CC BY
10
в системе, его разрушении и восстановлении, то есть речь должна идти об эволюционном переходном периоде от одного порядка к другому через кризисы и противоречия. Приоритетной для общества становится задача сделать этот
процесс целесообразным, рационально регулируемым и по возможности направленным в интересах потребителей общества. Переход системы в другое качество, таким образом, возможен эволюционным путем и без разрушений.
СПИСОК ЛИТЕРАТУРЫ
1. Дынкин А.А. Новый этап НТР: экономическое содержание / Отв. ред. С.М. Никитин. М.: Наука. 1991.
2. Прангишвили И.В., Пащенко Ф.Ф., Бусыгин Б.П. Системные законы и законности в электродинамике природе и обществе. М.: «Наука». 2001.
3. Санто Б. инновация как средство экономического развития. М.: Прогресс. 1990.
4. Твисс Б. Управление научно-техническими нововведениями. М.: Экономика. 1989.
5. Шпотов Б. О современных теориях конкурентных преимуществ и отраслевого лидирования // Проблемы теории и практики управления. 2001. № 3. С. 50-55.
Моисеенкова Д.А. Формирование модели управления предприятием
C УЧЕТОМ РАЗНОРОДНОЙ ИНФОРМАЦИИ
Перед отечественными железными дорогами, как и перед любым предприятием или организацией стоит цель оценки эффективности деятельности, в том числе оценки эффективности системы управления.
Перевозка контейнеров осуществляется на всех 17 железных дорогах нашей страны. Операции с контейнерами проводятся на 41 пограничном переходе, 63 стыковых пунктах между железными дорогами, 54 припортовых станциях. Работы с контейнерами выполняются более чем на 17 станциях, имеющих подъездные пути предприятий и на 610 грузовых станциях, имеющих контейнерные площадки для погрузки, выгрузки, сортировки контейнеров, погру-зо-разгрузочные механизмы, цехи по ремонту
контейнеров. Ежесуточно грузятся более пяти тысяч контейнеров, принадлежащих российским железным дорогам, странам СНГ и Балтии и собственности фирм-перевозчиков [1]. Весь массив информации об операциях, проводимых с контейнерами, обрабатывается с учетом факторов внешней среды, оказывающих влияние на перевозку. Внешней средой для железнодорожного предприятия являются факторы, определяемые экономическими условиями, поведением потребителей, деятельностью конкурирующих организаций, развитием техники, технологии и других составляющих, которые постоянно изменяются. Взаимосвязанные факторы внешней среды оказывают влияние на все, что происходит внутри железнодорожного предприятия [2].
Таким образом, создается модель конкретной ситуации, производится ее оценка, и принимаются решения об управлении и организации перевозок.
Управленческие решения принимаются в сложных динамических условиях. Во-первых, обрабатывается информация или уже о проделанной работе или в режиме реального времени, данные о перевозках имеют статистический, измерительный и/или экспертный вид, отсутствует возможность свертки числовой, текстовой, графической и другой информации в единый информационный поток. Такие знания характеризуется неточностью, нечеткостью и неполнотой. Во-вторых, воздействие субъектов в сфере деятельности предприятия (поставщиков, партнеров, конкурентов и др.) на ситуацию не может быть заранее определено. Первый тип неопределенности можно считать принципиальным и объективным, второй — принципиальным для сфер активной человеческой деятельности и субъективным [6].
Таким образом, возникает задача принятия решений и оценки эффективности управления грузовыми перевозками в многокритериальной среде в условиях риска и неопределенности.
В настоящее время существует достаточно много подходов к созданию методологической основы и технологий обработки информации в условиях неопределенности, в том числе на базе методов искусственного интеллекта [3, 4, 5].
В условиях значительной неопределенности модель сложного объекта и среды его окружения должна изменяться в зависимости от получаемой информации и меняющихся требований, ограничений, целевых функций и критериев выполняемой задачи [6]. В концептуальной форме это можно определить как изменение степени «погружения» модели 0{М)(г) в систему объекта С(0)(г) и формально представить в виде отображения (1):
&0\г) ^ 0М)(г), (1)
где 0{0)(г) — система динамического объекта 0(0)(г) = Q(0>(t) • я(0>(г) со свойствами Q(0)(t), отношениями Л(0)(г), меняющимися в зависимости от времени г, а 0{М)(г) — система динамической модели &М)(г) = Q(M)(t) • Д(М)(г) • ЬМ\г) со свойствами Q(M)(t), отношениями Я(М)(г) и ограничениями, допущениями, требованиями Ь{М)(г) постановки задачи, также меняющимися во времени.
Важной задачей является создание методологических и информационно-технологических разработок, обеспечивающих более полное и глубокое «погружение» модели в систему объекта на основе развития структуры модели в направлении снижения неопределенности.
Одним из успешных примеров создания решений для задач моделирования, мониторинга и оценки деятельности, отражающим указанные выше требования, является регуляризи-рующий байесовский подход (РБП) [6, 7, 10]. Его преимущества состоят в его способности обеспечивать получение устойчивых оценок и моделей в условиях малых выборок, разнотипной информации, значительной неточности данных и нечеткости знаний о состоянии объекта и влиянии на него внешней среды. В математической постановке задачи моделирования объекта и среды следует рассматривать как некорректные обратные задачи восстановления модельной зависимости по экспериментальным данным, требующие применения регуляризи-рующих мер для обеспечения устойчивости их решений. Регуляризирующие свойства РБП обеспечиваются введением математического аппарата создания, преобразования и передачи шкал с динамическими ограничениями [6], на которых происходит получение, хранение, преобразование, передача и интерпретация данных, необходимых для формирования моделей. Концепция сложного объекта в рамках РБП предполагает построение конкретной модели объекта и допускает возможность изменения как состава свойств объекта, формирующих модель, так и самих систем представления свойств и отношений. То есть модель легко адаптируется к возможным изменениям, дополнениям и исправлениям.
Для построения модели объекта железнодорожного предприятия в соответствии с требованиями МС ИСО 9000:2000 [8] вся деятельность предприятия была разделена на несколько взаимосвязанных процессов. При перевозке грузов в контейнерах осуществляются следующие процессы:
— выполнение операций перед отправлением грузов;
— выполнение операций при отправлении грузов;
— выполнение операций по прибытию грузов.
Для каждого из этих процессов были определены входы, выходы и показатели, характеризу-
ющие их с разделением по отделам предприятия (для удобства восприятия руководителем).
Показатели оценки процессов выбраны как финансово-бухгалтерские (такие, как дебиторская и кредиторская задолженности, себестоимость ремонта контейнера, производительность, прибыль и рентабельность предприятия), так и показатели качества работы с клиентами и кадрового потенциала (качество услуг, сервис, своевременность поставок, количество имиджевых клиентов, активность и квалификация работников, текучесть кадров, уровень загрузки персонала и др.). Выбранные показатели деятельности являются диагностическими признаками состояния предприятия.
На рис. 1 представлена структура иерархического дерева факторов (показателей) модели. Многочисленные показатели, конечные факторы в иерархии (обозначенные листом с надписями), сгруппированы в интегральные факторы (обозначенные закрытыми папками). Дерево факторов, по сути, представляет собой модель железнодорожного предприятия, специализирующегося на перевозках грузов в контейнерах.
лы [6, 9, 10]. Это объясняется естественностью представления знаний на шкалах, желанием структурировать и классифицировать априорную и апостериорную информацию об объекте. Введение измерительных шкал оказывает регуляризирующее действие при проведении измерений в условиях неопределенности информации об объекте и среде его окружения.
Согласно изменению структуры модели могут изменяться свойства и структура шкалы (носитель, реперы, состав допустимых отношений и др.). Поэтому измерительная шкала может быть названа шкалой с динамическими ограничениями (ШДО). В своей совокупности взаимоувязанные шкалы представляют собой гипершкалу (гиперкуб), которая реализует модель объекта и его внешней среды.
ШДО для измерения и оценки показателей является двумерной шкалой, по одной из осей которой откладываются значения показателя в числовой или лингвистической формах, по другой — степень достоверности (уверенности, возможности) результата. Вид шкалы для показателя «Количество отправленных КТК контейнеров» (КТК — крупнотоннажные
•Мв
Перевозка грузов в контейнерах
1 Выполнение операций перед отправлением груза е й) входы
5В С] отдел финансовых расчетов Й О юридический отдел
[й документы для заключения договора Ё О выходы
Й О отдел финансовых расчетов
1) дебиторская задолженность клиентов В количество рассчитанных запросов на пере
Э Й юридический отдел ф1 Й 2 Выполнение операций по отправлению Й Й входы
Ё1Й отдел бюджетирования фЙ отдел ж.д. перевозок ф Й отдел планирования
Ц своевременно сформированный план перев е-Й отдел ремонта е й выходы
е й отдел бюджетирования Й О отдел ж.д. перевозок
е»Й количество отправленных контейнеров по о (В количество отправленных КТК контейнер Щ| количество отправленных СТК контейнер ё"Й количество отправленных контейнеров по о
гЬ .. .......- „„„ г,™,-.,-.««..
Рис. 1. Иерархическое дерево факторов. Когнитивная графика
Значительное число разработок искусственного интеллекта использует для представления информации об объекте различного рода шка-
контейнеры), характеризующего «Количество отправленных контейнеров к плану» представлен на рис.2.
Рис. 2. Шкала для измерения и оценки показателей
Каждая шкала имеет метрологическое сопровождение в виде показателей точности, надежности, достоверности. При этом под точностью понимается количество реперов (элементов шкалы в виде столбцов). Чем больше точность шкалы, тем больше вариантов значений вероятности состояния показателя во всем диапазоне шкалы.
Надежность результата характеризует устойчивость решения. Показатель надежности основан на уровнях ошибок первого и второго рода и определяется как:
Vs = (1 - а5) • (1 - р5),
я=я" • X Р&),
где а
S
уровень ошибок первого рода (отражающий вероятность отвержения правильного решения на шкале);
Р5 — уровень ошибок второго рода (характеризующий вероятность принятия неправильного решения на шкале) [6].
Показателем достоверности каждой гипотезы на шкале служит апостериорная вероятность ее появления. Достоверность всей шкалы при этом принимается равной сумме достоверности всех гипотез, то есть, равна единице. Достоверность самой шкалы при этом принимается сумме достоверности гипотез и соответственно равна единице. Однако во многих случаях из практических соображений с целью удаления малозначащих гипотез на шкале оставляют только набор гипотез, удовлетворяющих некоторому критерию значимости. В таком случае достоверность шкалы определяется как:
к1 <^Нг
где Я — окончательная достоверность решения на шкале;
Яа — достоверность шкалы до удаления не значимых гипотез
Н — множество значимых гипотез на
г
шкале
На рис. 3 представлен комплекс метрологических характеристик контролируемого показателя «Количество отправленных КТК контейнеров».
Результаты, представленные на рис. 2 являются альтернативными оценками конкретного показателя с соответствующими комплексами метрологических характеристик и представляют собой регуляризированную байесовскую оценку, свойства которой рассмотрены в [7].
За календарный год были оценены показатели (рис. 1), характеризующие деятельность железнодорожного предприятия. Оценивались только конечные факторы. Все оценки определялись по результатам работы предприятия за месяц. Далее производилась свертка информации для групп показателей в укрупненные интегральные факторы.
На последнем этапе производится свертка всех интегральных и конечных факторов в единый интегральный фактор, который характеризует деятельность предприятия железнодорожного транспорта в целом по различным критериям и определенным процессам за некоторый промежуток времени. Для единого
входы
С] отдел финансовых расчетов
□ юридический отдел
[II документы для заключения договора выходы
□ отдел финансовых расчетов
[=1 дебиторская задолженность клиентов [В количество рассчитанных запросов на перевозку ЁЗ юридический отдел ¡ыполнение операций по отправлению входы
С] отдел бюджетирования О отдел ж.д. перевозок С] отдел планирования
[1| своевременно сформированный план перевозок Ё) отдел ремонта выходы
С] отдел бюджетирования
□ отдел ж.д. перевозок
ЕЭ- О количество отправленных контейнеров по отнош. к п
Ш количество отправленных СТК контейнеров И Й] количество отправленных контейнеров по отнош. кп Й-Й Количество поданных вагонов для перевозки КТК Е (еИ Количество поданных вагонов для перевозки СТК □ ®] Наличие контейнеров
® Контейнеры к отправлению В Порожние контейнеры II Транзитные контейнеры [Ж) оборот контейнеров к аналог периоду прошлого год
Интерпретациядинамики Метрология | Риск | Динамика] Моделирование]
Результаты подсистемы Data mining ■ математическое моделирование: dh = 13.883
Модель верхнего уровня: XminH(t) = 50"L[01.02.2007] » 0"dh*L[01.03.2007] ♦ 0"dh"L[( 0'dh'L|01.05.2007] + 2"dh"L|01.06.2007] + 0WLI01.07.2007] - 2"dh"L[01.03.2007] tl 2"dh"L[01.10.2007]
Наиболее вероятная модель: Xmax(t) = 100"L(01.02.2007] ■ 2"dh"L[01.03.2007J * 2"dt 0"dh'L[01.05.2007] ♦ 0WLI01.06.2007] ♦ 2'dh"L[01.07.2007] • 2"dh'L[01.08.2007] tl 0'dh'L[01.10.2007]
Модель нижнего уровня: XminB(t) ■ 125"L[01.02.2007] ♦ 0WL[01.03.2007] * 0*dh*L(l OWL[01.05.2007] ♦ 2"dh'L|01.06.2007] » 0'dh'L[01.07.2007] ■ 2"dh'L[01.08.2007] +1 2WL[01.10.2007]
Метрология и оценка риска моделей:
Метрологические характеристики и оценка качества модели верхнего уровня: Точность 12,5% Достоверность 0.248 Надёжность 0,45 Риск применения модели 75,2%
Метрологические характеристики и оценка качества наиболее вероятной модели: Точность 12,5% Достоверность 0,47 Надёжность 0,45 Риск применения модели 53%
Метрологические характеристики и оценка качества модели нижнего уровня: Точность 12,5% Достоверность 0,282 Надёжность 0,45 Риск применения модели 71,8%
Рис. 3. Комплекс метрологических характеристик контролируемого показателя
интегрального фактора также определяется комплекс метрологических характеристик.
Результаты оценки по каждому из показателей отображены в сводной карте (рис. 1) с помощью когнитивной графики. Цвета кружков (рис. 1) соответствуют цветам составляющих показателей оценки (рис. 2) на диаграмме результатов по каждому фактору, а величина кружков тем больше, чем больше значение показателя в лингвистической шкале оценок (рис. 2). Сводная карта результатов многокритериальной оценки в наглядной форме показывает лицу, принимающему решение, места приложения внимания и усилий в планировании корректирующих и предупреждающих действий по улучшению состояния показателей и процессов в организации.
Поскольку показатели оценивались по результатам работы за месяц в течение года, удается получить динамику состояний для каждого показателя и каждого интегрального фактора по месяцам. На рис. 4. представлена динамика одного из интегральных показателей.
На рис. 4 отображены наиболее вероятная динамика состояния объекта, оптимистичная и пессимистичная динамики. Анализируя динамику интегрального показателя, можно сделать вывод, что в январе оценка деятельности предприятия ниже нормы из-за показателей погрузки, простоя контейнеров, прибыли и количества вновь заключенных договоров. Низкие оценки этих показателей связаны с продолжительными выходными и праздничны-
ми днями января, что повлияло как на работу предприятия, так и на деятельность клиентов. Затем наступает состояние стабильности. На 01.07.07. наблюдается скачок по сравнению с нормальным значением оценки деятельности (на графике норма — 100 %). Это объясняется изменением ценовой политики предприятия, введением новых видов услуг и заключением договоров с новыми клиентами. Дальнейшее ухудшение деятельности связано с ошибками работников (человеческий фактор) после введения новых видов услуг и небольшого снижения объемов перевозок после изменения стоимости на услуги. Но после проведенной работы с клиентами и обучения персонала показатели деятельности предприятия улучшились вновь.
Рис. 4. Динамика интегрального показателя
Выявленные в результате анализа негативные факторы в работе предприятия позволяют руководителю своевременно повлиять на выполнение основных показателей работы. Для этого руководитель планирует и осуществляет корректирующие и предупреждающие действия по улучшению состояния показателей и процессов железнодорожного предприятия. Подобные меры позволяют
повысить результативность и эффективность деятельности предприятия.
Таким образом, в работе представлена модель управления железнодорожным предприятием, рассмотрены основные показатели его деятельности. С помощью информационного комплекса с учетом разнотипной информации были получены устойчивые оценки состояния системы и показаны пути повышения эффективности ее управления.
СПИСОК ЛИТЕРАТУРЫ
1. Дискон: уверенный старт, обязывающие перспективы // Евразия вести. 2006. №5. С. 16-17.
2. Моисеенкова Д.А. Задача принятия управленческих решений на железнодорожном транспорте // Известия ПГУПС.: СПб.; 2007, Вып. 4 (13). С. 105.
3. Прокопчина С.В. Концепция байесовской интеллектуализации измерений в задачах мониторинга сложных объектов // Новости искусственного интеллекта. 1997. № 3. С. 7-56.
4. Иванов В.Н., Соболев В.С., Цветков Э.И. Интллектуализация измерений // Измерение, контроль, автоматизация. Сб. научно-технических обзоров. М.: Информприбор. 1992. № 1. С. 13-20.
5. Прокопчина С.В. Байесовские интегрирующие технологии на основе интеллектуальных и мягких измерений // Сб. докладов Междунар. конф. по мягким вычислениям и измерениям «SCM-1999», СПб.: 1999. С. 25-32.
6. Недосекин Д.Д., Прокопчина С.В., Чернявский Е.А. Информационные технологии
интеллектуализации измерительных процессов. СПб.: Энергоатомиздат. 1995.
7. Прокопчина С.В. Управление проектами в условиях неопределенности на основе регу-ляризирующего байесовского подхода // Сб. докладов Междунар. конф. по мягким вычислениям и измерениям «SCM-2006». СПб.: 2729 июня 2005. Т.1. С. 36-50.
8. ГОСТ Р ИСО 9000-2001 Системы менеджмента качества. Основные положения и словарь.
9. Тарасов В.Б. От нечетких множеств к мягким оценкам и синергетическому искусственному интеллекту.//Сб. докладов Междунар. конф. по мягким вычислениям и измерениям «SCM-2005», СПб.: 27-29 июня 2005. Т.1.
10.Лукьянец А.А. Прокопчина С.В. Методология поддержки решений в управлении энергоснабжающими организациями на основе регуляризирующего байесовского подхода // Научно-практическое пособие — Томск: Некоммерческий фонд развития региональной энергетики. 2006. С. 196.
Шаныгин С.И.
Иерархическая модель компании как сложной
ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКОЙ СИСТЕМЫ
Основой как создаваемых вновь, так и совершенствуемых формализованных моделей, их фундаментом являются положения теории управления. Сущность таких моделей должна соответствовать положениям действующих
нормативных документов, учитывать такие факторы как накопленный опыт ведения дел, уровень развития методов управления, общепринятые способы анализа условий деятельности организации, формы взаимоотношений
