CC BY
80
УДК 338.2: 681
КОГНИТИВНЫЙ ПОДХОД К УПРАВЛЕНИЮ ОРГАНИЗАЦИОННЫМИ ИЗМЕНЕНИЯМИ ПРЕДПРИЯТИЙ
Бурый А.С., д.т.н., Российский научно-технический центр информации по стандартизации, метрологии и оценке соответствия
(ФГУП «СТАНДАРТИНФОРМ») Стреха А.А., к.э.н., Российский научно-технический центр информации по стандартизации, метрологии и оценке соответствия
(ФГУП «СТАНДАРТИНФОРМ»)
В статье рассматривается постановка задачи когнитивного моделирования процесса управления изменениями предприятия в рамках направления исследования сложных слабоструктурированных объектов и систем.
Ключевые слова: управление изменениями, нечеткая когнитивная карта, когнитивное моделирование, структурная сложность.
COGNITIVE APPROACH TO MANAGEMENT ORGANIZATIONAL CHANGES IN ENTERPRISES
Buryy A., doctor of technical sciences, FSUE «STANDARTINFORM» Strekha A., candidate degree of economic sciences, FSUE «STANDARTINFORM»
The article discusses the statement of the problem cognitive modeling of the change management process of the enterprise under the direction of the study of complex semi-structured objects and systems.
Keywords: change management, fuzzy cognitive map, cognitive modeling, structural complexity.
Организация (предприятие) в процессе своего развития проходит все этапы жизненного цикла: от рождения до упадка, находясь в постоянном процессе изменений. Внешняя среда формирует свои условия в виде политической, социальной, экономической ситуации, что проявляется в налоговой политике, конъюнктуре рынка, законодательстве и т.д. Организация может существовать и реализовывать свой целевой стратегический потенциал - экономические возможности организации, которые могут быть использованы для достижения стратегических целей, только если ее изменения адекватны тенденциям и требованиям окружающей среды [1]. Собственно организационные изменения - это есть переходный период деятельности организации, когда предприятие или какой-либо ее значимый показатель (группа показателей) изменяются кардинально. Управление изменениями - это длительный процесс улучшения, зачастую постоянно действующий, причем изменения могут осуществляются в области стратегии предприятия, его структуры, технологий производства и управления с целью повышения конкурентоспособности предприятия.
Известны многие модели управления организационными изменениями: Курта Левина, модель ADKAR, модель EASIER и другие, большинство из которых опробованы на предприятиях различного уровня. Внушителен только список инструментов преобразования, обеспечивающий качественный переход из текущего состояния организации к будущему. Это, например, такие методы управления, как Six Sigma, BPR (Business Process Reengineering), BPM (Business Process Management), сбалансированная система показателей BSC (Balanced Score Card), универсальная система показателей деятельности TPS (Total Performance Scorecard) и др. За обеспечение необходимой эффективности (сроков формирования, обоснованности, стоимости и др.) принятия управленческих решений отвечают системы поддержки принятия решений (Decision Support Systems - DSS), которые сейчас еще называют BI-системы (Business Intelligence). Общий тренд рынка BI остается положительным. Всего в базе Экспертного центра TAdviser по состоянию на август 2014 года зафиксировано 1553 проекта (из них большая часть реализованы в России, причем больше половины из них - в государственном секторе), в то время как в мае 2013 года количество таких проектов составляло 1178 [15].
В условиях высокой сложности бизнес-процессов, активной реализации на практике процессного подхода, повышения роли бизнес-аналитики в задачах принятия решений руководством предприятий, с одной стороны, и нестабильности состояния рынков (товарных, финансовых и пр.), в том числе и из-за действия экономических санкций Запада, а также из-за реконфигурации бизнес-процессов в организациях [4], с другой стороны, проблема рисков при принятии решений остается актуальной. Важным этапом для формирования решения является моделирование. Особенно это касается сложных слабоструктурированных ситуаций [1], когда рассматривается множество элементов различной природы (технологии, технологические процессы, персонал, организационные структуры и т.д.), отношения между которыми носят как качественный, так и количественный характер. Под слабоструктурированной проблемой (ill-structured problem) понимается качественная, не полностью поддающаяся детальному количественному анализу проблема, решение которой строится на основе анализа и исследования причин ее возникновения. В экономике, как и в других социальных науках, решаемые проблемы практически всегда относятся к слабо структурированным проблемам [16]. Основная особенность слабоструктурированных проблем заключается в том, что их концептуальная модель может быть создана только на основании дополнительной информации, которую предоставляет лицо, участвующее в решении проблемы. Универсальным приемом исследования процессов, динамика которых описывается как качественными, так и числовыми показателями, служит применение когнитивных карт (КК). КК, являясь образом внутреннего представления субъекта, позволяет формировать и уточнять гипотезы о состоянии исследуемого объекта, меняя устоявшиеся стереотипы, отображая, зачастую, структуру характерных для него причинно-следственных связей.
Главная цель применения когнитивных карт заключается в качественном анализе ситуаций, возникающих в ходе управления, что в большинстве случаев осуществляется путем моделирования исследуемых процессов. Для получения количественных результатов традиционно используется аппарат дифференциальных или разностных уравнений и теории оптимального управления, в игровой постановке - аппарат теории игр, что представлено в таблице 1.
Таблица 1. Средства анализа динамики ситуации
Цель Средство
Качественный анализ Количественный анализ
Описание ситуации Когнитивные карты Дифференциальные или разностные уравнения
Анализ и управление ситуацией Имитационное моделирование Теория оптимального управления
Анализ и взаимодействие субъектов «Когнитивные игры» Динамические игры
Однако на практике при исследовании сложных экономических процессов, рыночных эффектов, информационных связей, социальных явлений в обществе, связанных с развитием экономики, зачастую невозможно построить достоверные модели, увязывающие эти разнообразные факторы, базируясь на подходах количественного анализа, представленных в вышеприведенной таблице.
Дело в том, что когнитивное моделирование, по сути, есть исследование функционирования слабоструктурированных систем и ситуаций на основе построения соответствующих им когнитивных карт. Когнитивный подход к моделированию позволяет учесть ряд когнитивных возможностей лиц, принимающих решение, по существу, это представление ситуации, ее понимание, объяснение, что повышает эффективность управления. Следствием объединения качественного подхода КК с нечеткой логикой являются нечеткие когнитивные карты (НКК) [17], представляющие собой взвешенные ориентированные графы, учитывающие степень влияния концептов (факторов) друг на друга.
Выбор НКК для моделирования основывается на анализе достоинств и недостатков наиболее известных методов задач выбора решений, представленных в таблице 2. При этом сравнение проводилось по следующим свойствам [18]: С1 -возможность графического отображения; С2 - возможность лингвистического описания; С3 - возможность применения экспертных оценок; С4 - простота машинной реализации; С5 - необходимость большого предварительного статистического анализа; С6 - необходимость использования человека-оператора в процессе функционирования системы; С7 - необходимость устранения противоречий в процессе функционирования; С8 - необходимость корректировок при нарушении стационарности.
Таблица 2. Достоинства и недостатки методов выбора
Способы принятия решения С1 С2 сз С4 С5 С6 С7 С8
Байесовский подход - - + + + + + +
Метод дерева решений + - + + + - + +
Метод анализа иерархий - + + + - - + +
Продукционные правила - + + + - - + +
Нечеткие когнитивные карты + + + + - - - -
Из данной таблицы видно, что нечеткие когнитивные карты являются наиболее приемлемым подходом для проведения моделирования слабоструктурированных задач.
Практика показывает, что когнитивное моделирование все шире реализуется в социально-экономической сфере [1, 2-19]. Это позволяет получить для руководителя предварительные оценки последствий от проведения на предприятии реструктуризации, реинжиниринга бизнес-процессов, как определенных этапов проводимых изменений в организации. При этом реинжиниринг сопоставляют процессно-ориентированным управлением (АВМ - Activity based Management), с программами управления качеством (TQM - Total Quality Management) [20], доказывая, в ряде случаев, его большую эффективность в исследованиях рыночной конкуренции.
Рассматривая изменения на предприятии только на организационном уровне управления, мы должны понимать, что существуют еще и технологический, информационный, коммуникационный и другие уровни, участвующие в комплексе управления изменениями. Нечеткий граф, описывающий НКК, можно представить в виде [17, 5]:
G =< V,A,F > (1)
V = {V, V ,..., V }
где 1' 2' ' n - множество вершин (концептов, факторов, описывающих состояние объекта исследования) графа;
A е V х V , „ , A = И I ai G A; ^ J =1 n} F
- множество дуг (связей между концептами), причем , где n - число вершин;
- множество характеристик связей (дуг), причем положительная связь (+) соответствует усилению концепта - следствия при усилении
F = f (x., x., a- ) = w.
причинного концепта, отрицательная связь (-) - соответственно, наоборот. В частном случае - весовые
-1 < w.. < 1 w.. = 0 V. V.
коэффициенты, j , причем j , если 1 не зависит от j . Каждая из вершин НКК характеризуется множеством
х • V ^ 0 0
параметров , которые составляют пространство параметров вершин .
Формирование различных сценариев развития ситуации на НКК вида (1) моделируется импульсным процессом распространения возмущений, что позволяет оценить тенденции развития ситуации с учетом влияния всех концептов, включенных в состав карты. Модель импульсного процесса МР зададим следующим кортежем:
МР =< М,G,L> , (2)
где M - динамическая когнитивная модель; G - множество возмущающих воздействий, направленных на множество вершин V
нечеткой КК; L - правила изменения параметров вершин (программы, алгоритмы, сценарии).
Для дискретного времени параметры вершин изменяются в соответствии с правилом L (в рамках выполнения конкретного сценария):
x. (t +1) = x. (t) + X f (x, Xj, a )Pj (t) + Gt (t)
JtV
(3)
X, (г +1) х (г) в- (г)
где и - значения параметров вершин в соответствующие моменты времени г = 0, 1, 2, ... ; - значение
ге V ( ) ф Р] (г) = х] (г) - х] (г -1)
внешнего импульса в вершине , приращение (изменение) фактора в вершине у задается в J ^ при
заданном начальном значении. Последнее иногда называют еще импульсным воздействием [21] в рамках исследуемого импульсного процесса МР выражения (2). Для решения задачи прогноза развития сценария на основе когнитивной карты определяют величины приращений
в последовательные дискретные моменты времени-^(У -0? •• •? .
В качестве примера использования когнитивного моделирования рассмотрим процесс управления качеством товаров при запуске на рынок новой продукции. Основные анализируемые концепты представлены на рис. 1.
VI
Управление качество!,I
товаров
\!2 Ресурсы
+0,4 /1 0,2
№ Инновационное технологическое развитие +0,3
У6 Ооученность персонала
УЗ Организационные изменения
+0,6
У5 Рыночный спрос
№ Новые товары, новый бизнес
\П Изменения
потребителей Поведение
конвентов
Рис. 1. Когнитивная карта управления качеством при выпуске новой продукции
Обеспечение высокого уровня качества продукции 1 связано с использованием определенных ресурсов 2 (информационных, финансовых и др.), наличие и качество которых в значительной (а в ряде случаев определяющей) степени влияют на инновационные свойства продукции 4. Требования к инновационному развитию предприятия диктуются рыночным спросом 5 и, в свою очередь, формируют требования к профессиональной подготовке (обученности) персонала 6, который привлекается к созданию новой продукции. Происходят изменения и во взглядах потребителей 7, которые понимают достоинства новой продукции, обеспечивая ее рыночный спрос 5. Поведение конкурентов 8 оказывает соответствующее влияние на ряд концептов (см. рис. 1) модели, в том числе и на производство новой продукции или открытие нового направления в бизнесе 9.
В соответствии с изображенным графом составляется матрица смежности, в которой на пересечении /'-ой строки и у'-го столбца располагаются весовые коэффициенты ' , отражающие влияние фактора на фактор (см. таблицу 3).
Таблица 3. Матрица смежности
Для анализа в рамках данной матрицы выбирают те факторы, изменения в нужную сторону значений которых необходимо добиться (целевые факторы). Например, это рост качества товаров - фактор (рис. 1). Затем определяют факторы, которые напрямую или косвенно влияют на выбранный фактор (управляющие факторы), и намечают программу (сценарий) их изменений за счет подачи возмущений на отдельные вершины орграфа. Веса дуг задаются экспертным путем либо на основе информационно-аналитической базы предметной области в составе эмпирических данных, теоретических знаний, нормативно-правовых актов и т.п. Например, связь факторов и равна +0,6 , что означает рост фактора на 12% при 20% росте фактора рыночного спроса ().
В результате моделирования системы (3) оценивается число шагов, за которое удается достичь целевого состояния (значения целевого фактора) в результате выполнения программы воздействия на другие концепты НКК.
Данный подход к моделированию процесса управления изменениями на предприятии позволяет получить результаты применительно к конкретным условиям состояния (уровню развития рынка, уровню возможностей конкурентов и т.д.). Погружаясь в проблему, вскрываются новые факторы, которые необходимо учитывать, изменяются показатели влияния, что вызывает необходимость в новом моделировании, меняя структуру когнитивной карты. Эффективность управления ситуацией определяется пониманием ее структурных свойств, которые складываются из особенностей причинно-следственных отношений между факторами когнитивной карты. В результате анализа структуры КК исследуются такие системные свойства, как непротиворечивость; согласованность с целями; эффективность интегрального воздействия управляющих факторов на целевые и др.
При этом каждый раз проверяется достоверность НКК, консонанс влияния (степень) концептов на выбор математической модели (в идеале стремится к «1»). Следует иметь в виду, что желание учесть максимальное число факторов приводит с усложнению КК как за счет увеличения числа вершин графа, так и за счет количества связей, что выливается в необходимость оценки структурной сложности [3] динамической системы, реализованной на НКК.
К изучаемым распределенным моделям можно отнести и сети инновационных предприятий, и другие цепи создания ценности [15-18]. Применение предлагаемых моделей позволяет повысить эффективность управления бизнес-процессами [19-21].
Таким образом, посредством когнитивного моделирования можно прогнозировать развитие ситуации на предприятии с учетом динамики значений факторов, включенных в модель (саморазвитие), а на основе заданной программы воздействий (проверка перспективных сценариев), например, оценивать роль инвестиционных программ, рыночного развития и т.д. Актуальна и обратная задача - нахождение управления, обеспечивающего требуемую динамику ситуации (развития сценария), а применяемая линейная интерпретация (3) может быть использована для игровых моделей, когнитивные карты которых позволят существенно продвинуться в осмыслении социально-экономических процессов в обществе.
Литература:
1. Авдеева З.К., Коврига С.В., Макаренко Д.И. Когнитивное моделирование для решения задач управления слабоструктуризированными системами (ситуациями) // Управление большими системами. - ИПУ РАН. - 2006. - С. 26-39.
2. Авдеева З.К., Коврига С.В., Макаренко Д.И., Максимов В.И. Когнитивный подход в управлении // Проблемы управления. - 2007. - № 3. - С. 2-8.
3. Бурый А.С. Структурная сложность распределенных информационно-управляющих систем // Изв. АН СССР. Техническая кибернетика. - 1994. - № 5. - С. 160-167.
4. Бурый А.С. Обеспечение устойчивости бизнес-процессов на основе интегрированного управления // Транспортное дело России. -2012. - № 6 (ч. 2). - С. 114-116.
5. Горелова Г.В., Мельник Э.В. О когнитивном моделировании развития ситуации в регионе в условиях быстрых изменений среды и противодействия // Известия ЮФУ. Технические науки. - 2011. - № 3. - С. 65-77.
6. Докукин А.В., Дрогобыцкий А.И. Эволюция организационных структур повышения качества управления инновационными компаниями // Транспортное дело России. - 2011. - № 4.
7. Дрогобыцкая К.С., Докукин А.В., Ершов А.С. Современные социально-информационные факторы совершенствования цепей создания ценности // Транспортное дело России. - 2013. - № 4.
8. Кожевина О.В. Управление изменениями: Учебное пособие. - М.: ИНФРА-М, 2013. - 286 с.
9. Королев П.П., Ломакин М.И. Современная структура и особенности развития продуктов интеллектуального капитала // Информационно-экономические аспекты стандартизации и технического регулирования. - 2012. - № 1(5).
10. Ломакин М.И., Стреха П.А. Сравнительный анализ моделей прогнозирования инвестиционной привлекательности НИОКР на современном этапе // Транспортное дело России. - 2013. - № 5.
11. Ломакин М.И., Скальский А.В. Оценка вероятности перехода бизнес-процесса в состояние, не соответствующее его регламенту // Транспортное дело России. - 2011. - № 12.
12. Ломакин М.И. Модель оценки затрат на качество бизнес-процессов в условиях неполных данных // Транспортное дело России. -2012. - № 6(ч.1).
13. Ломакин М.И. Модель оптимизации затрат на качество бизнес-процессов предприятия // Транспортное дело России. - 2011. - №
6.
14. Новиков Д.А. «Когнитивные игры»: линейная импульсная модель // Проблемы управления. - 2008. - № 3. - С. 14-22.
15. Business Intelligence (рынок России) / [Электронный ресурс] - Режим доступа: URL: http://www.tadviser.ru/аналитика.
16. Simon H.A. The structure of ill structured problems // Artificial Intelligence. - 1973. - Vol. 4. - P. 181-202.
17. Kosko B. Fuzzy Cognitive Maps // Intern. Journal of Man-Machine Studies. - 1986. - Vol. 1. - P. 65-75.
18. Щербатов И.А. Математические модели сложных слабоформализуемых систем: компонентный подход // Системы. Методы. Технологии. - 2014. - № 2(22). - С. 70-78.
19. Рудакова О.С. Методология реинжиниринга бизнес процессов промышленных организаций: Автореф. дисс. докт. эконом. наук: 08.00.05. - М., 2010. - 45 с.
20. Чаадаев В.К. Особенности реинжиниринга бизнес-процессов как метода проведения изменений // Вестник Челябинского государственного университета. - 2007. - № 10. - С. 149-156.
21. Робертс Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. - М.: Наука, 1986. - 496 с.
