зависит объем учебной нагрузки, а, следовательно, – и количество ставок ППС .

Прогнозирование контингента студентов – сложная задача. Наиболее очевидный способ ее решения – статистическое моделирование (использование анализа временных рядов). Более сложный путь – применение в качестве входной информации параметров блока «Абитуриенты/школьники» и дальнейшее определение структуры контингента с учётом различных факторов .

С точки зрения математического аппарата также просматривается использование системы алгебраических уравнений, причем значения коэффициентов могут быть весьма различными для разных специальностей и факультетов. Соединение блоков «ППС» и «Контингент студентов» возможно на основе разработки аналитической модели, где при помощи системы уравнений связываются: число преподавательских ставок и объем учебной нагрузки, который, в свою очередь, зависит от ряда факторов .

Блок «Абитуриенты/школьники». Характеристики этого блока представляют собой входную информацию для всех блоков, имеющих непосредственное отношение к образовательной деятельности. Для отражения в модели численности абитуриентов могут быть использованы различные статистические модели (например, временные ряды или регрессионные модели). Однако для их построения необходима исходная информация, получение которой наталкивается на серьезные трудности. Отражению в модели (прогнозированию), безусловно, подлежит и качественный состав поступающих .

Он будет влиять на коэффициент отчисления, успехи студентов с точки зрения учебного процесса, будущее трудоустройство выпускников, привлекательность вуза, приток новых абитуриентов. Таким образом, имеем довольно сложный и многоступенчатый механизм обратной связи. В свою очередь, руководство университета в определенных рамках может влиять на «качество» абитуриентов: вложения в подготовительные курсы, строительство общежитий, других социальных объектов, дополнительные стипендии .

Блок «Образовательная деятельность». «Выходом» с точки зрения этого блока, вероятно, являются выпускники университета и их уровень подготовки .

На уровень этот, как известно, влияет большое количество «входных»

факторов: уровень ППС, «качество» абитуриентов, материально-техническая база, уровень научных исследований, возможность зарубежных стажировок .

Это наиболее трудно формализуемый сегмент деятельности вуза .

Некоторые результаты можно получить, используя временные ряды и другие статистические модели. Однако эти подходы являются сложными с точки зрения получения исходных данных и не всегда позволяют отразить глубинные зависимости. Выходные параметры этого блока должны использоваться в блоке «ППС» (аспирантура, «перетекание» студентов в категорию преподавателей). Каким-то образом необходимо отражать процессы, связанные с трудоустройством выпускников. Возможно, целесообразным является применение агентного подхода к созданию модели, где определялись бы «правила развития» каждого студента в процессе обучения .

Блок «НИД». Выходными параметрами этого блока, показывающими результативность научно-исследовательской деятельности, могут являться объёмы освоенных денежных средств по НИР и хоздоговорам, количество публикаций и другие подобные показатели. Входные параметры, влияющие на результативность НИД, обусловлены: уровнем ППС, уровнем материально-технической базы, предыдущим уровнем научных исследований

– чем он выше, тем больше шансов на получение новых грантов (и здесь возникает обратная связь). Некоторые показатели НИР нужно обязательно поддерживать на уровне не ниже установленных значений – так называемые аккредитационные показатели (в противном случае вуз может лишиться государственной аккредитации и, как следствие, бюджетного финансирования). Хотя эти связи и не являются столь очевидными и однозначными, получается, что выполнение аккредитационных показателей является ограничением, подлежащим обязательному учету. Существующие описания этого блока пока являются не моделями его функционирования, а различными подходами к выбору тех или иных критериев для рейтинговой оценки эффективности НИД. Возможно, для данного блока применимы методы системной динамики, исследующей поведение сложных систем во времени и в зависимости от структуры элементов системы и наличия таких взаимодействий между ними как: причинно-следственные связи, петли обратных связей, задержки реакции, влияние среды и других. Существует формализованная нотация для описания моделей такого типа в виде схем .

Блок «Производство и инновации». По отношению к нему представлено наибольшее число подходов. Производственная деятельность на микроуровне может быть описана, например, в терминах моделей математического программирования. В таком случае цель может заключаться в оптимизации производственной программы или, проецируя на нашу задачу, в оптимальном распределении вложений между различными производственными структурами. Однако для случая моделирования деятельности ИНОК описание каждой производственной структуры может оказаться слишком затратным. Агрегированный подход, основанный на использовании производственных функций, применяется для описания на макроуровне, когда требуется отразить только основные показатели развития. В противоположность математическому программированию этот подход является довольно грубым, поскольку позволяет учесть ограниченное число факторов развития. На данном этапе сложно оценить перспективы формирования подходов к взаимосвязанному моделированию производственной и инновационной деятельности .

Блок «Материально-техническая база». Функционирование этого ресурсного блока влияет практически на все компоненты ИНОК. Возможен поиск аналитических зависимостей, касающихся необходимости и сроков обновления лабораторной и технической базы, оснащения аудиторий, ремонта помещений. При наличии соответствующих данных может быть использован анализ временных рядов .

Блок «Финансы». Для этого сегмента характерно то, что он является напрямую связанным со всеми аспектами деятельности вуза. Необходимо описывать порядок формирования и механизмы распределения финансовых средств. Поступления происходят из различных источников: бюджетные средства, платные образовательные услуги, выполнение НИР и хозяйственных договоров, производственная и инновационная деятельность, средства сотрудников и учащихся (через комбинат общественного питания, санаторий-профилакторий и т.п.). Для моделирования механизмов распределения необходима информация как о структуре доходов вуза, так и о структуре его расходов. Возможен поиск аналитических зависимостей, отражающих влияние финансирования на те или иные компоненты системы .

Блок «Социальный сектор». Характеристики этой обеспечивающей подсистемы в разной степени являются параметрами функционирования других блоков. Скажем, обеспеченность общежитиями влияет на количество абитуриентов; наличие (и доступность) санатория – на здоровье студентов и ППС и эффективность учебной и научной деятельности .

Очевидно, что определённый уровень показателей этого блока необходим для нормального функционирования других блоков, с одной стороны, и требует расходования средств, с другой стороны .

Задача сопряжения блоков (подсистем) в единую модель потребует, скорее всего, агрегативного моделирования, при котором сложный объект (систему) разбивают на конечное число частей (подсистем), сохраняя при этом связи, обеспечивающие их взаимодействие .

Моделирование интеллектуальных ресурсов ИОК

Рассмотрим подробнее моделирование интеллектуальных ресурсов, относящихся к классу моделей динамического развития ресурсов конкретных видов. Интеллектуальные ресурсы являются важнейшим компонентом, определяющим процесс функционирования образовательных комплексов. В работах [3], [4] предложена модель, описывающая и прогнозирующая изменения численности различных возрастных и профессиональных групп системы высшего образования (СВО) в зависимости от различных факторов .

Исследована реакция модели на следующие негативные явления: снижение требований к абитуриентам; снижение престижности преподавательской деятельности; одиночные и повторяющиеся демографические ямы .

Модель описывает и дает прогноз изменения численности различных возрастных и профессиональных групп, обеспечивающих деятельность системы высшего образования .

Рассматриваются три группы сотрудников СВО, для каждой из которых вводится распределение по возрасту .

Пусть в момент времени t в группе уровня i работает Qi(t) человек;

представим Qi(t) в виде m 1 65 m 3 65 m

–  –  –

Рисунок 1 – Гистограммы начальных (t 0) возрастных распределений на трех ступенях совместно с графиками соответствующих плотностей Опишем основные результаты моделирования .

Устойчивость модели СВО при «советских» параметрах

1) Модель с «советскими» параметрами (при симметричном распределении способностей абитуриентов и наборе студентов, способности которых не ниже 9-го уровня по 14-балльной шкале, продемонстрировала сбалансированное и устойчивое существование СВО, причем не только в количественном отношении, но и в качественном: все кандидаты наук имеют уровень способностей не ниже 12-го, а доктора наук – не ниже 13-го (Рисунок 2,3) .

–  –  –

2) Для устойчивого существования СВО (с «советскими» параметрами) необходимо (ежегодное) выполнение неравенства r 1 V1 0,942·V1 0,942 V 0,487·V .

0;0 Уменьшение коэффициента перед V с 0,487 до 0,43 на 1 год приводит к тому, что через 6 лет на 2-й ступени начинается длительный спад до 82 %, а за первые 8 лет теряется 12 % кадров 1-й ступени; при этом, несмотря на стабильную ситуацию на 3-й ступени, далее происходит общее падение численности системы на 11 %, после чего она продолжает стабильно функционировать, но уже с другими пропорциями для ступеней (Рисунок 4):

Q1(50) : Q2(50) : Q3(50) 35 : 33 : 4 .

Рисунок 4 – Влияние сниженных требований к абитуриентам

Расчеты по модели при r0;0/V 0,6 на 1 год, что может случиться из-за демографического провала или экономического кризиса при «советских»

значениях Pi и wi показали, что СВО за 4–6 лет восстанавливается полностью .

Подсчитаем теперь вероятности Pi, исходя из модели распределения способностей абитуриентов 2009-2011 гг. (т.е. для 1[0; 14]; 2,106; 3,385) при условии, что учиться в вузы принимают людей, чьи способности выше 6-го из 14 уровней (6 M 5,37) .

Расчеты по модели (при r0;0(10)/V 0,6) с измененными параметрами P1, w2 и w3 показали, что, несмотря на стабильное развитие на второй и третьей ступени, за первые 30–35 лет на первой ступени происходит падение численности на 17 %, уменьшающее общую численность СВО и меняющее пропорции между ступенями – Q1(50) : Q2(50) : Q3(50) 33: 38:4. При этом изменение численностей сопровождается заметными колебаниями среднего возраста на верхних ступенях и уменьшением его на второй ступени .

Интересно, что при r0;0/V 0,9 рассмотренное снижение требований к абитуриентам не приводит к заметным последствиям, а наименьшее значение отношения r0;0/V наблюдалось в 1990 году и составило 0,98 (т.е. вдвое выше критического), что и подтверждает тезис о «запасе прочности» .

Реакция модели на снижение престижности Ограничимся рассмотрением двух случаев, в которых престижность преподавательской деятельности меняется на протяжении 10 лет (t от 10 до 20 лет). Пусть коэффициент «престижности» 0 меняется по закону, график которого приведен на рисунке, т.е. за 2 года 0 падает вдвое, затем в течение двух лет остается на этом 50%-м уровне и затем за шесть лет восстанавливается до исходного значения 1(Рисунки 5,6) .

Рисунок 5 – Изменение коэффициента Рисунок 6 – Изменение относительной «престижности» 0 численности (Qi(t)/Vi) При этом варианте развития событий, несмотря на восстановление «престижности», системе не удается восстановиться даже в отдаленном будущем .

Рассмотрим случай, когда коэффициент «престижности» 0 сначала падает на 20%, потом возрастает на те же 20% и затем возвращается к исходному значению 1 в течение того же промежутка времени (t от 10 до 20 лет) (Рисунок 7,8) .

Рисунок 7 – Изменение коэффициента Рисунок 8 – Изменение относительной «престижности» 0 численности (Qi(t)/Vi) В этом случае за счет компенсации спада соответствующим повышением коэффициента «престижности» катастрофы СВО удается избежать даже при r0;0(0)/V 0,6 .

При таком варианте развития событий система восстанавливается с несколько меньшей численностью. При r0;0/V 1 функционирование СВО проходит вообще без видимых изменений в численностях ступеней .

Таким образом, можно сделать вывод, что отсутствие у коэффициента «престижности» компенсационного роста, сопоставимого с величиной его падения, неизбежно ведет к негативным последствиям для СВО .

Влияние одиночных и повторяющихся демографических ям

1) Заложим в модель демографическую яму длительностью t 10 лет и глубиной 20 % (Рисунки 9,10) .

Рисунок 9 – Изменение множителя fдя(t) Рисунок 10 – Изменение относительной ……………………………………………………….численности (Qi(t)/Vi) К концу демографической ямы общая численность ППС падает на 30% и не восстанавливается; причем отмечаются серьезные колебания средних возрастов на верхних ступенях .

2) Увеличение (на один год) коэффициента K (общего числа выпускников дневных отделений вузов к общей численности ППС) с 1 до 1,45 «выправляет»

ситуацию, хотя на второй ступени сохраняются значительные долговременные колебания среднего возраста (Рисунки 11,12) .

Рисунок 12 – Изменение относительной Рисунок 11 – Динамика средних возрастов численности (Qi(t)/Vi) каждой ступени при демографической яме Значение K 1,45 реально; так, в период с 1970 по 1985 годы этот показатель менялся в пределах 1,215…1,464. Можно предположить, что одной из причин его изменения как раз и является демографическая яма 80-х годов XX века. При этом стоит иметь в виду, что в указанный период величина V также возросла на 38 %. Если увеличение коэффициента K растянуть на 10 лет, предшествующих демографической яме, то требуемое увеличение будет более скромным и составит от 0,5 % до 20,5 % (при глубине ямы от 20 % до 40 %) .

3) Восстанавливаемость СВО чувствительна к малым изменениям коэффициента K .

Как видим, полного восстановления СВО не происходит даже в отдаленной перспективе. В то же время увеличение (на один год) величины K всего на 0,1 (т.е. до K 1,05) позволяет системе восстановиться достаточно быстро: через 5 лет после конца демографической ямы снижение численности любой ступени не превышает 0,5 % (Рисунки 13,14) .

Рисунок 13 – Изменение относительной Рисунок 14 – Динамика средних возрастов численности (Qi(t)/Vi) каждой ступени K 1,05 При этом средний возраст на первой и третьей ступени совершает незначительные колебания, а более заметные колебания среднего возраста на второй ступени ( 2 ) возникают уже после выхода из демографической ямы и через 40 лет становятся несущественными .

4) Более мелкие по глубине, но более продолжительные по времени волнообразные демографические ямы оказывают аналогичное отрицательное влияние на СВО .

Совместное влияние демографических ям и снижения престижности Зададим на отрезке [10; 20] (одиночную) демографическую яму «безопасной» глубины 13 % с помощью функции r0;0(t) K·V·fдя(t; 13%, 10, 20), изменение коэффициента «престижности» зададим с помощью функции, моделирующей спад престижности (на 20 %) с последующим компенсирующим ростом. Напомним, что в этом случае при r0;0 V функционирование СВО проходит вообще без видимых изменений в численностях ступеней .

Отклик модели (при K 1 и совместном влиянии безопасных по отдельности факторов показал, что компенсационного роста коэффициента «престижности», равного величине его падения, становится недостаточно для восстановления СВО в полном объеме (Рисунок 15) .

Рисунок 15 – Изменение относительной численности ППС на каждой ступени

Зададим на отрезке [10; 20] с помощью функции fд.я.(t) 0,9649 0,0145cos(t/10) 0,0037sin(t/10) + 0,0196cos(t/5), волнообразную демографическую яму, безопасную (при K 1) для стабильного функционирования СВО, а изменение коэффициента «престижности» 0 зададим с помощью ранее использованной функции (Рисунки 16,17) .

Рисунок 16 – График функции fд.я.(t) Рисунок 17 – Изменение относительной …………………………………………………………численности ППС на каждой ступени Из рисунков видно, что из-за второго демографического провала наметившееся восстановление численности ППС еще до конца демографической ямы сменяется сначала быстрым спадом на первой ступени, а затем и – более затяжным – на второй. Общая численность кадрового состава СВО уменьшается на 8 % .

Представленные результаты моделирования позволяют утверждать, что различные негативные факторы с параметрами, безопасными по отдельности, при совместном воздействии оказывают заметное отрицательное влияние и требуют больших усилий для своей нейтрализации .

Выводы

1) Возможно формирование управления ИОК с помощью изменения состояния ИАР в определенном сегменте и осуществления обратного преобразования на исполнительные механизмы системы .

2) Организационная структура ИОК может представлять собой органический синтез известных подходов к управлению отдельными ее сферами. Такой синтез возможен на основании использования многомерных организационных структур .

3) Структура ИОК состоит из гетерогенных компонентов, описываемых принципиально различными математическими моделями .

4) Задача сопряжения подсистем ИОК в единую модель потребует, скорее всего, агрегативного моделирования .

5) Советская СВО, для которой были характерны достаточно высокие требования к абитуриентам и престижность преподавательской деятельности, была сбалансирована, обеспечивая себя специалистами, уровень способностей которых был не ниже 11-го. При этом для собственного воспроизводства ей требовалось менее 19 % числа выпускников дневных отделений вузов .

6) Даже не очень продолжительное (до 10 лет) падение престижности преподавательской деятельности (при отсутствии у коэффициента престижности компенсационного роста, сопоставимого с величиной его падения) приводит в недалеком будущем к негативным последствиям для СВО .

7) Продолжительные (с длительностью t 10 лет) демографические ямы даже умеренной глубины (g 15…20 %) губительно сказываются на общей численности СВО; при этом наибольшему снижению численности подвержены первые две ступени. Волнообразные демографические ямы (из-за увеличенной суммарной продолжительности своего действия) также отрицательно влияют на стабильное существование СВО .

8) Значительное снижение требований к абитуриентам даже при отсутствии снижения требований к кандидатам и докторам наук при дополнительных негативных факторах может привести к неспособности системы подготовить необходимое количество квалифицированных кадров даже для себя самой .

9) При снижении требований только к абитуриентам (вызванным существенным отклонением распределения их способностей от симметричного нормального) и отсутствии снижения требований к кандидатам и докторам наук система сохраняется и в качественном отношении, и в количественном .

10) Уменьшение коэффициента «престижности» 0 всего на 5%, сохраняя неплохую динамику среднего возраста на 1-м уровне, приводит тем не менее к негативным последствиям на всех уровнях системы высшего образования .

11) Значительные изменения коэффициента «престижности» на протяжении коротких периодов (до 5 – 10 лет) приводят примерно к тем же негативным последствиям .

12) Отсутствие у коэффициента «престижности» компенсационного роста, сопоставимого с величиной его падения, неизбежно ведет к негативным последствиям для системы высшего образования .

13) Для запуска негативного сценария важна не сама продолжительность снижения коэффициента «престижности», а превышение этой продолжительности 5-летнего срока .

14) Даже самые глубокие демографические ямы сами по себе не приводят к катастрофическим последствиям для системы образования. Она при сохранении внутренней устойчивости восстанавливается в течение достаточно короткого времени .

Литература

1. Коськин, А.В. Схема управления производственно-образовательными комплексами на основе информационно-аналитических ресурсов [Текст] / А.В. Коськин, И.С. Константинов // Новые образовательные технологии в вузе .

Сб. докл. V междунар. науч.-метод. конф. – Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2008. – С. 481-486 .

2. Коськин, А.В. Анализ методов и подходов к моделированию компонентов сложных организационно-технических систем [Текст] / А.В. Коськин, П.П. Аврашков, С.В. Терентьев, А.И. Фролов, Р.А. Ветров // Информационные системы и технологии. – Орел: Госуниверситет – УНПК, 2011. – №6(68). – С. 27-35 .

3. Коськин, А.В. Моделирование уровня подготовки абитуриентов при формировании системы управления интегрированными образовательными комплексами [Текст] / Аврашков П.П., Коськин А.В., Фролов А.И // Информационные системы и технологии. – 2010. – №3(59). – С. 95–102 .

4. Коськин, А.В. Моделирование динамических характеристик структуры кадровых ресурсов высшей школы [Текст] / Аврашков П.П., Коськин А.В., Фролов А.И. // Вестник компьютерных и информационных технологий. – 2011. – № 8(56). – С. 40–47 .

УДК 681.51:007.51

ПРИНЯТИЕ РЕШЕНИЙ В УСЛОВИЯХ НЕЧЕТКОЙ

НЕОПРЕДЕЛЕННОСТИ

Матвеев М.Г .

Воронежский государственный университет, Воронеж, Россия, E-mail: mgmatveev@yandex.ru Аннотация: В работе предлагается метод решения задач управления с нечеткими параметрами инвариантный к типу задачи и сводящий исходную задачу к системе четких задач на выделенных -уровнях нечетких компонент. Вводится линейный оператор, с помощью которого строится система четких задач, анализируются его свойства и формулируются требования, обеспечивающие корректность результата решения. Проводится сравнение полученных результатов с известными решениями на типовых примерах .

DECISION-MAKING IN CONDITIONS OF FUZZY UNCERTAINTY

Matveev M.G .

Voronezh state University, Voronezh, Russia, E-mail: mgmatveev@yandex.ru Summary: The paper proposes a method of solution of control problems with fuzzy parameters invariant to the type of tasks and reduces the original problem to a system of clear objectives at selected levels fuzzy component. Introduces a linear operator, with which to build a system of clear objectives, analysing its properties and formulates the requirements to ensure the orrectness of the result of the decision. Comparing the obtained results with known solutions on the typical examples .

Введение

Большинство практических задач, связанных с моделированием, поддержкой принятия решений при управлении, приходится решать в условиях неполной определенности. При этом часто не удается свести такие задачи к условиям вероятностной неопределенности, а используются экспертные оценки, характеризующиеся нечеткостью или расплывчатой неопределенностью. Такая ситуация характерна, например, для социальноэкономических систем и управления организационными системами .

Будем рассматривать задачи, в которых экспертные оценки представлены ~ нечеткими параметрами A различных математических объектов: уравнений и ~ функциональных ограничений – ( A, x) 0, дифференциальных уравнений – ~ F ( y, dy / dx, A, x) 0, критериев управления в виде функций или ~ функционалов – ( y, u, A, x), т.е. различных компонент математического обеспечения задач управления. Методологическую основу методов решения задач с нечеткими параметрами составляет принцип обобщения Л. Заде или его

-уровневая модификация [1] .

Принцип обобщения определяется следующим образом: пусть X i, i 1,..., n и Y – четкие множества; X X 1... X n – прямое произведение ~ ~ множеств; X i, i 1,..., n; и Y – нечеткие подмножества множеств X i и Y соответственно. Если F : X Y – обычное (четкое) отображение, то нечеткое ~ ~ множество Y F ( X ) определяется как

–  –  –

Таким образом, поиск решения сводится, вообще говоря, к задачам оптимизации (3) и (4), которые удается решить лишь в некоторых частных случаях, когда решение определяется на тех же числовых множествах, что и параметры. Например, -уровневый принцип, т.е. задачи (3) и (4), теряют смысл при решении дифференциальных уравнений с нечеткими параметрами .

При решении практических задач с нечеткими параметрами обычно обращаются к одной из двух групп подходов:

Группа алгебраических подходов, основанных на прямом применении операций той или иной алгебры заданного вида нечетких чисел, например, алгебры LR—чисел; основной недостаток такого подхода – неоправданное увеличение неопределенности результата .

Группа подходов, основанных на сведении исходной нечеткой задачи к системе четких задач, например, к системе четких задач на выделенных -уровнях; основной недостаток – неполная теоретическая обоснованность и возможность потери заданной экспертом исходной неопределенности .

В настоящей работе предлагается подход к решению задач с нечеткими параметрами, относящийся ко второй группе и заключающийся в переходе от

-интервалов параметров к точечным оценкам этих интервалов, полученных на основе известных функций принадлежности нечетких параметров [2]. В этом случае на каждом -уровне рассматривается дефаззифицированная, детерминированная задача управления, что определяет простоту реализации и возможности применения предлагаемого подхода для любого типа задач управления. Разумеется, за упрощение и унификацию приходится «платить» в определенном смысле неполным решением. В дальнейшем будем называть нечеткое решение полным, если оно получено по принципу обобщения Заде .

Предлагаемое неполное или модифицированное решение представляет собой нечеткий показатель степени асимметричности полного решения. Другими словами, если рассматривать полное решение как характеристику надежности принятия решения при управлении, то модифицированное решение характеризует степень пессимизма или оптимизма принимаемого решения. В процессах поддержки принятия решений эти показатели играют определяющую роль, что позволяет заменять полное решение неполным или модифицированным .

1. Методика дефаззификации нечетких параметров и нечетких задач

–  –  –

Обозначим этот оператор L( X ) или L : X x( ). Этот оператор на заданном

-уровне переводит интервальную неопределенность в четкое точечное значение параметра. Оператор может иметь различные представления .

Исследование подхода целесообразно начать с линейного представления. Пусть этот оператор будет иметь вид L( X ) 1 x L ( ) 2 x R ( ) x( ). (5) Здесь x L ( ), x R ( ) -левая и правая границы -промежутков; 1, 2 – коэффициенты линейной комбинации (5), выбираемые тем или иным способом с учетом заданной функции принадлежности нечеткого параметра .

Применив оператор L к нечетким параметрам на заданных -уровнях, получим на каждом -уровне обычную (четкую) задачу. Совокупность полученные решения на -уровнях будем рассматривать как решение исходной нечеткой задачи, где соответствующие значения играют роль значений функции принадлежности компонент нечеткого решения .

Очевидными достоинствами подхода является простота и независимость процедуры решения от типа исходной задачи .

Основной недостаток предложенного подхода состоит в возможности потери исходной информации, содержащейся в нечетких параметрах, дефаззификация которых происходит до процедуры решения. Следовательно, полученное нечеткое решение может не учесть этой информации и оказаться не адекватным исходной постановке. Желательно научиться оценивать возможность и величину потери информации для обоснования практического использования предложенного подхода .

Известная теорема о декомпозиции [1] позволяет по заданным промежуткам полностью восстанавливать нечеткую величину. Следовательно, ~ оценка возможных искажений решения Y сводится только к оценке потерь информации при отображении -промежутков переменных в точки и соответствующем искажении -промежутков решения .

Пусть -промежутки решения, [ y L ( ), y R ( )] определяются в соответствии с -уровневым принципом обобщения Заде для L-R чисел (2-4) .

Если теперь к полученному решению, представленному -промежутками Y [ y L ( ); y R ( )], применить оператор L, то получим нечеткое число y ( ), рассматриваемое как модифицированное решение исходной задачи .

Модифицированное решение характеризует асимметрию решения (2), т.е. степень пессимизма или оптимизма в достижении модального значения, что собственно и требуется для принятия решения при выборе вариантов. Следует заметить, что симметричное треугольное число несет минимальное количество экспертной информации с точки зрения выбора и применение к нему оператора (5) превращает нечеткое число в точку с единичным значением функции принадлежности. Кроме того, применение оператора L существенно сужает носитель решения (Рисунок 1), что важно с точки зрения обеспечения устойчивости последующих процедур обработки нечетких величин .

–  –  –

L R L R 1 x1 ( ) 2 x1 ( ) 1 x2 ( ) 2 x2 ( ) L( X 1 ) L( X 2 ) .

Аналогичный результат будет получен для операции вычитания, если L( X 1 X 2 ) L( X 1 ) L( X 2 ) .

В некоторых случаях для линейных операций выражение (6) превращается в четкое равенство и при выборе с учетом функции распределения. Однако для функций решения с нелинейными операциями возможно лишь приближенное равенство. Тогда возникает задача выбора таких значений параметров оператора (5), которые обеспечивали бы минимальную разницу левой и правой части (6). Решение этой задачи перспективное направление наших исследований .

Имеющиеся результаты связаны с наиболее простым способом реализации оператора L при 1 2 0,5 ; что соответствует выбору середины

-промежутка нечеткого числа .

–  –  –

Простота приведенных примеров нисколько не ограничивает универсальности применения предлагаемой методики получения модифицированного решения, так как суть методики сводится к дефаззификации задачи на -уровнях и дальнейшего решения уже вполне детерминированной задачи. Подходы к решению определяются не наличием расплывчатой неопределенности, а сложностью детерминированной задачи .

В то же время примеры показывают, что модифицированное решение вполне адекватно (по принятому критерию) полному нечеткому решению, получаемому по принципу обобщения Заде. В этом смысле, информация, необходимая для поддержки принятия решений, в модифицированном решении практически не отличается от информации, имеющейся в полном решении .

Более того, модифицированное решение имеет существенно меньшую степень неопределенности (меньший носитель нечеткого решения) по сравнению с полным решением .

Литература

1. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: МИР, 1976. – 147 с .

2. Методы решения задач управления предприятием в условиях расплывчатой неопределенности / Г.Н. Лебедев, М.Г. Матвеев, М.Е. Семенов, О.И. Канищева. – Вестник Воронежского государственного университета .

Серия «Системный анализ и информационные технологии». №1. 2012 .

3. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. – М.: Наука, 1986. – 311 с .

УДК 001.57;658.818;681.3

–  –  –

Аннотация. Рассматривается оригинальная системная технология формулирования миссии организации на основе системологического и «организмического» подходов к системе «человек» и бизнес-системе .

SYSTEM ANALYSIS OF THE ORGANIZATION'S MISSION

–  –  –

Abstract. System technology the original formulation of the organization's mission by systemological and "organismic" approach to the "man" and the business system is considered .

Введение Рост конкуренции, информированности клиентов и скорости изменений продукции и технологий ее создания значительно усложнили жизнь и деятельность современных организаций. Одним из самых эффективных средств борьбы с этой сложностью является стратегическое управление. В качестве ключевого механизма этого управления выступает относительно новое понятие, обозначаемое термином «миссия организации» .

Понимание данного термина в настоящее время практически устоялось .

Весьма конструктивное его определение приведено, например, в словаре на сайте www.glossary.ru: «Миссия организации – философия и предназначение организации, смысл ее существования на рынке, отличие организации от остальных организаций». При этом уточняется, что «философия организации определяет ее культуру и социальные ценности», а «предназначение организации характеризуется целями и задачами, для реализации которых организация осуществляет свою деятельность» .

В зарубежной и отечественной литературе (бумажной и безбумажной) миссии организации как механизму стратегического управления уделяется сегодня очень большое внимание (см., например, [1 – 6]). Анализ этих исследований показывает, что определение и формулирование миссии организации еще не доведено до уровня описания конкретной технологии и остается эвристическим процессом с неоднозначным результатом .

Такое положение осложняет использование данного механизма управленцами на практике в целях стратегического и оперативного планирования, а также обеспечения адекватного реагирования на изменения современной рыночной ситуации .

Однако, по мнению автора, в настоящее время существуют методологические подходы, которые позволяют конкретизировать процедуру определения миссии организации .

1. Системологический и «организмический» подходы к определению миссии организации В первую очередь, в связи с тем, что любая организация представляет собой социальную (и, следовательно, открытую, сложную) систему целесообразно для ее анализа, в том числе определения миссии, использовать системный подход. Но, так как системный подход существует не в единственном варианте, необходимо сделать правильный выбор среди множества этих подходов .

В самых общих чертах можно обнаружить два вида системного подхода .

«Традиционный» системный подход рассматривает систему как разновидность множества. Этот подход получил широкое распространение для исследования и проектирования технических и технологических устройств и процессов в рамках так называемой системотехники. Этот подход в данном случае совершенно бесполезен по следующим причинам. Он не способен использовать категорию «цель» для объектов произвольной природы; в качестве первичной категории рассматривает «часть» («структура» и «состав»), а не «целое» и его функцию; не учитывает иерархическую структуру внешней среды; не использует понятия адаптации системы. «Ноосферный» системный подход (или системология) рассматривает систему не как множество, а как функциональный объект, функция которого обусловлена функцией объекта более высокого яруса (надсистемы) [7] .

Данный подход специально предназначен для исследования целенаправленного взаимодействия любых систем друг с другом. Это обеспечивается путем учета функционального характера целостности системы, иерархической природы внешней среды и процесса адаптации системы. Понятийный аппарат системологии позволяет единообразно описывать понятия теории организации, логистики, инжиниринг бизнеса, а также объектно-ориентированной методологии создания информационных систем [8] .

Приведем ряд основных понятий системологии .

Функция системы – роль, предназначение системы в надсистеме, которая проявляется в наличии функциональных связей рассматриваемой системы .

Функциональные связи системы – связи с другими системами в рамках надсистемы .

Подсистема – функциональный объект нижнего яруса иерархии системы, составляющий вместе с другими объектами ее субстанцию .

Поддерживающие связи системы – функциональные связи ее подсистем .

Они создают структуру системы. При этом подсистемы находятся в узлах этой структуры и поддерживают функционирование (функциональные связи) системы .

Таким образом, функции подсистем обусловлены функцией системы, функция системы – функцией надсистемы и т.д .

Внешняя детерминанта системы (функциональный запрос надсистемы) – явление обуславливания функции системы функцией надсистемы .

Внутренняя детерминанта системы – в действительности проявляемая общая функция системы (ее функционирование). Эта детерминанта определяет функции подсистем (частные функции системы) и их взаимосвязи, т.е .

субстанциальные и структурные характеристики системы .

Адаптацию системы к запросу надсистемы – приближение внутренней детерминанты системы к ее внешней детерминанте. Критерием адаптированности является отношение между возможностями системы и функциональными требованиями надсистемы. Совершенной или оптимально адаптированной является системы, у которой внутренняя детерминанта равна внешней .

Как видно из этого, к сожалению слишком краткого, обзора основных понятий системологии, данный системный подход имеет специальное понятие, которое можно использовать для описания миссии организации .

Миссия организации, с точки зрения системологии, есть, ни что иное, как, внешняя детерминанта системы или запрос надсистемы .

Таким образом, для определения миссии организации достаточно определить надсистему (или надсистемы) данной организации и потребности этой надсистемы (надсистем) по поддержанию своего функционирования. При этом, очевидно, что если система соответствует запросу надсистемы (адаптирована к нему), то она находится в устойчивом состоянии, так как нужна надсистеме. Более того, ясно, что надсистема, со своей стороны, «заинтересована» в системе, которая соответствует ее запросу, т.е. которая хорошо ее поддерживает. А в системе, не соответствующей запросу, надсистема «не заинтересована» и, естественно, будет «прилагать усилия» к тому, что бы либо направить систему в нужное русло, либо избавится от такой системы (заменить ее), обеспечивая необходимую поддержку своего функционирования и свою собственную устойчивость .

Правильному определению надсистемы (или надсистем) организации и ее (их) запроса может способствовать применение так называемого «организмического» подхода к предприятиям и организациям (бизнесу), т.е. биологической метафоры .

Вот как в [9] обосновывается целесообразность такого подхода и даже возникновение на его основе нового научного направления: «Текущие изменения экономического климата, когда конкуренция между производителями становится очень жесткой и агрессивной, могут привести к гибели «древних промышленных динозавров». На повестку дня ставятся проблемы моделирования выживания, эволюции и адаптации предприятий. В целом это означает переход от механицизма к психологической и биологической метафорам в организационных моделях, когда предприятие понимается как развивающаяся интеллектуальная организация, рассматриваемая сквозь призму эволюционной теории, а также функциональную трактовку жизненных явлений, в соответствии с которой предприятие уподобляется целостному организму, стремящемуся выжить в некоторой популяции. Такой подход к организации и функционированию предприятия хорошо вписывается в русло нового и быстро развивающегося междисциплинарного научного направления, именуемого «искусственная жизнь»» [9, с. 72] .

Предприятие (или организация), при данном подходе, рассматривается как организм в соответствии с определением организма, предложенным академиком Н.Н. Моисеевым, так как обладает собственными целями и средствами их достижения. Элементы организации («организмы» нижнего уровня) для того, чтобы составить единый «организм», должны обладать способностью обеспечивать гомеостатическое регулирование целой организации и реально функционировать для его обеспечения. При этом под гомеостатическим регулированием понимается управление, поддерживающее характеристики внутренней среды, в данном случае – организации, в пределах, обеспечивающих ее устойчивость и жизнеспособность .

«Организмический» подход к анализу и проектированию организаций невозможен без учета свойств человеческих организмов, составляющих организацию, рассматриваемую как сложный «организм». Учет человеческого фактора в организации обеспечивается правильным учетом функциональных способностей человека, его поведенческих реакций и, в конце концов, его миссии .

–  –  –

2.1. Человек как система уровней сенсомоторной активности Функциональные способности человека и его поведенческие реакции хорошо прослеживаются в результате рассмотрения в качестве подсистем, составляющих систему ЧЕЛОВЕК, так называемых компонент сенсомоторной активности. Сенсомоторное управление образует кибернетическую (замкнутую через внешнюю среду) схему функционирования системы, качество которого подчинено процессу ее эволюции (адаптации). Управление в этой схеме осуществляется путем взаимодействия трех блоков: сенсорного распознавания, инстанции принятия решений и моторной активности [10]. В данном случае эти блоки рассматриваются на нескольких уровнях, обусловленных существующими у человека уровнями отражения (сенсорного распознавания) и мышления (инстанции принятия решений). В соответствии с данными теории отражения и психологии мышления [11] целесообразно учитывать четыре уровня сенсомоторной активности. Следовательно, согласно данному подходу, система человек представляет собой четыре взаимодействующие между собой подсистемы, функционирование которых поддерживает функциональную способность человека в целом. Рассмотрим эти подсистемы, каждая из которых состоит из трех упомянутых выше блоков, и их предназначение более подробно, используя прилагаемую на рисунке 1 схему [12] .

Подсистема №1 обеспечивает прием сенсорной информации, физические отправления и физиологические рефлекторные реакции (сердцебиение, дыхание, потоотделение, сужение и расширение сосудов и зрачков, сокращение мышц, работа системы выделения и т.д.) .

1.1. Сенсорное распознавание сигналов внешней и внутренней среды на уровне отдельных ощущений (зрительных, слуховых, обонятельных, осязательных, вкусовых и пр.) .

1.2. Управление путем гомеостатического регулирования, т.е. поддержания постоянства характеристик внутренней среды подсистемы .

1.3. Моторная активность в виде физиологических реакций .

Подсистема №2 обеспечивает первичную семантическую обработку сенсорной информации восприятие удовольствий, боли, формирование текущих образов окружающих объектов и реализацию безусловных рефлексов (сосательного, пищевого, полового и т.д.) .

2.1. Распознавание на уровне восприятия информации различной модальности, поступающей из подсистемы №1, путем предварительного формирования целостного конкретного образа текущей ситуации .

2.2. Выработка и принятие решений в текущей ситуации на уровне наглядно-действенного мышления, осуществляемого с помощью реального, физического преобразования ситуации и опробования свойств объектов .

2.3. Активность в текущей ситуации в виде инстинктивного поведения на основе безусловных (врожденных) рефлексов .

Подсистема №3 обеспечивает вторичную семантическую обработку сенсорной информации; существование эмоций, желаний, стремлений, влечений, чувств, воображения, волевых импульсов и оценок; формирование и хранение обобщенных образов окружающих объектов; мотивированное поведение на основе условных (приобретенных) рефлексов (прошлого опыта) .

3.1. Распознавание на уровне чувственного отражения “по ассоциации по сходству” сенсорной информации, поступающей из подсистемы № 2, путем предварительного формирования обобщенных образов, имеющих сходство с отражаемыми объектами окружающей среды. Это осуществляется путем наложения друг на друга текущих образов и запоминания повторяющихся деталей, с помощью так называемого “механизма суммации” .

3.2. Выработка и принятие решений на уровне образного мышления, осуществляемого с помощью образного представления ситуации и воображения ее изменений с учетом многообразия различных воспринятых и отраженных характеристик объектов .

3.3. Активность в виде мотивированного поведения на основе условных (приобретенных) рефлексов (прошлого опыта) .

Подсистема №4 обеспечивает самосознание, работоспособность интеллекта, понимание, рациональное поведение, синтез идей и выработку гипотез .

4.1. Распознавание на уровне абстрактного отражения “по ассоциации по смежности” информации, поступающей из подсистемы №3, путем предварительного формирования образов, имеющих знаковую природу (в первую очередь слов естественного языка – понятий) и отражающих определенные не обязательно чувственно воспринимаемые свойства объектов окружающей среды. Это осуществляется путем выдвижения и проверки гипотез о существенных свойствах объектов с помощью так называемого “механизма активного поиска” .

Структура человека

1. Сенсорное 2. Принятие решений,

3. Моторная активность: в эзотерической психологии:

распознавание: управление:

–  –  –

4.2. Выработка и принятие решений на уровне словесно-логического мышления, осуществляемого с помощью понятий и логических конструкций на базе языковых средств, а также с помощью обобщения путем абстрагирования .

4.3. Активность в виде сознательного, рационального поведения на основе целеполагания, с учетом планирования и прогнозирования развития и изменения данной ситуации .

Проанализируем данную схему как партитивную (цело-частную) модель уровней сенсомоторной активности человека. Из схемы хорошо видно, что каждая следующая по номеру подсистема, представляя собой, конечно, новое качество, не может функционировать без информации, вырабатываемой предыдущей подсистемой. Можно даже утверждать, что каждая следующая подсистема является эволюционной надстройкой над предыдущей. Например, целеполагание и планирование поведения на уровне подсистемы №4 осуществляется благодаря наличию определенных мотивов на уровне подсистемы №3. Соответственно эти мотивы поведения есть результат наличия на уровне подсистемы №2 возможности восприятия удовольствия и боли. Распознавание удовольствия и боли, в конце концов, основано на способности обеспечивать постоянство характеристик внутренней среды (самосохранение) подсистемой №1 .

Результаты рассмотрения подсистем системы человек и их функционирования позволяют предположить, что в настоящее время основная функциональная способность человека (как вида) заключается в рациональном поведении, которое основано на абстрактном отражении, словесно-логическом мышлении, целеполагании и планировании .

Этот вывод хорошо согласуется с современным представлением о человеке и его проявлении. Такие черты человеческого сообщества (антропосферы) как рациональность, интеллектуальность и превращение их продуктов – науки и технологии – в геологический фактор эволюции всей планеты [13] однозначно свидетельствуют в пользу этого вывода. Более того, наличие рационального сознания, интеллекта, словесно-логического мышления часто рассматривается как отличительный видовой признак человека [14] .

Предлагаемая модель уровней сенсомоторной активности человека, кроме согласования с современными научными данными, также хорошо согласуется с представлениями о человеке мыслителей прошлого, зафиксированными так называемой эзотерической психологией [15, 16] .

Функции и особенности уровней сенсомоторной активности могут быть уточнены на примерах. Одноклеточные организмы, например, представляют собой только подсистему №1, насекомые – совокупность подсистем №1 и №2, птицы и многие млекопитающие имеют подсистемы №1 – №3. Наличие у организма следующей по номеру подсистемы повышает качество и эффективность функционирования предыдущей. Необходимо отметить, что у разных насекомых или млекопитающих качество подсистемы верхнего уровня различается и соответствует уровню развития данного вида. По-видимому, эволюция органического мира может быть представлена как процесс повышения качества имеющихся уровней сенсомоторной активности и добавления новых уровней по мере усложнения среды обитания (запроса надсистемы) .

С точки зрения эволюции человека возникновение и развитие четвертого уровня сенсомоторной активности связано с так называемой неолитической революцией (сменой палеолита неолитом). В результате этой революции происходит смена на исторической сцене палеоантропа, в частности древнего человека неандертальского типа, неоантропом, т. е. человеком современного типа – кроманьонцем. Дело в том, что неандерталец, который занимался, в основном, охотой и собирательством (непроизводящим хозяйством), активно использовал только три уровня сенсомоторной активности. При этом третий уровень явно был доминирующим. Только кроманьонец, осуществивший переход к скотоводству и растениеводству (производящему хозяйству), приступил к активизации и использованию четвертого уровня [17] .

Совершенствование активности (поведения) осуществляется на уровне подсистемы №2 в процессе смены поколений путем накопления положительных для данной среды изменений у целого вида. На уровне подсистемы №3 – путем приобретения положительного (в данных условиях существования) опыта индивидуумом, т. е. в процессе обучения, которое может происходить и без привлечения опыта других индивидуумов. Нормальное функционирование и совершенствование подсистемы №4 обеспечивается только путем индивидуального обучения, в ходе которого обязательно привлекаются знания, накопленные предыдущими поколениями .

Естественно предположить, что группы людей, значительно отличающиеся друг от друга по историческим, климатическим и географическим условиям возникновения (расы), имеют различия в особенностях функционирования подсистемы №2; отличающиеся друг от друга условиями жизнедеятельности (нации и народности) – различия на уровне подсистемы №3, которые затрагивают передаваемые в процессе обучения нового поколения оценки, традиции, нормы поведения и т. д.; отличающиеся друг от друга своей социальной (профессиональной) функцией – различия на уровне подсистемы №4 .

Правильным целостным (гармоничным) алгоритмом функционирования человека является единовременный учет в любой ситуации:

состояния внешней и внутренней среды (подсистема №1;

физиологическое функционирование);

текущей обстановки (подсистема №2; инстинктивное функционирование);

накопленного прошлого опыта (подсистема №3; условнорефлекторное функционирование);

целей функционирования с учетом прогнозирования будущего развития и изменения ситуации (подсистема №4; рациональное функционирование) .

Очевидно, что такое интегральное поведение и является соответствующим миссии человека. В настоящее время, однако, алгоритм, в соответствии с которым осуществляется жизнедеятельность человека, как правило, не обеспечивает гармоничного функционального единства рассмотренных подсистем. Эта проблема – отсутствие внутренней гармонии человеческой активности и поведения – наблюдается в различных явлениях человеческого бытия .

Рассмотрим, например, такое явление как традиционализм с точки зрения нобелевского лауреата Конрада Лоренца, одного из основоположников науки о поведении животных (этологии). С одной стороны, получение животным, не обладающим от рождения всеми необходимыми инстинктами, от более старых и опытных особей информации (индивидуальное обучение с помощью "сигнальной наследственности", обеспечивающее приспособление к среде) представляет собой передачу опыта и знаний от поколения к поколению, т. е. традицию [18]. С другой стороны, формирующиеся воспитанием подрастающего поколения навыки быта, приемы мысли, восприятие предметов искусства, обращение со старшими и отношения между полами обеспечивают преемственность цивилизации, т. е. традицию. При этом они также представляют собой стереотипы поведения, передающиеся путем "сигнальной наследственности" и обеспечивающие приспособление к среде, т.е. ни что иное, как условные рефлексы [18]. Таким образом, часто проявляющееся слепое следование традициям представляет собой использование третьего уровня сенсомоторной активности без подключения четвертого уровня, что является фактическим отступлением от уровня homo sapiens до уровня неандертальца и даже животного .

Можно привести примеры использования четвертого уровня сенсомоторной активности без подключения третьего уровня, что также не соответствует требованиям целостности человека. К таким примерам, повидимому, относятся проведение научных исследований, решение политических и экономических вопросов без соотнесения результатов с общечеловеческими морально-нравственными ценностями и этическими нормами, а также слепое, не учитывающее те же ценности, исполнение закона и выполнение служебного долга. Это явление не менее опасно для отдельного человека и человечества в целом, так как индивид, использующий четвертый уровень сенсомоторной активности без подключения третьего уровня, представляет собой даже не животное, а некоторое устройство (машину), чуждое, по сути своей, живой природе человека .

Примером функционирования на первом и втором уровне сенсомоторной активности без подключения третьего и четвертого являются наркоманы, алкоголики, маниакально алчные и неуравновешенные в своих желаниях «особи», стремящиеся любой ценой удовлетворить свои желания и достичь определенных ощущений. Исходя из существующей демографической ситуации на планете, к сожалению, можно утверждать, что появление на свет очередного поколения у большинства людей до сих пор остается следствием активности второго (в самом лучшем случае еще и третьего) уровня без подключения четвертого. Именно в этом смысле следует понимать известное положение Библии о том, что человек рожден в грехе. Он действительно, как правило, рождается по сути своей еще не человеком (индивидом), а в значительной степени животным (особью). Хорошо по этому поводу сказал демон Силен древнегреческому царю Мидасу, назвав людей «детьми случая и нужды» .

Анализ уровней сенсомоторной активности позволяет учитывать при организации бизнеса (управлении, общении и т.д.) функциональные особенности конкретного человека как элемента организационной системы в конкретной ситуации. В частности, например, из приведенных результатов хорошо видно, что человек, переполненный эмоциями (третий уровень), не поймет обращенных к нему слов и не скажет ничего толкового, так как анализ и синтез речи осуществляются только на четвертом уровне, который в этот момент просто выключен. С точки зрения общих рекомендаций можно сказать, что первая реакция среднего сотрудника мужского пола будет, скорее всего, основана на процедурах четвертого уровня. Сотрудника женского пола – третьего, так как исследования явления функциональной асимметрии головного мозга свидетельствуют о том, что у мужчины, как правило, доминирующим является левое полушарие (ответственное за функционирование четвертого уровня), а у женщины – правое (ответственное за функционирование третьего уровня) .

Безусловно, любому бизнесмену или менеджеру необходимо изучать и знать своих сотрудников, а не руководствоваться «средней температурой по палате» .

Знание особенностей функционирования человека является необходимой основой эффективной организации и проектирования бизнеса и его оптимизации, так как позволяет менеджерам легче ориентироваться в реакциях и поведении сотрудников, а также в своем собственном .

1.2. Векторное представление миссии человека

Используем модель уровней сенсомоторной активности человека для графической интерпретации его надсистем и его миссии .

Четыре уровня активности человека графически могут быть представлены с помощью системы координат, а миссия человека как вектор в этих координатах (рисунок 2). При этом первому уровню (первой подсистеме) человека (физическому телу) в ней соответствует точка пересечения осей координат. Сами же оси координат соответствуют 2-у (инстинктивному), 3-у (условнорефлекторному) и 4-у (рациональному) уровням или подсистемам .

Кроме того, классифицирование антропосферы по различным основаниям позволяет предполагать, что эти же оси интерпретируют также надсистемы любого человека – СЕМЬЮ, ДЕЛО и ОБЩЕСТВО соответственно .

Причем, плоскость между осями 2 и 3 (семья х дело = семья для дала + дело для семьи) интерпретирует биосферу. Плоскость между осями 3 и 4 (дело х общество = дело для общества + общество для дела) – ноосферу. Плоскость между осями 2 и 4 (семья х общество = семья для общества + общество для семьи) – социосферу .

Очевидно, что названные надсистемы имеют специфические запросы, определяя свои собственные требования к человеку. Это позволяет говорить о том, что человек функционирует в общем случае под влиянием четырех внешних детерминант (со стороны ТЕЛА, СЕМЬИ, ДЕЛА и ОБЩЕСТВА). Эти детерминанты, откладываемые на соответствующих осях, определяют некоторый вектор, который может быть проинтерпретирован как интегральная внешняя детерминанта человека или миссия человека .

Общество; 4-й уровень – рациональный запрос общества

–  –  –

Описанный выше подход к миссии человека как к интегральной внешней детерминанте со стороны ОБЩЕСТВА, ДЕЛА, СЕМЬИ и ТЕЛА позволяет рассматривать уровни или аспекты миссии. Обобщенная формулировка миссии на этих уровнях представлена в табл. 1 .

–  –  –

По мнению автора, учет всех указанных в таблице аспектов при формулировании миссии для конкретного человека полностью решает известную проблему «определения смысла жизни». После успешного формулирования остается, однако, проблема следования этой миссии, которая должна решаться не на словах, а на деле. При этом согласно системологии, люди, выполняющие свою миссию, практически не имеют проблем в жизни .

А те, кто имеют проблемы … должны пенять только на самих себя .

2.4. Классификация людей по выраженности уровней активности

–  –  –

Данная классификация, естественно, имеет весьма дискуссионный характер. Однако, поскольку уровни активности у человека существуют, то имеет смысл говорить о различной степени их выраженности. Это порождает подобную классификацию с точностью, конечно, до названий отдельных видов .

Призываю читателей найти более подходящие для них названия! Кроме того, следует иметь в виду, что человек может в различных ситуациях проявлять себя по-разному, т.е. будет соответствовать разным видам и не только в течение жизни, но и в течение одного дня .

3. Миссия организации 3.1. Организация как система уровней деловой активности

С точки зрения «организмического» подхода организация, как система, обязательно включающая в себя человека, может быть также представлена в виде четырех взаимодействующих подсистем, функционирование которых поддерживает функциональную способность организации в целом. Каждая из этих подсистемы представляет собой кибернетическую схему управления, аналогичную уровню сенсомоторной активности. Рассмотрим эти подсистемы, каждая из которых состоит из тех же трех упомянутых выше (см. пункт 2.1) блоков, и их предназначение более подробно, используя прилагаемую на рисунке 3 схему [19] .

Подсистема №1 обеспечивает деловую межличностную активность для удовлетворения потребностей участников и совладельцев организации за счет входных материальных и информационных потоков и технологического управления межличностным взаимодействием при непосредственном осуществлении бизнес-процесса .

1.1. Учет входных материальных и информационных потоков .

1.2. Технологическое управление бизнес-процессами для поддержания характеристик (существования) данной деловой активности .

1.3. Деловая активность, направленная на получение результатов для участников и совладельцев организации .

Подсистема №2 обеспечивает деловую административную активность для удовлетворения запросов вышестоящей организации или территории, в рамках которой функционирует данная организация, путем первичной обработки деловой информации на основе анализа текущей обстановки и административного управления по стандартным, изначально определенным схемам и принципам .

2.1. Мониторинг и анализ текущей обстановки (состояния, ситуации) в соответствии с изначально заложенными в данную организацию свойствами (структурными и функциональными) .

2.2. Административно-командное управление текущими работами и существующими структурами по стандартным принципам и схемам .

2.3. Стандартная деловая активность в текущей ситуации, направленная на получение результатов для вышестоящей организации или территории, в рамках которой функционирует данная организация .

Подсистема №3 обеспечивает деловую функциональную активность для удовлетворения потребностей клиентов путем вторичной обработки деловой информации с помощью формирования традиций и системы оценок, а также функционального управления на основе прошлого опыта и накопленных ресурсов .

3.1. Анализ и распознавание ситуации на основании опыта и системы оценок .

3.2. Выработка и принятие решений путем функционального управления существующими ресурсами (материальными и информационными) с привлечением маркетинга и логистики .

3.3. Деловая активность, направленная на получение результатов для потребителей (клиентов, заказчиков) .

Подсистема №4 обеспечивает деловую стратегическую активность для удовлетворения запросов общества путем формирования убеждений, ценностей и целей, а также управления на основе стратегического планирования .

4.1. Анализ и распознавание ситуации на основании убеждений, ценностей и целей .

4.2. Выработка и принятие решений на основе стратегического планирования, системного и когнитивного подхода с использованием принципов инжиниринга бизнеса .

4.3. Деловая активность, направленная на получение результатов для всего общества .

–  –  –

Проанализируем данную схему как партитивную (цело-частную) модель уровней деловой активности организации. Также как и модель уровней сенсомоторной активности человека, она отражает не только части (подсистемы) существующих организационных систем, но и этапы развития бизнеса. При этом хорошо видно, что каждая следующая по номеру подсистема, представляя собой, конечно, новое качество, не может, однако, функционировать без информации и результатов, вырабатываемых предыдущей подсистемой. Наличие у организации следующей по номеру подсистемы повышает качество и эффективность функционирования предыдущей. Необходимо отметить, что у разных организаций, имеющих одинаковое количество уровней, качество подсистемы верхнего уровня может различаться и соответствовать уровню развития данной организации .

Следовательно, в данном случае также можно утверждать, что каждая следующая подсистема является эволюционной надстройкой над предыдущей .

Первая подсистема – материальная основа бизнеса, его «тело» – представляет собой его простейший и самый древний вид, с которого начинается история разделения труда и товарно-денежных отношений. Мелкие купцы, ремесленники, мелкие мастерские и лавочки, а также современные маленькие мастерские и магазинчики и мелкооптовые рыночные торговцы являются воплощением данной схемы функционирования бизнеса. Очевидно, что такой бизнес обладает весьма слабой степенью устойчивости, особенно в современных условиях, что и подтверждается практикой недоразвитых в рыночном отношении стран, где этот вид бизнеса еще присутствует в изобилии .

Принципы производственного управления, составляющие концепцию MRP (планирование материальных ресурсов), направлены на поддержку именно этого уровня деловой активности. Данный вид бизнеса аналогичен первому физиологическому уровню сенсомоторной активности, поэтому, с учетом биологической метафоры, поведение такой организации может быть названо амебоподобным .

Организация, состоящая из двух подсистем (уровней) деловой активности, представляет собой то самое классическое («тейлоровское») предприятие, которое функционирует по принципам классической же теории организации и которых в настоящее время еще очень много. При этом для плановой (государственной) и для рыночной экономики данные предприятия будут отличаться способами и результатами анализа текущей ситуации, а также методами работы командно-административной системы .

Этот вид бизнеса более устойчив, но только в условиях стабильных экономических отношений, неизменных технологий и слабой конкуренции .

Принципы производственного управления, составляющие концепцию ERP (планирование ресурсов предприятия), направлены на поддержку именно двухуровневой деловой активности. Данный вид бизнеса аналогичен двухуровневой системе сенсомоторной активности, поэтому, с учетом биологической метафоры, поведение такой бизнес-системы может быть названо насекомоподобным .

Организация, состоящая из трех подсистем (уровней) деловой активности, это «посттейлоровское» предприятие, использовавшее в какой-то момент и в какой-то степени методы инжиниринга бизнеса, перестроившее свое функционирование в сторону все более полного учета требований клиентов. К таким организациям можно отнести некоторые крупные предприятия (фирмы, компании и т.д.) мирового класса, занимающие на сегодняшний день ведущие позиции в мировой экономике: IBM, Форд, Тойота, Кодак и т.д. Этот вид бизнеса еще более устойчив и более пригоден для осуществления деловой активности в динамических экономических и технологических условиях и сильной конкуренции. Принципы управления, составляющие концепцию CSRP (планирование ресурсов, синхронизированное с покупателем), направлены на поддержку именно такой деловой активности. Данный вид бизнеса аналогичен трехуровневой системе сенсомоторной активности, поэтому, с учетом биологической метафоры, поведение такой бизнес-системы может быть названо обезьяноподобным .

Организация, состоящая из четырех подсистем, это перспективное интеллектуальное предприятие, построенное с учетом всех требований информационного общества, для которого инжиниринг бизнеса является не разовым, а постоянным видом деловой активности. Этот вид бизнеса еще более устойчив и перспективен в современных сложных динамических условиях .

Только данный вид бизнеса аналогичен системе сенсомоторной активности человека, поэтому, с учетом биологической метафоры, поведение только такой бизнес-системы может быть названо человекоподобным, т.е. «бизнесом с человеческим лицом» .

Результаты рассмотрения подсистем организации и их функционирования позволяют предположить, что в настоящее время бизнес (деловая активность) находится на переходном этапе своего развития: идет активное формирование и становление третьего уровня деловой активности, а в отдельных случаях можно говорить о появлении ростков четвертого уровня .

С точки зрения эволюции бизнеса возникновение и развитие третьего уровня деловой активности (и элементов четвертого) связано с так называемой революцией в бизнесе [20]. В результате нее происходит замена классической теории организации знаниеориентированными технологиями инжиниринга бизнеса, в рамках более глобальной смены в экономике вещественноэнергетического подхода информационным в ходе становления информационного общества .

Из описанной схемы деловой активности следует, что правильным целостным (гармоничным) алгоритмом функционирования организации является единовременное в любой ситуации:

осуществление бизнес-процессов для удовлетворения потребностей участников и совладельцев бизнеса (подсистема №1; межличностное функционирование);

координация организационных структур и текущих работ (от анализа текущей обстановки до сбыта продукции) для получения результатов в интересах вышестоящей организации или территории (подсистема №2;

административное функционирование);

управление накопленными ресурсами (материальными и информационными) на основе прошлого опыта, системы оценок результатов и маркетинга для удовлетворения запросов потребителей (клиентов) (подсистема №3; функциональное функционирование);

стратегическое управление на основе ценностей и убеждений с учетом общественных целей функционирования организации методами инжиниринга бизнеса (подсистема №4; стратегическое функционирование) .

Очевидно, что такой интегральный алгоритм и соответствует миссии организации. Данный алгоритм, по сути своей, повторяет на более детальном уровне требования «алмазной модели системы внутрифирменного управления»

[20]. Элементы этой модели представляют собой как бы в сжатом виде уровни (подсистемы) деловой активности, что хорошо видно из ее представления в виде ромба, углы которого являются элементами, а стороны – связями. Дело в том, что верхний элемент модели – бизнес-процессы – определяют левый элемент – трудовые задания и организационные структуры, так как виды и способы работы определяют характеристики трудовых заданий и то, как люди, выполняющие эти задания, сгруппированы и организованы. Сотрудники, выполняющие работу в определенных организационных структурах, нанимаются, оцениваются и оплачиваются посредством соответствующих управленческих систем. Поэтому левый элемент модели определяет нижний элемент – систему управления и оценки результатов, которую используют в организации. Эта система управления и оценки является главным фактором, определяющим ценности и убеждения сотрудников, которые составляют правый элемент модели и которые, в свою очередь, поддерживают осуществление бизнес-процессов .

В настоящее время, однако, алгоритм, в соответствии с которым осуществляется функционирование многих организационных систем (предприятий, фирм, компаний и т.д.), как правило, не обеспечивает гармоничного функционального единства рассмотренных подсистем, что и влечет за собой возникновение разнообразных проблем вплоть до прекращения деловой активности и ликвидации .

В завершение подчеркнем, что представленная модель деловой активности соответствует процессам, осуществляемым на так называемом «горизонтальном» предприятии, которое представляет собой организацию нового типа, где горизонтальные связи (внутренние, координационные между сотрудниками и подразделениями и внешние) являются более важными (больше влияют на эффективность), чем традиционные вертикальные (субординационные) связи. Такое предприятие, являясь первым шагом на пути интеллектуализации, содержит немного уровней иерархии и формируется не на основе отделов (отделений, служб и т.д.), а на основе автономных и самоуправляемых междисциплинарных рабочих групп (команд процессов), полностью осуществляющих весь процесс удовлетворения всех требований заказчика .

Как известно [9], все процессы на данном предприятии делятся на четыре группы:

Стратегические процессы: непосредственно влияют на выживание, конкурентоспособность и эффективность работы предприятия;

характеризуют состояние предприятия в целом, потенциал и перспективы его развития; разрабатываются и управляются руководителями высшего звена .

Функциональные процессы: управление ресурсами (материальными и информационными), разработка системы оценок, маркетинг, удовлетворение клиента; управляются менеджерами среднего звена .

Административные процессы: управление выполнением традиционных штатных рабочих процедур (прием и распределение заказов, изготовление, доставка, упаковка, бухгалтерский учет, платежи и т.д.) .

Межличностные процессы: составляют ядро деятельности предприятия и заключаются во взаимодействии сотрудников при осуществлении процесса создания необходимой потребительской стоимости и удовлетворения требований заказчика .

Знание особенностей функционирования организации является необходимой основой эффективной оптимизации деловой активности. Оно обеспечивает руководителей четкими ориентирами при оценке качества функционирования организации и прогнозировании ее развития .

3.2. Векторное представление миссии организации Используем модель уровней деловой активности организации для графической интерпретации ее надсистем и ее миссии .

–  –  –

Четыре уровня активности организации графически могут быть представлены с помощью системы координат, а миссия организации как вектор в этих координатах (см. рисунок 4). При этом первому уровню (первой подсистеме) организации (межличностным бизнес-процессам) в ней соответствует точка пересечения осей координат. Сами же оси координат соответствуют 2-у (административному), 3-у (функциональному) и 4-у (стратегическому) уровням или подсистемам .

Кроме того, классифицирование антропосферы по различным основаниям позволяет предполагать, что эти же оси интерпретируют также надсистемы любой организации – вышестоящую ОРГАНИЗАЦИОННУЮ

(АДМИНИСТРАТИВНО-ТЕРРИТОРИАЛЬНУЮ) СИСТЕМУ, РЫНОК и ОБЩЕСТВО

соответственно. Причем, плоскость между осями 2 и 3 (организационная система х рынок = организация для рынка + рынок для организации) интерпретирует аналог биосферы с учетом биологической метафоры, плоскость между осями 3 и 4 (рынок х общество = рынок для общества + общество для рынка) – ту же ноосферу, а плоскость между осями 2 и 4 (организация х общество = организация для общества + общество для организации) – ту же социосферу .

Очевидно, что названные надсистемы имеют специфические запросы, определяя свои собственные требования к организации. Это позволяет говорить о том, что организация функционирует в общем случае под влиянием четырех внешних детерминант (со стороны бизнес-процессов, организационной/административно-территориальной системы, рынка и общества). Эти детерминанты, откладываемые на соответствующих осях, определяют некоторый вектор, который может быть проинтерпретирован как интегральная внешняя детерминанта организации или миссия организации .

3.3. Определение миссии организации

Описанный выше подход к миссии организации как к интегральной внешней детерминанте со стороны ОБЩЕСТВА, РЫНКА, ОРГАНИЗАЦИОННой (АДМИНИСТРАТИВНО-ТЕРРИТОРИАЛЬНой) СИСТЕМы и БИЗНЕС-ПРОЦЕССОВ позволяет рассматривать уровни или аспекты миссии. Обобщенная формулировка миссии на этих уровнях представлена в таблице 3 .

–  –  –

Удовлетворение конкретных запросов конкретных клиентов. Учет Клиентская потребностей поставщиков (потребительская) Удовлетворение запросов конкретной организационной (или Организационная административно-территориальной) системы, в структуре (административнокоторой функционирует данная организация территориальная) Выполнение условий устойчивого развития данного бизнеса, путем удовлетворения моральных и материальных потребностей Предпринимательская его участников и совладельцев По мнению автора, учет всех указанных в таблице аспектов при формулировании миссии для конкретной организации полностью решает многие проблемы, так как согласно системологии, организации, выполняющие свою миссию, практически не имеют проблем в бизнесе .

3.4. Классификация организационных систем

Векторное представление миссии организации наводит на мысль о возможности своеобразной классификации организаций .

Кроме внешней детерминанты у организации есть еще и внутренняя детерминанта, т.е. ее фактическое функционирование, которое, как было уже выше отмечено, как правило, не соответствует внешней. Эта детерминанта, как и внешняя детерминанта (миссия), может быть представлена вектором в той же самой системе координат с названиями осей, соответствующим уровням активности. В зависимости от того, какие и сколько уровней у организации выражено наиболее ярко (соответственно, в зависимости от того каких и сколько не выражено, заторможено) вектор внутренней детерминанты будет выглядеть по-разному .

Во-первых, он может вообще отсутствовать, т.е. выродится в точку в начале координат, если выражен только один 1-й уровень .

Во-вторых, он может принадлежать одной из трех осей как отрезок, если уровни выражены попарно – или 1 и 2, или 1 и 3, или 1 и 4, либо как точка, если уровни выражено по одному – или 2, или 3, или 4. В-третьих, он может принадлежать одной из трех плоскостей как отрезок, если уровни выражены тройками – или 1, 2, 3, или 1, 2, 4, или 1, 3, 4, либо как точка, если уровни выражены попарно – или 2 и 3, или 2 и 4, или 3 и 4. И, наконец, в-четвертых, он может принадлежать декартовому пространству как отрезок, если выражены все уровни, либо как точка, если выражено три уровня – 2, 3, 4 .

Рассмотренные положения вектора внутренней детерминанты (фактического функционирования) позволяют разделить все организационные системы на 4-е основные класса (типа), два из которых делятся еще и на подклассы, а затее на виды, как показано в приведенной ниже таблице 4 .

Данная классификация, естественно, имеет весьма дискуссионный характер .

Однако, если уровни деловой активности действительно существуют, то имеет смысл говорить о различной степени их выраженности. Это порождает подобную классификацию с точностью, конечно, до названий отдельных видов .

Призываю читателей найти более подходящие для них названия! Кроме того, следует иметь в виду, что организация может в различных ситуациях проявлять себя по-разному, т.е. будет соответствовать разным видам в течение своего жизненного цикла .

Таблица 4 Классификация организаций по выраженности уровней активности Активные Тип Виды уровни

Нольмерные:

– «амебоподобные» (например, лоточный бизнес 1 или мелкие мастерские)

–  –  –

Заключение Представленные результаты позволяют предположить, что миссию человека следовало бы рассматривать как обязательное приложение, если уж не к паспорту, то, хотя бы, к резюме или автобиографии. Миссию же организации

– к уставу организации или к положению о ней. Может быть, это способствовало бы решению кадровой проблемы, когда люди попадают не в те организации, а в организации попадают не те люди .

В перспективе, видимо, имеет смысл определять также миссию крупномасштабных организационных структур – регионов, стран и цивилизации в целом. Хотя последняя явно отрабатывает еще только первый уровень, так как вопрос выживания современной цивилизации, пока, окончательно не решен .

Литература

1. Беляев А.А., Коротков Э.М. Системология организации. М.: Инфра-М, 2000. – 182 с .

2. Горчаков В. Миссия организации и особенности политики управления персоналом // http:// www.klerk.ru (или www.bkg.ru, или www.iteam.ru/publications/strategy/section15/) 3. Деревлева М. Миссия организации// http:// www.advertology.ru/laboratoriy/ arxiv/2000/derevleva1-2.htm

4. Рейтер Грегори Р. От деклараций к действию: разработка миссии организации // http:// www.iteam.ru/publications/strategy/section15/article_837

5. Степанов А. Метод разработки миссии предприятия // http:// www.devbusiness.ru/development/strategy.htm (или www.rcb.ru)

6. Айдинян Р., Шипунова Т. Проблемы определения целей и миссии организации // http:// www.devbusiness.ru/development/strategy.htm

7. Мельников Г.П. Системология и языковые аспекты кибернетики. М.:

Сов. радио, 1978. – 368 с .

8. Бондаренко М.Ф., Маторин С.И., Соловьева Е.А. Моделирование и проектирование бизнес-систем: методы, стандарты, технологии. Харьков:

ООО «Компания СМИТ», 2004. – 272 с .

9. Тарасов В.Б. Новые стратегии реорганизации и автоматизации предприятий: на пути к интеллектуальным предприятиям // Новости искусственного интеллекта. 1996. – №4. – С. 40-84 .

10. Кликс Ф. Пробуждающееся мышление. История развития человеческого интеллекта: Пер. с нем. К.: Выща шк. Изд-во при Киев. ун-те, 1985. – 295 с .

11. Тихомиров О.К. Психология мышления. М.: Изд-во МГУ, 1984. – 271 с .

12. Маторин С.И. Детерминантный анализ системы переработки информации человека. // Проблемы бионики. 1998. №49. С. 72-80 .

13. Вернадский В.И. Научная мысль как планетное явление. М.: Наука, 1991. – 271 с .

14. Косыгин Ю.А. Человек. Земля. Вселенная. М.: Наука, 1995. – 335 с .

15. Успенский П. Д. Новая модель вселенной: Пер. с англ. СПб: Изд-во Чернышева, 1993. – 560 с .

16. Ошо Р. Психология эзотерического. Корни и крылья. М.: "АСТ", 1992. – 435 с .

17. Маторин С.И. Детерминантный анализ эволюции системы переработки информации человека // Проблемы бионики. 1999. – №50. – С. 120-130 .

18. Тартаковский М. С. Человек – венец эволюции ? М.: Знание, 1990. – 48 с .

19. Маторин С.И. Анализ и моделирование бизнес-систем:

системологическая объектно-ориентированная технология / Под ред .

М.Ф. Бондаренко; Предисловие Э.В. Попова. Харьков: ХНУРЭ, 2002. – 322 с .

20. Хаммер М., Чампи Дж. Реинжиниринг корпораций: Манифест революции в бизнесе. М.: Финансы и статистика, 1997. – 332 с .

УДК 681.3:681.5

МАТЕМАТИЧЕСКИЕ МОДЕЛИ ФОРМИРОВАНИЯ И ВЫБОРА

ВАРИАНТОВ ИНФОТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ

Нечаев Ю.Б., Кащенко Г.А .

ОАО «Концерн «Созвездие», Воронеж, Россия, E-mail: nechaev_ub@mail.ru Аннотация. Рассмотрены математические модели формирования и выбора вариантов инфотелекоммуникационных систем (ИТКС), включающие морфологическую и иерархическую модели, а также модель на основе теории нечетких множеств .

MATHEMATICAL MODELS OF FORMATION AND CHOICE

OF VARIANTS OF THE INFOTELECOMMUNICATION SYSTEMS

Nechaev Yu.B. Kashenko G.A .

JSC «Sozvezdie» Concern», Voronezh, Russia, E-mail: nechaev_ub@mail.ru Abstract. Mathematical models of formation and choice of variants of the infotelecommunication systems (ITCS), including morphological and hierarchical models, and also model on the basis of the theory of indistinct sets are considered .

Одной из существенных особенностей современного этапа научно – технического прогресса является стремительное развитие инфотелекоммуникационных систем (ИТКС). ИТКС – это сложная территориально распределенная техническая система, представляющая собой функционально связанную совокупность программно – аппаратных средств обработки и обмена информацией и состоящую из подсистем обработки информации и физических каналов передачи информации, их соединяющих .

Одним из путей кардинального улучшения качества проектов создаваемых ИТКС является использование на стадии технического предложения новых технологий проектирования, позволяющих формировать множество альтернативных вариантов технических решений и выбирать из них наиболее перспективные для последующей реализации в виде конструкции .

Чем больше число вариантов и эффективнее методика выбора, тем выше вероятность создания проекта с высоким уровнем качества .

Одной из основных проблем, стоящих перед разработчиками ИТКС, является проблема формирования и выбора наилучшего варианта ИТКС на ранних этапах проектирования, реализация которого обеспечит в дальней шем большое разнообразие и прирост качества информационных услуг, представляемых потенциальным пользователям, при минимальных или приемлемых затратах ресурсов. В этих условиях существенно возрастает роль построения адекватных моделей математических моделей формирования и выбора вариантов ИТКС .

Для оценки эффективности ИТКС должны быть формализованы показатели качества и конкурентоспособности (ПКК), наиболее полно характеризующие систему с точки зрения лица, принимающего решения (ЛПР) (проектировщика и заказчика). Необходимо отметить, что какой – либо единой номенклатуры показателей качества различных типов ИТКС нет и, по – видимому, быть не может. В каждом конкретном случае ЛПР приходиться формировать номенклатуру ПКК рассматриваемых объектов с учетом целей оценки, этапа жизненного цикла и специфики объекта, наличия достоверных данных и др. Выбранная номенклатура ПКК для оценки эффективности однотипных ИТКС должна быть одинаковой. Необходимо отметить, что с увеличением количества принятых для оценки показателей трудоемкость работ возрастает, а объективность оценки при превышении некоторого порога практически не повышается, поэтому в состав оценочных показателей целесообразно включать только те показатели, которые наиболее значимы для оценки эффективности конкретной ИТКС. Вместе с тем, если показателей для оценки эффективности окажется недостаточно, то при увеличении числа этих показателей интегральная оценка может измениться. Таким образом, в каждом конкретном случае необходимо определить, сколько и какие показатели использовать для достоверной интегральной оценки качества ИТКС .

Анализ опыта оценки качества различных ИТКС показывает, что на практике найти количественные значения некоторых показателей качества их компонентов очень затруднительно. Ситуация усложняется, когда информация о системе носит конфиденциальный характер. В связи с этим на практике при оценке эффективности систем принимают весьма скромную номенклатуру показателей, что очень часто является причиной неправильного выбора варианта ИТКС. Выбранные ПКК целесообразно иерархически структурировать, что позволяет, во – первых, сравнивать системы по отдельным групповым признакам, во – вторых, облегчается процедура определения коэффициентов весомости показателей. Группировка показателей качества по каким – либо признакам способствует получению более достоверных результатов интегральной оценки объекта. Таким образом, множество показателей качества целесообразно разбить на несколько групп. В общем случае все множество ПКК включает несколько десятков критериев, сгруппированных по видовым группам: конструктивные, функциональные, эксплуатационные, экономические и специальные .

В настоящее время на зарубежном и отечественном рынках имеется большое количество разнообразных компонентов для построения ИТКС .

Насыщение рынка зарубежной и отечественной элементной базой, большое разнообразие условий, в которых работают ИТКС, специфичность требований, предъявляемым к ним, вопросы надежности и долговечности, наличие большого числа конструктивных типов усложняют выбор наилучшего варианта этих систем для конкретных условий эксплуатации. В этой связи выбор наилучшего варианта ИТКС является задачей, от решения которой во многом будет зависеть расширение области применения этих систем .

Множество возможных вариантов взаимозаменяемых компонент может быть заранее известно, если выбор варианта осуществляется среди имеющихся на рынке вариантов компонент. Однако на практике такой выбор очень часто усложняется из-за невозможности получить достоверную информацию о показателях качества компонентов, например, либо из-за нежелания производителей оценивать свою продукцию по предлагаемым показателям качества, либо из-за сокрытия или умышленного искажения реальных показателей с целью введения в заблуждение конкурентов. В этом случае многокритериальную задачу выбора варианта ИТКС приходиться решать в условиях неопределенности .

С позиций системного подхода задачи формирования и выбора вариантов

ИТКС можно представить следующим набором информации:

(1) T, X, Q, A, F, G, L, M, N, C, P, S, D В выражении (1) приняты следующие обозначения: Т — постановка задачи (например, t1 – сгенерировать варианты и выбрать наилучший вариант системы; t 2 - сгенерировать и выбрать вариант, наиболее близкий по свойствам к заданному техническому заданию или прототипу (лидеру рынка); t 3 сгенерировать варианты и упорядочить весь набор вариантов по степени сходства к заданному объекту и др.); X — множество допустимых альтернатив для реализации обобщенных функциональных подсистем (х1 – альтернатива реализует одну функцию из рассматриваемой морфологической таблицы, х2 – альтернатива реализует более одной функции); Q — множество критериев оценки альтернатив и выбора варианта системы; А — множество методов измерения предпочтений альтернатив (а1 -использование номинальной – классификационной шкалы; а2 – использование ранговой шкалы; а3 — использование количественной шкалы; а4 – экспертное оценивание с помощью комментариев; а5 – экспериментальное оценивание; а6 — оценивание на основе продукционных правил); F — отображение множества допустимых альтернатив, реализующих функции в множество критериальных оценок; G — система предпочтений решающего элемента (g1 – формирование предпочтений одним лицом; g2 – формирование предпочтений коллективом); L — способы исследования системы (l1 – исследование целостной системы; l2 — исследование системы по частям); М — методы оценивания вариантов (m1 – оценивание варианта в целом после его синтеза из частей; т2 – оценивание отдельных подсистем, альтернатив и их сочетаний до начала процедуры синтеза); N — процедуры выбора вариантов (n1 – последовательный перебор всех вариантов по принципу лексикографического упорядочивания; п2 последовательный перебор; n3 — случайное зондирование морфологического множества; n4 — детерминированное зондирование); С — вид целевой функции (c1 —аддитивная; с2 – мультипликативная; c3 — целевая функция на основе мер сходства и различия); Р — число рассматриваемых уровней системы (p1 — один; р2 – более одного); S — уровень формализации постановки и решения задачи (s1 – не формализованный эвристический подход; s2 – формальноэвристический подход; s3 – полностью формализованный подход); D — решающее правило, отражающее систему предпочтений .

Задача формирования и выбора вариантов любых сложных систем, в частности ИТКС, на начальных этапах проектирования относится к слабо структурированным проблемам, в описании которых преобладает информация качественного или интервального характера. Поэтому для ее решения требуется привлечение методов искусственного интеллекта. Решение рассматриваемой задачи включает в себя три основных этапа: генерацию или поиск варианта, оценку множества сгенерированного или найденного варианта и принятие решения о его пригодности или непригодности и о продолжении или прекращении дальнейшего поиска вариантов .

Структурная схема алгоритма типового процесса формирования и выбора вариантов систем может быть представлена следующим образом:

Шаг 1. Ввод исходных данных на проектирование .

Шаг 2. Генерация технического решения .

Шаг 3. Оценка эффективности технического решения .

Шаг 4. Если техническое решение не удовлетворяет условиям проектирования, то переход на шаг 2, иначе переход на шаг 5 .

Шаг 5. Вывод результатов проектирования .

Шаг 6. Конец алгоритма .

При решении задач формирования альтернативных вариантов ИТКС, когда задана их декомпозиция на подсистемы, очень часто целесообразно использовать морфологическую модель, широко используемую при проектировании сложных технических систем [1,2].

Морфологическая модель характеризуется следующими особенностями:

1. Строгая формулировка задачи .

2. Выявление максимально полного перечня основных функций системы и декомпозиция на подсистемы по функциональному признаку .

3. Определение различных альтернативных способов реализации каждой из выявленных функций и всех морфологических вариантов рассматриваемой системы. Каждый из вариантов системы в целом состоит из цепочки, содержащей по одному способу реализации каждой подсистемы .

4. Определение эффективных (Парето – оптимальных) вариантов системы на структурном множестве допустимых вариантов .

5. Выбор и реализация наиболее предпочтительного варианта системы с использованием скалярной целевой функции .

При этом полагается, что любой вариант системы обладает определенной структурой, то есть состоит из конечного числа компонентов (подсистем) и распределение системных функций между ними может быть осуществлено конечным числом способов. В этом случае возникают задачи формирования некоторого допустимого множества альтернативных вариантов системы и выделения среди них Парето – оптимальных вариантов с последующим выбором среди них единственного варианта на основе использования дополнительной информации о предпочтениях заказчика .

Рассмотрим особенности формирования структурного множества допустимых вариантов системы. Предполагается, что выполнена функциональная декомпозиция системы на некоторое множество подсистем (компонентов) L { A j, j 1,2,, L, A j A}. (1) j 1 Считаются заданными: конечное множество компонентов системы E ;

разбиение множества E на L морфологических классов (l ), l 1,2,, L таких, что (l ) (l ) при l l .

Задано морфологическое пространство 2 E, элементами которого являются морфологические варианты системы A (A1, A2,, AL ). Каждый морфологический вариант A есть некоторая совокупность представителей класса A(l) (l). При этом A и для любого индекса l 1,2,, L множество одноэлементное .

В предположении, что существует некоторое множество альтернативных способов реализации каждой подсистемы A lk, k 1,2,, K, l 1,2,, L, может быть задана некоторая морфологическая таблица (таблица 1) .

–  –  –

В свою очередь каждую подсистему рассматриваемой системы можно представить в виде морфологической таблицы. Морфологические таблицы являются эффективным средством представления знаний об ИТКС. Они позволяют систематизировать достаточно большой объем знаний о морфологии ИТКС в компактном виде. Разработка морфологической таблицы дает возможность формализовать процесс упорядочивания множества заключенных в ней вариантов систем. Качество составления морфологической матрицы таблицы во многом определяет конечный результат поиска искомого решения проблемы. Разработка морфологических таблиц связана с первым шагом метода морфологического исследования –морфологическим анализом. Целью морфологического анализа является классифицирование исследуемого объекта или множества объектов. Морфологическое классифицирование в общем случае заключается в делении родового понятия таким образом, что последним могут соответствовать как множества известных технических систем, так и множества потенциальных вариантов, появление которых возможно в будущем .

Формирование конкретных морфологических таблиц для отображения множества вариантов ИТКС может производиться двумя способами .

Применение того или иного способа определяется конечными целями морфологического исследования, характером исходной информации, степенью изученности предметной области, профессиональным уровнем инженеров, их знаниями .

Первый способ основан на проведении конструктивно-функционального анализа технических объектов. В результате формируется морфологическая таблица, включающая функции или обобщенные функциональные подсистемы и конструктивные альтернативы, реализующие соответствующие функции .

Альтернативы, как правило, оцениваются количественно экспертными оценками по критериям качества для решения задач выбора рациональных вариантов .

Второй способ реализуется в два шага. На первом шаге проводится конструктивно-функциональный анализ таким же образом, как он проводился в первом способе. На втором шаге каждая альтернатива, находящаяся в морфологической таблице, дополнительно характеризуется множеством качественных функционально-конструктивных признаков, более тонко и полно отражающих отличительные особенности альтернатив.

Формирование морфологических таблиц первым способом наиболее предпочтительно в тех ситуациях, когда:

1) в исходной информации, характеризующей конкретные ИТКС, не выражены в явном виде конструктивно-функциональные компоненты;

2) инженеры по знаниям недостаточно хорошо ориентируются в анализируемой предметной области;

3) для задач формирования и выбора ИТКС предполагается использовать только количественную экспертную оценку альтернатив по критериям качества .

Второй способ формирования морфологических таблиц используется в следующих ситуациях:

1) при наличии предварительно структурированной информации об ИТКС по конструктивно-функциональным компонентам;

2) при постановке задачи проведения более глубокого исследования морфологического множества вариантов систем и построение принципиально новых знаний о структуре ИТКС;

3) при наличии высококвалифицированных специалистов с большим опытом изобретательской и исследовательской работы в анализируемой предметной области;

4) когда требуется исследовать морфологические множества одновременно по количественно оцененным критериям качества и качественным признакам, характеризующим функции и структуру вариантов ИТКС .

Целями морфологического подхода при решении задач формирования и выбора варианта ИТКС являются:

1) Системное исследование всех возможных вариантов решения задачи, вытекающих из закономерностей строения (морфологии) совершенствуемой ИТКС, что позволяет учесть, кроме известных, необычные варианты, которые при простом переборе могли быть упущены проектировщиком из вида .

2) Реализация совокупности операций поиска на морфологическом множестве вариантов описания функциональных систем, соответствующих исходным требованиям, т.е. условиям задачи .

В морфологической таблице цепочкой связанных альтернатив в квадратных скобках показан один из вариантов рассматриваемой системы .

Общее число всевозможных вариантов N, образующих морфологическое множество, определяется как декартово произведение множеств альтернатив, образованных каждой строкой морфологической таблицы:

L N Kl. (2) l 1 В приведённом выражении (2) приняты следующие обозначения: Кl  –  число способов (альтернатив) для реализации  l  –  й  функции или обобщенной подсистемой; L – число всех функций. Морфологическое множество является областью поиска в пространстве размерностью L.

Генерируемый вариант системы (подсистемы) представляет выборку альтернатив по одной из каждой строки морфологической таблицы и в общем виде записывается следующим образом:

A i { A1i, A2 j,, ALn }, (3) где i 1,2,, K1 ; j 1,2,, K 2,…, n 1,2,, K L .

Правила генерации вариантов исследуемых систем таково, что каждый целостный вариант отличается от любого другого варианта рассматриваемого морфологического множества хотя бы одной альтернативой Alm .

При формировании множества допустимых вариантов ИТКС A D должны учитываться ограничения на структуру, параметры и техническую реализацию компонентов и системы в целом, а также допустимые комбинации соединения компонентов и ограничения на значение показателей качества системы в целом .

Если среди сгенерированного множества альтернатив имеются несовместимые варианты, то заполняется вспомогательная матрица, в которой отмечены совместимые друг с другом компоненты системы: для каждой пары элементарных альтернатив Al,m, Ap,r, где p L, определяется, совместимы ли они, и результат заноситься в таблицу [2]. Если альтернативы совместимы, то функция совместимости sv Al,m, Ap,r 1, в противном случае sv Al,m, Ap,r 0 (таблица 2). На основании вспомогательной матрицы общее множество вариантов усекается до подмножества вариантов построения системы, состоящих из совместимых между собой компонентов системы. Здесь существуют противоречивые требования. С одной стороны, желательно с максимальной полнотой представить все варианты системы. С другой стороны, существуют ограничения, определяемые допустимыми затратами (времени и средств) на проектируемые системы .

–  –  –

Для формирования морфологических вариантов системы необходимо выбирать варианты, которые находятся в морфологической окрестности некоторых базовых вариантов, оптимальных, в частности, по отдельным показателям качества при фиксированных значениях остальных показателей качества .

При формировании множества A D допустимых вариантов системы с последующим нахождением множества Парето – оптимальных вариантов иногда оказывается полезным анализировать послойную структуру множества A D. В частности, первый слой Парето включает Парето – оптимальные варианты системы opt (1) AD, найденные на множестве A D, второй слой Парето – это Парето – оптимальные варианты на подмножестве A D, где A D A D \ opt1) AD ( и т. д. На практике целесообразно формировать варианты системы, близкие в смысле расстояния (4) к первым слоям Парето .

После задания указанным способом множества допустимых вариантов системы, определяемых вполне конкретной структурой (набором компонентов системы и связей между ними), целесообразно с помощью экспертных методов оценить значения показателей качества и одним из известных способов выделить множество Парето – оптимальных вариантов, а также в последующем выполнить сужение множества до единственного наиболее предпочтительного варианта системы .

Алгоритм, реализующий морфологический подход к формированию и выбору вариантов ИТКС включает следующие основные шаги:

Шаг 1. Проводится формирование исходной цели или проблемы, отражающей основные требования к проектируемой системе .

Шаг 2. Осуществляется построение морфологической таблицы и заполнение её альтернативами .

Шаг 3. Описываются свойства альтернатив морфологической таблицы .

Свойства альтернатив могут характеризоваться в шкале наименований классификационными функциональными и конструктивными признаками или в числовой шкале, отражающей качество альтернатив по различным критериям .

Шаг 4. Формируется формализованное поисковое задание и выбирается вид целевой функции .

Шаг 5. Реализуется та или иная процедура поиска вариантов решения задачи. Под поиском в данном случае понимается последовательность операций выбора из морфологического множества вариантов описания функциональной системы и операций оценивания эффективности и совместимости подсистем, образующих целостный вариант. Здесь же определяется соответствие варианта требованиям к искомой функциональной системе, которая может лежать в пределах от понятия «подходящее решение»

до понятия «оптимальное или рациональное решение» .

Главным недостатком традиционного морфологического метода является игнорирование множества связей, существующих между компонентами любой сложной системы, в частности ИТКС, и аддитивном подходе к оценке ее свойств. В результате в морфологическом множестве может оказаться большое число нежизнеспособных вариантов ИТКС вследствие функциональной несовместимости включаемых в таблицу элементов. В отличие от классического морфологического подхода в работе используется модифицированный алгоритм генерации вариантов и применение процедуры удаления несовместимых вариантов существенно снижают мощность морфологического множества возможных вариантов ИТКС. Однако и после этого множество вариантов может оказаться достаточно большим .

Эффективность – одно из важнейших качеств, характеризующих системы любой природы, особенно технических. Для получения обоснованной оценки эффективности функционирования сложной технической системы, в частности ИТКС, и прогнозирования ее будущей эффективности необходимо принять во внимание структуру системы. В том случае, когда система является иерархической, это означает, что необходимо учитывать эффективность подсистем (компонентов) на различных уровнях иерархии для того, чтобы получить обоснованную оценку эффективности всей системы в целом .

Для оценки эффективности технического решения необходимо построить целевую функцию, имеющую в качестве своих переменных помимо структурных компонентов целую систему функций – ограничений, связанных со стоимостью структуры или затратами на ее функционирование, которые находятся в сложной нелинейной зависимости от структуры, что сильно затрудняет выполнение данного этапа. Обычно целевую функцию определяют с помощью обобщенного критерия M Q(X) wi qi ( X ). (5) i 1 Здесь wi – весовой коэффициент i - го частного критерия; qi ( X ) – нормированное значение i - го частного критерия .

В наиболее распространенном случае частные критерии qi ( X ) принимают количественные значения. Однако количественные характеристики могут иметь технические системы двух видов. С одной стороны, это системы, доведенные до стадий рабочего проекта и экспериментальных образцов, а с другой – системы, проработанные на концептуальном уровне, но имеющие очень близкие функциональные и конструктивные аналоги, для которых ранее экспериментально определены количественные параметры частных критериев качества .

В общем случае частные критерии qi ( X ) могут быть количественными, качественными и интервальными. Качественные и интервальные частные критерии наиболее информативны при решении задач выбора наиболее оригинальных (экзотических) вариантов систем, обладающих свойством существенной новизны и конкурентоспособности, а также при решении изобретательских задач. Следовательно, использование наряду с количественными критериями качественных и интервальных критериев способствует решению задачи выбора на уровне инноваций и изобретений .

В комплекс алгоритмов решения задачи многокритериального выбора (МКВ) целесообразно включитьт следующие алгоритмы: на основе метода анализа иерархий (МАИ) для решения задачи t1 ; на основе метода наихудшего случая (МНС) для решения задачи t1 ; на основе модифицированного метода упорядочения предпочтений через сходство с идеальным решением (ММУП) для решения задачи t 2 ; на основе оценок необходимого и возможного уровней соответствия (ОНВУС) вариантов заданным требованиям для решения задачи t 3 и др .

В классическом МАИ используется грубая оценка наибольшего собственного вектора матрицы – среднее геометрическое по строкам, а для оценки наибольшего собственного значения – функция следа матрицы .

Вследствие этого возникают погрешности вычисления собственных значений и собственных векторов, что может привести к неверному выбору наилучшего решения, получаемого МАИ. Другими словами, из-за ошибочного задания (измерения, вычисления, экспертной оценки) исходных данных возникает вероятность выбора неверного или не самого эффективного варианта. Для уменьшения влияния ошибок из-за приближенных оценок вполне логично применить прямое вычисление собственных векторов и собственных значений матрицы, используя соответствующим образом адаптированные для данной задачи вычислительные методы .

Вычислительная задача заключается в нахождении собственного значения матрицы приоритетов системы Mx x .

Для вычисления собственных значений и собственных векторов матрицы парных сравнений как обратно-симметричной матрицы она приводится к верхней почти треугольной форме Хессенберга. Для этого используется достаточно простой и эффективный метод Хаусхолдера приведения матрицы к верхней почти треугольной форме. Затем методом QR-итераций со сдвигом вычисляются собственные значения и собственные векторы. Проверка устойчивости решения путем изменения элементов МПС показала, что при применении рассмотренного способа в отличие от классического ошибка в оценках эксперта на один ранг практически не значима .

Основным недостатком МАИ является снижение его эффективности при решении задач с большим числом ПКК и альтернатив. Поэтому реализация алгоритма МАИ для целого ряда практических случаев требует трудоемких процедур построения и обработки матриц парных сравнений. Для устранения этого недостатка нечеткий многокритериальный выбор альтернатив в рассматриваемом случае осуществляется с использованием метода наихудшего случая (МНС) [4, 5], построенного на основе принципа пересечения нечетких критериев Беллмана – Заде [6] с применением 9-балльной шкалы лингвистических оценок Т. Саати [7]. Этот метод, в отличие от МАИ, не требует трудоемких процедур построения и обработки матриц парных сравнений.

Алгоритм метода наихудшего случая для решения задачи выбора рационального варианта ИТКС состоит из следующих основных шагов [5]:

Шаг 1. Представление критериев как нечетких множеств. Каждый критерий q j Q (q1, q2,, qm ) будем интерпретировать как нечеткое множество, заданное на универсальном множестве альтернатив A {A 1, A2,, An }, в виде w ( j) w ( j) w ( j) (6) q j 1, 2,... n, j 1,2..., m .

A1 A2 An

–  –  –

ij j 1 ij. (27) M Тогда, наилучшим вариантом может считаться такая ИТКС, у которой результирующий уровень различия оценок T j и Oij минимальный, а результирующий уровень идентичности, результирующий уровень возможного соответствия, результирующий уровень необходимого соответствия и результирующая субъективная уверенность максимальные .

Для решения задачи формирования и выбора вариантов ИТКС, возникающей на этапе их концептуального проектирования, предлагается подход, основанный на использовании комбинации морфологической, иерархической и нечеткой моделей, позволяющий определить оптимальный компоновочный состав системы [4]. Исходными данными для комбинированного подхода, применяемого при компоновке варианта системы, являются: технические требования к проектируемой системе; библиотека альтернативных вариантов взаимозаменяемых компонент, входящих в состав системы .

Предлагаемая методика формирования и выбора варианта ИТКС основана на идее комбинирования морфологического метода и методов решения задач многокритериального выбора. Причем если в традиционном подходе формирование морфологического множества происходит на первом этапе, то в рассматриваемом случае вначале осуществляется ранжирование и усечение (снижение) множества вариантов компонентов, а затем уже происходит формирование морфологического множества меньшей размерности.

В общем случае методика включает следующие основные шаги:

1 шаг. Выбирается функциональная схема системы;

2 шаг. Выбранная система декомпозируется на подсистемы (компоненты);

3 шаг. С учетом данных, полученных на первых двух шагах, строится иерархическая функциональная структура с несколькими уровнями: цель – критерии – альтернативы .

4 шаг. Принимается решение о том, для какого иерархического уровня или элемента иерархической функциональной структуры осуществлять построение морфологической структуры;

5 шаг. В каждом классе подсистем (компонентов) с помощью МАИ ранжируются компоненты одного класса в порядке убывания предпочтения .

6 шаг. В каждом классе подсистем (компонентов) удаляются худшие компоненты (хвосты) .

7 шаг. В компонентный состав синтезируемой системы, формируемой методом морфологического анализа, ЛПР включает не менее определенного количества объектов, имеющих максимальный в своем классе рейтинг. Причем это количество может изменяться в зависимости от окончательных результатов выбора .

8 шаг. С помощью матрицы совместимости проверяется совместимость различных вариантов синтезируемой системы. Несовместимые варианты удаляются из морфологической таблицы. Кроме того, на этом шаге учитывается возможность срыва поставок необходимых комплектующих .

9 шаг. Решается одна из задач выбора, например, различные альтернативные варианты синтезируемой системы ранжируется по совокупности критериев качества в порядке убывания предпочтения .

10 этап. Выбирается наилучший вариант на основе предпочтений ЛПР, например, с помощью дополнительного критерия эффективность/стоимость .

Обобщенная структурная схема предлагаемой методики формирования и выбора вариантов ИТКС приведена на рисунке 2 .

Особенность реализованного подхода состоит в том, что генерация альтернатив осуществляется морфологическим методом, а отбор лучших решений проводится с помощью комплекса алгоритмов решения задач многокритериального выбора. Генерируемые решения проверяются на совместимость, а окончательные решения наилучшим образом удовлетворяют основным требованиям ТЗ. Подход инвариантен к объекту выбора, а его применение наиболее актуально на начальных этапах проектирования ИТКС .

Знания экспертов-проектировщиков, используемые в предлагаемом подходе, могут многократно применяться для решения задач в рассматриваемой предметной области .

Ключевая роль в предлагаемой методике принадлежит как модифицированному алгоритму генерации вариантов, который осуществляет отбор допустимых нехудших вариантов, так и комплексу алгоритмов решения задачи выбора, который осуществляет отбор конкурентоспособных решений .

Рисунок 2 – Структурная схема методики формирования и выбора варианта ИТКС

Таким образом, рассмотренный подход к концептуальному проектированию ИТКС позволяет из множества альтернативных взаимозаменяемых, но различных по своим характеристикам компонентов, имеющихся на отечественном и зарубежном рынках, синтезировать вариант системы, наилучший по совокупности частных критериев. Предложенный подход также позволяет оценивать меру близости конкретной системы к лучшим образцам аналогичной отечественной, мировой и потенциальной достижимой техники. Кроме того, применение рассмотренного подхода к проектированию ИТКС позволяет оценить не только уровень развития конкретного образца системы, но и в дальнейшем определить пути его совершенствования .

Рассмотренная методика использовалась на практике при решении ряда задач формирования и выбора варианта комплексной системы защиты информации для корпоративных распределенных вычислительных систем, формирования и выбора варианта построения базовой станции для беспроводной системы связи, выбора варианта беспилотного летательного аппарата, планшетного компьютера, а также при проектировании систем радиочастотной идентификации .

Литература

1. Нечаев Ю.Б. Формирование и выбор вариантов инфотелекоммуникационных систем на основе морфологического и иерархического подходов / Ю.Б. Нечаев, А.Г. Кащенко, Г.А. Кащенко, Р.В. Семенов, О.В. Николаев // Компьютерные науки и технологии: сб. тр. II

Междунар. науч.-техн. конф. 3-5 октября 2011 г. Белгород. – Белгород:

ООО «ГиК», 2011. – С. 288-293 .

2. Одрин В.М. Морфологический анализ систем / В.М. Одрин, В.В. Картавов. // Киев: Наукова думка, 1977. – 183 с .

3. Дубов Ю.А. Многокритериальные модели формирования и выбора вариантов систем / Ю.А. Дубов, С.И. Травкин, В.Н. Якимец // М.: Наука, 1986. – 296 с .

4. Rotshtein A.P. Modification of Saaty Method for the Construction of Fuzzy Set Membership functions // Proc. of the Intern. Conf. “Fuzzy Logic and its Applications”, Zichron, Israei, 1997. – P. 87–101 .

5. Ротштейн А. П. Нечеткий многокритериальный выбор альтернатив:

метод наихудшего случая / А. П. Ротштейн // Известия РАН. Теория и системы управления. – 2009, – №3. – С.51-55 .

6. Беллман Р. Принятие решений в расплывчатых условиях / Р. Беллман, Л. Заде // Вопросы анализа и процедуры принятия решений. М.: Мир, 1976. – С. 172-215 .

7. Саати Т. Принятие решений. Метод анализа иерархий: Пер. с англ. – М.: Радио и связь, 1993. 320 с .

8. Кащенко А.Г. Альтернативный выбор варианта средств защиты информации в распределенных сетях беспроводного доступа / А.Г. Кащенко, Г.А. Кащенко, Р.В. Семенов // Радиолокация, навигация, связь: XVII межд .

НТК. Воронеж: ВГУ, 2011. – Т. 2. – С. – 812-816 .

УДК 007.52

МНОГОЭТАПНАЯ ТЕХНОЛОГИЯ ПАКС

МНОГОКРИТЕРИАЛЬНОГО ВЫБОРА В ПРИЗНАКОВОМ

ПРОСТРАНСТВЕ СНИЖЕННОЙ РАЗМЕРНОСТИ 2

–  –  –

Аннотация. Рассматривается новая многоэтапная технология многокритериального выбора, которая включает снижение размерности пространства, образованного дискретными качественными признаками, построение иерархической системы составных критериев и интегрального показателя качества решения, упорядочение и классификацию многопризнаковых вариантов, используя разные комбинации нескольких методов вербального анализа решений. Технология базируется на предпочтениях лица, принимающего решение (ЛПР), существенно сокращает время и трудоемкость решения задач многокритериального выбора, позволяет ЛПР проводить содержательный анализ полученных результатов. Разработанная технология применена на практике для оценки результативности научных проектов, которые оценивались несколькими экспертами по многим качественным критериям .

MULTI-STAGE TECHNOLOGY PAKS FOR MULTIPLE CRITERIA

CHOICE IN THE ATTRIBUTE SPACE OF REDUCED DIMENSION

–  –  –

Abstract. The paper describes the new multi-stage technology for multiple criteria choice that includes reducing a dimension of the space, which is formed by discreet qualitative attributes, constructing a hierarchical system of complex criteria and integral index of decision quality, ordering and classifying multi-attribute alternatives by using different combinations of several methods of verbal decision analysis. The technology is based on decision maker preferences, significantly reduces the time and complexity of solving the problems of multiple criteria choice, allows a decision maker to conduct a meaningful analysis of the obtained results. The developed technology has been applied in practice to evaluate efficiency of research projects, which were estimated by several experts on many qualitative criteria .

Введение

В задачах принятия решений рассматриваемые варианты (объекты, системы) обычно характеризуются многими разнообразными признаками:

Работа поддержана программами фундаментальных исследований президиума РАН «Информационные, управляющие и интеллектуальные технологии и системы» и ОНИТ РАН «Интеллектуальные информационные технологии, системный анализ и автоматизация», Российским фондом фундаментальных исследований (проекты 11-07-00398, 12-07-00034, 12-07-90800), Российским гуманитарным научным фондом (проекты 11-027-00131, 12-02-00525) .

техническими, эксплутационными, экономическими, политическими и иными .

В такой ситуации выбор лучшего варианта, упорядочение или классификация альтернатив на основе предпочтений лица, принимающего решение (ЛПР), становится весьма трудоемкой процедурой, которая требует значительных временных затрат ЛПР и разработки специальных методов его опроса. Когда сравниваемых объектов мало (3-5), а их признаки многочисленны (десятки и сотни), такие объекты, как правило, оказываются формально не сравнимыми по значениям своих атрибутов. Кроме того, при решении задач большой размерности нередко применяются различные упрощенные стратегии, учитывающие только часть имеющейся информации, что отрицательно сказывается на итогах – упорядочении объектов, выработке решающих правил, построении границ классов решений – и затрудняет дальнейший анализ полученных результатов .

Эти обстоятельства диктуют необходимость создания способов обработки информации, обеспечивающих решение задач многокритериального выбора в пространствах большой размерности. Один из подходов к преодолению указанных трудностей при сравнении многокритериальных объектов состоит в сокращении размерности признакового пространства [1] и использовании психологически корректных операций получения информации от ЛПР и экспертов [3, 4]. Специальные исследования показали, что человек допускает меньше ошибок, оперируя с вербальными данными, нежели с числовыми. Человеку легче сравнивать объекты по небольшому числу показателей, результаты таких сравнений более надежны, их проще анализировать .

Независимо от способа получения информации от ЛПР известные нормативные методы принятия решений неудовлетворительно работают в большом признаковом пространстве.

Из наиболее часто встречающихся проблем отметим, в частности, следующие:

большие трудозатраты ЛПР (например, при построении функции полезности, выявлении весов критериев, попарном сравнении альтернатив);

трудность объяснения полученных результатов (например, при свертке критериев нельзя восстановить исходные данные по агрегированным показателям);

необоснованность процедур перевода вербальных измерений в числовые оценки;

рост числа несравнимых вариантов (неполнота отношений) и появление циклов альтернатив (нарушение транзитивности) .

Чтобы преодолеть отмеченные недостатки и упростить процедуры сравнения многопризнаковых объектов по их свойствам, нужен соответствующий инструментарий, который позволяет агрегировать большое число характеристик в небольшое число критериев, имеющих небольшие шкалы градаций оценок, отражающих предпочтения ЛПР. Изложим основные идеи нового методологического подхода к решению задач многокритериального выбора, который объединяет методы вербального анализа решений и процедуры снижения размерности признакового пространства и агрегирования критериев. Разработанная технология была применена для оценки результативности научных проектов, поддержанных Российским фондом фундаментальных исследований .

1. Многоэтапная технология ПАКС

Задача многокритериального выбора в самом общем виде формулируется следующим образом. Задана совокупность вариантов (альтернатив) A1,…,Ap, оцененных по многим критериям K1,…,Km. Каждый критерий Ki имеет шкалу Xi={xi1,…,xigi}, i=1,…,m, дискретные числовые или вербальные градации которой в ряде случаев упорядочены. Основываясь на предпочтениях ЛПР, требуется: (1) выделить один или несколько лучших вариантов; (2) упорядочить все варианты; (3) распределить исходную совокупность вариантов по классам (категориям) D1,…,Dq .

Для решения задач многокритериального выбора разработана многоэтапная технология ПАКС (Последовательное Агрегирование Классифицируемых Состояний), в которой используется последовательное сокращение размерности признакового пространства с применением нескольких различных методов вербального анализа решений и/или их сочетаний [9] .

Формально задача снижения размерности признакового пространства имеет следующий вид:

X1…Xm Y1…Yn, nm, (1) где X1,…,Xm – исходный набор признаков, Y1,…,Yn – новый набор признаков, m – размерность исходного признакового пространства, n – размерность нового признакового пространства. Каждый из признаков имеет свою собственную шкалу Xi={xi1,…,xigi}, i=1,…,m, Yj={yj1,…,yjhj}, j=1,…,n с упорядоченной градацией качественных (символьных, вербальных) оценок .

Будем рассматривать задачу снижения размерности признакового пространства как задачу многокритериальной классификации, в которой различные комбинации исходных признаков (кортежи оценок) последовательно агрегируются в меньшие наборы новых признаков, имеющих для ЛПР вполне определенный смысл. Итогом является иерархическая система критериев, верхний уровень которой определяется содержанием практической проблемы .

Назовем составным критерием интегральный показатель, который характеризует выбранное ЛПР свойство вариантов, агрегирующее исходные характеристики. Каждая градация шкалы составного критерия является комбинацией оценок исходных показателей. Процедура агрегирования показателей является многоуровневой иерархической структурой со «слабыми»

связями, в которой элемент нижележащего уровня (оценки исходных показателей) подчинен двум и более вершинам вышестоящего уровня (оценкам составных критериев). Переходя шаг за шагом на более высокий уровень иерархии, ЛПР может сконструировать приемлемые для него составные критерии вплоть до одного единственного .

Процедура решения задачи многокритериального выбора с использованием технологии ПАКС состоит из трех этапов. На первом этапе, основываясь на предпочтениях ЛПР, проводится снижение размерности признакового пространства путем построения иерархической системы составных критериев, в которой агрегируются исходные показатели. Система критериев строится с помощью метода ИСКРА (Иерархическая Свертка Критериев и Атрибутов) [11]. На втором этапе, используя различные методы вербального анализа решений [4, 6, 7], последовательно формируются шкалы всех составных критериев. Построение шкалы каждого составного критерия рассматривается как задача порядковой классификации, где в качестве классифицируемых объектов выступают комбинации градаций оценок исходных показателей, а классами решений являются градации оценок составного критерия. Тем самым каждая комбинация градаций оценок будет соответствовать некоторой градации оценок на шкале комплексного критерия [8]. На третьем этапе выполняется окончательное решение задачи выбора с использованием построенных составных критериев. Для сортировки многопризнаковых объектов использован метод АРАМИС (Агрегирование и Ранжирование Альтернатив около Многопризнаковых Идеальных Ситуаций), в котором объекты рассматриваются как мультимножества [6] .

Блок-схема решения задачи многокритериального выбора с последовательным снижением размерности признакового пространства состоит из следующих шагов (рисунок 1) .

Шаг 1. Выбрать тип задачи T. Возможны следующие задачи: T1 – выбрать лучший вариант; T2 – упорядочить варианты; T3 – разделить варианты на упорядоченные группы .

Шаг 2. Сформировать множество вариантов A1,…,Ap, p2 в зависимости от типа задачи T .

Шаг 3. Сформировать множество базовых показателей (исходных признаков) X1,...,Xm, m2 .

Шаг 4. Сформировать порядковые шкалы Xi={xi1,…,xigi}, i=1,…,m базовых показателей в зависимости от типа задачи T .

Шаг 5. Сформировать множество составных критериев Y1,...,Yn, nm, т.е. интегральных показателей, которые определяют выбранное ЛПР свойство вариантов, агрегирующее базовые (исходные) характеристики X1,...,Xm .

Шаг 6. Сформировать порядковые шкалы Yj={yj1,…,yjhj}, j=1,…,n составных критериев. Каждая градация шкалы составного критерия является комбинацией градаций оценок базовых показателей .

Шаг 7. Выбрать способ W построения шкал составных критериев (агрегирования показателей) X1…XmY1…Yn, nm. Возможны следующие способы: W1 – стратификация кортежей; W2 – многокритериальная порядковая классификация кортежей; W3 – ранжирование кортежей .

Шаг 8. Построить шкалы составных критериев всех иерархических уровней, включая верхний уровень, используя несколько разных методов агрегирования показателей и/или комбинаций методов .

Шаг 9. Получить решение задачи T (по многим критериям выбрать лучший вариант, упорядочить варианты, построить порядковую классификацию вариантов). Если получен удовлетворительный результат решения, то алгоритм завершает работу, иначе переход к шагу 10 .

Шаг 10. Если результат, полученный на шаге 9, не удовлетворяет ЛПР, то предлагается либо изменить способ построения шкалы составного критерия W (переход к шагу 7), либо изменить градации шкалы составного критерия (переход к шагу 6), либо сформировать новое множество составных критериев Y (переход к шагу 5) .

–  –  –

Рисунок 1– Блок-схема многоэтапной технологии ПАКС Рассмотрим особенности применения технологии ПАКС. Агрегирование признаков базируется на предпочтениях ЛПР. Первоначально при участии ЛПР формируется базовый набор характеристик рассматриваемых вариантов. В зависимости от специфики задачи эти характеристики могут быть либо заданы заранее, либо сформированы в процессе анализа проблемы с помощью аналитика-консультанта или эксперта. Для каждого базового показателя строится шкала, которая может иметь числовые (точечные, интервальные) или вербальные градации оценок. Шкалы базовых показателей могут совпадать с обычно используемыми на практике, либо конструироваться специально .

Для задач выбора наилучшего варианта (T1) и ранжирования вариантов (T2) целесообразно рассматривать только те градации оценок базовых показателей, которые встречаются в описании вариантов A1,…,Ap. Таким способом можно предварительно сократить размерность исходного признакового пространства. Если изначально не задан набор реальных альтернатив, необходимо рассматривать множество всех возможных кортежей оценок в признаковом пространстве, образованном декартовым произведением градаций оценок на шкалах критериев .

Далее, основываясь на опыте и интуиции ЛПР, строится иерархическая система критериев. ЛПР по своему усмотрению определяет число, состав и содержание критериев каждого уровня иерархии. В качестве критерия можно выбрать один из базовых показателей или несколько базовых характеристик, объединенных в составной критерий. ЛПР устанавливает, какие базовые показатели будут считаться самостоятельными критериями, а какие будут отнесены к тому или иному составному критерию. ЛПР определяет также смысловое содержание критериев и градаций шкал оценок. Критерии должны иметь такие шкалы оценок, которые, с одной стороны, будут отражать агрегированные свойства объектов, а с другой стороны, будут понятны ЛПР при окончательном выборе объекта или их классификации. Целесообразно строить шкалы критериев с небольшим (3-5) числом вербальных градаций .

Процедура агрегирования показателей носит последовательный характер, т.е. полученные группы критериев объединяются поочередно в новые группы следующего уровня иерархии и так далее вплоть до единственного интегрального критерия самого верхнего уровня, если это необходимо. Чтобы уменьшить влияние особенностей различных методов, используемых при конструировании шкал составных критериев, предлагается на разных этапах применять несколько различных методов и/или их сочетания. Например, шкалу одного из составных критериев формировать при помощи метода стратификации кортежей, а шкалу другого – при помощи метода многокритериальной порядковой классификации ОРКЛАСС. В общем случае для построения шкал составных критериев можно использовать практически любой метод ранжирования или классификации многокритериальных альтернатив, позволяющий представить каждую градацию шкалы составного критерия в виде комбинации градаций оценок базовых показателей. Такой подход позволяет при решении конкретной практической задачи выбрать как наиболее предпочтительный набор составных критериев, так и метод или совокупность методов их построения .

Использование многих разных способов конструирования шкал составных критериев и интегрального показателя превращает исходную задачу выбора в задачу коллективного выбора, в которой варианты описывают многими нечисловыми признаками. Поэтому для её решения должны применяться методы группового вербального анализа решений, например, АРАМИС .

Метод АРАМИС (Агрегирование и Ранжирование Альтернатив около Многопризнаковых Идеальных Ситуаций) [6] позволяет строить групповую ранжировку многопризнаковых объектов, описанных повторяющимися количественными и/или качественными атрибутами K1,…,Km .

Многопризнаковые объекты A1,...,Ap рассматриваются как точки метрического пространства мультимножеств с некоторой метрикой d [5], которые сравниваются и упорядочиваются по показателю относительной близости к наилучшему (идеальному) объекту Amax или наихудшему (антиидеальному) Amin в этом пространстве. Наилучший и наихудший объекты (которые могут быть и гипотетическими) имеют наилучшие и наихудшие оценки по всем критериям Ks. Все объекты упорядочиваются, например, по значению показателя относительной близости к наилучшему объекту l(Ai)=d(Amax,Ai)/[d(Amax,Ai)+d(Amin,Ai)], где d(Amax,Ai) расстояние до наилучшего объекта Amax и d(Amin,Ai) расстояние до наихудшего объекта Amin .

В зависимости от специфики задачи многокритериального выбора иерархическая система критериев может быть известна заранее (например, организационная структура предприятия), известна частично (например, только структура технических характеристик устройства) и неизвестна вообще, т.е .

иерархию требуется разработать «с нуля» (например, характеристики научных исследований или результатов). При построении системы критериев в первом случае основное внимание должно быть уделено разработке шкал составных критериев. Особенностью разработки системы критериев во втором и в третьем случаях является возможность сформировать разные наборы составных критериев различными способами (например, последовательно объединяя критерии попарно или формируя группы критериев исходя из их некоторой смысловой общности). Это позволит ЛПР сравнивать полученные результаты для разных наборов составных критериев, сформированных с помощью различных подходов, с целью оценки качества решения исходной проблемы .

2. Построение шкал составных критериев

Представим процедуру построения шкал составных критериев в виде однотипных блоков. Блоки содержательно выделяются ЛПР в зависимости от специфики решаемой задачи. Каждый блок классификации i-го уровня иерархии состоит из некоторого набора признаков и одного составного критерия. В качестве объектов классификации выступают все градации оценок на шкалах признаков. Классами решений i-го уровня служат градации оценок на шкале составного критерия .

В блоке классификации (i+1)-го уровня иерархии составные критерии i-го уровня считаются признаками, множество градаций оценок которых представляет собой новые объекты классификации в сокращенном признаковом пространстве, а классами решений будут теперь градации оценок на шкале составного критерия (i+1)-го уровня. Процедура повторяется до тех пор, пока не останется единственный составной критерий верхнего уровня, являющийся искомым интегральным показателем, шкала оценок которого образует упорядоченные классы решений D1,...,Dq. Тем самым устанавливается соответствие между классами решений D1,...,Dq и совокупностью исходных показателей – множеством X1,…,Xm всех возможных комбинаций градаций оценок на шкалах критериев Xi={xi1,…,xigi}, i=1,…,m, и находятся границы классов, что позволяет легко построить классификацию реальных вариантов (альтернатив) A1,...,Ap, оцененных по многим критериям K1,...,Km .

Каждый блок i-го уровня иерархии представляет собой связный двудольный граф Gi=U, E, где U – вершины графа, E – дуги (рисунок 2) .

Множеством вершин U=XY являются множества значений исходных признаков X=X1…Xm и градаций шкал составных критериев Y=Y1…Yn .

Дуги E графически выражают наборы решающих правил, на основании которых выстраиваются кортежи оценок, формирующих градации шкал составных критериев (фактически – это одна из форм смысловой интерпретации предпочтений ЛПР) .

–  –  –

Рисунок 2 – Структура типового блока построения шкалы составного критерия i-ого уровня иерархии Между вершинами, относящимся к разным множествам, имеются кратные дуги, т.е. граф Gi является мультиграфом.

Кратность дуг графа Gi дает возможность представить градацию yjfj (fj=1,…,hj, j=1,…,n) шкалы составного критерия Yj как множество с повторяющимися элементами или мультимножество [5]:

Afj ={kAfj(x11)x11,…,kAfj(x1g1)x1g1,…, kAfj(xm1) xm1,…,kAfj(xmgm)xmgm}, (2) где kAfj(xiei) указывает сколько раз значение исходного признака xiei (i=1,…,m, ei=1,…,gi) встречается в кортежах, которые формируют градацию шкалы составного критерия yjfj; знак обозначает кратность оценки xiei. Использование понятий мультиграфа и мультимножества позволяет построить единую схему формализации понятия составного критерия и по-новому решать как известные задачи, в которых есть определенные сложности, например, задачи распознавания иерархических структур, так и новые виды задач .

Для формирования шкал оценок по составным критериям ЛПР может воспользоваться несколькими способами из арсенала средств вербального анализа решений. Наиболее простым и легко воспринимаемым ЛПР способом конструирования порядковой шкалы составного критерия является метод стратификации кортежей, в котором используются однотипные (например, с одинаковым числом градаций) наборы порядковых вербальных шкал исходных показателей. Аналогично методам векторной стратификации [2] метод стратификации кортежей основан на сечении многомерного дискретного признакового пространства параллельными гиперплоскостями. Каждый слой (страта) состоит из однотипных комбинаций градаций оценок на шкалах критериев Xi, а число таких сечений определяется ЛПР из содержательных соображений. Максимально возможное число слоев можно рассчитать по m формуле s=1m+ i 1 gi. Каждый слой образуется как комбинация кортежей градаций оценок, сумма номеров которых фиксирована. Число классов rs. В более сложных процедурах построения шкал критериев используются методы вербального анализа решений ЗАПРОС или ОРКЛАСС [4, 6], которые оперируют на множестве всех возможных кортежей оценок в признаковом пространстве, образованном декартовым произведением градаций оценок на шкалах критериев X1…Xm. В этих случаях число возможных комбинаций оценок равно q= m gi .

i 1 Рассмотрим небольшой иллюстративный пример. Пусть ЛПР необходимо построить шкалу составного критерия D из градаций оценок базовых показателей A, B и C. Допустим, что все критерии A, B, C и D имеют шкалы с тремя вербальными градациями порядковых оценок A={a0,a1,a2}, B={b0,b1,b2}, C={c0,c1,c2} и D={d0,d1,d2}, где e0 – отлично, e1 – хорошо, e2 – плохо .

Применяя для построения порядковой шкалы составного критерия метод стратификации кортежей, ЛПР может, к примеру, объединить градации оценок исходных критериев в обобщенные градации составного критерия по такому принципу: все лучшие оценки по базовым показателям образуют одну лучшую оценку по составному критерию, все средние оценки – одну среднюю оценку, все худшие оценки – одну худшую оценку (рисунок 3) .

–  –  –

С помощью метода ОРКЛАСС строится полная непротиворечивая порядковая классификация многопризнаковых объектов, в качестве которых в рассматриваемом случае выступают наборы градаций оценок по исходным показателям, образующим составной критерий (рисунок 5). Получаемые классы решений соответствуют градациям шкалы составного критерия .

–  –  –

Новый методологический подход к снижению размерности пространства качественных признаков обладает определенной универсальностью, так как в общем случае позволяет оперировать как с символьной (качественной), так и с числовой (количественной) информацией, представляя каждую градацию шкалы составного (агрегированного) критерия в виде комбинации оценок базовых показателей. Привлекательной особенностью предложенного подхода к снижению размерности признакового пространства является возможность его использования в сочетании с другими методами принятия решений и технологиями обработки информации .

Эффективность технологии ПАКС при решении задач многокритериального выбора и классификации может оцениваться по-разному в зависимости от типа задачи T. Например, применительно к задачам ранжирования под оценкой эффективности понимается соотношение числа несравнимых альтернатив до и после снижения размерности. В задачах классификации эффективность оценивается числом обращений к ЛПР, необходимых для построения полной непротиворечивой классификации .

Соответственно можно сравнивать число обращений к ЛПР при решении задачи классификации на исходном и новом пространстве признаков. Однако для задач классификации большой размерности такой подход не всегда является приемлемым, т.к. построить полную непротиворечивую классификацию на исходном признаковом пространстве в ряде случаев просто не представляется возможным. Это связано с тем, что с ростом размерности признакового пространства растет как число объектов, предъявляемых ЛПР для классификации, так и их сложность .

3. Оценка результативности научных проектов

В качестве примера использования технологии ПАКС рассмотрим задачу многокритериальной оценки результативности проектов целевых фундаментальных исследований, поддержанных Российским фондом фундаментальных исследований (РФФИ) и выполняемых в интересах федеральных агентств и ведомств [10]. В РФФИ накоплен значительный опыт в организации и проведении экспертизы фундаментальных исследований и полученных результатов, представляющих интерес с точки зрения возможности их практического применения .

В соответствии с действующим в РФФИ порядком экспертиза проектов проводится в несколько этапов и сочетает в себе индивидуальную оценку независимых экспертов и последующее коллективное обсуждение заявок .

Первоначально каждый проект рассматривается несколькими экспертами, которые дают письменные аргументированные заключения и многокритериальную оценку содержания заявки (при проведении конкурсного отбора) и полученных результатов (при завершении проекта). Содержание заявки и полученных результатов оцениваются по специальным экспертным анкетам, которые содержат критерии, имеющие словесные шкалы оценок с развернутыми формулировками градаций качества. По каждому критерию эксперт выбирает только одну из имеющихся градаций оценок .

В дальнейшем заявки и отчеты обсуждаются в экспертном совете РФФИ по соответствующей области знаний, который с учетом заключений экспертов принимает решение о принятии проекта, продолжении выполнения или отклонении проекта, объемах его финансирования. В разных видах конкурсов используются свои наборы критериев оценки, но во всех конкурсах шкалы критериев имеют вербальные (качественные) градации. Такой подход позволяет оперировать оценками, в определенной степени унифицированными для представителей разных областей знаний, и получить от экспертов более достоверную информацию .

Одним из важных направлений деятельности РФФИ в настоящее время является оценка возможностей практического применения результатов научных исследований в отраслях экономики. Для выявления наиболее результативных проектов целевых фундаментальных исследований необходимо было формализовать само понятие «результативность проекта». Результативность проектов может рассматриваться как с позиций непосредственного применения полученных результатов на практике, так и для формирования целевых программ. При формализации результативности целевых фундаментальных исследований за исходные (базовые) показатели были приняты критерии, содержащиеся в анкете РФФИ для экспертной оценки отчета о выполнении проекта, которые учитываются при формировании интегрального показателя результативности проекта .

Анкета экспертной оценки отчета состоит из двух разделов: оценка полученных результатов и ожидаемые результаты завершающей стадии проекта. Раздел «Оценка полученных результатов проекта» включает 4 критерия: K1. Степень выполнения заявленных задач проекта; K2. Оценка научного уровня полученных результатов; K3. Патентоспособность полученных результатов; K4. Перспективы использования полученных результатов. Раздел «Ожидаемые результаты завершающей стадии проекта» характеризует возможности практической реализации проекта и состоит из 4 критериев: K5 .

Ожидаемые результаты завершающего этапа выполнения проекта; K6. Решение задач, поставленных в завершающей части проекта; K7. Наличие трудностей в работе по проекту; K8. Взаимодействие с организациями, в которых предполагается использовать результаты проекта (заполняется только для итогового отчета) .

Каждый критерий имеет порядковую или номинальную шкалу оценок с двумя или тремя развернутыми словесными формулировками градаций качества. Например, степень выполнения заявленных в проекте задач оценивается по критерию K1 как 0 – задачи выполнены полностью, 1 – задачи выполнены частично, 2 – задачи не выполнены. Решение задач, поставленных в завершающей части проекта, оценивается по критерию K6 как 0 – реально или 1 – нереально .

Итак, множество объектов (научных проектов) исходно описывается восемью показателями (критериями) K1,…,K8, которые имеют следующие шкалы: X1={0,1,2}; X2={0,1,2}; X3={0,1}; X4={0,1,2}; X5={0,1}; X6={0,1};

X7={0,1}; X8={0,1,2}, где 0 обозначает лучшую оценку, 1 – среднюю (или худшую), 2 – худшую. Таким образом, размерность исходного признакового пространства X1…X8 равна 1296. Критерием верхнего уровня является «Результативность проекта», градации оценок по шкале которого (наивысшая, высокая, средняя, низкая, неудовлетворительная) определяют упорядоченные классы решений D1,…,D5. Требуется разбить множество комбинаций градаций оценок на пять упорядоченных классов результативности D1…D5. Очевидно, что непосредственная классификация 1296 вариантов требует существенных трудозатрат ЛПР .

Построение интегрального показателя результативности научного проекта рассматривается как решение задачи многокритериальной порядковой классификации по иерархической системе критериев, которая строится с помощью технологии ПАКС путем снижения размерности признакового пространства. В качестве многопризнаковых объектов выступают комбинации градаций оценок проектов по критериям, агрегированные показатели играют роль классов решений. ЛПР имеет возможность различным образом формировать понятие «Результативность проекта» и сравнивать интегральные показатели, сконструированные различными способами. Было предложено два способа агрегирования множества комбинаций исходных градаций оценок по критериям в промежуточные составные критерии, градации оценок по которым, в свою очередь, агрегировались в интегрированный критерий верхнего уровня .

Первый способ формирования иерархической системы критериев воспроизводит структуру анкеты отчета. Разделам «Оценка полученных результатов» и «Ожидаемые результаты завершающей стадии проекта»

сопоставляются два составных критерия BK1 и BK2. В таком случае исходные оценки по критериям K1, K2, K3, K4 попадают в составной критерий BK1, а исходные оценки по критериям K5, K6, K7, K8 – в составной критерий BK2 .

Критерии BK1 и BK2 имеют порядковые шкалы с четырьмя вербальными градациями: высокая, хорошая, средняя, низкая, которые выступают как классы решений первого уровня для исходных признаков (критериев) .

Наборы всех градаций оценок по составным критериям считаются далее объектами классификации следующего уровня, где классами решений D1,...,D5 являются градации шкалы оценок составного критерия верхнего уровня иерархии Z={z1, z2, z3, z4, z5}. Здесь z1 – наивысшая результативность (класс D1), z2 – высокая результативность (класс D2), z3 – средняя результативность (класс D3), z4 – низкая результативность (класс D4), z5 – неудовлетворительная результативность (класс D5) .

Другой возможный способ формирования иерархической системы критериев состоит во введении трех иных составных критериев: AK1. Уровень полученных результатов, AK2. Уровень ожидаемых результатов завершающей стадии проекта и AK3. Возможности использования результатов в программах федеральных агентств и ведомств. Составной критерий AK1 объединяет исходные оценки по критериям K1, K2 и K3; составной критерий AK2 – оценки по критериям K5, K6 и K7; составной критерий AK3 – оценки по критериям K4 и K8 .

Для составных критериев AK1, AK2, AK3 заданы порядковые шкалы с тремя градациями: Y1={0,1,2}, Y2={0,1,2}, Y3={0,1,2}, где значения 0,1,2 являются вербальными оценками (высокая, средняя, низкая), определяемыми содержанием соответствующих составных критериев, и выступают как классы решений первого иерархического уровня. Совокупности кортежей (x1e1,x2e2,x3e3), (x5e5,x6e6,x7e7), (x4e4,x8e8) выступают в качестве классифицируемых объектов первого уровня. Рассмотрим теперь наборы всех градаций оценок по составным критериям (y1e1,y2e2,y3e3) в пространстве Y1Y2Y3 как новые классифицируемые объекты следующего иерархического уровня. Классами решений D1,…,D5 являются градации оценок шкалы Z={z1,z2,z3,z4,z5} составного критерия верхнего уровня иерархии. Агрегируя градации оценок по критериям AK1, AK2, AK3, получим соответствующие оценки для шкалы Z показателя результативности (рисунок 6) .

1 K1 AK1 D1 1 K2 0 D2 K3 K5 AK2 D3 K6 0 K7 2 D4 1 K4 AK3 D5 1 K8 1

Рисунок 6 – Схема построения критериев и формирования шкал оценок

Шкалы составных критериев конструировались ЛПР с помощью методов стратификация кортежей и ОРКЛАСС. Градации шкал оценок для составных критериев AK1, AK2, AK3, сформированные методом ОРКЛАСС, представлены соответственно на рисунке 7а,б,в. К классу 0 «Высокий уровень полученных результатов» (градация y11=0) относится следующая комбинация оценок: (000), (001), (010), (100); к классу 1 «Средний уровень полученных результатов»

(градация y12=1) – комбинации оценок (011), (021), (101), (111), (201), (110), (200), (020), (210), (120); к классу 2 «Низкий уровень полученных результатов»

(градация y13=2) – комбинация оценок (121), (211), (221), (220). Здесь и далее для простоты записи опущены запятые между компонентами векторов оценок .

–  –  –

Класс 0 «Высокий уровень ожидаемых результатов» (градация y21=0) образует комбинация всех лучших оценок (000); класс 1 «Средний уровень ожидаемых результатов» (градация y22=1) – все остальные комбинации оценок (001), (011), (101), (100), (010), (110); класс 2 «Низкий уровень ожидаемых результатов» (градация y23=2) – комбинация всех худших оценок (111) .

Класс 0 «Большие возможности использования результатов» (градация y3 =0) составляют все лучшие оценки (00); класс 1 «Средние возможности использования результатов» (градация y32=1) – комбинации оценок (01), (10), (02), (11), (20); класс 2 «Малые возможности использования результатов»

(градация y33=2) – комбинации оценок (12), (21), (22) .

Комбинации градаций оценок по составным критериям AK1, AK2, AK3 агрегировались далее с помощью метода стратификации кортежей. С геометрической точки зрения эта процедура состоит в «нарезке» многомерного параллелепипеда (прямоугольника) в пространстве исходных признаков на группы признаков составного критерия. К примеру, класс D1 «Наивысшая результативность» (градация z1) состоит из всех лучших оценок (000); класс D2 «Высокая результативность» (градация z2) – из комбинаций оценок (100), (010), (001), (002), (101), (011), (200), (110), (020); класс D3 «Средняя результативность» (градация z3) – из комбинаций оценок (102), (012), (201), (111), (021), (210), (120); класс D4 «Низкая результативность» (градация z4) – из комбинаций оценок (202), (112), (022), (211), (121), (220), (212), (122), (221);

класс D5 «Неудовлетворительная результативность» (градация z5) – из всех худших оценок (222). Градации оценок для шкалы Z критерия D приведены на рисунке 8 .

Рисунок 8 – Схема формирования шкалы оценок для интегрального критерия D

Таким образом, реальные варианты, имеющие оценки по исходным критериям, непосредственно относятся при классификации к сформированным классам решений. При первом способе конструирования интегрального показателя результативности для построения конечных классов решений D1,...,D5 потребовалось получить от ЛПР ответы соответственно на 43 и 17 вопросов при формировании шкал составных критериев AK1 и AK2 и ответы на 12 вопросов при формировании шкалы Z агрегированного критерия. При втором способе конструирования интегрального показателя результативности для построения конечных классов решений D1,…,D5 ЛПР давал ответы при формировании шкал составных критериев AK1, AK2, AK3 – соответственно на 16, 6 и 7 вопросов, шкалы Z агрегированного критерия – на 22 вопроса .

Приведенные числа задаваемых ЛПР вопросов существенно меньше, чем при использовании других методов многокритериальной порядковой классификации .

Разработанный подход к анализу результативности целевых фундаментальных исследований был апробирован на массиве реальных экспертных оценок отчетов по проектам, законченным в 2007 году в областях знаний 01. Математика, информатика и механика (48 проектов), 03. Химия (54 проекта), 07. Информационные и телекоммуникационные ресурсы (21 проект). Каждый отчет оценивался двумя экспертами по восьми исходным критериям K1 – K8. Интегральный показатель верхнего уровня D .

«Результативность проекта» конструировался двумя способами, описанными выше: агрегируя оценки по критериям K1-K4 и K1-K4 в два промежуточных составных критерия BK1 и BK2; объединяя критерии K1-K3, K5-K7, и K4, K8 в три промежуточных составных критерия AK1, AK2, AK3 .

Градации шкалы интегрального показателя (классы результативности проектов) были сформированы с использованием четырех комбинаций различных методов вербального анализа решений: M1 – метод ОРКЛАСС на всех уровнях иерархии критериев (ОК); M2 – метод стратификации кортежей на всех уровнях иерархии критериев (СК); M3 – стратификация кортежей на нижнем уровне иерархии критериев и ОРКЛАСС на верхнем уровне иерархии критериев (СК+ОК); M4 – ОРКЛАСС на нижнем уровне иерархии критериев и стратификация кортежей на верхнем уровне иерархии критериев (ОК+СК) .

Пример распределения проектов по классам результативности, основанный на многокритериальных оценках двух экспертов, дан на рисунке 9 .

ОР Результативность

–  –  –

СК+ОР ОР+СК

–  –  –

СК+ОР ОР+СК

–  –  –

Рисунок 9 – Пример распределения проектов по классам результативности Анализ оценок результативности проектов показал следующее .

Например, по области 03 наивысшую результативность имеют при первом способе конструирования интегрального показателя результативности 16 проектов, а при втором способе 6 проектов; высокую результативность – соответственно 75 и 40 проектов; среднюю результативность – 13 и 59 проектов; низкую результативность – 2 и 1 проект; неудовлетворительную результативность – 2 и 2 проекта. Таким образом, первый способ агрегирования оценок по критериям дает более высокое значение интегрального показателя результативности, чем второй способ .

В целом по оценкам двух экспертов значения интегрального показателя результативности совпадают в 74% и 48% случаях (по области 01); в 72% и 24% случаях (по области 03); в 76% и 62% случаях (по области 07). Первое число относится к оценкам первого эксперта, второе – второго. В остальных случаях значения интегрального показателя результативности отличались не более чем на одну градацию, что можно рассматривать как свидетельство достаточно высокой устойчивости итоговых результатов оценки результативности проектов по исходным данным и выбранным способам построения шкал составных критериев на всех уровнях иерархии .

Лучшие по результативности проектов определялись с использованием метода группового упорядочения многопризнаковых объектов АРАМИС [6] .

Оценки результативности проекта, полученные с помощью одной из комбинаций методов M1, M2, M3, M4, будем считать теперь новыми признаками, характеризующими проект. Каждый такой признак Mj может принимать одно из значений mj1, mj2, mj3, mj4, mj5, которые соответствуют классам D1, D2, D3, D4, D5 результативности проекта. Тогда каждый проект Ai представляется как мультимножество Ai={kAi(m11)m11,…,kAi(m15)m15;…; kAi(m41)m41,…,kAi(m45)m45} .

над множеством методов M=M1M2M3M4. Здесь кратность kAi(mjhj), hj=1,…,5, j=1,…,4 каждого значения признака в мультимножестве Ai показывает, сколько раз метод mjhj использовался при формировании соответствующего класса результативности по оценкам всех экспертов; знак обозначает, что в описании проекта Ai имеется kAi(mjhj) копий признака mjhj .

К примеру, проекты 1 и 2, показанные на рисунке 9, представляются следующими мультимножествами:

A1={1m11, 0m12, 1m13, 0m14, 0m15; 1m21, 1m22, 0m23, 0m24, 0m25;

1m31, 0m32, 1m33, 0m14, 0m15; 1m41, 1m42, 0m43, 0m44, 0m45}, A2={0m11, 1m12, 1m13, 0m14, 0m15; 0m21, 2m22, 0m23, 0m24, 0m25;

0m31, 1m32, 1m33, 0m14, 0m15; 0m41, 2m42, 0m43, 0m44, 0m45};

Наилучший Amax и наихудший Amin проекты (возможно, и гипотетические) имеют самые высокие и самые низкие значения оценок по всем признакам и представляются как мультимножества:

Amax={2m11,0,…,0; 2m21,0,…,0; 2m31,0,…,0; 2m41,0,…,0}, Amin={0,…,0, 2m15; 0,…,0, 2m25; 0,…,0, 2m35; 0,…,0, 2m45} .

Проекты A1,...,Ap рассматривались как точки метрического пространства мультимножеств и упорядочивались по близости к наилучшему (идеальному) проекту Amax. Итоговое упорядочение проектов по результативности, полученное таким образом, к примеру, по области знаний 01. Математика, информатика и механика, выглядит так: 23 проекта имеют самую высокую результативность, 23 проекта – высокую результативность, 1 проект – результативность, промежуточную между высокой и самой высокой .

Результаты апробации подтвердили эффективность предложенного подхода. Были выявлены проекты целевых фундаментальных исследований, имеющие высокую результативность, что обеспечивает расширение сферы практического применения результатов законченных работ .

Заключение

В работе представлена новая многоэтапная интерактивная технология ПАКС (Последовательное Агрегирование Классифицируемых Ситуаций), которая предназначена для сравнения, упорядочения и классификации многопризнаковых объектов по их свойствам [9]. Технология сочетает методы вербального анализа решений [4, 6, 7] и процедуры снижения размерности признакового пространства [8, 11], с помощью которых большое число исходных характеристик объектов (числовых, символьных или вербальных) последовательно агрегируется в небольшое число критериев, имеющих небольшие шкалы градаций оценок, отражающих предпочтения ЛПР. Шкалы критериев конструируются с помощью нескольких разных методов вербального анализа решений и/или их комбинаций. Сформированные критерии используются при решении рассматриваемой задачи многокритериального выбора .

Важной особенностью разработанной технологии ПАКС является возможность сформировать разные наборы промежуточных составных критериев и воспользоваться разными способами конструирования их шкал. Сопоставление результатов, получаемых для разных иерархических систем критериев, позволяет сравнить их между собой и выбрать как наиболее предпочтительную систему критериев, так и оценить качество сделанного выбора .

Последовательное распределение всех критериев по отдельным группам дает возможность «распараллелить» решение задачи, что обеспечивает ощутимую экономию трудозатрат ЛПР. Применение процедуры иерархического агрегирования признаков, имеющей блочный характер, позволяет значительно снизить размерность исходного признакового пространства, что существенно сокращает время, затраченное ЛПР, для решения задачи многокритериального выбора и предоставляет возможность их содержательного объяснения .

Технология ПАКС была использована для оценки результативности научных проектов. Получение интегрального показателя результативности сведено к решению задачи многокритериальной порядковой классификации по иерархической системе критериев с использованием снижения размерности признакового пространства. В качестве многопризнаковых объектов выступают комбинации экспертных оценок проектов по принятым в РФФИ критериям, интегральные показатели играют роль классов решений. Технология может быть успешно применена в различных областях, где необходимо получить интегральный показатель оценки деятельности на основе исходной слабо структурируемой качественной информации .

Литература

1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д .

Прикладная статистика. Классификация и снижение размерности / Под ред .

С.А. Айвазяна. – М.: Финансы и статистика, 1989 .

2. Глотов В.А., Павельев В.В. Векторная стратификация. – М.: Наука, 1984 .

3. Канеман Д., Словик П., Тверски А. Принятие решений в неопределенности: правила и предубеждения. – Харьков: Гуманитарный центр, 2005 .

4. Ларичев О.И. Вербальный анализ решений. / Под ред .

А.Б. Петровского. – М.: Наука, 2006 .

5. Петровский А.Б. Пространства множеств и мультимножеств. – М: Едиториал УРСС, 2003 .

6. Петровский А.Б. Теория принятия решений. – М.: Издательский центр «Академия», 2009 .

7. Петровский А.Б. Методы групповой классификации многопризнаковых объектов (части 1 и 2). // Искусственный интеллект и принятие решений, 2009, № 3, – №4, – С.3-14 .

8. Петровский А.Б., Ройзензон Г.В. Интерактивная процедура снижения размерности признакового пространства в задачах многокритериальной классификации // Поддержка принятия решений. Труды Института системного анализа Российской академии наук. / Под ред. А.Б.Петровского. Т.35. – М.:

Изд-во ЛКИ, 2008, – С.43-53 .

9. Петровский А.Б., Ройзензон Г.В. Многокритериальный выбор с уменьшением размерности пространства признаков: многоэтапная технология ПАКС. // Искусственный интеллект и принятие решений, 2012 (в печати) .

10. Петровский А.Б., Ройзензон Г.В., Тихонов И.П., Балышев А.В .

Многокритериальная оценка результативности научных проектов. // Третья Международная конференция «Системный анализ и информационные технологии»: Труды конференции. – М.: ПолиПринтСервис, 2009, – С.329-336 .

11. Ройзензон Г.В. Способы снижения размерности признакового пространства для описания сложных систем в задачах принятия решений. // Новости искусственного интеллекта, 2005, – № 1, – С. 18–28 .

УДК 519.6

АНАЛИЗ МОДЕЛЕЙ И МЕТОДИКИ МОДЕЛИРОВАНИЯ

ЦЕЛЕПОЛАГАНИЯ В ОРГАНИЗАЦИОННЫХ СИСТЕМАХ

Сумин В.И .

Воронежский государственный университет инженерных технологий E-mail: viktorsumin51@yandex.ru Аннотация. В статье проводится исследование и разработка математических моделей, алгоритмов анализа деятельности организационных системы на основе процессов целеполагания и тактического планирования, что позволит обеспечить повышение эффективности их функционирования .

ANALYSIS MODELS GOAL SETTING AND MODELING TECHNIQUES

IN ORGANIZATIONAL SYSTEMS

V.I. Sumin Voronezh State University of Engineering Technology E-mail: viktorsumin51@yandex.ru Abstract. The article presents the research and development of mathematical models, algorithms, analysis of the organizational system based on goal-setting processes and tactical planning, which will improve the efficiency of their operations .

Эффективность функционирования любой организационной системы (ОС) в значительной степени определяется используемыми математическими моделями, производящими анализ деятельности этих систем. Основными условиями обеспечения эффективности и адекватности таких математических моделей являются: 1) применение к процессу анализа деятельности ОС совокупности научных подходов, позволяющих эффективно управлять этими системами; 2) обеспечение многовариантного синтеза решений и сравнимости этих вариантов; 3) применение математических моделей оптимизации, автоматизация процесса сбора и обработки информации и выработки решений .

Выполнение перечисленных условий, особенно важно при разработке математических моделей процессов принятия тактических и стратегических решений в ОС, что обеспечит повышение эффективности функционирования этих систем .

Для повышения эффективности функционирования ОС необходимо:

выбрать и обосновать принципы построения и разработать структурную модель комплексов целей для ОС на основе результатов анализа моделирования процессов целеполагания;

разработать алгоритмы параметрического синтеза структурной модели комплекса целей для оценки целевых показателей эффективности функционирования и планирования деятельности организационных систем .

Основные элементы актуальности, существующее противоречие и предпосылки решения этой проблемы представлены на рисунке 1 .

Анализ управления ОС показал, что это управление включает ряд задач принятия решения (ПР) по нарастающей степени сложности и каждая из задач заключается в выборе одного, либо подмножества из множества возможных действий системы, либо их последовательностей с учётом прогнозируемых событий и результатов действий. Важную роль среди задач ПР играет целеполагание .

Рассмотрим основное содержание данных положений .

Элементы актуальности

–  –  –

Дизъюнктивные (полукруг – рисунок 2б), означающие возможность выбора одной из подцелей для достижения данной цели .

Конъюнктивные (вершина-круг – рисунок 2в), заключаются в совместном достижении связанных с ними дугами подцелей .

Вследствие влияния возмущающих факторов результаты действий могут быть неопределёнными и распадаться на множество благоприятных результатов (достижение ЦУ) и множество неблагоприятных результатов – вершина-разветвитель (рисунок 2а). Это может потребовать введения дополнительных процессов и подцелей, а в некоторых случаях привести к появлению дополнительных альтернатив при выборе решения .

Поэтому общая модель ЦУ ОС должна быть дополнена рядом других моделей, выбираемых в дальнейшем в соответствии с прагматическим состоянием целевой установки, связанной с системой. Для этого предлагается использовать логическую модель достижимости ЦУ в прогнозируемой реальности .

Любая составная ЦУ v может быть представлена в виде множества формул ij на языке исчисления предикатов n-ого порядка по формуле:

vi C : VI { ij }, i ij P( 1, 2,, n ), где i 1, g s, j 1, m, где v – составная целевая установка (ЦУ); ij множество формул на языке исчислений предикатов n-го порядка, n признаки (факторы), доступные для наблюдения .

Оценка достижимости ЦУ v определяется по формуле:

–  –  –

Рисунок 3 – Этапы логического вывода оценок достижимости целевых установок На первом этапе производится интерпретация логических формул объектов ЦУ в теории достижимости ЦУ, на втором этапе в теории не достижимости .

Результатом логического вывода, является окончательная оценка qок достижимости ЦУ с использованием правил вывода 3 этапа, представленных на рисунке 3 .

Особенности предложенной структуры сетевой модели ЦУ ОС потребовали разработки соответствующей методики её формирования (рисунок 4), включающей 5 основных этапов .

На 1-ом этапе на основе методов самооценки, взаимной оценки и метода «снежного кома», формируется экспертная группа, для разработки структуры сетевой модели ЦУ ОС .

Далее (2-ой этап) на основе анализа нормативных правовых актов, регламентирующих деятельность ОС, экспертная группа определяет структуру ОС, её главные цели функционирования, особенности решаемых в ней управленческих задач. Определяется состав внутренних и внешних факторов (элементов внешней среды), влияющих на процесс ПР в ОС, и необходимость их учёта при формировании сетевой модели ЦУ .

Используются методы самооценки, взаимной оценки и метод «снежного Формирование экспертной группы кома» .

–  –  –

На 3-ем этапе экспертная группа, используя предложенные принципы построения когнитивных моделей, метод «мозгового штурма» производит декомпозицию выявленных на 2-ом этапе глобальных целей ОС и разрабатывает структуру сетевой модели её ЦУ .

На 4-ем этапе для означивания дуг сетевой модели предлагается провести экспертный опрос о важности её ЦУ и согласование экспертных оценок. Для формирования высокосогласованной группы экспертов используются коэффициенты конкордации W (формулы 1-3, рисунок 4) и согласия (формула 3, рисунок 4) .

Для определения коэффициентов относительной важности ЦУ ОС разработан алгоритм (рисунок 5), основанный на законе сравнительных суждений Терстоуна .

–  –  –

По таблицам нормального распределения определяется вероятность pi соответствующая Z i. Нормировка pi позволяет получить коэффициенты относительной важности ЦУ .

Для оценивания деятельности ОС разработан алгоритм оценивания, отличающийся определением степени достижения целей её функционирования с учётом ресурсов, директив на состояние внешней среды и деятельности элементов окружения. На рисунке 7 приведен алгоритм оценивания деятельности организационной системы на основе сетевой модели её целевых установок. Входные данные: сетевая модель ЦУ, представленная графом G (V, A, ) ; фактические значения учитываемых качественных и количественных факторов деятельности ОС .

Начало

–  –  –

Рисунок 7 – Алгоритм оценивания деятельности организационной системы на основе сетевой модели её целевых установок В основу выработки вариантов планов деятельности организации целесообразно положить принцип распределения ограниченных ресурсов ОС на те ЦУ сетевой модели, достижение которых обеспечит максимальное (1-ый вариант) и минимальное (2-ой вариант) приращение эффективности функционирования ОС, соответственно .

Применение данного принципа позволило разработать алгоритм тактического планирования деятельности ОС (рисунок 8) .

Рисунок 8 – алгоритм тактического планирования деятельности ОС Он, обладая нечувствительностью к количеству планируемых работ и учитываемых показателей, обеспечивает учёт структурной взаимосвязи между имеющимися ресурсами и целями функционирования организации .

Выходные данные:

– сетевая модель ЦУ ОС;

– значения качественных и количественных факторов, характеризующих различные свойства субъекта анализа;

– расчётные значения степени достижения глобальных, промежуточных и термальных ЦУ – e i ( i 1, K ) .

– количественная оценка ресурса ОС Res .

Выходные данные:

– варианты планов деятельности Pmax и Pmin ОС и перечни работ Rmax и Rmin, выполнение которых не предусмотрено данными планами в силу ограниченности имеющихся ресурсов организации,

– а также полные перечни работ Rvag и Rst_p в ОС, отсортированные по важности и стоимости выполнения связанных с ними ЦУ соответственно .

Для примера на рисунке 9 представлена возможная сетевая модель ОС .

Рисунок 9 – Сетевая модель ОС Литература

1. Определение основных параметров функционирования систем управления подразделений вневедомственной охраны на базе статистического анализа / С.А. Лебедев, В.И. Сумин // Вестник Воронежского института МВД России. – 2006. – № 1 (26). – С. 56-61 с .

2. Сумин В.И. Теоретические основы автоматизации проектирования систем управления подразделений вневедомственной охраны субъекта федерации / В.И. Сумин, В.А. Дурденко. – Воронеж: ВВШ МВД России, ВГУ, 1998. – 108 с .

3. Сумин В.И. Основы проектирования систем управления охранной деятельностью субъекта федерации / В.И. Сумин, В.А. Дурденко. – Воронеж:

ВВШ МВД России, ВГУ, 1998. – 108 с .

УДК 004.065

СИСТЕМНЫЙ АНАЛИЗ НАПРАВЛЕНИЙ И МЕТОДОВ

ИННОВАЦИОННОГО РАЗВИТИЯ

ИНТЕГРИРОВАННОЙ КОМПАНИИ

–  –  –

Аннотация. В докладе проанализирована проблема направлений и методов инновационного развития интегрированной телекоммуникационной компании .

Исследования с использованием системного анализа проведены в двух направлениях:

1. Совершенствование методов оценки эффективности инновационной деятельности интегрированной компании; 2. Подходы по разработке методов инновационного развития компании .

SYSTEM ANALYSIS OF THE DIRECTIONS AND METHODS

OF INNOVATION DEVELOPMENT OF THE INTEGRATED COMPANY

–  –  –

Abstract. The report analyzed the problem of directions and methods of innovation development of an integrated telecommunications company. Studies using system analysis carried out in two directions: 1. Improvement of methods of estimation of efficiency of innovative activity of the integrated company; 2. Approaches for development of the methods of the innovative development of the company .

Актуальность темы

В последние годы активизируется деятельность законодательной и исполнительной ветвей государственной власти по реализации мер, направленных на развитие инновационного потенциала интегрированных компаний, определяемые пакетом законодательных инициатив и мер в сфере науки и инноваций, которые направлены на развитие национальной инновационной системы, формирования инновационного потенциала научнотехнического комплекса и создание привлекательных условий для стимулирования роста инвестиций в инновационную деятельность интегрированных компаний, в том числе телекоммуникационных. Базой для развития и внедрения новых телекоммуникационных технологий являются интегрированные телекоммуникационные компании, поскольку только концентрация (интеграция) позволяют решать поставленные задачи на высоком уровне. В основе стратегии интегрированных компаний лежит разделение функций между компанией и её партнёрами таким образом что компания оставляет за собой наукоёмкие и маркетинговые функции передавая производство и сбыт продукции своим партнёрам на условиях аутсорсинга .

Такой подход обеспечивает мобильность и инновационость бизнеса. В настоящее время дефицит системности исследования инновационного потенциала интегрированных компаний обусловлен невостребованностью реальным сектором экономики методологического инструментария обоснования, развития и реализации инновационного потенциала телекоммуникационных компаний как вектора формализации продуктовых и процессных инноваций и современных менеджмент-технологий. Возникает настоятельная потребность систематизировать основные продвижения, выявить противоречия, определить резервы и перспективный горизонт развития данного научного потенциала телекоммуникационной компаний. Инфокоммуникационная отрасль одна из немногих отраслей российской экономики, которая находиться в благополучном положении и имеет серьезный потенциал развития. Опережающее развитие телекоммуникаций является необходимым условием для создания инфраструктуры бизнеса, формирования благоприятных условий для привлечения инвестиции, решения вопросов занятости населения, развития современных информационных технологий для осуществление стратегических планов Правительства по вхождению в «Глобальное информационное общество». По прогнозам, опережающее развитие телекоммуникационной отрасли происходит следующим образом: на период до 2015 года темпы развития рынка телекоммуникационных услуг связи ожидается на уровне 20% ежегодно, темпы роста производства телекоммуникационного оборудования около 10%, что существенно опережает рост ВВП страны .

Телекоммуникационные компании обладают значительным инвестиционным потенциалом, которые является базовым критерием, определяющей результативность процессов создания и использования инноваций .

Cоздание реальных условий для подъема российской экономики и ее устойчивого развития в решающей степени зависит от формирования и успешной деятельности крупных компаний (корпораций) как основы эффективного использования производственного, технологического и трудового потенциала страны .

Масштабы и серьезность перечисленных проблем актуализировали необходимость разработки с использованием системного анализа направления и методов инновационного развития интегрированных компаний в контексте методологии системного, эволюционного, синергетического анализа.

В рамках поставленной цели была определена необходимость решения следующего комплекса проблемных задач, отражающих логику и концепцию исследования:

2. Развить и конкретизировать теоретическое представление по совершенствованию методов оценки эффективности инновационной деятельности интегрированной телекоммуникационной компании с позиции системного анализа работы компаний .

3. В рамках стратегического управления инновационном потенциалом компании сформировать концептуальную модель и методику оценки инновационного потенциала телекоммуникационной компании .

В рамках решения первой задачи излагается следующий материал .

Повышение эффективности инновационной деятельности телекоммуникационной компании в рыночных условиях хозяйствования следует рассматривать как одно из основных направлений экономической стратегии ускорения экономического развития страны и обеспечения ее высокой конкурентоспособности. Инновационная деятельности телекоммуникационных компаний является внутренним процессом преобразования и развития экономической, производственно-технологической, кадровой, коммерческой, инвестиционной систем компании на основе поиска и реализации инновационных резервов с учетом потребностей рынка и конкурентоспособности компаний. Рекомендуемая концепция повышения эффективности инновационной деятельности телекоммуникационной компании на основе трактовки инноваций как особого продукта рыночной экономики, удовлетворяющего общественные потребности, создания «сверху»

благоприятной инновационной среды, систематизации и классификации резервов инновационной деятельности, их количественной оценки и ранжирования по эффективности и реализуемости, формирования внутреннего инновационного механизма на всех стадиях инновационного процесса .

Предлагается различать два вида эффективности инновационной деятельности:

а) экономическую эффективность, измеряющую реальный эффект, получаемый в результате проведения инновационной деятельности (оценка конечных результатов происходит во внешней среде посредством признания или непризнания рынком нововведения); б) эффективность инновационной деятельности, измеряющую уровень системной организации проведения инновационной деятельности, как совокупности работ по реализации различных инноваций. Предлагается осуществлять системный анализ эффективности по системе показателей как каждой стадии инновационной деятельности в компании, так и всей этой деятельности в целом .

Решению проблемы повышения эффективности инновационной деятельности телекоммуникационной компании, как обосновано в исследовании, может способствовать реализация следующих конкретных выводов и рекомендаций: а) стратегия инновационной деятельности должна ориентироваться как на обеспечение условий крупного инновационного скачка в экономике, так и на массовое инновационное движение предпринимательских кругов при эффективном и всестороннем содействии со стороны государства;

б) происходящее изменения в социально-экономической сфере, связанные с продолжающейся рыночной трансформацией, должны вести к формированию благоприятной инновационной среды, преодолению ее негативного воздействия на инновационную активность, расширению и синтезу технологический и продуктовых инноваций и инноваций в системе управления, конкурентного механизма, бюджетно-налоговой и инвестиционной политики;

в) необходимо усиление ориентации механизма повышения эффективности инновационной деятельности компании на инновационную («предпринимательскую») прибыль и рост стоимости компании; г) активизация инновационной деятельности со стороны предприятий не снимает необходимости перехода к инновационно инвестиционному типу всей макроэкономической политики. Проведение целенаправленной работы по повышению эффективности инновационной деятельности невозможно без соответствующей методологической базы, которая является основополагающей ступенью для постановки и решения вопросов, связанных с инновационной сферой телекоммуникационных компаний. Наиболее существенным моментом материалов доклада является подход к трактовке инноваций как результата инновационного процесса (рисунок 1.) Это позволяет определить результативность стадий инновационного процесса в ходе проведения инновационной деятельности. Кроме того, предлагается собственное понимание структуры инновационного цикла, как целостности составляющих его процесса создания инновации и жизненного цикла .

Для телекоммуникационной отрасли освоения нововведения нужно рассматривать путем активного применения новых знаний для обеспечения конкурентности товара, услуг которые сопровождаются приоритетными техническими и технологическими решениями. Под новыми знаниями понимается новая информация о закономерностях технологий, процессов и явлений которые трансформируются в интеллектуальную собственность (ИС) и нематериальные активы (НМА). Новые знания определяют ИС и НМА и становятся стратегическим ресурсом инновационной реализации резервов .

Рисунок 1 – Инновационный цикл

Работы по реализации резервов инновационной деятельности требует ее согласования со стратегией развития компании, которая должна обладать определенной гибкостью, чтобы не упустить возможность использования инноваций, изобретений (технических решений, ноу-хау), обладающих инновационным потенциалом, но не вписывающихся в ранее установленные стратегические цели. В целом же, инновационная деятельность должна быть направлена на содействие достижению целей, обозначенных общей стратегией компании с внедрением нововведения и оптимизацией структуры управления для повышения управления и поднятия инновационного потенциала. В работе разработан системный подход в исследованиях управления инновационной деятельностью интегрированных структур. Базой для развития и внедрения новых телекоммуникационных технологий являются интегрированные телекоммуникационные компании, поскольку только концентрация (интеграция) позволяют решать поставленные задачи на высоком уровне в настоящем времени. Вопросы развития отечественных предприятий телекоммуникационного сектора предполагают активные применения новейших инновационных стратегий, совмещенных с научно-техническими достижениями российских предприятий, с учетом наиболее положительного, апробированного временем мирового опыта в области управления инновационной деятельностью .

В соответствии с целями и задачами материалов доклада для описания существующих моделей формирования организационной структуры компании целесообразно воспользоваться классификацией, предложенной в работе А.Р. Лейбкинда и Б.Л. Рудника, основанной на типизации моделей по применяемому математическому аппарату. Это позволяет в работе оценить существующие методы с позиций их адекватного отражения особенностей формирования организационных структур телекоммуникационной компании .

Можно выделить три типа моделей синтеза организационных систем:

модели, основанные на построении регрессионных зависимостей между возможностями (составом) структурных подразделений и некоторыми структурообразующими факторами (объемы работ, условия выполнения работ, организация и технология производства работ и др.);

модели, в которых характеристики организационной структуры непосредственно связаны с показателями конечного эффекта функционирования организации и определяются исходя из требований их совершенствования;

модели построения структур на основе косвенных критериев оценки их качества (модели кластерного анализа) .

Модели первого типа представляются в виде степенных (логарифмических) или линейных многофакторных уравнений регрессии:

(1) где у – параметр организационной структуры;xi (i = 1,…,р) – факторы, определяющие значение параметра; ai (i = 0,…,р) – коэффициенты регрессии .

Анализ моделей регрессионно-корреляционного типа и лежащих в их основе математических методов показал неприемлемость регрессионного анализа для исследования организационных структур телекоммуникационной компании по следующим причинам. Во-первых, реализация такого подхода требует наличия представительной статистики, позволяющей установить объективную связь параметров организационных структур компании со структурообразующими факторами и условиями. При наличии такой статистики экстраполяция характеристик на будущее может привести к копированию недостатков существующих организационных структур в новые организационные формы. Это тем более опасно в условиях, когда прежние оргштатные структуры создавались интуитивно, без должных расчетных обоснований и критериев оценки эффективности. Во-вторых, регрессионные модели не отражают способов объединения структурных подразделений в единую организационную структуру .

Второй тип моделей основан на построении некоторой глобальной целевой функции создаваемой структуры и системы ограничений, характеризующих условия достижения цели. Необходимость формирования структурных подразделений состоит в том, что задача, решаемая организационной структурой, оказывается слишком сложной, чтобы выполнять ее в едином блоке, не прибегая к распределению усилий между подразделениями. Структурные подразделения создаются именно для того, чтобы решать некоторые выделенные части задачи для компании телекоммуникационной отрасли .

Методической основой данного подхода, как правило, являются методы блочного линейного программирования (методы декомпозиции) ДанцигаВулфа и Корнаи-Липтака, но могут использоваться и нелинейные моделисхемы Полтеровича. Методы блочного линейного программирования имеют ряд положительных свойств, обусловливающих потенциальную возможность их использования для создания организационных структур. В работе рассмотрены эти свойства .

1. Формирование телекоммуникационной компании на основе методов блочного линейного программирования позволяет учесть многообразие решаемых ими задач (в.т.ч., связанных с видами обеспечения действий самих предприятий) и условий функционирования. Решение подобной задачи большой размерности другими способами невозможно из-за практически невыполнимого объема вычислений .

2. Задача создания организационной структуры в виде задачи линейного программирования снимает проблему многокритериальности, свойственную организационным системам .

3. Возможность моделей линейного программирования уйти от излишней детализации и одновременно описать все основные свойства (функции) организационной структуры (необходимые для достижения ее целей) обеспечивают простоту, удобство и общность их использования, что очень важно для многопрофильных и специализированных организационных структур предприятий. При этом, несмотря на существенные специфические особенности видов деятельности предприятий связи, можно разработать единую методику создания модели их формирования и функционирования .

Кроме того, появляется реальная возможность обобщения этой модели для решения задачи по определению структуры холдинговых компаний .

4. Свойство линейных моделей обеспечивает возможность анализа эффективности принятого варианта организационной структуры при возможных изменениях заданных условий функционирования .

Таким образом, перечисленные свойства линейного программирования позволяют рассматривать эти методы в качестве потенциально возможных для формирования организационных структур предприятий телекоммуникаций интегрированного типа .

Третий тип методов формирования организационных структур, подлежащий анализу, основан на максимизации однородности элементов, входящих в отдельные подразделения и повышении их специализации .

Считается, что специализация подразделений уменьшает «потребность в координации (управлении), что при прочих равных условиях приводит к повышению эффективности функционирования системы». Создание организационной структуры рассматривается как задача разбиения некоторого множества задач на группы методами кластерного анализа .

При несомненном достоинстве этого метода, заключающемся в обеспечении требуемой эффективности структуры за счет специализации, управляемости и целостности, данную модель нельзя применить в неизменном виде для создания организационных структур. Во-первых, формальный аппарат этого метода носит детерминированный характер и не учитывает изменений условий (объемов задач, недопоставок ресурсов, затрат на адаптацию) функционирования организационных структур. Здесь имеется возможность проектирования организационных структур только для фиксированных условий работы. Отсутствие механизмов, позволяющих выявить влияние неопределенности условий функционирования структуры, может привести к тому, что полученный с помощью этого метода вариант устареет еще до своей реализации. Во-вторых, нельзя не заметить значительной трудоемкости данного подхода и наличия в нем неформализуемых процедур (формирование дерева целей, априорное задание иерархии структуры, выбор правил предпочтения объединения элементов в структурные подразделения). Несмотря на указанные недостатки, этот тип моделей можно использовать при формировании организационных структур. Его возможности по определению общего контура, состава и структуры создаваемых подразделений на основе меры близости решаемых задач обеспечивает создание эффективных производственных систем, в том числе для интегрированных компаний телекоммуникационного типа .

В материалах доклада рассмотрено состояние процесса использования математических моделей и прикладного программного обеспечения в крупных территориально распределенных интегрированных компаниях для оптимизации управления. Эффективность работы компании, функционирующих в рыночной экономике, во многом зависит от способов обработки информации. В этом смысле информационные технологии можно рассматривать как составляющую резерва модернизации экономики. Актуальными являются вопросы использования информационных технологий при решении проблем, возникающих при организации инвестиционных процессов телекоммуникационной компании как наиболее востребованным в настоящее время и в перспективе .

В настоящее время общепринятой точкой зрения является то, что основной работой служащих в организациях является работа с информацией .



Pages:   || 2 |



Похожие работы:

«Москва, 2017 УДК 37.01 + 796 + 613 ББК 74.00 + 75.11 + 51.204.0 Т95 Т95 Тьюторские проекты в области развития физической культуры в условиях внедрения ФГОС и ВФСК ГТО: Электронный сборник материалов Всероссийского конкурса тьюторских проектов в области развития физической культуры...»

«Киборг как код новой онтологии Политические и эпистемологические аспекты гибридных тел Алла Митрофанова Куратор, Музей звука. Адрес: 191040, Санкт-Петербург, Лиговский пр-т, 53. E-mail: twinsmi@mail.ru. Ключевые слова: киборг; Донна Харауэй; феминистская эпистемология; контингентная онтология; феминизация машин. В с...»

«DOI 10.22394/1726-1139-2018-6-168-171 Н ау ч Н а я ж и з Н ь Рецензия на учебное пособие "Основы государственной культурной политики Российской Федерации"Основы государственной культурной политики Российской Федерации : учеб. пособие / А. С. Тургаев, Л. Е. Востряков, В. В. Брежн...»

«ДЕПАРТАМЕНТ ОБРАЗОВАНИЯ МЭРИИ ГОРОДА ЯРОСЛАВЛЯ ПРИКАЗ № 01-05/910 24.11.2016 О проведении муниципального этапа Всероссийских соревнований по мини-футболу среди команд общеобразовательных организаций в 2016-2017 гг. В целях развития и поп...»

«ОГЛАВЛЕНИЕ 1. ОБЩИЕ СВЕДЕНИЯ ОБ ОБРАЗОВАТЕЛЬНОЙ ОРГАНИЗАЦИИ 1.1. Полное наименование и контактная информация образовательной организации.3 1.2. Миссия вуза 1.3 . Система управления вузом 1.4. Планируемые результаты деятельности вуза 2. ОБРАЗОВАТЕЛЬНАЯ ДЕЯТЕЛЬНОСТЬ 2.1. Реализуемые образовательные программы 2.2. Качество подг...»

«R SCCR/33/2 ОРИГИНАЛ: АНГЛИЙСКИЙ ДАТА: 7 СЕНТЯБРЯ 2016 Г. Постоянный комитет по авторскому и смежным правам Тридцать третья сессия Женева, 14-18 ноября 2016 г.АККРЕДИТАЦИЯ НЕПРАВИТЕЛЬСТВЕННЫХ ОРГАНИЗАЦИЙ Подготовлено Секретариатом В приложениях к настоящему докуме...»

«Специфика обучения иноязычному общению и коммуникативному взаимодействию заключается в том, что реальная коммуникация осуще ­ ствляется в условиях несовпадающих (в большей или меньшей степени) национально-культурых стереотипов мышления и поведения между субъектами речевой деятельности. О...»

«MVRDV 17 November 2018 MVRDV 17 November 2018 Следующий ИТМО The Next ITMO MVRDV 17 November 2018 mvrdv 250 Staff 40 Nationalities 1000 Projects 36 Countries 6 Continents rotterdam ROTTERDAM methodology research urbanism Университет ИТМО ITMO University Университет ИТМО 2.0 ITMO Universi...»

«ГОДОВОЙ ОТЧЁТ ЗАЩИТА ПРАВ РАСПРОСТРАНЕНИЕ ОПЫТА ИЗМЕНЕНИЕ ОБЩЕСТВЕННОГО МНЕНИЯ ИЗМЕНЕНИЕ СИТУАЦИИ В ЦЕЛОМ РЕАБИЛИТАЦИОННЫЙ ДОМ ПРИЮТ НА ПОЛДОРОГИ КОНСУЛЬТАЦИОННАЯ СЛУЖБА (социальные работники, юристы) точки вход...»

«Выпускная квалификационная работа Графическое сопровождение многофункционального культурного пространства "КПД" Направление: 54.03.01 Графический Дизайн Квалификация: Бакалавр дизайна Выпускник: Зимин Егор Игоревич Научный руководитель: Член Союза Дизайнеров России Витковская Светлана Владимировна Санкт-Пе...»

«УДК 316.354 ББК 60.55 ОРГАНИЗАЦИОННЫЕ КУЛЬТУРЫ В СОВРЕМЕННЫХ РОССИЙСКИХ ПРОФЕССИОНАЛЬНОМ И ЛЮБИТЕЛЬСКОМ ТЕАТРАХ: СРАВНИТЕЛЬНЫЙ АНАЛИЗ Сергиенко А.В., Студентка 4 курса УГИ Уральский федеральный университет г. Екатеринбург, Россия anna.sergienko96@mail.ru ORGANIZATIONAL CULTURES IN...»

«Электронный научно-образовательный журнал ВГСПУ "Грани познания". № 6(59). Декабрь 2018 www.grani.vspu.ru УДК 81’1 Е.Ю. КИСЛЯКОВА (Волгоград) ЛИНГВОАЛЛОЛОГИЧЕСКАЯ КОМПЕТЕНЦИЯ: К ПРОБЛЕМЕ ФОРМИРОВАНИЯ ИНО-ОБРАЗА КОММУНИКАНТОВ...»

«Д.С. Ермолин, А.А. Новик К ВОПРОСУ ИЗУЧЕНИЯ ПОХОРОННЫХ ОБРЯДОВ АЛБАНЦЕВ ПРИАЗОВЬЯ Данная статья является продолжением исследований авторами похоронной обрядности албанцев Украины. В частности, была опубликована статья по материалам экспедиции 2007 г....»

«Министерство культуры Российской Федерации ФГБОУ ВО "Ростовская государственная консерватория им. С. В. Рахманинова"ПРИНЯТО ПРИНЯТО Педсоветом ССМШ (Колледжа) Решением Ученого совета Протокол № 4 от 12 января 2018 г. РГК им. С....»

«Д. М. Ковба, А. С. Исаков. "Мягкая сила": рецепция концепта 79 Д. М. Ковба УДК 327.82:008 + 327(5) А. С. Исаков "МЯГКАЯ СИЛА": РЕЦЕПЦИЯ КОНЦЕПТА АЗИАТСКИМИ ГОСУДАРСТВАМИ В статье рассматриваются особенности освоения концепта и стратегий "мягкой силы" азиатскими государствами (Китаем, Яп...»

«МБОУ СУРГУТСКИЙ АЯ ПЕРЕМЕНА ЕСТЕСТВЕННОБОЛЬШ НАУЧНЫЙ ЛИЦЕЙ Май 2018 ЛИЦЕЙ НАУЧНЫЙ ЛИЦЕЙ ТВОРЧЕСКИЙ ЛИЦЕЙ СПОРТИВНЫЙ Стр. 2 БОЛЬШАЯ ПЕРЕМЕНА ЛИЦЕЙ НАУЧНЫЙ Стр. 3 БОЛЬШАЯ ПЕРЕМЕНА ДНИ НАУКИ В ЛИЦЕЕ На...»

«о проведении X юбилейного областного спортивного телевизионного фести­ валя школьников "Веселые старты" I. Цели и задачи X юбилейный областной спортивный телевизионный фестиваль школьников "Веселые старты" (далее —Фестива...»

«2 ОБЩИЕ ПОЛОЖЕНИЯ I. Чемпионат России по спортивному туризму на лыжных дистанциях в рамках 68-го традиционного слета туристов-лыжников на границе Европы и Азии (далее – соревнования) проводится в соответстви...»

«ПУБЛИЧНЫЙ ОТЧЕТ о деятельности Амурской областной научной библиотеки имени Н.Н. Муравьева-Амурского в 2012 году СОДЕРЖАНИЕ I. Приоритетные направления работы в 2012 году 2 II. Основные показатели деятельности 3 1. Библиотечно-информационное обслуживание пользователей 3 2. Электронные ресурсы библиотеки 6 3. Формирование фондов библиотек...»

«выявление сильнейших спортсменов для формирования списка кандидатов в состав спортивной сборной команды Санкт-Петербурга по пляжному волейболу на 2019 год. Организаторам и участникам соревнований запрещает...»

«DOI 10.31168/2619-0842.2018.8 К. А. Климова (Москва) ЯЗЫК КАК БАЗОВЫЙ ЭЛЕМЕНТ ЭТНИЧЕСКОЙ САМОИДЕНТИФИКАЦИИ ПОНТИЙСКИХ ГРЕКОВ В КИБЕРПРОСТРАНСТВЕ С конца 90-х годов XX века в отечественной и зарубежной фольклористике актуализируются исследования...»







 
2019 www.librus.dobrota.biz - «Бесплатная электронная библиотека - собрание публикаций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.