CC BY
34
Горбашко Е.А., Черненький А. В.
ПОВЫШЕНИЕ КАЧЕСТВА ДЕЯТЕЛЬНОСТИ ОРГАНИЗАЦИЙ НАУЧНО-ОБРАЗОВАТЕЛЬНОГО КОМПЛЕКСА
Аннотация. В статье рассмотрены принципы повышения качества деятельности научно-образовательных организаций на основе комплексной методики оценки качества деятельности организаций, построенной на базе совершенствования известных методик мониторинга и применения методов математической статистки. Обоснован выбор методов многомерного статистического анализа. Сформулированы рекомендации для проведения мониторинга результативности деятельности научных и образовательных организаций, которые могут быть использованы для формирования эффективной модели управления качеством.
Ключевые слова. Система менеджмента качества, качество деятельности организации, методы многомерного статистического анализа, результативность деятельности организации.
Gorbashko E.A., Chernen'kii A.V.
IMPROVING THE PERFORMANCE OF SCIENTIFIC AND EDUCATIONAL INSTITUTIONS
Abstract. Principles for improvement of the operational quality of research-educational organizations are considered, based on complex technique for quality assessment of organization's activities, grounded on the development of well-known monitoring techniques and methods from mathematical statistics. Selection of methods from multivariate statistical analysis have been justifies. Recommendations on carrying out of monitoring of effectiveness of research and educational organizations' activities are formulated, which could be used in forming of effective quality management model.
Keywords. Quality management system, quality of organization's activities, methods of multidimensional statistical analysis, effectiveness of organization's activities.
Успехи мировых научно-технологических лидеров во многом определяются эффективной интеграцией науки и образования. Данный вектор развития нашел отражение в законодательных актах Российской Федерации по вопросам интеграции образования и науки и государственной политике в области образования и науки, в частности, в Федеральном законе от 1 декабря 2007 года № 308-ФЗ «О внесении изменений в отдельные законодательные акты Российской Федерации по вопросам интеграции образования и науки»; в Указе Президента России от 7 мая 2012 года № 599 «О мерах по реализации государственной политики в области образования и науки» и др. Интеграция науки и образования в
ГРНТИ 81.81.05
© Горбашко Е.А., Черненький А.В., 2017
Елена Анатольевна Горбашко - доктор экономических наук, профессор, заведующая кафедрой экономики и управления качеством, проректор по научной работе Санкт-Петербургского государственного экономического университета.
Андрей Владимирович Черненький - инженер Высшей инженерной школы Санкт-Петербургского политехнического университета Петра Великого.
Контактные данные для связи с авторами (Горбашко Е.А.): 195251, Санкт-Петербург, ул. Политехническая, д. 29 (Russia, St. Petersburg, Polytechnicheskaya str., 29).Тел.: +7 (812) 458-97-14. Е-mail: [email protected].
условиях обострения конкуренции на мировых рынках, особенно высокотехнологичных, способна обеспечить не только сохранение уже достигнутых результатов, но и значимые позитивные сдвиги в глобальном позиционировании страны.
Научно-образовательный комплекс - это особая интеграционная структура, объединяющая организации, работающие в сфере науки и образования и занимающиеся научно-исследовательской, научно-технической и образовательной деятельностью. В стране действуют различные межотраслевые комплексы, они формируются как внутри отдельных отраслей экономики, так и между различными отраслями (машиностроительный, топливно-энергетический, агропромышленный и др.). Научно-образовательный комплекс (НОК) объективно выделяется в качестве единого комплекса, поскольку наука является фундаментальной базой, на которой строится сфера образования, включая подготовку кадров высшей квалификации; квалифицированные кадры как главный ресурс научных организаций поставляет сфера образования; такие понятия как «научно-педагогические работники», «научно-педагогический стаж» также отражают фактическое объединение науки и образования в единый комплекс. НОК, в составе которого интегрируются наука и образование, является одним из важнейших комплексов народного хозяйства, поэтому задача оценки качества деятельности входящих в его состав организаций является актуальной и в то же время сложной и многоплановой.
Оценка качества деятельности организации - неотъемлемый элемент менеджмента качества, закрепленный в международных стандартах ИСО серии 9000 [1]. Так, в стандарте ГОСТ Р ИСО 9001:2015 «Система менеджмента качества. Требования» подчеркивается, что внедрение систем менеджмента качества (СМК) - «стратегическое решение, направленное на улучшение показателей деятельности и формирование платформы для устойчивого развития предприятия. Внедрение СМК обеспечивает конкурентные преимущества: выпускаемая продукция и предоставляемые услуги отвечают не только нормативным требованиям, но и требованиям потребителей, существенно повышается эффективность управления». В соответствии с требованиями стандарта организация должна анализировать и оценивать результаты своей деятельности.
Использование максимума регистрируемых данных не гарантирует правильность оценки. Требуется серьезный научный подход, привлечение разделов фундаментальной математики, к числу которых относится многомерный статистический анализ. Чтобы определить направления для улучшений, необходимо проводить всестороннюю оценку деятельности, а для этого требуются соответствующие инструменты и методики. Вместе с тем, в настоящее время нет общепринятой методики оценки качества деятельности организаций НОК. Дальнейшая разработка подходов, принципов и методик оценки позволит сформировать эффективную модель управления качеством деятельности организаций НОК.
К числу наиболее удачных примеров сделать оценку качества понятной и общедоступной следует отнести предложение в 1950-х Японским союзом ученых и инженеров семи простых инструментов контроля и управления качеством [2]: диаграмма рассеяния (Scatter Plot), причинно-следственная диаграмма (Cause and Effect Diagram), диаграмма Парето (Pareto Chart), контрольный лист (Check Sheet), гистограмма (Histogram), контрольная карта (Control Chart), диаграмма потока (Flow Chart). В дальнейшем число инструментов увеличилось, добавились диаграмма сродства (Affinity Diagram), диаграмма связей (Interrelationship Diagram), древовидная диаграмма (Tree Diagram), матричная диаграмма (Matrix Diagram), стрелочная диаграмма (Arrow Diagram), диаграмма процесса осуществления программы (Process Decision Program Chart - PDPC), матрица приоритетов (Matrix Data Analysis). Эти инструменты получили название семи новых инструментов контроля качества. Эти подходы не потеряли актуальности и в настоящее время. Однако для проведения всесторонней оценки качества деятельности организации требуется дальнейшее развитие известных инструментов и методик.
Для оценки качества деятельности организаций необходим статистический анализ большого числа показателей, имеющих разную природу. Потребности в количественных данных и соответствующих статистических методиках определены ГОСТ Р ИСО/ТО 10017-2005 «Статистические методы. Руководство по применению в соответствии с ГОСТ Р ИСО 9001». Данный стандарт предоставляет организациям руководство по выбору статистических методов. Основанием для их применения является необходимость повышения эффективности системы качества, поскольку практически все процессы деятельности организации обладают изменчивостью даже в условиях очевидной стабильности, а статистические методы позволяют лучше использовать имеющиеся данные для принятия управленче-
ских решений. Критерии определения потребности в статистических методах и пригодности выбранных методов остаются прерогативой организаций.
Большинство методов многомерного статистического анализа базируются на единой предпосылке о том, что каждый объект может быть геометрически представлен в виде точки в многомерном пространстве, по осям которого откладываются первичные или преобразованные показатели. Такое пространство является метрическим, на нем могу быть заданы меры, характеризующие расстояния между точками пространства. При многомерном анализе объектом исследования в к-мерном непрерывном пространстве является многомерная (к-мерная) величина х = (х1,х2,...хк), ей соответствует объективно существующая неслучайная функция распределения [3]:
Р(х) = Р Х1<Х1,Х2<Х2, ...Хк<хк) = Р (X<х), (1)
где х - к-мерный вектор фиксированных действительных чисел,
х = (х1,х2,...Хк) . В дополнение вводится неотрицательная плотность вероятностей -
Р(х) = Р(xl,х2,...хк (2)
Функция распределения и плотность вероятностей связаны соотношением:
х1 х2 хк
Р(х) =1 I ... IР(1,х2,...хк) (^ххйхг...ёхк (3)
— ад — ад — ад
Затем вводится понятие имеющей неслучайное распределение генеральной совокупности, из которой выбираются реализации, и для множества (или совокупности множеств) вводится понятие статистики, являющейся функцией параметров элементов. Исходные данные, описывающие процессы деятельности организации и ее подразделений, представляют собой многомерные массивы с многокомпонентной структурой. С целью принятия управленческих решений по улучшениям необходимо решить задачу обоснованного снижения размерности, построить модели зависимостей между переменными и убедиться в состоятельности гипотез, с помощью которых описывается структура исходных данных.
Для решения задач снижения размерности предназначены методы факторного анализа, применяемого для изучения взаимосвязей между значениями переменных. Цель снижения размерностей -исследование внутренней структуры изучаемой системы к случайных величин, «сжатие» этой системы без существенной потери содержащейся в ней информации путем выявления небольшого числа факторов, объясняющих изменчивость и взаимосвязи исходных случайных величин. При использовании этого подхода в каждой из групп с сильно взаимно коррелированными признаками достаточно оставить один, наиболее «типичный» признак, остальные можно исключить, даже если это противоречит принципу отчетности организаций на основе максимального числа документированных данных.
Наблюдаемые переменные являются линейной комбинацией некоторых латентных (гипотетических) факторов, с помощью которых можно объяснить наблюдаемое сходство оценок с высоким коэффициентом корреляции. Переменные, имеющие сильную степень корреляции, объединяются в один фактор, что приводит к перераспределению дисперсии между компонентами структуры факторов. Латентный фактор влияет на многочисленные показатели других переменных, поэтому определяется как фактор более высокого порядка. Для выявления наиболее значимых факторов применяется метод главных компонент, суть которого состоит в замене коррелированных компонентов некоррелированными факторами, при этом выявленные факторы или главные компоненты содержат в среднем больше информации, чем непосредственно зафиксированные на объектах значения исходных факторов.
Метод главных компонент легко интерпретируется геометрически [4]. Вначале, при переходе от исходного вектора X к центрированному вектору X = X — М (X), происходит перенос начала координат
в точку М (X), являющуюся центром эллипсоида рассеяния случайного вектора X. Центрированный вектор X выражается через произведение векторов А и Р:
X = АР; а у = соу(х,, Р), (4)
где А - матрица нагрузок, Е - центрированный ортонормированный вектор главных компонент, ац -элементы ац квадратной матрицы А, которые имеют смысл ковариаций составляющих исходного вектора и элементов вводимого вектора главных компонент.
Ковариация (или корреляционный момент) является характеристикой совместного распределения двух случайных величин и определяется как математическое ожидание произведения отклонений случайных величин:
ооуХЕ = М{X -М(X)]]Е -М(Е)]}=М(ХЕ)-М(X)• М(Е). (5)
После переноса начала координат проводится поворот ортогональных осей координат так, чтобы новые оси координат были направлены вдоль осей эллипсоида рассеяния, причем разброс точек вдоль одной оси эллипсоида должен быть меньше, чем вдоль другой оси. Выявленные с помощью факторного анализа скрытые переменные факторы отвечают за наличие линейных статистических корреляций между наблюдаемыми переменными.
Во взаимодействии с процедурами факторного анализа проводится корреляционный анализ исходной совокупности данных, которые в общем случае являются случайными величинами. Корреляционный анализ тесно связан с регрессионным анализом, с его помощью определяется необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивается полученное уравнение регрессии на соответствие выявленным связям. Показатель (коэффициент) корреляции может принимать значения от -1 до +1 (знак «+» означает прямую связь переменных, «-» означает обратную). Чем ближе коэффициент к единице (по модулю), тем теснее линейная связь. При значении коэффициента корреляции менее 0,3 связь оценивается как слабая, от 0,31 до 0,5 - как умеренная, от 0,51 до 0,7 - как значительная, от 0,71 до 0,9 - как тесная, от 0,91 и выше - как очень тесная. Нулевой коэффициент соответствует отсутствию корреляционной связи.
Регрессионный анализ позволяет получить аналитическое представление зависимостей различных показателей и определить показатели точности представлений этих зависимостей после того, как в результате корреляционного анализа установлен факт их взаимосвязи. Построение уравнения регрессии сводится к оценке ее параметров. Для этого подбирается класс функций, связывающий результативный показатель у и аргументы (показатели, переменные) х 1, х 2,... хк , отбираются наиболее информативные аргументы, вычисляются оценки неизвестных значений параметров уравнения связи, затем проверяется точность (оценивается качество) полученного уравнения. Последнее заключается в проверке гипотезы о статистической незначимости уравнения регрессии и показателя тесноты связи на основе Б-критерия (Фишера). Для этого выполняется сравнение значений фактического Рфакт. и табличного Ртабл. критерия на заданном уровне значимости (обычно 0,05).
Корреляционно-регрессионный анализ позволяет получить оценку роли каждого фактора, показывая его непосредственное влияние на результат, косвенное влияние на другие факторы, влияние всех факторов на результативный показатель, и, таким образом, позволяет строить прогноз изменения результативного показателя в зависимости от варьирования первичных факторов (в условиях малой изменчивости состояния исследуемого процесса).
Методы многомерного статистического анализа целесообразно использовать для развития инструментов менеджмента качества при проведении оценки качества деятельности организаций [5]. Методы многомерного статистического анализа тесно взаимосвязаны, невозможно говорить о решении задачи многофакторного анализа на основе применения только одного из них. Классификация предполагает упорядочивание по некоторому принципу объектов, которые имеют сходные классификационные признаки (одно или несколько свойств), выбранные для определения сходства или различия между этими объектами. Кластеризация является логическим продолжением классификации. Эта задача более сложная, особенность кластеризации заключается в том, что классы объектов изначально не предопределены. Использование одномерного ранжирования позволяет определить рейтинг организации. Рейтинги представляют собой упрощенную картину сложной реальности, т.к. единый агрегированный показатель не дает оценки по всей совокупности видов деятельности организации. Отказ от использования агрегированного индикатора при ранжировании (многомерное ранжирование) обеспечивает сбалансированность оценки качества деятельности организаций или их структурных подразделений и сравнение по набору разнородных показателей. Для практического решения задач много-
мерного статистического анализа применяются специализированные пакеты прикладных программ: Statistica, Statistical Package for the Social Sciences (SPSS Statistics), SAS ANALYTICS и др.
Всесторонняя оценка качества деятельности организации возможна на основе комплексной методики, в состав которой входят разработанные частные методики, описанные ниже. Разработка комплексной методики оценки качества деятельности организаций базируется на методах многомерной статистики и включает методы кластерного анализа, анализа иерархий, методы и алгоритмы регрессионного и факторного анализа. На предварительном этапе анализа деятельности структурных подразделений организации (в случае выявления дублирования функций, низкой результативности деятельности отдельных подразделений и пр.) целесообразно проведение реструктуризации путем укрупнения, слияния и/или ликвидации неэффективных подразделений. С целью упорядочения процедуры реструктуризации предложено использовать кластеризацию подразделений с использованием мер сходства объектов: на основании данных, содержащихся во множестве Х, множество объектов G разбивается на целое число кластеров (подмножеств) так, чтобы каждый объект Gj принадлежал одному и только одному подмножеству разбиения. Результаты выделения кластеров можно использовать при проведении оптимизации структуры.
Методика внутреннего рейтинга нацелена на проведение ранжирования (построение рейтинга) подразделений. Применение аддитивной свертки показателей подразделения позволяет построить несложную, но эффективную модель расчета [6]. На нижнем уровне иерархии представлены N показателей Ii, по которым происходит оценка деятельности подразделения. На уровнях 2 - L расположены промежуточные совокупные показатели, используемые при расчете итогового показателя, рейтинга R. Число критериев Kli на каждом уровне может быть различным, связи в структуре графически отображают использование критерия текущего уровня в аддитивном расчете совокупного критерия на вышележащем уровне. Каждой связи назначен вес Cij, где l е [2,L], он показывает уровень связи в иерархии. Итоговый совокупный показатель деятельности подразделения R представляет собой скаляр и рассчитывается аналогично промежуточным совокупным показателям. Чтобы усилить учет влияния результатов деятельности на итоговую оценку, введен коэффициент эффективности Кэ, характеризующий соотношение активности и потенциала подразделения.
С использованием метода анализа иерархий (МАИ) разработана методика составления паспорта подразделения [7]. Характеру поставленной задачи соответствует модификация МАИ, в которой каждый критерий нижнего уровня (показатель деятельности) связан с рассматриваемыми альтернативами (исходными данными, характеризующими деятельность подразделений). Определяется относительная значимость исследуемых альтернатив для всех критериев в иерархии, что выражается количественно в виде векторов приоритетов. Иерархия включает цель, расположенную в ее вершине (глобальный критерий), промежуточные уровни (совокупные критерии), Eij - элементы иерархии и альтернативы Ai (исходные данные), формирующие нижний иерархический уровень.
В стандарте ГОСТ Р ИСО 9000 - 2015 «Системы менеджмента качества. Основные положения и словарь» введены определения: эффективность - «соотношение между достигнутым результатом и использованными ресурсами» (п. 3.7.10); результативность - «степень реализации запланированной деятельности и достижения запланированных результатов» (п. 3.7.11). В контексте данной работы будем ориентироваться на результативность как степень достижения запланированных результатов.
Методика внутренней оценки результативности деятельности организаций НОК, безусловно, должна быть гармонизирована с методиками внешних оценок. Федеральная система мониторинга результативности деятельности научных организаций, выполняющих научно-исследовательские, опытно-конструкторские и технологические работы, опирается на разработанную Минобрнауки России методику мониторинга и оценки научных организаций. Методика расчета показателей мониторинга эффективности образовательных организаций высшего образования также разработана Минобрнауки России, информационно-аналитические материалы по результатам проведения мониторинга размещаются на сайте его главного информационно-вычислительного центра.
Разработка методики оценки результативности деятельности организаций НОК проводилась с учетом вышеперечисленных методик мониторинга деятельности и специфики исходных показателей. Сформирован набор первичных данных, определены содержание и формулы для расчета показателей оценки результативности деятельности. Показатели оценки результативности деятельности в соответ-
ствии с разработанной методикой разбиваются на несколько групп Рпт, п = 1...Л по количеству видов деятельности (процессов), что позволят оценивать основные процессы деятельности организации или ее структурных подразделений и результативность работы персонала по выделенным направлениям:
Р1т, т = 1...М 1 - 1-ый вид деятельности;
Р2т, т = 1...М2 - 2-ой вид деятельности;
Рм т, т = 1...МЛ - Л-ый вид деятельности,
где т - число оцениваемых показателей по конкретному направлению деятельности.
Данная методика не имеет целью ранжирование подразделений, она позволяет выделить сильные и слабые стороны оцениваемого структурного подразделения по каждому направлению деятельности и определить приоритетные направления для улучшений. Результаты применения разработанной методики помогают определить направления дальнейшего совершенствования.
Апробация разработанной комплексной методики оценки качества деятельности была выполнена на базе Санкт-Петербургского политехнического университета Петра Великого и Всероссийского научно-исследовательского института метрологии имени Д.И. Менделеева. Для апробации составляющих комплексной методики был определен перечень первичных данных, уточнены формулы для расчета показателей деятельности, собраны обширные статические данные, на основе обработки которых получены результаты и проведена их визуализация. На рисунке показаны результаты расчета внутреннего рейтинга, паспорта подразделений и результативности деятельности.
№С " . —догоа№в рейт*«-*
3.3
Рис. Результаты апробации составляющих комплексной методики
По результатам мониторинга получен полный анализ по каждой из составляющих комплексной методики, а также рекомендации по возможным улучшениям. Выявленные в ходе мониторинга «узкие места» были проанализированы и включены в планы корректирующих мероприятий. Проведенная
апробация показала, что разработанную методику целесообразно использовать для обеспечения системного подхода при оценке качества деятельности научных и образовательных организаций, что позволит принимать решения на базе всестороннего анализа с учетом различных сторон деятельности организации и ее подразделений, обоснованно расставить приоритеты в менеджменте качества, организовать процессы самосовершенствования. На основе разработанной комплексной методики организация получает механизм управления качеством деятельности.
Комплексная методика отражает основные принципы системного подхода и формируется на базе совместного использования методик внутреннего рейтинга, паспорта подразделения и оценки результативности деятельности. Разработанная методика может использоваться как базовый инструмент мониторинга и плановых работ по совершенствованию системы менеджмента качества, т.к. позволяет проводить всесторонний анализ, визуализацию и сравнение показателей деятельности, что необходимо для принятия обоснованных управленческих решений, направленных на внедрение улучшений, конечной целью которых является повышение качества деятельности организации.
ЛИТЕРАТУРА
1. Окрепилов В.В. Роль экономики качества в устойчивом социально-экономическом развитии России // Экономика Северо-Запада: проблемы и перспективы развития. 2015. № 1-2 (46-47). С. 41-51.
2. Горбашко Е.А. Управление качеством. М.: Юрайт, 2016. 463 с.
3. Елисеева И.И., ЮзбашевМ.М. Общая теория статистики. М.: Финансы и статистика, 2005. 657 с.
4. Колмогоров А.Н. Избранные труды. В 6 томах. Т. 2. Теория вероятностей и математическая статистика. М.: Изд-во Математического института РАН им. В. А. Стеклова; Наука, 2005. 584 с.
5. Черненький А.В. Повышение конкурентоспособности научно-образовательных организаций на основе современных методов менеджмента качества: монография. Великий Новгород: НовГУ им. Ярослава Мудрого, 2016. 245 с.
6. Речинский А.В., Черненькая Л.В., Магер В.Е., Матвеева Е.В., Черненький А.В. Комплексная методика оценки качества деятельности подразделений Санкт-Петербургского государственного политехнического университета // Современные технологии управления. 2012. № 12 (24).
7. Черненький А.В. Управление конкурентоспособностью организаций на основе совершенствования мониторинга систем менеджмента качества // Известия Санкт-Петербургского государственного экономического университета. 2016. № 2 (98). С. 142-146.
