CC BY
22ИННОВАЦИОННЫЕ МЕТОДЫ И МОДЕЛИ
ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ РИСКАМИ ПРОЕКТОВ В СТРОИТЕЛЬСТВЕ НА БАЗЕ НЕЧЕТКОЙ ЛОГИКИ
INNOVATIVE METHODS AND MODELS OF DECISION SUPPORT FOR RISK MANAGEMENT PROJECTS IN THE CONSTRUCTION BASED ON FUZZY LOGIC
С.А. ГЛУШЕНКО
ассистент кафедры «Информационных систем и прикладной информатики» Ростовского государственного экономического университета (РИНХ)
S.A. GLUSHENKO
assistant ofthe department «Information Systems and Applied Computer Science» ofthe Rostov State University ofEconomics
Научный руководитель: А.И. Долженко - профессор кафедры «Информационных систем и прикладной информатики» Ростовского государственного экономического университета (РИНХ), д.э.н., доцент.
Research supervisor: A.I. Doljenko - professor of the department «Information Systems and Applied Computer Science» of the Rostov State University of Economics, doctor of economic sciences, assistant professor.
Аннотация
В работе обосновывается важность применения анализа рисков при реализации инвестиционно-строительных проектов и
обосновывается целесообразность применения нечеткой логики для оценки риска. Описывается процесс реализации нечеткого моделирования проектных рисков посредством разработанной системы поддержки принятия решений (СППР). Результаты моделирования были использованы лицами, принимающими решения для выявления приоритетов рисков и позволили выработать эффективный план мероприятий по снижению влияния наиболее опасных угроз на инвестиционно-строительный проект.
Annotation
The article covers the importance of the risk analysis application in the implementation of investment and construction project and reveals the expediency of application of fuzzy logic in order to evaluate the risk. In the following is described the process of implementing the fuzzy rule base modeling developed by decision support system. Project managers to identify risks and priorities allowed to develop an effective plan of action to reduce the impact of the most dangerous threats on the investment and construction project used the simulation results.
Ключевые слова: риск, нечеткое множество, система поддержки принятия решений, инвестиционный проект.
Keywords: risk, fuzzy set, decision support system, investment project.
Строительство является одной из ведущих отраслей экономики страны. Она связана с удовлетворением важнейших потребностей населения и сосредоточила в себе значительные материальные, людские и финансовые ресурсы. Поэтому финансирование строительства занимает одно из ведущих мест в инвестиционной политике различных коммерческих организаций. Рынок недвижимости является наиболее доходным, а инвестиции в объекты недвижимости - одними из самых надежных и эффективных. «Основными направлениями капиталовложений в этой области является строительство офисных и торговых зданий, жилых комплексов, гостиниц, выставочных центров и складских помещений. Каждое из направлений
имеет свою специфику, отличается масштабом и сроками реализации, а также объемом необходимых финансовых ресурсов» [1].
Анализ инвестиционно-строительных проектов показал, что процессы принятия решений во время управления проектами происходят в условиях существенной неопределенности, которая проявляется в виде ограниченности или нечеткости информации об условиях реализации процесса строительства. Неопределенность присутствует на всех этапах жизненного цикла ИСП и является причиной возникновения рисков. «Риск определяется как воздействие, которое может привести к потерям или иному ущербу» [2].
Поэтому неотъемлемой частью менеджмента проектов становятся процессы управления рисками, которые должны включать в себя комплекс мер, позволяющий уменьшить влияние рисков на конечные цели проекта, быть интегрированы в общую систему менеджмента проекта и распространять сферы своего влияния весь жизненный цикл проекта. Реализация мер управления рисками, лицами, принимающими решения (ЛПР), предполагает, что они должны идентифицировать риски, оценить их, и на основе полученных оценок определить приоритеты проектных рисков для конкретной фазы строительства объекта.
В исследовании предлагается для учета и анализа неопределенностей и рисков использовать методы и модели нечеткой логики, позволяющие выполнить формализацию и преобразование нечетких понятий, которыми оперируют менеджеры и эксперты в процессе реализации проекта, и осуществить комплексный учет как качественных, так и количественных факторов [3], [4], [5].
Нами была разработана нечеткая продукционная модель (НПМ), в которой определены девятнадцать входных лингвистических переменных (ВхЛП), которые характеризуют факторы риска, четырнадцать выходных лингвистических переменных (ВыхЛП), которые характеризуют риски различных областей ИСП, а также четырнадцать баз правил. Модель предоставляет возможность проводить лингвистический анализ рисков, способных нанести потенциальный ущерб проекту, а также определить приоритеты рисков, которые необходимы для управления инвестиционно-строительным проектом [6].
Рис. 1. Нечеткая продукционная модель
Апробация НПМ анализа рисков инвестиционно-строительных проектов происходила в ООО «Умник». Данная организация специализируется на строительстве объектов различного назначения. В качестве объектов исследования были выбраны проекты строительства гостиничного комплекса «Mercure» г. Ростов-на-Дону, пожарной части МЧС № 2 г. Таганрог и жилого комплекса «Парус» г. Сочи.
Анализ идентифицированных рисков и оценка их возможного влияния на проект проводились посредством разработанной системы поддержки принятия решений ModelingFuzzySet [7]. Для реализации процесса нечеткого моделирования лицо, принимающее решение (менеджер), должен выполнить следующие действия:
Шаг 1. Сформировать нечеткую продукционную модель анализа рисков с помощью дизайнера модели (рисунок 1).
Для формирования модели необходимо задать лингвистические переменные (ЛПхх), которые формализуют факторы и показатели рисков проекта, а также базы нечетких продукционных правил (БПхх).
Шаг 2. Фаззификация - введение нечеткости. Данный шаг предполагает задание функции принадлежности (ФП) для терм-множеств входных и выходных ЛП.
Например, для входной переменной ЛП01 - «Цель проекта» используется терм-множество, которое состоит из трех термов Т = {Низкий, Средний, Высокий}, определяющие низкий, средний и высокий уровень соответствия цели инвестиционно-строительного проекта целям или задачам организации. Функции принадлежности для входной переменной ЛП01 являются трапецеидальными и выглядят следующим образом:
(х; 0; 0; 0,15; 0,4), & (х; 0,2; 0,4; 0,6; 0,8), Мд (х; 0,6; 0,85; 1,0; 1,0).
Шаг 3. Задание нечетких правил. Принцип формирования правил модели основывается на общих закономерностях, которые проявляются в поведении исследуемой системы, позволяющих интегрировать в алгоритм нечеткого вывода логическую модель прикладного уровня.
Шаг 4. Задание значений для входных лингвистических переменных. Проектной командой были определены уровни факторов риска, характерные для реализуемого инвестиционно-строительного проекта (таблица 1). Полученная информация была использована в качестве входных данных для нечеткой продукционной модели интегральной оценки риска ИСП.
Таблица 1
Идентифицированные факторы риска ИСП (фрагмент)
Обозначение Описание фактора риска Степень уверенности
1 2 3
ЛП01 Цель проекта полностью соответствует целям организации 0,8
ЛП02 Границы проекта соответствуют требуемой функциональности проекта 0,9
Обозначение Описание фактора риска Степень уверенности
ЛП03 Уровень зрелости организации застройщика - определенный 0,7
ЛП04 Сложность - высокая. Проект полностью реализуется по новым технологиям строительства 1,0
ЛП16 Квалификация команды застройщика соответствует требованиям проекта с определенными ограничениями 0,8
ЛП17 В составе команды застройщика имеется дефицит специалистов по некоторым областям проекта 1,0
ЛП18 Менеджер проекта имеет ограниченный опыт работы с проектами данного типа 0,9
ЛП19 Руководство проекта проводит планирование и мониторинг по совершенствованию технических заданий 0,8
Шаг 5. Дефаззификация - преобразование нечеткого множества в четкое число. В описываемом исследовании реализация нечеткого вывода осуществляется на основе алгоритма Мамдани (Матс!аш) [8], [9], а для преобразования дискретного множества значений функций принадлежности в четкое число применяется метод центра тяжести.
Вычисление интегральной оценки риска проекта предполагает, что ЛПР необходимо провести моделирование всех выходных лингвистических переменных первого уровня (ЛП20-ЛП29), а затем программное средство последовательно рассчитает значения каждой из выходных лингвистических переменных второго уровня (ЛП30-ЛП32), используя полученные ранее оценки в качестве входных данных, и определит интегральную оценку риска ИСП (ЛП33).
Результатом нечеткого моделирования являются следующие данные: качественная, количественная оценка показателя риска и степень уверенности в полученной оценке, оформленные СППР,
как отчет о выходной лингвистической переменной [10]. Полученные результаты представлены в таблице 2.
Полученные расчеты интегральной оценки риска проекта позволили СППР определить, что возможный ущерб организации застройщика может составить около 10 млн руб., срок реализации проекта может увеличиться на 20%, а также может быть затронута функциональность и снижение качества в основных областях проекта.
Таблица 2
Результаты моделирования показателей риска ИСП
Обозначение Наименование лингвистической переменой Ранг Значение терма Значение показателя риска Степень уверенности
1 2 3 4 5 6
ЛП20 Достижение цели проекта 4 НОР 13,5 0,79
ЛП21 Сложность 3 СОР 50 0,7
Компетентность
ЛП22 заказчика в сфере строительства 2 НОР 19,5 0,8
ЛП23 Компетентность застройщика 4 СОР 50 0,7
ЛП24 Новые технологии 3 ВОР 83 0,7
ЛП25 Архитектурный 3 НОР 21 0,6
ЛП26 Технический 3 СОР 50 0,7
ЛП27 Производительность труда 3 СОР 50 0,75
ЛП28 Безопасность 3 СОР 50 0,68
ЛП29 Управленческий 3 СОР 50 0,8
ЛП30 Организационная стабильность 3 НОР 30 0,7
ЛП31 Функциональный 4 ВОР 70 0,7
ЛП32 Нефункциональный 3 СОР 50 0,7
ЛП33 Риск проекта 5 СОР 50 0,7
Результат нечеткого моделирования
Наименование выходной
Риск проекта
лингвистической переменной: Степень влияния на проект (ранг)
График функции принадлежности терм-множества
1.0
0.9 О-В 0.7 0.6 0.5 0.4 0.3 02 0.1 0
Наименование терм-
Низкии риск
множества:
Значение показателя риска: 35 Степень уверенности: 0,75
Возможные последствия
Ущерб: 1 000 000 руб.
Сроки: Увеличение времени на 5-10%
Функциональность: Будет затронута
функциональность во второстепенных областях проекта
Качество: Будет незначительное
снижение качества во второстепенных областях проекта
Рис. 2. Отчет о результатах нечеткого моделирования выходной лингвистической переменной «Риск проекта»
Нш
Вся информация была передана стейкхолдерам - представителям: заказчика проекта; разработчика проекта; лизинговой компании; поставщика сырья.
Результатом совещания стала идентификация слабой стороны ИСП - функциональность проекта, причиной которой стала ограниченность застройщика в техническом оснащении и сырьевом обеспечении для технологии реализации проекта. В связи с этим лицами, принимающими решение, были согласованы следующие действия:
- арендовать дополнительную более мощную строительную технику;
- сменить поставщика сырья и закупить крупную партию строительных материалов;
- привлечь недостающих сотрудников в отдельные области проекта;
- провести переобучение собственного персонала за счет резервных средств, заложенных в план управления проектом.
После этого командой проекта был проведен повторный анализ уровней факторов риска, который показал, что уровень риска проекта позволяет реализовать ИСП в нормальном режиме, но имеются предпосылки увеличения срока реализации проекта на 5-10%, а также возникновение изменений функциональности и снижения качества во второстепенных областях проекта. Поэтому необходимо проводить постоянный мониторинг и контроль уровней риска и в случае необходимости разработать и применить план по снижению или передаче риска, иначе ущерб организации застройщика может составить около 1 млн руб.
Отчет о результатах нечеткого моделирования интегральной оценки риска ИСП приведен на рисунке 2.
Таким образом, использование разработанной нечеткой продукционной модели и системы поддержки принятия решений при анализе риска инвестиционно-строительного проекта показало, что НПМ и СППР могут достаточно эффективно применятся для данной предметной области.
Модель позволяет учитывать неограниченное число входных переменных и интегрировать учет как качественных, так и количественных факторов при оценке рисков. Она предоставляет воз-
можность проводить лингвистический анализ и ранжирование рисков, которые способны нанести потенциальный ущерб строительной организации. В ней определены девятнадцать ВхЛП, которые характеризуют факторы риска, четырнадцать ВыхЛП, которые характеризуют риски различных областей ИСП, а также четырнадцать баз правил.
Система поддержки принятия решений позволяет строить многоуровневые нечеткие продукционные модели, а применяемый механизм нечеткого вывода предоставляет возможность рассчитать числовое значение риска, получить лингвистическое описание уровня риска, а также степень уверенности эксперта в возникновении неблагоприятного события.
Данные инструменты позволили повысить качество принимаемых решений за счет своевременного выявления приоритетных рисков (очень высокий, высокий, средний, низкий, очень низкий) и разработать план действий, который позволил снизить влияние наиболее опасных угроз, а также сократить временные и финансовые затраты (на 5-7%) для трех инвестиционно-строительных проектов на сумму около 2,5 млн руб.
Библиографический список
1. Глушенко С.А. Нечеткая модель и инструментарий управления рисками инвестиционно-строительных проектов // Сборник тезисов докладов конгресса молодых ученых, Выпуск 3, 2014. С. 172-174.
2. Симонов С.В. Анализ рисков, управление рисками // Информационный бюллетень «Jet Info», Т. 68, № 1, 2003.
3. Борисов В.В., Круглов А.С., Федулов А.С. Нечеткие модели и сети. - 2-е изд., стереотип. М.: Горячая линия-Телеком, 2012. 284 с.
4. Долженко А.И. Методология анализа рисков при проектировании информационных систем с использованием нечетких сетей // Вестник Ростовского государственного экономического университета «РИНХ», Т. 24, № 2, 2007. С. 148-155.
5. Долженко А.И. Нечеткие модели - эффективный инструментарий для анализа потребительского качества информационных систем: монография. Ростов н/Д: РГЭУ «РИНХ», 2008. 220 с.
6. Глушенко С.А. Применение механизма нечеткой логики для оценки риска инвестиционно-строительных проектов // Вестник РГЭУ (РИНХ), № 3(47), - 2014. С. 71-80.
7. Долженко А.И., Глушенко С.А., Калугян К.Х., Лозина E.H., Чередниченко А.С. Система моделирования продукционной нечеткой сети (ПРОНЕС), Свидетельство О государственной регистрации программы для ЭВМ 2010612952, 25.05.2010.
8. Анисимова Г.Б., Долженко А.И. Система оценки риска потребительского качества проектов информационных систем // Вестник ИНЖЭКОНА. Серия: Экономика., Т. 36, № 1, 2010. С. 179-191.
9. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2005. 736 с.
10. Глушенко С.А., Долженко А.И. Система нечеткого моделирования рисков инвестиционно-строительных проектов // Бизнес-информатика, № 2 (32), 2015. С. 17-27.
Bibliographical list
1. Glushenko S.A. Nechetkaya model' i instrumentarii upravleniya riskami investitsionno-stroitel'nykh proektov // Sbornik tezisov dok-ladov kongressa molodykh uchenykh, Vypusk 3, 2014. S. 172-174.
2. Simonov S.V. Analiz riskov, upravlenie riskami // Informat-sionnyi byulleten' «Jet Info», T. 68, № 1, 2003.
3. Borisov V.V., Kruglov A.S., Fedulov A.S. Nechetkie modeli i seti. - 2-e izd., stereotip. M.: Goryachaya liniya-Telekom, 2012. 284 s.
4. Dolzhenko A.I. Metodologiya analiza riskov pri proektirovanii informatsionnykh sistem s ispol'zovaniem nechetkikh setei // Vestnik Rostovskogo gosudarstvennogo ekonomicheskogo universiteta «RINKh», T. 24, № 2, 2007. S. 148-155.
5. Dolzhenko A.I. Nechetkie modeli - effektivnyi instrumentarii dlya analiza potrebitel'skogo kachestva informatsionnykh sistem: monografiya. Rostov n/D: RGEU «RINKh», 2008. 220 s.
6. Glushenko S.A. Primenenie mekhanizma nechetkoi logiki dlya otsenki riska investitsionno-stroitel'nykh proektov // Vestnik RGEU (RINKh), № 3(47), - 2014. S. 71 80.
7. Dolzhenko A.I., Glushenko S.A., Kalugyan K. Kh., Lozina E.N., Cherednichenko A.S. Sistema modelirovaniya produktsionnoi
nechetkoi seti (PRONES), Svidetel'stvo O gosudarstvennoi registratsii programmy dlya EVM 2010612952, 25.05.2010.
8. Anisimova G.B., Dolzhenko A.I. Sistema otsenki riska potre-bitel'skogo kachestva proektov informatsionnykh sistem // Vestnik INZhEKONA. Seriya: Ekonomika., T. 36, № 1, 2010. S. 179-191.
9. Leonenkov A.V. Nechetkoe modelirovanie v srede MATLAB i fuzzyTECH. SPb.: BKhV-Peterburg, 2005. 736 s.
10. Glushenko S.A., Dolzhenko A.I. Sistema nechetkogo modeli-rovaniya riskov investitsionno-stroitel'nykh proektov // Biznes-informatika, № 2 (32), 2015. S. 17-27.
Контактная информация
Служебный адрес: 344002, г. Ростов-на-Дону,
ул. Большая Садовая, д. 69, офис 308, ФГБОУ ВПО
Ростовский государственный экономический университет
(РИНХ), кафедра «Информационных систем и прикладной
информатики».
E-mail: gs-gears@yandex.ru
Contact links
Office address: 344002, Rostov-on-Don, Bolshaya Sadovaya street 69, office 308, Rostov State University of Economics, chair of the «Information Systems and Applied Computer Science». E-mail: gs-gears@yandex.ru
