CC BY
35
ЭКОНОМИКА И УПРАВЛЕНИЕ ПРЕДПРИЯТИЕМ
УДК 004.45:65.072.2
АЛГОРИТМ ФОРМИРОВАНИЯ И ОЦЕНКИ РЕАЛИЗАЦИИ СБАЛАНСИРОВАННОЙ СИСТЕМЫ ПОКАЗАТЕЛЕЙ ПРЕДПРИЯТИЯ
© 2011 г. A.A. Ханова, О.В. Шубина
Астраханский государственный технический Astrakhan State Technical
университет University
Предложен алгоритм формирования сбалансированной системы показателей предприятия на основе нейронных сетей. Показана возможность оценки сбалансированной системы показателей на основе критериев сбалансированности и синергетики.
Ключевые слова: нейронная сеть; сбалансированная система показателей; сбалансированность; синергетика.
In article the algorithm of formation of the balanced scorecard of the enterprise on a basis neuron of networks is offered. The opportunity of an estimation of the synergy is shown on the basis of criteria equilibration and synergy.
Keywords: neuron network; balanced scorecard; equilibration; synergy.
Повышение эффективности работы предприятия сегодня основано на оптимизации управления его процессами и инфраструктурой на основе применения современных управленческих и информационных технологий. Первые модели измерения и оценки результатов деятельности предприятий появились в 1920-х гг., были простыми для расчёта и строились исключительно на финансовых показателях. В 70—90-х гг. появились другие концепции оценки стоимости и эффективности работы предприятий, среди которых наиболее популярной в последние годы является сбалансированная система показателей (ССП) [1].
ССП — это методика анализа состояния и система стратегического управления предприятием на основе измерения и оценки ее эффективности по набору показателей, подобранному таким образом, что бы учесть все существенные с точки зрения стратегии аспекты деятельности организации (финансовые, производственные, и.т.д.) Концепция ССП, разработанная Кап-ланом и Нортоном, транслирует миссию и об-
щую стратегию организации в систему взаимосвязанных показателей. Стратегическое развитие предприятия оценивается, как минимум, в следующих четырех направлениях: финансы; потребители; внутренние бизнес-процессы; обучение и рост.
При внедрении ССП на предприятии возникает проблема выбора показателей, поскольку в теории Каплана и Нортона четко не определено, каким образом следует отбирать показатели для включения их в систему и каким образом установить, является ли определенный набор показателей сбалансированным. Вопросам формирования набора показателей ССП посвящены работы М. Букреева, Пола Р. Нивена, известны оптимизационный и эвристический подходы [2]. Однако ни одна из существующих методик отбора не дает четкого алгоритма и не позволяет прогнозировать изменение отобранных показателей в будущем в условиях изменяющихся эндо- и экзогенных факторов. Недостаточная изученность научной проблемы формирования ССП обусловливает
необходимость проведения исследований в этом направлении.
Целью работы является совершенствование механизмов отбора показателей, формирования и оценки ССП для предприятия на комплексной математической и алгоритмической основе. Для решения такой неформализуемой задачи, требующей обработки больших массивов информации, проверки множества альтернативных гипотез, поиска их в базе данных, становится актуальным применение искусственных нейронных сетей (ИНС).
Формирование ССП на основе нейросети состоит из следующих этапов: отбор показателей; обучение нейросети на основе экспертных оценок; формирование ССП в соответствии со стратегией предприятия; формирование стратегической карты; оценка эффективности деятельности предприятия на основе ССП; мониторинг статистических данных предприятия. Алгоритм формирования ССП представлен на рисунке.
После запуска программы (1), решается вопрос о необходимости ее обучения (2). Если в базе данных системы нет набора показателей для требуемой стратегии, то выполняется обучение системы (3). Если система обучена в соответствии с предложенной стратегией, осуществляется переход к этапу (7).
Для генерирования вариантов ССП необходимо собрать точки зрения экспертов — какие на-
боры показателей в зависимости от выбранной стратегии необходимо включать в ССП. На этапе (3) в систему заносятся мнения различных экспертов о необходимом наборе показателей для выбранной стратегии. Далее происходит обучение сети и генерирование вариантов ССП в зависимости от той или иной стратегии. Работа нейро-сети состоит в преобразовании входного вектора в выходной вектор. Такое преобразование задается весами сети. Для решения сформулированной проблемы выбрана архитектура Кохонена — сеть нейронов, использующая Евклидову меру близости для классификации объектов.
Точки зрения экспертов являются входными данными (векторами) для нейросети Кохонена. По мере ввода данных осуществляется обучение сети (корректировка весовых коэффициентов). Результат работы сети — код класса, к которому принадлежит предъявленный на входе объект, в данном случае — стратегия, которой соответствует определенный набор показателей. В нейро-сетях принято кодирование номером канала. Поэтому сеть будет иметь М выходов, по числу классов (стратегий), и чем большее значение принимает выход номер т0, тем больше «уверенность» сети в том, что входной объект принадлежит к классу т0. Каждый выход можно трактовать как вероятность того, что объект принадлежит данному классу. Все выходы образуют
Алгоритм формирования ССП
полную группу, так как сумма выходов равна единице, и объект заведомо относится к одному из классов. Нейроны слоя Кохонена генерируют сигналы Атр. Интерпретатор выбирает максимальный сигнал слоя Кохонена и выдает номер класса т, соответствующий номеру входа, по которому интерпретатором получен максимальный сигнал. Это соответствует номеру класса объекта, который был на входе, в виде вектора Xр.
Ядра являются весовыми коэффициентами нейронов. Каждый нейрон Кохонена запоминает одно ядро класса и отвечает за определение объектов в своем классе, т. е. величина выхода нейрона тем больше, чем ближе объект к данному ядру класса. Общее количество классов совпадает с количеством нейронов Кохонена. Меняя количество нейронов, можно динамически менять количество классов.
После многократного предъявления примеров веса сети стабилизируются. В таком случае делается вывод, что сеть обучена. Важно отметить, что качество обучения сети напрямую зависит от количества примеров в обучающей выборке, а также от того, насколько полно эти примеры описывают данную задачу. После того как сеть обучена, система приобретает возможность генерировать варианты наборов показателей в зависимости от того, какую стратегию выбрал пользователь (руководитель предприятия). При формировании ССП это позволяет избежать влияния субъективного фактора.
Оптимальное количество показателей для ССП, согласно теории Каплана, составляет в среднем 22—25. Поэтому каждый участник группы экспертов (менеджеров) определяет свой набор показателей для сформулированной стратегии из имеющегося перечня.
На этапе (4) происходит корректировка весов нейросети. На этапе (5) выполняется проверка. Если система обучена, т. е. перебраны все варианты показателей, то переходим к этапу (6), иначе возвращаемся к этапу (3). Далее возможно продолжить работу с системой и перейти к этапу (7), где происходит выбор предложенного системой варианта. На этапе (8) принимается решение о построении стратегической карты (этап (9), рисунок).
На этапе (10) статистическая информация для анализа показателей ССП может быть загружена в ИИС из корпоративной информационной системы (КИС) предприятия, или как результат прогона имитационной модели предприятия [5].
Такой подход позволит оценить текущее положение дел на предприятии. Однако бизнес-процессы предприятия часто отличаются разнообразием по характеру и трудоемкости, а также зависят от множества факторов, большая часть которых не управляема предприятием и носит стохастический характер. Для анализа и прогнозирования поведения подобных процессов целесообразно применять имитационные модели.
При имитационном моделировании динамические процессы системы-оригинала (предприятия) подменяются процессами, имитируемыми в абстрактной модели, при этом должны быть соблюдены основные правила, режимы, алгоритмы функционирования предприятия, которые были выявлены в процессе изучения предметной области.
На 11 этапе определяется необходимость оценки контрольных показателей. Если это необходимо, то на 12 этапе численная оценка степени достижения целей осуществляется за счет сравнения текущих и контрольных значений показателей предприятия. Для оценки реализации ССП на 12 этапе возможно использовать следующие критерии: сбалансированность бизнеса и синергетика [3].
Оценку сбалансированности получаемых результатов будем производить исходя из величины дисперсии (Асб) оценок показателей ССП, характеризующих предприятие. Оценки критерия сбалансированности показаны в табл. 1.
Будем считать, что табл. 1 согласована. Система рассчитывает значения Асб, исходя из оценок показателей ССП, полученных из КИС или имитационной модели. Тогда среднее значение всех оценок:
1 "
Мсб = - У Х1, 1=1
где х1 — согласованная критериальная оценка показателя; п — количество показателей;
1 п
Асб = -гУ(1 - Мсб)2.
П — 1 "Тт
1 =1
Исходя из значения Асб и табл. 1 определяют оценку критерия «сбалансированность».
Критерий «Синергетика» определяет интегральную эффективность фирмы. Интегральная
Таблица 1
Интервал значений дисперсий Оценки
1 < DCб > 0,7 Плохо
0,7 < Dc6 > 0,6 Удовлетворительно
0,6< DC6 > 0,4 Хорошо
0,4 < DC6 Отлично
эффективность зависит от того, насколько увеличивает (или уменьшает) каждый оцениваемый показатель эффективность всех других показателей. Характер такого влияния можно представить в виде таблицы, в которой знак «+» означает увеличение интегральной эффективности от взаимодействия этих двух показателей, знак «-»— уменьшение и знак «0» — отсутствие влияния. В табл. 2 показано взаимное влияние показателей (1—25) ССП. Табл. 2 заполняется экспертом — руководителем предприятия.
Синергетическую оценку можно давать в зависимости от процентов, улучшающих интегральную эффективность предприятия, в соответствии с табл. 3.
Табл. 3 — достаточно условная. Но если считать, что она принята на предприятии, можно выяснить процент показателей, которые улучшают синергетику, и вывести оценку по критерию «Синергетика».
Далее выбранные критерии ранжируются, определяются суммы рангов и определяется «вес» критерия на основе нормированной суммы рангов. После того как значения и «веса» критериев на основе данных из КИС или имитационной
Поступила в редакцию
модели определены, можно оценивать вариант ССП.
В статье впервые предложен алгоритм формирования ССП предприятия на основе экспертных оценок, позволяющий выбирать наилучшие ССП в зависимости от целей на основе искусственных нейронных сетей. В качестве информационной базы для проведения оценки ССП предлагается использовать информацию из КИС предприятия или результаты прогонов имитационной модели.
В работе впервые предложена возможность оценки ССП на основе двух критериев: сбалансированность и синергетика. Предложенный подход обладает универсальностью и может быть применен на предприятиях любого профиля.
Таблица 2
Литература
1. Каплан Роберт С., Нортон Дейвид П. Сбалансированная система показателей. От стратегии к действию. М., 2006. 320 с.
2. Пол Р. Нивен. Диагностика сбалансированной системы показателей. М., 2006 г. 256 с.
3. Трахтенгерц ЭЛ., Степин Ю.П., Андреев А.Ф. Компьютерные методы поддержки принятия управленческих решений в нефтегазовой промышленности. М., 2005. 592 с.
13 июля 2010 г.
№ показателя ССП 1 2 3 4 25
1 0 - - - +
2 + 0 + + +
3 - - 0 - -
4 + + + + 0
Таблица 3
% параметров, улучшающих Оценка
синергетику
100 Отлично
85 Хорошо
60 Удовлетворительно
Меньше 60 Плохо
Ханова Анна Алексеевна — канд. техн. наук, доцент, Астраханский государственный технический университет. Тел. (8512)61-45-08. E-mail: akhanova@mail.ru
Шубина Оксана Владимировна — студент, Астраханский государственный технический университет. Тел. (8512)614508. E-mail: p018bt@mail.ru
Khanova Anna Alekseevna — Candidate of Technical Sciences, assistant professor, Astrakhan State Technical University. Tel. (8512)61-45-08. E-mail: akhanova@mail.ru
Shubina Oksana Vladimirovna — student, Astrakhan State Technical University. Tel. (8512)61-45-08. E-mail: p018bt@mail.ru
