CC BY
46
УДК 519.816
МЕТОДИЧЕСКОЕ И ИНСТРУМЕНТАЛЬНОЕ ОСНАЩЕНИЕ ЗАДАЧ РАЗРАБОТКИ РЕШЕНИЙ В СЕРВИСНОЙ ДЕЯТЕЛЬНОСТИ
Чупров Сергей Витальевич, доктор экономических наук, профессор, chuprov@isea.ru, Байкальский государственный университет экономики и права (г. Иркутск)
The author discusses the main methods for management decisions, especially for service enterprises, in the context of certainty, risk, and change in the dynamic economic environment. The study, along with the traditional models, describes new methods based on the theory of fuzzy sets to achieve the development heuristic solutions and increase their effectiveness.
В статье обсуждаются основные методы разработки управленческих решений, характерных для менеджмента предприятий сервиса, в условиях определенности, риска и неопределенности, присущей динамичной экономической среде. Наряду с традиционными предлагаются модели поиска решений, построенные на базе теории нечетких множеств, позоляющие эффективно разрабатывать эвристические решения.
Key Words: method, model, solution, service Ключевые слова: метод, модель, решение, сервис
Методология и инструментарий разработки управленческих решений в сервисной деятельности обусловлены не только спецификой процесса оказания услуг, но и возросшей динамичностью и неопределенностью условий работы предприятий сервиса. На фоне институциональных преобразований и нарастающего потока инноваций давление внешних помех проявляет себя в нарушении намеченного режима функционирования предприятий, расстройстве воспроизводства их ресурсов и ухудшении экономического положения предприятий. Поэтому управленческое решение направлено на погашение негативных последствий возникающих помех, нейтрализацию отклонений в ходе работы предприятия и сохранение устойчивого продвижения к целям его деятельности.
В предлагаемой вниманию читателей статье предпринята попытка обзора задач разработки управленческих решений в сфере услуг в аспекте их методического и модельного обеспечения. Анализ подобного рода инструментария современных менеджеров составляет определенную научную ценность, поскольку наращивает теоретические представления о способах повышения эффективности управления сервисными предприятиями, а в прикладном отношении дает возможность реализовать на практике адекватные условиям среды модели и добиться
повышенной обоснованности принимаемых решений.
Известно, что в инструментальном отношении использование формализованных методов в управленческой деятельности позволяет алгоритмизировать поиск предпочтительных решений и улучшает их результативность. Компьютеризация не только рутинных, но и достаточно сложных творческих задач, создает на предприятии «интеллектуальное пространство», которое поддерживается взаимодополняющим сочетанием знаний и опыта персонала с преимуществами новейших информационных технологий. Не исчерпывая всего множества выполняемых на предприятии задач, рассмотрим наиболее типичные из них с точки зрения оснащения их математическими методами и моделями [4].
Разработка решений в условиях определенности подразумевает, что реализация выверенного решения приведет к однозначному рассчитанному результату. Предпосылкой этому служит наличие всей необходимой и точной информации о будущем состоянии внешней и внутренней среды, что и дает основание для такого заключения. «Камнем преткновения» для применения вычислительных методов нередко становится имеющийся объем информации, особенно в период институциональных и
89
СФЕРА УСЛУГ
инновационных перемен. Отсутствие прогнозных разработок лишает предприятие возможности формирования перспективных планов. Вот почему сервисные предприятия часто пренебрегают составлением планов на длительный период, ограничиваясь принятием лишь краткосрочных и оперативных планов.
Так, на предприятиях питания часто не налажено информационное обеспечение плановой работы, существуют недостатки в учете и отчетности. Вследствие этого не формируются планы по приобретению и расходу сырья и покупных товаров. В отчетных документах не регистрируется информация о фактическом поступлении отдельных видов сырья и покупных товаров, о товарных запасах в ассортиментном разрезе. Многие предприятия работают вообще без планов хозяйственной деятельности.
Планирование объемов реализации услуг в таком случае проводится по принципу «от достигнутого»: исходной базой для показателей плана являются полученные результаты за аналогичный период в прошлом. Устанавливаемые плановые показатели необязательно повторяют их фактические значения за соответствующий период, поскольку они могут быть скорректированы с учетом ожидаемых в будущем изменений. Подобные наметки показателей не имеют под собой рациональных правил обоснования и продиктованы субъективными соображениями, интуицией и опытом управленческого персонала.
Принимая во внимание влияние инновационных факторов и вызванные ими риски в освоении новой продукции, следует признать такой подход скорее данью традиции, чем попыткой найти убедительное решение плановой задачи. Отсутствие релевантной информации, действительно, «обезоруживает» персонал и сдерживает их в стремлении восполнить неполноту информации хотя бы приближенными сведениями.
Между тем наличие необходимых исходных данных открывает возможность привлечения формализованных методов нахождения плановых решений. Широкое распространение среди них получили так называемые классические методы отыскания решений, основанные на применении приемов математического анализа. Пользуясь ими, определяют искомое значение переменной, при котором выбранный экономический показатель достигает минимума или максимума.
Приложение подобного метода иллюстрируют детерминированные задачи управления запасами предприятия, в которых требуется найти решение по заказу сырья, рассчитанного с учетом требования бесперебойного снабжения им производства и минимизации затрат на его прием и хранение. Такие задачи характерны для предприятий, использующих в своем технологическом процессе покупные ингредиенты, завозимые на склад. Например, предприятия питания образуют текущие товарные запасы сырья, полуфабрикатов и покупных товаров, завышение которых ведет к ухудшению качества и порче продуктов, росту товарных потерь и издержек производства и обращения, а занижение — к их дефициту и снижению объема товарооборота. Используя метод поиска экстремума функции, удается отыскать величину объема и периодичность поставок, обеспечивающих наименьшее значение затрат на прием и хранение заказа.
Описанную задачу можно поставить и в несколько иной форме: определить экономичный размер заказа, при котором общие затраты на хранение запасов (арендная плата за помещение, страховые взносы, коммунальные услуги) и размещение заказа на закупку и поставку хранимого товара на склад были минимально возможными [5]. Чем больше размер заказа, тем выше затраты на его хранение, но сокращаются расходы на размещение заказа (в течение длительного периода число заказов с поставщиками уменьшается), и наоборот, чем меньше размер заказа, тем ниже затраты на его хранение, но зато больше расходов на размещение заказа. Оптимальный размер заказа товара и отвечает минимуму общих годовых затрат.
Аналогично можно рассуждать по поводу затрат обслуживающих пунктов и клиентов, обратившихся к ним для совершения определенных операций: с одной стороны, процесс обслуживания требует затрат для своего осуществления, а с другой стороны, из-за вынужденного простоя в очереди несут затраты и клиенты. В результате образуются суммарные затраты и чем они меньше, тем лучше организован процесс обслуживания клиентов. Ясно, что минимум общих ожидаемых затрат будет соответствовать оптимальному уровню обслуживания (рис. 1 на с. 91).
При разработке управленческих решений даже в ситуации с крайней неполнотой информации необходимо учитывать реальные ресурс-
90 научный журнал ВЕСТНИК АССОЦИАЦИИ ВУЗОВ ТУРИЗМА И СЕРВИСА 2010 / № 2
Методическое и инструментальное оснащение задач разработки решений...
ные возможности предприятий. Поиск предпочтительного планового решения должен проводиться в рамках располагаемого запаса сырья, материалов, рабочей силы, финансов, информации и других ресурсов, которые ограничивают пространство допустимых решений. Формализуя эти условия, математические методы позволяют найти объем предоставляемых услуг в соответствии с выдвигаемым критерием и требованием баланса.
Ввиду многоцелевой деятельности предприятия сервиса нельзя исключать того, что потребуется оптимизация не по одному, а нескольким критериям одновременно, к тому же нередко они противоречат друг другу. Тогда задача становится многокритериальной, и для ее выполнения можно предложить, по меньшей мере, три варианта постановки: методы многоцелевого программирования, последовательных уступок и формирования обобщенной критериальной функции. Последний метод связан с оцениванием приоритета каждого критерия (ведь критерии могут иметь неодинаковую важность для предприятия) и объединением критериальных функций в одной обобщенной функции. Результат решения этой задачи определяется присвоенными приоритетами и в случае рассогласования (противоречивости) критериев является компромиссным, т.к. отвечает в той или иной степени всем критериям сразу. Варьируя величинами приоритетов в зависимости от предпочтений руководителя, можно добиться приемлемого варианта плана (объемов оказываемых услуг и расходуемых ресурсов), удовлетворяющего заданным ограничениям и приоритетам критериев.
Подытоживая обсуждение задач в условиях определенности, напомним, что их постановка игнорирует влияние случайных факторов на получаемое решение, и указанное обстоятельство приходится учитывать в реальной деятельности. В условиях инновационного развития экономики влияние фактора неопределенности лишь усиливается и диктует необходимость поиска иных подходов. Поэтому практический интерес представляет формулирование задачи с учетом вероятностного характера действия ситуативных факторов, что повышает достоверность разрабатываемых управленческих ре-
Рис. 1. Оптимальный уровень обслуживания
шений и их пригодность в работе предприятия в рисковой среде.
Разработка решений в условиях риска основывается на обработке статистической информации и связывает выполнение решения с множеством возможных исходов, имеющих определенную и известную аналитикам вероятность появления. Поэтому предпочтительным будет то решение, которое в среднем дает лучший результат (максимально достижимую прибыль, выручку, минимальные затраты и т.д.) или наибольшую вероятность соблюдения некоторого условия (например, того, что прогнозируемая прибыль будет не меньше наперед заданной пороговой величины). Поскольку из-за влияния случайных факторов фактическая величина критериального показателя при многократном повторении будет иметь разброс значений, речь может идти об оптимизации лишь его средней величины. Так, при планировании одного и того же ассортимента и объемов услуг в силу случайного характера изменения среды (колебания уровня спроса, инфляции, издержек производства, непоставок сырья и задержек с оплатой за оказанные услуги, брака, поломок оборудования, болезни работников и др.) выручка и прибыль от оказания услуг каждый раз может меняться, быть меньше или больше расчетной величины. В этой ситуации выбирают такой план предоставления услуг, который отличается от других большей средней выручкой или прибылью.
Математический аппарат задач разработки решений в условиях риска базируется на использовании методов теории вероятностей и ее приложений. Привлечение этих методов
91
СФЕРА УСЛУГ
позволяет выбрать предпочтительное решение в разнообразном спектре практических ситуаций. В одних ситуациях становится возможным оценить уровень риска при предоставлении услуг (например, найти вероятность оказания определенного количества услуг или погашения задолженности за произведенные услуги), в других ситуациях — рассчитать вероятность того, что показатель экономической эффективности при освоении новой услуги будет не меньше заданного предельного значения и т.д. Тем самым воплощается идея учета случайной природы инновационных факторов окружающей среды.
Применение метода стохастического программирования к описанной выше схеме линейной оптимизации дает вероятностное описание критериальной функции и функций ограничений на ресурсы. Благодаря этому удается принять во внимание изменение экономических показателей, вызванных действием рисковых факторов. В частности, цена, затраты, прибыль, нормы расхода ресурсов на одну услугу и запас ресурсов могут иметь разброс значений ввиду влияния различных вероятностных причин (инфляции, изменения платежеспособного спроса клиентов, конкуренции, нарушения технологии, перебоев с поставками сырья или отказа от них и др.). Методы теории вероятностей находят широкое применение не только при планировании объемов услуг, но и в ряде других задач, учитывающих действие стохастических факторов, например, при разработке решений, связанных с обеспечением надежности работы оборудования предприятия.
Метод динамического программирования позволяет выбрать решение в ситуации, когда исследуемый процесс развивается во времени и (или) может быть представлен последовательностью отдельных шагов. На каждом шаге оцениваются последствия принятия тех или иных решений и определяется наилучший вариант действий на перспективу. Метод динамического программирования может быть использован, например, при выборе решений в задаче освоения нового вида изделий или услуги. Полагая, что этот процесс является многовариантным (варианты: отказ от освоения, массовое или экспериментальное производство изделий, услуг) и может быть разложен на ряд этапов, в зависимости от достигнутого результата на каждом этапе удается найти ожидаемую прибыль предприятия и выбрать лучшее решение.
Для принятия решений в условиях риска может быть предложен метод Монте-Карло (его называют также методом статистических испытаний), который представляет собой способ моделирования анализируемого процесса, на который оказывают влияние вероятностные факторы. Достоинства этого метода становятся очевидными, когда наблюдать за реальным процессом затруднительно или невозможно. В подобных обстоятельствах он позволяет искусственно воссоздать («разыграть») интересуемую ситуацию с помощью механизма случайного выбора значений параметров задачи. Так, методом Монте-Карло можно воспроизвести процесс обслуживания клиентов на предприятии питания, автосервиса, в парикмахерской, библиотеке и т.д. Длина очереди, время обслуживания клиентов имеют случайный характер и могут быть получены генерированием их значений специальными программами на компьютере (генераторами случайных чисел). Тем самым решения по организации предприятия могут быть приняты путем математического моделирования без обращения к натуральному эксперименту.
Метод теории массового обслуживания дает возможность изучать потоки заявок (заказов клиентов) и процесс их удовлетворения. Последовательность поступающих заявок образует очередь, которую заявка покидает, или ждет, пока не наступит ее время. Сам процесс поступления заявок является вероятностным, поскольку момент их прихода произвольный, как и в реальной жизни. Удовлетворение заявок выполняют пункты обслуживания, которые могут ожидать заявку или быть заняты. Понятно, что скопление заявок в очереди приводит к потерям времени клиентов и перегрузке каналов, а отсутствие заявок — к простою пунктов и излишним затратам на их функционирование.
В зависимости от содержания процесса оказания услуг находят применение системы массового обслуживания различного класса. Обычно они классифицируются по числу каналов (пунктов обслуживания) на одноканальные и многоканальные и по числу фаз (стадий) обслуживания на однофазные и многофазные. Примером одноканальной однофазной системы может служить работа читального зала библиотеки, почтового отделения или гардероба в том случае, если единственный работник выполняет полное обслуживание обратившихся к нему клиентов — объектов очереди (рис. 2).
92 научный журнал ВЕСТНИК АССОЦИАЦИИ ВУЗОВ ТУРИЗМА И СЕРВИСА 2010 / № 2
Методическое и инструментальное оснащение задач разработки решений...
Рис. 2. Одноканальная однофазная система
К многоканальной однофазной системе, в частности, относится группа кассиров, взимающих в магазине плату у покупателей из общей очереди, парикмахерская или автосервис с взаимозаменяемыми мастерами (рис. 3).
Одноканальную многофазную систему представляет столовая, если поток посетителей обслуживается его работниками вдоль одной продуктовой линии (рис. 4).
Аналогично организуется работа во время медицинского осмотра призывников или автолюбителей, последовательно проходящих контроль у специалистов разного профиля (невропатолога, окулиста, хирурга и др.).
Вместе с тем эта система становится многоканальной многофазной, если перед началом осмотра поток клиентов «распараллеливается»
и одновременно работают два и более «конвейера» обслуживания (рис. 5).
Основными показателями системы массового обслуживания являются: среднее время, проводимое клиентом в очереди; средняя длина очереди; среднее суммарное время ожидания и обслуживания; среднее количество клиентов в системе; вероятность того, что пункт обслуживания будет простаивать; коэффициент использования системы.
Таким образом, применяя этот метод, можно проектировать или рационализировать организацию системы массового обслуживания и обосновать число каналов с позиций эффективности работы системы. Между тем в динамичной среде рассчитывать на обладание необходимой статистической информацией весьма проблематично, что становится поводом для
Рис. 3. Многоканальная однофазная система
Рис. 4. Одноканальная многофазная система
93
СФЕРА УСЛУГ
Вновь ____
прибывший f \
объекту У очереди '—*
1 Тип 1 Тип 2
Очередь 1 у Пункт Пункт
Г\ V обслуживания \ / обслуживания
1 \/ 1
у
Тип 1 А Тип 2
Пункт \ Пункт
обслуживания обслуживания
2 2
Уход из
системы
после
обслуживания
Рис. 5. Многоканальная многофазная система
обращения к методам поиска решений в неопределенной обстановке.
Разработка решений в условиях неопределенности осуществляется тогда, когда исходная информация о деятельности предприятия и среды не отвечает требованиям допустимого объема и точности. Иными словами, требуемые для задачи сведения отсутствуют или страдают ограниченностью и (или) их достоверность вызывает сомнения.
По сравнению с принятием решений в усло -виях риска ситуация неопределенности становится еще более «завуалированной» и сложной: если в рисковой ситуации предприятие располагает статистикой вариации факторов среды, то в неопределенной обстановке достаточной и убедительной информации о них нет. Поэтому принимающий решение не может оценить его последствия и ему приходиться мириться с наличием неизвестных факторов, влиять на которые предприятие не может, что весьма характерно для современного состояния отечественной сферы услуг. К тому же наряду с информационной неопределенностью, сопутствующей институциональным преобразованиям в экономике, властно проявляют себя и инновационные факторы, связанные с непредсказуемостью реакции клиентов на новые услуги, спросом на них и их эффективностью.
За пределами компетенции большинства предприятий сервиса находится изменение уровня инфляции, валютного курса рубля, динамика финансовых процессов на биржах, меры конкурентов. Трудно прогнозировать вкусы клиентов, их потребности и ценности в отношении предполагаемых к освоению в будущем услуг. Отсутствие надлежащей «ясности» среды и приводит к тому, что принятие решений в обстановке неопределенности является ныне наиболее распространенным способом
94
действий персонала предприятий в подвижной среде. Существующие методы разработки решений в условиях неопределенности не дают возможности однозначного выбора предпочтительного решения, каждое рассматриваемое решение окружено «туманом», и его реализация может привести к тем или иным последствиям. Однако эти методы позволяют отчасти снизить субъективизм в процессе разработки решения и обосновывают правила разумного выбора.
Прокомментируем методы принятия решений в условиях стратегической, а затем и концептуальной, неопределенности.
В практической деятельности предприятия ситуация стратегической неопределенности нередко складывается из-за участия в ней нескольких сторон, преследующих свои цели. Подобные задачи получили название многосторонних, и по своему содержанию они напоминают игровую ситуацию: каждая сторона придерживается собственной стратегии и может делать свой ход. В результате итог этой игры (выигрыш или проигрыш каждой стороны) зависит от действий всех участвующих в ней сторон. Аналогия описываемой ситуации с игрой послужила основанием для разработки специальных игровых методов обоснования таких решений теории статистических решений, теории игр и минимакса.
Методы теории статистических решений (игр) находят применение при действии вероятностных факторов. В этом случае участником игры становится сама природа, т.е. объективная действительность, лишенная какого-либо замысла сознательного противодействия намерениям другого участника игры. В качестве таких природных факторов могут выступать макроэкономические условия хозяйствования: уровень покупательной способности населения, сложившийся на рынке спрос на
научный журнал ВЕСТНИК АССОЦИАЦИИ ВУЗОВ ТУРИЗМА И СЕРВИСА 2010 / № 2
Методическое и инструментальное оснащение задач разработки решений...
продукцию или услуги и др. Иллюстрацией такой задачи может служить выбор решения предприятия об освоении нового вида изделий или услуги при различных предположениях относительно будущей рыночной конъюнктуры. Удачным решением будет признано то, при реализации которого ожидается наибольшая прибыль предприятия.
Аппарат теории игр и минимакса используется в ситуации с невероятностными факторами. В ней довольно часто интересы участников игры могут различаться, и тогда несовпадение целей порождает их конфликт, ввиду чего такие задачи именуются конфликтными. Противоположные цели участников привели к появлению антагонистических задач принятия решений, в ином случае они по-прежнему будут неантагонистическими (поэтому их еще называют играми с непротивоположными интересами).
Методы теории игр позволяют выбрать решение в условиях многократно повторяющегося конфликта равноправных участников (не связанных какими-либо формами подчинения между собой, т.е. одного уровня власти). Например, подобная задача возникает в ходе конкурентной борьбы двух предприятий сервиса: оба они находятся перед выбором решения (оставить качество оказываемой услуги прежним, улучшить его или освоить новый вид услуги), которое максимизировало бы его доход или минимизировало убыток. Заметим, что величина ожидаемого дохода или убытка каждого из них зависит от выбора стратегий обоих предприятий. Поскольку ни одно из них не знает о подлинных намерениях другого предприятия, ничего иного в этих обстоятельствах не остается, как принять наиболее осторожное решение. Наконец, методы теории минимакса применяются для анализа конфликтных антагонистических ситуаций, повторяющихся один или ограниченное число раз.
Задачи принятия решений в условиях концептуальных неопределенностей базируются на применении эвристических методов и метода «дерева целей». Плохо измеряемые и трудно формализуемые факторы задачи побуждают обратиться к квалифицированным специалистам, обладающим профессиональным опытом и знаниями, и воспользоваться их мнением для выбора решения. Экспертные суждения дают возможность ослабить информационную неполноту задачи, хотя и остаются при этом субъективными по своему характеру.
Среди таких подходов известны методы «мозговой атаки» (коллективной генерации идей), «сценариев», «Дельфи», экспертных оценок и др. (см., например, [3]). Очевидно, эти методы могут быть полезными в инновационной среде при изобретении оригинальных видов изделий или услуг, модернизации технологии, прогнозе тенденций изменения рыночной конъюнктуры, анализе перспектив развития предприятия и др.
В своей практике эксперты часто занимаются численным оцениванием параметров, событий, явлений, процессов и т.п., непосредственное измерение которых затруднительно. Причем к методу экспертных оценок прибегают не только при неопределенной ситуации разработки решений, но и в других задачах, когда формальные приемы отступают перед сложностью проблемы. Например, в детерминированных многокритериальных задачах с помощью экспертного оценивания вводятся приоритеты (мера важности) оптимизируемых критериев. В аналогичной задаче с противоречивыми критериями эксперт может участвовать в выборе компромиссного варианта решения.
В условиях инновационного развития экономики с помощью экспертных оценок (в литературе их иногда называют субъективными вероятностями) и вероятностных методов удается проанализировать возникшую неопределенную ситуацию и принять обоснованное решение. Так, пользуясь известной в теории вероятностей формулой Байеса, можно провести переоценку вероятности того или иного варианта действий конкурента при поступлении дополнительной информации о нем. Подобным способом можно, например, вычислить вероятность освоения конкурентом новой услуги, когда становятся ясными его намерения относительно перспектив материальнотехнического перевооружения.
В многовариантных задачах по вероятностному критерию можно выбрать решение, имеющее больше шансов на успех по сравнению с другими рассматриваемыми решениями. В таких случаях по принятому критерию (математического ожидания, Вальда, Сэвиджа, Гурвица) сравниваются возможные решения и предпочтение остается за тем из них, которое дает лучшее численное значение. Примером может служить ситуация с выбором решения по освоению нового вида услуг при разной прогнозируемой реакции клиентов на нее. Другой
95
СФЕРА УСЛУГ
метод, получивший название метода «дерева целей», позволяет раскрыть процесс реализации цели предприятия, решения проблемы и представить его в виде разветвленной иерархической структуры.
Популярность и практичность экспертных методов обусловлена и тем, что процесс компьютерного моделирования остается слабо восприимчивым к ценному опыту персонала, накопленному им при повседневном управлении предприятием. Достаточно редко еще эвристические соображения могут быть изложены математически и запрограммированы в моделях поиска решений. Ввиду отсутствия у них средств формализации субъективных представлений человека подобные модели чаще всего обслуживают лишь стандартные экономические расчеты.
К настоящему времени уже создан инструментарий, «наделяющий» модели свойственной нашему рассудку способностью к восприятию и оперированию не только количественной, но и не всегда четко определенной качественной информацией. Поэтому моделирование приобретает искомую конструктивность, а модели — добротность в практической работе, с усилением их средствами интеллектуализации, предоставляемыми приложениями интенсивно развивающейся ныне теории нечетких множеств [1, 2].
В рамках этих приложений удается описать приближенный характер качественной информации: ведь исходные данные для моделей в подвижной среде чаще всего неточны, поскольку несут печать нечеткости мышления человека. Однако только он является источником «неформальных» сведений о среде и выражает экспертное оценивание ее наиболее полно на естественном языке. На этом основании эвристическая информация описывается с помощью лингвистических переменных, передающих оттенки субъективного суждения в алгоритм модели.
Показательно применение нечетких множеств и для обоснования оптимального решения, когда исходные данные носят размытый характер, как в ситуации с выбором решения по освоению инновационной продукции. При такой ситуации стирается различие между намеченными целями и ограничениями, в результате чего довольно просто проводить их согласование и находить решение. Ведь в этом случае и цель, и ограничения описываются
Рис. 6. Нечеткое решение как пересечение целей и ограничений
одинаковым образом, а значит, и оптимальное решение, которое отыскивается в пространстве альтернатив, становится поэтому размытым и образуется пересечением неточно заданных целей и ограничений [1] (рис. 6).
Так, цель предприятия может выражаться следующим расплывчатым образом: «Занимать более или менее значительную долю на региональном рынке туристических услуг» или «Сохранить достаточную конкурентоспособность оказываемых услуг». Аналогично и накладываемые в задаче ограничения могут иметь нечеткую формулировку: «Получаемый доход или прибыль не должны сильно снижаться» или «Не допускать большой перегрузки работы персонала». Найденное в этой неопределенной ситуации решение, очевидно, тоже будет размытым, что и отвечает ожиданиям управленческого персонала. Тем самым применение теории нечетких множеств дает возможность обращаться с трудно формализуемыми сведениями, в связи с чем управленческое решение аккумулирует в себе как количественную, так и качественную информацию. Благодаря этому решение «интеллектуализируется» и становится более полноценным для реализации в деятельности предприятия в условиях присущей рыночной среде неопределенности.
Приведем пример. Пусть, например, предприятие питания рассматривает 7 вариантов номенклатурного плана приготовления блюд, преследуя две цели, имеющие нечеткую формулировку: «Обеспечить более или менее значительную долю на региональном рынке оказываемых услуг» (обозначим цель G;) и «Сохранить достаточную конкурентоспособность оказываемых услуг» (обозначим цель G2 ).
Накладываемые в задаче два ограничения также характеризуются нечеткой формулировкой: «Получаемая
96 научный журнал ВЕСТНИК АССОЦИАЦИИ ВУЗОВ ТУРИЗМА И СЕРВИСА 2010 / № 2
Методическое и инструментальное оснащение задач разработки решений...
Таблица
Мера соответствия номенклатурных планов целям и ограничениям
Цели и ограничения Варианты номенклатурного плана
1 2 3 4 5 6 7
Цели: mGi 0,1 0,5 0,8 1,0 0,7 0,4 0,2
mG2 0,6 1,0 0,9 0,8 0,6 0,5 0,3
Ограниче- ния mCi 0,6 0,9 1,0 0,8 0,7 0,5 0,3
mC2 0,4 0,6 0,7 0,9 1,0 0,8 0,6
прибыль должна быть значительно выше чем прежде» (обозначим ограничение С; ) и «Не допускать большой перегрузки работы персонала» (обозначим ограничение C2). Оценивая варианты номенклатурного плана с точки зрения достижения целей 0;,02 и Cp С2 , эксперты следующим образом определили степень соответствия (функцию принадлежности) вариантов номенклатурного плана этим требованиям (см. табл.).
В этой таблице mci означает функцию принадлежности варианта номенклатурного плана цели ц, т.е. степень удовлетворения плана цели обеспечения более или менее значительной доли услуг предприятия питания на региональном рынке. В частности, mGi=0,5 означает, что план лишь со степенью 0,5 способствует достижению названной цели. Аналогично функция принадлежности цс2 оценивает степень удовлетворения плана цели G2 , а me и ЦС2 — степень удовлетворения плана ограничениям с и С2 соответственно. Необходимо найти предпочтительный вариант номенклатурного плана.
Покажем решение этой задачи. В теории нечетких множеств искомое решение D определяется математической операцией пересечения (конъюнкцией) целей G и ограничений C [1], которая вводится в этой теории как
D = G Г\ C
и вычисляется
mD = mo Л me = min (mo,mc).
Иными словами, для каждого варианта номенклатурного плана сравниваются отвечающие ему значения функций принадлежности mGi, mG2, mCi, mC2 и минимальное из них принимается за оценку функцию принадлежности mD данного плана всем целям и ограничениям. Для этого по каждому варианту номенклатурного плана (по столбцам таблицы) находят
наименьшую величину и вместе с номером варианта номенклатурного плана парами записывают в виде множества:
D={(1; 0,1), (2; 0,5 ), (3; 0,7 ), (4; 0,8), (5; 0,6), (6; 0,4 ), (7; 0,2)}.
Максимальное значение функции принадлежности mD в этом наборе укажет на наиболее предпочтительный вариант номенклатурного плана. В данном примере наибольшее значение функции принадлежности mD = 0,8 видим в паре (4; 0,8), что соответствует варианту плана номер 4. Это говорит о том, что такой вариант плана в максимально возможной степени 0,8 удовлетворяет как намеченным целям mGj, mG2, так и наложенным ограничениям me i, mC2. Ответ: наиболее предпочтительным является вариант номенклатурного плана с номером 4.
Пример решения этой задачи дает основание для вывода о том, что применение метода теории нечетких множеств позволяет обрабатывать как числовую, так и нечисловую информацию, в синтезе которых образуется эвристическое решение, отличающееся более высокойконструктивностьюиэффективностью в неопределенной ситуации.
Как видим, развитие современных методов поиска решений в динамичной среде с трансформационными и инновационными факторами поддерживается продвижением возможностейматематическогомоделирования и рациональным сочетанием формализованных и неформализованных методов нахождения управленческих решений.
Приведенный обзор методов и инструментов разработки управленческих решений в сфере услуг обнаруживает богатую гамму способов и моделей их поиска, ориентированных на применение в условиях различной полноты информации о факторах среды. В частности, в «прозрачной» ситуации с достаточным объемом сведений о ней оправдано привлечение детерминированных методов и моделей, если
97
СФЕРА УСЛУГ
погрешность расчета намеченных показателей по результатам выполнения принятых решений окажется допустимой.
При нарастающем влиянии случайных факторов и накоплении обильного статистического материала резонно использование вероятностных методов и моделей, позволяющих ослабить «налет таинственности» над возможными последствиями реализации управленческого решения. В обстановке крайней неопределенности в отношении перспектив развития ситуации при выполнении того или иного решения целесообразно применение
специальных методов разработки решений в условиях неопределенности (методов теории статистических решений, теории игр, минимакса, эвристических методов, метода «дерева целей», нечетких множеств и др.), предлагающих выбор наиболее выгодного управленческого решения. Благодаря компетентному использованию формализованных методов и моделей удается в значительной мере объективизировать процесс поиска решений и придать ему логичность и обоснованность, а самим решениям — аргументированность и эффективность.
Литература
1. Беллман Р. Принятие решений в расплывчатых условиях / Р. Беллман, Л. Заде // Вопросы анализа и процедуры принятия решений: пер. с англ. М.: Мир, 1976. С. 173—215.
2. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений / Л.А. Заде // Математика сегодня : Сб. статей. М.: Знание, 1974. С. 5—49.
3. Системный анализ и принятие решений: словарь-справочник: Учебное пособие для вузов. Под общ. ред.
B. Н. Волковой, В.Н. Козлова. М.: Высш. шк., 2004. 616 с.
4. Сфера услуг: менеджмент: Учебное пособие / О.Н. Баева, Л.А. Казарина, Т.А. Кондрацкая, Т.А. Туренко,
C. В. Чупров и др.; Под ред. Т.Д. Бурменко. М.: КНОРУС, 2008. 416 с.
5. Хаксевер К. Управление и организация в сфере услуг: Пер. с англ. / К. Хаксевер, Б. Рендер, Р. Рассел, Р. Мердик. 2-е изд. СПб.: Питер, 2002. 751 с.
УДК 378.1
ВЗАИМОДЕЙСТВИЕ ГОЛОВНОГО ВУЗА С ФИЛИАЛАМИ:
ОРГАНИЗАЦИЯ ЭФФЕКТИВНОГО ИНФОРМАЦИОННОГО ОБМЕНА
Силаева Анна Александровна, кандидат экономических наук, доцент, Silaeva-aa@bk.ru, ФГОУВПО «Российский государственный университет туризма и сервиса», г. Москва
The research examines the use of modern telecommunications for the interaction of university head office with its affiliates and reviews a case study in management of the information flow (the Russian State Universityfor Tourism and Service). The author shows the needfor greater use of modern technologies in information exchange via the Internet to improve the quality of education and guarantee the excellence within the integrated educational framework of the university head office and its affiliates.
В статье рассматривается деятельность вуза, использующего средства телекоммуникаций при взаимодействии головного вуза и его филиалов, а также отражается опыт ФГОУВПО “РГУТиС”в организации информационного обмена с филиалами. Обосновывается необходимость широкого использования современных технологий информационного обмена, способствующего повышению качества образования и обеспечению гарантий качества образования в рамках единого образовательного пространства головного вуза и его филиалов.
98 научный журнал ВЕСТНИК АССОЦИАЦИИ ВУЗОВ ТУРИЗМА И СЕРВИСА 2010 / № 2
