CC BY
30Применение безлюдных технологий принятия решений для оптимизации нагрузки на управленческие кадры
со см о см
о ш т
X
<
т О X X
Афанасьев Михаил Анатольевич
к.э.н., доц., доцент базовой кафедры цифровой экономики ФГБОУ ВО «РЭУ им. Г.В. Плеханова», [email protected]
Статья рассматривает проблему интенсификации производительности труда ЛПР в условиях увеличения количества и уровня сложности управленческих решений через призму развития СППР. Обобщены данные о факторах и тенденциях комплексной автоматизации бизнес-процессов, сделан вывод о том, что человек становится ограничивающим фактором для дальнейшего увеличения скорости принятия решений. В статье предложен новый подход к повышению эффективности работы ЛПР - создание СППР нового типа, распределяющей нагрузку по выполнению задач различного уровня срочности и важности между ЛПР и безлюдными технологиями принятия решений. В статье использован метод ретроспективного анализа при поиске закономерностей развития предметной области исследования, метод визуального моделирования, фиксирующий граничные условия принятия решений по критериям срочности, важности, точности, и теория алгоритмов для демонстрации возможностей безлюдных технологий принятия решений.
Ключевые слова: Безлюдные технологии принятия решений, скорость принятия решений, эффективность использования трудовых ресурсов, матрица Эйзенхауэра, коэффициенты обработки информации, затраты на принятие решений.
Введение
Согласно теории кинематического общества, процессы, происходящие как в обществе в целом, так и в каждом отдельно взятом хозяйствующем субъекте, подвержены ускорению. Идея сжатия исторического времени, ускорения его темпа [1] созвучна, так называемому, «критическому переходу», под которым понимают радикальную трансформацию мира под воздействием современных технологий, телекоммуникационных и компьютерных систем, которые радикально преобразуют восприятие мира, всю среду человеческого бытия и её экологию, социальные и политические отношения [2].
Одним из следствий радикальной трансформации мира является ускорение экономических процессов а, следовательно, и увеличение количества и уровня сложности управленческих решений, которые необходимо принимать в единицу времени. И это не просто фактор организации труда, а комплексная проблема, которая требует внимания. Учитывая тот факт, что для принятия оптимального решения лицу, принимающему решение, (далее - ЛПР) требуется обрабатывать все больший объем поступающих информации, проблема приобретает угрожающий характер.
Если воспринимать управленческое решение как результат труда, то оказывать влияние на факторы трудовой деятельности можно посредством экстенсивного или интенсивного подхода [3]. Однако следует учитывать ограничивающее условие - говоря далее об управленческом решении и ЛПР, сфокусируемся не на индивидууме и его «потоке сознания», как у П. Вирильо [2], а на аспекте организации коллективного труда, который рассматриваем в контексте основ управления сложными системами [4]. Соответственно, в этом ключе экстенсивный подход к улучшению результата труда подразумевает увеличение численного количества ЛПР, а интенсивный подход - повышение производительности их работы.
Выходя за рамки общественных отношений, описанных К. Марксом [3] и принимая во внимание современную структуру факторов производства и организации труда, руководители получают возможность составлять различные комбинации в стремлении улучшить результат труда. При этом, в независимости от выбранного подхода, они используют предложенные К. Марксом параметры: «количество труда, затрачиваемое в течение оговоренного времени», «длительность рабочего дня» и «количество продукта, которое может дать одно и то же количество труда в течение данного времени в разных по технологии условиях производства».
Казалось бы, что сложного - найти оптимальную комбинацию, которая позволит максимально реализовать потенциал ЛПР. Например, использовать подход, предложенный Л. В. Канторовичем к оптимальному распределению задач между производственными ресурсами [5]. Однако решения, способные в автоматическом режиме обеспечить максимальную производительность и наиболее полное использование механизмов, в комбинации с человеческим фактором неизменно приводят к модельным погрешностям. Универсального решения для полноценной реализации потенциала ЛПР, претендую-
щего на стандарт, не существует. Множественность положительных практик, которые всегда сопровождаются описанием граничных условий их применения, только подтверждает этот тезис. Управленцы зачастую действуют интуитивно, стремясь, если и не «оседлать волну» радикальной трансформации мира, то хотя бы адаптироваться под нарастающие изменения, оперируя при этом инструментами управления изменениями, мотивации труда, автоматизации и роботизации труда. Им также необходимо учитывать ограниченность физической природы человека, его когнитивных способностей, которые, в свою очередь, ограничивают рост производительности труда ЛПР. Закономерностью развития аспекта организации коллективного труда стало распространение и развитие систем поддержки принятия решений (далее - СППР), обеспечивших для ЛПР возможность быстрого доступа к поступающим и подготовленным данным.
В настоящее время в экономике наблюдается превалирование экстенсивного подхода для решения обозначенной проблемы интенсификации производительности труда ЛПР в условиях увеличения количества и уровня сложности управленческих решений. Это подтверждается, например, статистическими данными роста количества работников государственных органов и органов местного самоуправления. Из статистических данных [6] можно сделать вывод о том, что в период с 2001 по 2021 год в системе государственного и муниципального управления произошло увеличение численности ЛПР и обслуживающего персонала с коэффициентом 1,994 (1140,6 тыс. чел в 2001 году; 2273,817 тыс. чел. В 2021 году). Еще более тревожной выглядит статистика соотношения численности работников государственных органов и органов местного самоуправления на 1000 человек занятых в экономике: в 2001 году соотношение составило 17,6; в 2021 году - уже 32,1 [7]. Диспропорции отмечены и в соотношении количества работников, занятых в различных отраслях народного хозяйства, когда значительная доля роста заработной платы достигается за счет снижения социальных выплат работникам [8]. Все эти наблюдения демонстрируют ущербность применения экстенсивного подхода в чистом виде к решению такого аспекта проблемы интенсификации производительности труда, как увеличение количества и уровня сложности управленческих решений. Также следует сделать вывод о том, что современное поколение средств автоматизации труда и СППР не может решить указанную проблему, хотя и позволяет ЛПР адаптироваться к условиям «критического перехода».
Альтернативой является превалирование интенсивного подхода, который состоит в увеличении производительности труда каждого ЛПР. При этом следует акцентировать внимание не на способах интенсификации производительности труда ЛПР за счет информационных технологий, а на замещении труда ЛПР для части процессов и подпроцессов инструментами безлюдных технологий принятия решений. Под безлюдными технологиями принятия решений (далее - БТПР) предлагается понимать совокупность алгоритмических приемов, математических и компьютерных моделей и инструментов, позволяющих осуществить выбор эффективного варианта решения вопроса из возможных альтернатив. Внедрение в СППР подсистемы принятия решений безлюдными технологиями (далее подсистема ПРБТ) формирует новый тип таких систем, поскольку подсистема работает не только как технологическая база передачи и обработки поступающих к ЛПР данных, но и снижает нагрузку на ЛПР, принимая в автоматическом режиме решения по ряду переданных на БТПР задач.
Говоря о проблеме интенсификации производительности труда в контексте увеличения количества и уровня сложности управленческих решений, обозначим в качестве ее перспек-
тивного решения внедрение БТПР. При этом за человеком сохраняется функция контроля процесса и результатов принятия управленческих решений, поскольку непосредственно человек задает алгоритм работы СППР, а также имеет возможность контролировать его работу и вносить изменения. Алгоритм реализуется в автоматическом режиме, определяя, какие процессы и подпроцессы будут переданы ЛПР, а какие реализованы при помощи БТПР. Таким образом, необходимо определить каким алгоритмом могут быть описаны пропорции человеческого и автоматического машинного труда, обеспечивающие оптимальный результат с позиции интенсификации производительности труда ЛПР.
Комплекс данных, наблюдений, результатов научных исследований проблемы интенсификации производительности труда ЛПР в условиях увеличения количества и уровня сложности управленческих решений выступает предметной областью для темы статьи. Целью исследования является определение и обоснование в пространстве возможных вариантов решения, которое позволит увеличить скорость принятия решений ЛПР, компенсируя внедрением СППР нового типа свойственные ему ограничения физиологических возможностей и когнитивных способностей. Гипотеза исследования выражается положением о том, что увеличение скорости принятия решений возможно при оптимизации нагрузки на ЛПР за счет передачи задач, соответствующих определенным критериям, на решение БТПР. Для достижения цели и проверки гипотезы необходимо решить ряд задач:
• выявить факторы, влияющие на скорость принятия решений, на современном этапе развития науки и техники;
• осуществить анализ выявленных факторов и выявить те, которые имеют значение для скорости принятия решения;
• определить подход к работе алгоритма по распределению задач между ЛПР и БТПР;
• построить алгоритм функционирования СППР с подсистемой ПРБТ.
Методологическую основу исследования составили метод индукции, ретроспективного анализа, инструменты когнитивного и визуального моделирования, теория алгоритмов.
Постановка и методы решения задач исследования
В общем виде процесс принятия ЛПР управленческого решения при поддержке средств автоматизации может быть представлен как алгоритмизированная последовательность подпроцессов (рисунок 1). Необходимо отметить, что большинство принимаемых решений независимо от инструментария, используемого при принятии решения, проходит все перечисленные подпроцессы.
Представление ^
информации в \ информации лицом '
"доступном / принимающим
виде" ЛПР / решение П
Рис.1. Процесс принятия управленческих решений
При этом первые три подпроцесса задействуют общую технологическую базу, представленную в виде систем передачи и обработки данных, характеризуемых скоростью передачи данных, вычислительной мощностью и объемом хранения данных. Единицами измерения данных величин являются соответственно - б/сек (скорость передачи данных), флопс (вычислительная мощность), зеттабайт (объем хранения данных). Изменения технологической базы приводят к изменениям времени, затрачиваемого на выполнение первых трех подпроцессов в общем процессе принятия управленческих решений. В частности, скорость передачи данных за период с 1985 по 2022 годы выросла в 160000 раз (от 10 Мб/с до 1,6 Тб/с) [9, 10].
X X
о
го А с.
X
го т
о
м о
м «
fO CS
о
CS
о ш m
X
3
<
m О X X
Исходя из приведенных данных динамики показателя, характеризующего технологическую базу процесса принятия управленческого решения, можно сделать вывод о снижении затрат времени на выполнение первых трех подпроцессов на сравнимые величины. Очевидно, что и транзакционные издержки на передачу и обработку информации в настоящее время снизились, как в натуральных показателях, так и относительно остальных подпроцессов процесса принятия решений (рисунок 1). Это смещает фокус внимания на подпроцессы, выполняемые людьми. Руководствуясь данной логикой, приходим к выводу, что человека следует рассматривать как сдерживающий фактор дальнейшего роста скорости принятия управленческих решений.
Возникает вопрос, что сегодня может предложить СППР, чтобы нивелировать влияние данного фактора. В качестве СППР далее предлагаем рассматривать интерактивные автоматизированные системы, помогающие ЛПР использовать данные и модели для решения слабоструктурированных проблем [11]. По мнению Агеевой [12], в современных СППР посредством сочетания человеческого мышления с новейшими разработками в области методологии, моделирования и информационно-вычислительной техники достигаются оптимизация и совершенствование процесса интеллектуальной обработки информации, проведения комплексного анализа разнородных данных и своевременного принятия эффективного в конкретной ситуации решения.
Далее в соответствии с последовательностью подпроцессов процесса принятия управленческих решений (рисунок 1) изложено обобщенное представление о типах и функциональном назначении СППР, применяемых для автоматизации работы ЛПР.
Создаваемые и эксплуатируемые СППР, прежде всего, реализуют функционал ускорения и упрощения процессов сбора и первичной обработки информации, как структурированной, так и слабоструктурированной, необходимой для выработки возможных вариантов решений. Это соответствует подпроцессу сбора и первоначального анализа необходимой информации в общем процессе принятия управленческих решений (рисунок 1).
Реализация данного подпроцесса обеспечивается инструментами информационного поиска, который осуществляется путем поиска, обработки и выведения информации, удовлетворяющей заранее определенным признакам и потребностям. К системам, использующим метод автоматизированного информационного поиска и навигации в определенной области знаний, относятся такие продукты, как «Гарант», «Консуль-тантПлюс», «Кодекс», а также системы оптического распознавания текстов, например, «ABBYY Fine Reader» [13].
Первичная обработка информации проводится инструментами интеллектуального анализа данных (data mining). Его суть заключается в обработке большого объема неструктурированной информации с последующим выявлением полезных с практической точки зрения знаний, новых закономерностей, шаблонов, тенденций. На их основе ЛПР может принимать более точные решения, поскольку первичная обработка информации убирает «шум» в данных. Data mining применяется для обширного спектра задач, в том числе, для анализа уровня рисков и выявления опасного или недобросовестного (преступного) поведения. Одним из примеров использования данного инструмента является сегментирование клиентской базы информационной системой компании «Билайн» [14].
Другим комплексным инструментом сбора и первоначального анализа необходимой информации является поиск знаний в базе данных (Knowledge Discovery in Databases, KDD). Многоэтапный итеративный инструмент обнаружения новых и потенциально полезных шаблонов в записях баз данных дает
возможность ЛПР на любом этапе реализации этого инструмента принимать решения в зависимости от уровня релевантности результатов поиска. KDD включает в себя адаптацию полученной модели к исходным данным, поиск и нахождение в них неочевидных зависимостей и структур. Получившиеся шаблоны, тем не менее, нуждаются в интерпретации ЛПР перед использованием для принятия решений. Например, информационная система Deductor, основанная на KDD, может решать различные бизнес-задачи, в том числе, прогноз спроса, проведение оценки эффективности работы подразделений, сегментация клиентской базы и др. [15].
Больше всего возможностей для реализации подпроцесса сбора и первоначального анализа необходимой информации предоставляют инструменты многомерного анализа данных (On-Line Analytical Processing OLAP). Среди таких возможностей: интуитивное манипулирование данными, их многомерное представление на принципах доступности и прозрачности, поддержка параллельной работы нескольких ЛПР в архитектуре «клиент-сервер», обработка или исключение пробелов в данных с подключением к библиотекам данных. Представив структуру данных с помощью OLAP-куба и проведя подготовку данных, ЛПР получает возможность доступа к поиску любых точек пересечения и фильтрации данных, фрагментирован-ных в кубе. Инструмент представлен в числе функциональных подсистем во многих продуктах, в частности, в Microsoft SQL Server, Oracle, Datadase, Mondria, SAP BW, Essbase и др. [16].
Реализация подпроцесса выработки и оценки вариантов решений (альтернатив) осуществляется современными СППР на основе ряда инструментов, в основе которых лежит предик-тивная аналитика и обученные модели данных.
Например, принятие решений на основе прецедентов (case-based reasoning, CBR) позволяет ЛПР найти базовый концепт решения или адаптировать решения, принятые для известных задач, под новые задачи путем использования накопленного ранее опыта. Данный инструмент широко используют при мониторинге, обучении персонала и отработке его навыков. Многие информационные системы реализованы с использованием механизма рассуждений на основе прецедентов. К ним относятся: ReMind, CBR Express, Apriori, ReCall [17].
Все большее распространение и признание получают инструменты поддержки принятия решений, которые агрегируют в себе функционал, позволяющий выполнять не один, а несколько подпроцессов общего процесса принятия управленческих решений. Представленные далее инструменты позволяют ЛПР переходить сразу к выполнению подпроцесса переработки информации, которая ему поступает в подготовленном виде.
Такой инструмент, как имитационное моделирование, объединяет в себе целый класс инструментов, которые основаны на обученных моделях и в режиме «черного ящика» реализуют первые три подпроцесса общего процесса принятия управленческого решения. В результате на выходе ЛПР получает построенную (с учетом настраиваемых показателей точности) модель на основе исследуемой системы, что дает ему возможность проводить эксперименты с данными для получения информации об изучаемом объекте. Применение имитационного моделирования позволяет применять различные сценарии «что, если», анализировать модели, динамически отслеживать изменения в системе на определенном уровне детализации, оценивать риски принятого решения. Примером программы, реализованной на основе инструмента имитационного моделирования, является Anylogic. Основанная на концепции интеллектуального агента Anylogic позволяет моделировать и анализировать сложные модели поставок продукции на склад, перемещение самолетов по аэродромам [18].
Симбионтом имитационного моделирования является инструмент визуального моделирования (Visual Modeling System). Результаты работы по трем подпроцессам общего процесса принятия управленческих решений формализуются в виде визуальной модели, реализованной в двумерном (2D), квазиобъемном (2,5D) или трехмерном (3D) виде. Практическое применение визуального моделирования состоит в создании подготовленного массива данных для прогнозирования, оперативного анализа и принятия решений. К программным решениям, предоставляющим функции визуального моделирования, относятся, в частности, продукты компании TreeAge (Healthcare, Business/Law) [19].
Использование инструментов для выполнения первых трех подпроцессов общего процесса принятия решений (рисунок 1) дает возможность ЛПР сфокусироваться на выборе варианта решения на основе валидной информации. Вместе с тем, одной из последних тенденций применения технологий искусственного интеллекта является их использование в подпроцессе выбора оптимального решения. Безусловно, тенденция продолжит развиваться, но ее стремительного распространения стоит ожидать не ранее, чем получат достаточное развитие решения, объясняющие результаты алгоритмов искусственного интеллекта.
К такого рода перспективным, с точки зрения выбора оптимального решения, инструментам относятся, в частности, нейросетевые модели. Эти математические модели, построенные на принципах организации и функционирования нейронных сетей человеческого мозга и способные самообучаться, выявляют сложные зависимости между данными и способны выдавать верный результат, даже при искаженных данных. Инструмент нашел свое применение в задачах прогнозирования, распознания образов, классификации данных, кластеризации, оптимизации и анализе данных для принятия решений в условиях неопределенности. Примером использования нейросетевых моделей служит программа Knowledge Seeker, которая позволяет классифицировать клиентов по доле вероятности задержки выплат по кредиту [20].
Поддержку подпроцесса выбора оптимального решения осуществляет также программные решения, в основу которых положен инструмент когнитивного моделирования. Данные инструмент способен определить наиболее эффективное управленческое и экономическое решение, опираясь на факторный анализ и оценку качественных и количественных взвешенных показателей. Получили признание на рынке такие программные комплексы, как «КИТ», «Компас», «Ситуация», разработанные Институтом проблем управления РАН. Они предоставляют варианты решения возникшей проблемы на основе комплексной характеристики ситуации и влияющих на нее факторов. Также примером успешной разработки является информационная система CMSS, способная провести исследование когнитивной модели и представить пользователю информацию с описанием объектов и взаимоотношений между ними [20].
За счет применения перечисленных инструментов ЛПР избавляется, прежде всего, от необходимости осуществлять длительный и трудозатратный процесс поиска первичной информации, а также получает поддержку в выработке возможных альтернатив. Обобщенная характеристика инструментов поддержки принятия управленческих решений показала, что в большей степени они ориентированы на подпроцессы по сбору, обработке и подготовке данных для ЛПР.
Результаты исследования
Ретроспективный анализ временных затрат на реализацию подпроцессов, приведенных на рисунке 1, в общем процессе принятия управленческого решения показал, что увели-
чилась скорость каждого из подпроцессов, выполняемых с использованием инструментов технологической базы. И есть основания полагать, что предельные значения скорости выполнения задач для этих подпроцессов не достигнуты. В то же время, скорость выполнения подпроцесса переработки информации ЛПР не получила серьезного прироста за анализируемый период. Таким образом, обоснован вывод о том, что ЛПР остается ограничивающим фактором для дальнейшего увеличения скорости выполнения процесса принятия управленческих решений.
Возможности ЛПР ограничены в силу физической природы и когнитивных способностей человека. Этими же факторами обусловлена особенность работы ЛПР - увеличение средней скорости решения задач при повторяющейся и (или) алгоритмизированной активности. Такие задачи и связанную с ними активность ЛПР принято называть рутинными. Изучением вопросов, связанных с рутиной в экономике, занимался Герберт Сайман, нобелевский лауреат и один из создателей современной теории управленческих решений. Под экономической рутиной он предлагал понимать набор устоявшихся алгоритмов функционирования предприятий, которые несут в себе память о ряде решений, принятых ранее для достижения поставленных целей [21]. Процессы, реализованные как рутинные по Саймону, как правило, приводят к положительным результатам, но при этом, в связи с отказом от использования всего потенциала когнитивных способностей человека в целях поиска оптимального решения, исходя из актуальных условий, полученные результаты далеко не всегда являются оптимальными. В производственном менеджменте рутина - это решения, принимаемые в соответствии с разработанным ранее протоколом функционирования [22].
Изрядная доля задач, которые предлагаются к выполнению ЛПР, являются регламентированными и, соответственно, могут быть, в массе своей, отнесены к рутинным. Решения по ним принимаются в соответствии с формализованными алгоритмами. Также, значительная доля задач, выполняемых ЛПР, как и отмечалось ранее, являются повторяющимися и, при сопоставимых данных, по ним принимаются аналогичные решения.
Формализованные алгоритмы принятия решений зачастую содержат в себе не только критерии, фиксирующие результат работы ЛПР, но параметры, в соответствии с которыми ЛПР реализует процесс принятия решения. Одним из таких параметров является время, отведенное ЛПР для принятия решения. Большинство эксплуатируемых СППР оснащены функционалом контроля активности ЛПР по сроку принятия решения, однако, тип активности в СППР не дифференцируется в зависимости от характера выполняемых задач. Проиллюстрируем различия в характере выполняемых задач, используя такой инструмент, как матрица Эйзенхауэра (рисунок 2), акцентируя внимание на том, что алгоритмы СППР классифицируют задачи ЛПР по той же системе [23].
Важные и Срочные Важные и Несрочные
задачи задачи
Неважные и Срочные Неважные и Несрочные
задачи задачи
Рис. 2. Матрица Эйзенхауэра
Все поступающие на решение ЛПР задачи первоначально могут быть отнесены к одному из четырех квадрантов. Однако с течением времени и вследствие изменений во внешней среде задачи, поставленные перед ЛПР, подвержены смещению из одного квадранта в другой.
X X
о
го А с.
X
го m
о
ю
2 О
м
CJ
м см о см
о ш т
X
3
<
т О X X
Рассмотрим, каким образом перемещается задача по квадрантам матрицы Эйзенхауэра при использовании СППР. Для того, чтобы избежать необходимости учесть уровень мотивации ЛПР и его квалификацию, предположим, что его стремление и способности выполнить задачу достаточны для принятия решения, как целевого действия.
Представим, что впервые предложенная к решению ЛПР у) задача, обозначенная как хь в момент времени ^ отнесена к несрочным и неважным. СППР, в соответствии с заложенным алгоритмом, направляет задачу ЛПР у^ Задача хр является одной из множества задач {хр,..,х„}еХ(у), предложенных к решению ЛПР у^ В отношении множества задач устанавливается срок принятия решения ^(хр) по задаче ^ в соответствии с нормативами, применяемыми в конкретных хозяйствующих субъектах и формализованными в эксплуатируемых СППР. Причем для каждого конкретного ЛПР yj формируется массив временных точек принятия решений: 0:с(х['), ...Дс(х^)} е Т(хр), где Т(хр) одновременно является множеством временных точек, в которых СППР производит контроль соблюдения срока принятия решений ЛПР у^
С течением времени задача проходит несколько стадий, которые могут быть охарактеризованы величиной временного отрезка от текущего момента t до ^(хр), обозначенного :ост(х['): :ост(хр) = :с(хр)-: ' ' (1)
Очевидно, что для принятия решения по задаче ^ ЛПР у), необходимо изучить предоставленную информацию, при необходимости сформулировать возможные альтернативы, осуществить выбор из возможных альтернатив. Выполнение этих действий влечет временные затраты, которые обозначим через т(хр), тогда можем сформулировать условия расположения задачи хр в конкретном квадранте матрицы:
:ост(х[!)> т(х[!) (2)
:ост(хГ)^<х[!) (3)
:ост(хр)< <х[!) (4)
Пока является истинным неравенство (2), задача хр отнесена к неважным и несрочным. При приближении значений :ост(х[') к т(х[!) выполняется условие (3), и задача хр переходит в квадрант «Неважные и Срочные задачи». В случае недостатка времени для принятия решения, что соответствует неравенству (4), возникает необходимость интенсификации работ для принятия решения в срок, например, путем привлечения дополнительных ресурсов. Это возможно при переходе задачи хр в квадрант «Важные и Срочные задачи». Таким образом, получаем маршрут перемещения задач по матрице Эйзенхауэра «Неважные и Несрочные задачи» - «Неважные и Срочные задачи» - «Важные и Срочные задачи» (рисунок 3).
Важные и Срочные задачи
Неважные и Срочные задачи
Важные и Несрочные задачи
Неважные и Несрочные задачи
Рис. 3. Матрица Эйзенхауэра с учетом временных показателей
Полученный маршрут демонстрирует, что при использовании функционала СППР, контролирующего своевременность принятия решений по задачам, поставленным перед ЛПР, возникает эффект превалирования срочных задач над важными. В результате высококвалифицированные специалисты вынуждены отвле-
каться на принятие решений по срочным задачам в ущерб важным, следствием чего является неэффективное использование высокооплачиваемых трудовых ресурсов. При этом текущий функционал эксплуатируемых СППР может быть использован только для фиксации указанной проблемы и мониторинга последствий ее проявления, таких как снижение производительности, профессиональное выгорание, текучка кадров и др.
Интерпретация результатов
Перспективным направлением совершенствования СППР является применение новых инструментов технологической основы процесса принятия управленческих решений, которые могли бы снизить нагрузку на ЛПР, связанную со срочными задачами и позволить сконцентрировать внимание на выполнении важных задач. Таким инструментом являются безлюдные технологии принятия решений, которые, будучи интегрированы в СППР в составе подсистемы принятия решений безлюдными технологиями (далее - подсистема ПРБТ), формируют СППР нового типа.
Таким образом, предлагается реализация СППР нового типа, структура которой включает подсистему принятия решений безлюдными технологиями (рисунок 4), для решения задачи по снижению нагрузки на ЛПР. Новизна предлагаемого решения заключается в том, что функционал СППР обеспечивает передачу безлюдным технологиям принятия решения тех задач, которые маркированы как несрочные и неважные, в момент перевода их в квадрант матрицы Эйзенхауэра «Неважные и Срочные» и предотвращает перевод таких задач в квадрант «Важные и Срочные».
Алгоритм функционирования СППР с подсистемой ПРБТ представлен на рисунке 4, где:
Модуль 1 содержит подсистемы СППР, отвечающие за сбор и первичную обработку необходимой информации, а также выработку и оценку вариантов решений (альтернатив) по поставленному перед ЛПР у) вопросу
Модуль 2 отвечает за определение возможности передачи вопросов на решение безлюдной технологии
принятия решений (БТПР). Такая возможность определяется на основе функционала от коэффициентов срочности важности и точности ККС,КВ,КТ).
Модуль 3 демонстрирует процесс принятия решения ЛПР-ом, и включает в себя «модуль предоставления информации в «доступном виде» ЛПР-у», и модулей, отображающих стадии принятия решения ЛПР-ом у), которые коррелируются с процессом принятия решений представленном на рисунке 1.
Модуль 4 демонстрирует принятия решений БТПР, в перечень которых, в том числе, входят упомянутые ранее нейронные сети и когнитивное моделирование;
Модуль 5 демонстрирует функционал сбора статистических данных о принятых решениях и расчета корреляции между решениями принятыми ЛПР-ми и решениями принятыми БТПР.
Модуль 6 демонстрирует процесс обучения БТПР, производимый на основании данных, предоставляемых модулем 5.
Процесс функционирования СППР с подсистемой ПРБТ, содержащей предлагаемые модули, предполагается следующим образом:
Задача хг, сформулированная при помощи информационных систем либо непосредственно человеком, поступает в модуль 1, где, с использованием соответствующих подсистем СППР, происходит сбор всей доступной информации, относящейся к задаче дтг, ее первоначальная обработка, в ряде случаев выработка и оценка вариантов решений (альтернатив). После чего задача дтг и собранная информация передается в модуль 2, где, исходя из функционала ККС,КВ,КТ), принимается решение о возможности передачи задачи БТПР для принятия решения.
—Линия принятия решений
- ->- Линия действий, выполняющихся параллельно с Принятием решения ЛПР-ом =|> Линия принятия решений с применением существующих СППР
—Decision-making line
- ->- The line of actions performed in parallel with the decision-making of the DM =|> Decision-making line using existing DSS
Рис. 4. Алгоритм функционирования СППР с подсистемой ПРБТ
В случае положительного исхода задача передается на решение БТПР, и с использованием инструментария, в том числе, описанного выше, принимается решение.
При отрицательном исходе задача передается ЛПР у^ для чего СППР с подсистемой ПРБТ должна представить информацию в удобном для ЛПР-а виде. За этот процесс отвечает модуль предоставления информации «в доступном виде» ЛПР-у. После получения ЛПР-ом у) задачи и сопутствующей информации, назначается ^(хр) - срок принятия решения ЛПР У]. Задача х[' после передачи ее к ЛПР включается во множество задач Х^), переданных для принятия решения ЛПР у. ЛПР у изучает информацию по задаче х1, при необходимости формирует дополнительные альтернативы и осуществляет принятие решения путем выбора оптимальной на его взгляд альтернативы.
В целях обучения инструментов БТПР задача дтг, выполняемая ЛПР У|, также передается на принятие решения БТПР (модуль 4, рисунок 4). Впоследствии решения по задаче , принятые ЛПР и БТПР, сопоставляются между собой и вычисляется коэффициент точности КТ на основе накопленной статистики о принятых решениях по соответствующему типу вопросов и с учетом вновь полученных данных (модуль 5, рисунок 4), полученные данные также используются для обучения используемых БТПР (модуль 6, рисунок 4).
Заключение
Результаты проведенного исследования формализованы в представленном алгоритме функционирования СППР нового типа, которая оптимизирует нагрузку на ЛПР в процессе принятия управленческих решений, реализуя потенциал безлюдных технологий принятия решений. Это позволит расширить
X X
о
го А с.
X
го m
о
м о
M
со
fO
es о es
о ш m
X
<
m О X X
диапазон возможностей ранжирования, планирования и распределения задач для ЛПР, смещая фокус его производительности на категорию «Важных и Срочных задач». Потребность во внедрении подсистемы ПРБТ в архитектуру эксплуатируемых СППР заключается в росте негативных тенденций развития факторов, влияющих на скорость принятия решений, на современном этапе развития науки и техники. При всей динамике развития технологической основы, ускоряющей процесс принятия управленческого решения, исследование позволяет сделать вывод о том, что человек остается фактором, ограничивающим ускорение. Это формирует запрос к развитию технологической основы принятия решений, ответ на который представляется как разработка подхода к внедрению БТПР и перераспределению задач между БТПР и лПр. Алгоритм, представленный в данном исследовании, востребован как инструмент организационного планирования. Его полезность следует рассматривать не только в плоскости интегративного развития СППР, но в плоскости средств повышения производительности ЛПР для настройки задач с помощью коэффициентов срочности важности и точности.
Литература
1. Ананьев, Б. Г. Человек как предмет познания. - СПб.: Питер. - 2001. - 288 с.
2. Вирильо, П. Машина зрения. - СПб.: Наука. - 2004. -144 с.
3. Маркс, К. Капитал Критика политической экономии том 1 книга 1: процесс производства капитала. Ленинград. - государственное издательство политической литературы. - 1952. - 797 с.
4. Марусева, И. В. Управление сложными системами: (введение в основы автоматики и информатики) / И. В. Марусева, Ю. П. Петров; под общ. ред. И. В. Марусевой. - Москва; Берлин: Директ-Медиа. - 2019. - 180 с.
5. Канторович, Л. В. Математические методы организации и планирования производства / Л. В. Канторович. - Ленинград: Ленинградский государственный университет. - 1939. -68 с.
6. Численность работников государственных органов и органов местного самоуправления по ветвям власти и уровням управления // Федеральная служба государственной статистики URL: https://rosstat.gov.ru/folder/11191 (дата обращения: 18.06.2023).
7. Численность работников государственных органов и органов местного самоуправления на 1000 человек занятых в экономике // Федеральная служба государственной статистики URL: https://rosstat.gov.ru/folder/11191 (дата обращения: 18.06.2023).
8. Жуков, А. Л. Пути оптимизации соотношения темпов роста производительности труда и заработной платы // Социально-трудовые исследования. - 2020. - 39(2). - С. 8-17. DOI: 10.34022/2658-3712-2020-39-2-8-17.
9. Supplement to 802.3 - Repeater Unit for 10 Mb/s Baseband Networks // IEEE 802.3 ETHERNET WORKING GROUP URL: https://standards.ieee.org/ieee/802.3c/1063/ (дата обращения: 10.07.2023).
10. Standard for Ethernet Amendment: Media Access Control Parameters for 1.6 Tb/s and Physical Layers and Management Parameters for 200 Gb/s, 400 Gb/s, 800 Gb/s, and 1.6 Tb/s Operation // IEEE 802.3 ETHERNET WORKING GROUP URL: https://standards.ieee.org/ieee/802.3dj/11115/ (дата обращения: 10.07.2023).
11. Ларичев, О. И., Петровский, А. В. Системы поддержки принятия решений. Современное состояние и перспективы их развития // Итоги науки и техники: Сер. Технич. кибернетика. М.: Изд-во ВИНИТИ. - 1987. - Т. 21. - С. 131-164.
12. Агеева, А. Ф. Обзор современных систем поддержки принятия решений, созданных при помощи агентного подхода // Электронные информационные системы. - 2018. - № 4. - С. 29-46.
13. Новичкова, Ю. Г. Информатика и информационные технологии профессиональной деятельности в форме информационно-правовых систем как информационный фундамент службы в уголовно-исполнительной системе, включаю гражданскую, деятельности Европейского суда по правам человека и реализации при их осуществлении различных норм права (уголовно-исполнительного, трудового, налогового, финансового, гражданского, семейного, международного и т.д.) / Ю. Г. Новичкова, Е. Ю. Дятлова // Право и государство: теория и практика. - 2021. - № 9(201). - С. 131-134. - DOI 10.47643/1815-1337_2021_9_131. - EDN YVKETC.
14. Мидлер, Е. А. Совместное использование цифровой инфраструктуры поставщиками мобильной связи: инвестиционные решения для малонаселенных территорий РФ / Е. А. Мидлер, И. А. Аренков, Т. Ф. Шарифьянов // Российский журнал менеджмента. - 2021. - Т. 19. - № 4. - С. 548-571. - DOI 10.21638/spbu18.2021.408. - EDN QJUEYX.
15. Morik, K. A Multistrategy Approach to Relational Knowledge Discovery in Databases / K. Morik, P. Brockhausen // Machine Learning. - 1997. - Vol. 27. - No 3. - P. 287-312. - EDN AJSJRL.
16. Сафонова, М. В. Анализ применимости размерной модели представления данных в автоматизированной системе делопроизводства и контроля МЧС России // Технологии гражданской безопасности. - 2017. - №4 (54). URL: https://cyberleninka.ru/article/n/analiz-primenimosti-razmernoy-modeli-predstavleniya-dannyh-v-avtomatizirovannoy-sisteme-deloproizvodstva-i-kontrolya-mchs-rossii (дата обращения: 26.01.2023).
17. Еремеев, А. П. Моделирование рассуждений на основе прецедентов в интеллектуальных системах поддержки принятия решений / А. П. Еремеев, П. Р. Варшавский // Искусственный интеллект и принятие решений. - 2009. - № 2. - С. 45-57.
- EDN KWTRGZ.
18. Nefedov, Y., Mamedova, N., Afanasev, M., Galahov, D. Agent concept transformation in knowledge management in the digital economy/ Proceedings of the International Conference on Intellectual Capital, Knowledge Management and Organisational Learning, ICICKM. - 2019. - pp. 424-427.
19. Шорыгин, С. М. Визуальное моделирование в информационных технологиях / С. М. Шорыгин // Перспективы науки и образования. - 2014. - № 6(12). - С. 19-25. - EDN TDXHON.
20. Чай, Н. А. Принципы построения систем поддержки принятия решений и концепция их устойчивого развития / Н. А. Чай // Мягкие измерения и вычисления. - 2020. - Т. 34. - № 9.
- С. 75-93. - EDN QOYHGJ.
21. Саймон, Г. Теория принятия решений в экономической науке и науке о поведении // Вехи экономической мысли. Теория потребительского поведения и спроса. Т. 1. Под ред. В. М. Гальперина. - СПб.: Экономическая школа. - 2000. - 380 с.
22. Колесникова, Т. Н. Рутинное и оппортунистическое поведение экономических агентов / Т. Н. Колесникова // Человеческий и производственный потенциал Российской экономики перед глобальными и локальными вызовами : материалы II Всероссийской научно-практической конференции, Саратов, 30 ноября 2018 года / Саратовский государственный технический университет имени Гагарина Ю.А. - Саратов: Общество с ограниченной ответственностью Издательство «КУБиК», 2019.
- С. 171-178. - EDN ZBEPVZ.
23. Филатов, В. В. Инновационные методы повышения личной эффективности современного руководителя / В. В. Филатов, А. В. Ошкало // Интеллект. Инновации. Инвестиции. -2016. - № 5. - С. 47-51. - EDN XEDLVH.
The use of unmanned decision-making technologies to optimize the load on
managerial personnel Afanasiev M.A.
REU them. G.V. Plekhanov
JEL classification: C01, C02, C1, C4, C5, C6, C8
The article considers the problem of intensifying the productivity of decision makers in the context of an increase in the number and level of complexity of managerial decisions through the prism of the development of DSS. Data on the factors and trends in the integrated automation of business processes are summarized, it is concluded that a person becomes a limiting factor for further increasing the speed of decision-making. The article proposes a new approach to improving the efficiency of the work of the decision maker - the creation of a new type of DSS that distributes the load for performing tasks of various levels of urgency and importance between the decision maker and unmanned decision-making technologies. The article uses the method of retrospective analysis in the search for patterns of development of the subject area of research, the method of visual modeling, which fixes the boundary conditions for decision-making according to the criteria of urgency, importance, accuracy, and the theory of algorithms to demonstrate the possibilities of unmanned decision-making technologies. Key words: Unmanned decision-making technologies, decision-making speed, labor resource utilization efficiency, Eisenhower matrix, information processing coefficients, decision-making costs. References
1. Ananiev, B. G. Man as a subject of knowledge. - St. Petersburg: Peter. - 2001. -
288 p.
2. Virilio, P. Vision machine. - St. Petersburg: Science. - 2004. - 144 p.
3. Marx, K. Capital Criticism of political economy volume 1 book 1: the process of
capital production. Leningrad. - State publishing house of political literature. -1952. - 797 p.
4. Maruseva, I. V. Management of complex systems: (introduction to the fundamentals
of automation and informatics) / I. V. Maruseva, Yu. P. Petrov; under total ed. I. V. Maruseva. - Moscow; Berlin: Direct Media. - 2019. - 180 p.
5. Kantorovich, L. V. Mathematical methods of organization and planning of production
/ L. V. Kantorovich. - Leningrad: Leningrad State University. - 1939. - 68 p.
6. The number of employees of state bodies and local governments by branches of
government and levels of government // Federal State Statistics Service URL: https://rosstat.gov.ru/folder/11191 (date of access: 06/18/2023).
7. Number of employees of state bodies and local governments per 1000 people em-
ployed in the economy // Federal State Statistics Service URL: https://rosstat.gov.ru/folder/11191 (date of access: 06/18/2023).
8. Zhukov, A. L. Ways to optimize the ratio of growth rates of labor productivity and
wages. Social and labor research. - 2020. - 39(2). - P. 8-17. DOI: 10.34022/2658-3712-2020-39-2-8-17.
9. Supplement to 802.3 - Repeater Unit for 10 Mb/s Baseband Networks // IEEE 802.3
ETHERNET WORKING GROUP URL: https://stand-ards.ieee.org/ieee/802.3c/1063/ (Accessed: 07/10/2023).
10. Standard for Ethernet Amendment: Media Access Control Parameters for 1.6 Tb/s
and Physical Layers and Management Parameters for 200 Gb/s, 400 Gb/s, 800 Gb/s, and 1.6 Tb/s Operation // IEEE 802.3 ETHERNET WORKING GROUP URL: https://standards.ieee.org/ieee/802.3dj/11115/ (accessed 07/10/2023).
11. Larichev, O. I., Petrovsky, A. V. Decision support systems. Current state and pro-
spects for their development // Results of science and technology: Ser. Techn. cybernetics. M.: Publishing house VINITI. - 1987. - T. 21. - S. 131-164.
12. Ageeva, A. F. Review of modern decision support systems created using the agent
approach // Electronic information systems. - 2018. - No. 4. - S. 29-46.
13. Novichkova, Yu. G. Informatics and information technologies of professional activ-
ity in the form of information-legal systems as an information foundation of service in the penitentiary system, including civil, activities of the European Court of Human Rights and the implementation of various norms of law in their implementation ( penitentiary, labor, tax, financial, civil, family, international, etc.) / Yu. G. Novichkova, E. Yu. Dyatlova // Law and the state: theory and practice. - 2021. -No. 9 (201). - S. 131-134. - DOI 10.47643/1815-1337_2021_9_131. - EDN YVKETC.
14. Midler, E. A., Arenkov, I. A., Sharifyanov, T. F. Sharing digital infrastructure: in-
vestment solutions for sparsely populated territories of the Russian Federation // Russian Journal of Management. - 2021. - T. 19. - No. 4. - S. 548-571. - DOI 10.21638/spbu18.2021.408. - EDN QJUEYX.
15. Morik, K. A Multistrategy Approach to Relational Knowledge Discovery in Data-
bases / K. Morik, P. Brockhausen // Machine Learning. - 1997. - Vol. 27. - No 3. - P. 287-312. - EDN AJSJRL.
16. Safonova, M. V. Analysis of the applicability of a dimensional model of data repre-
sentation in an automated system of record keeping and control of the Ministry of Emergency Situations of Russia // Civil Security Technologies. - 2017. - No. 4 (54). URL: https://cyberleninka.ru/article/n/analiz-primenimosti-razmernoy-modeli-predstavleniya-dannyh-v-avtomatizirovannoy-sisteme-deloproizvodstva-i-kontrolya-mchs-rossii (date of access: 01/26/2023).
17. Eremeev, A. P., Varshavsky P. R. Modeling reasoning based on precedents in
intelligent decision support systems / A. P. Eremeev, P. R. Varshavsky // Artificial intelligence and decision making. - 2009. - No. 2. - P. 45-57. - EDN KWTRGZ.
18. Nefedov, Y., Mamedova, N., Afanasev, M., Galahov, D. Agent concept transfor-
mation in knowledge management in the digital economy/ Proceedings of the International Conference on Intellectual Capital, Knowledge Management and Organizational Learning, ICICKM. - 2019. - pp. 424-427.
19. Shorygin, S. M. Visual modeling in information technologies / S. M. Shorygin //
Prospects of science and education. - 2014. - No. 6(12). - S. 19-25. - EDN TDXHON.
20. Chai, N. A. Principles of building decision support systems and the concept of their
sustainable development / N. A. Chai // Soft Measurements and Computing. -2020. - T. 34. - No. 9. - S. 75-93. - EDN QOYHGJ.
21. Simon, G. Decision Theory in Economics and Behavioral Science // Milestones of
Economic Thought. Theory of consumer behavior and demand. T. 1. Ed. V. M. Galperin. - St. Petersburg: School of Economics. - 2000. - 380 p.
22. Kolesnikova, T. N. Routine and opportunistic behavior of economy agents / T. N.
Kolesnikova // Human and production potential of the Russian economy in the face of global and local challenges: materials of the II All-Russian scientific and practical conference, Saratov, November 30, 2018 / Gagarin State Technical University named after Yu.A. . - Saratov: Limited Liability Company Publishing House "KUBiK", 2019. - P. 171-178. - EDN ZBEPVZ.
23. Filatov, V.V., Oshkalo, A.V. Innovative methods for improving the personal effec-
tiveness of a modern leader / V.V. Filatov, A.V. Oshkalo // Intellect. Innovation. Investments. - 2016. - No. 5. - P. 47-51. - EDN XEDLVH.
X X О го А С.
X
го m
о
м о м
CJ
