CC BY
55
В компании определены некоторые бизнес процессы.
Все модели процессов компании разработаны и ^верждень! высшим руководством компании.
Модель процессов компании была распространена во всей компании, она так же используется для определения приоритетности проектов и связана с технологиями и архитектурами данных на уровне компании.
Компания расширила модель процессов для тога чтобы соединиться с клиентами и поставщиками. Также использует модели в стратегическом развитии.
Функциональные менеджеры ответственны за исполнение, а проектные менеджеры ответственны за совершенствование проектов.
Владельцы процессов несут ответственность за персонал изи ровэнные процессы,
управленческий комитет ответственен за общий прогресс компании с процессами.
Владельцы процессов разделяют ответственность за производительность всей компании.
Процессный совет работает как главный орган управления; исполнители разделяют ответственность за производительность всей компании; в компании организованы управленческие комитеты с участием клиентов и поставщиков для управления изменениями процессов компании.
Одна или более групп отстаивают и поддерживают возможно отличающиеся техники операционного совершенствования.
Неофициальный координирующий орган обеспечивает необходимый менеджмент программе, а то время как комитет управления определяет ресурсы для проектов по переработке процессов.
Сформированный офис программного менеджмента, возглавляемый начальником процессного офиса, координирует и интегрирует все процессные проекты. Процессный совет управляет проблемами интеграции процессов. Все текнологаи и инструменты совершенствования процессов компании реализуются и управляются интегрированным способом.
Владельцы процессов работают совместно со своими коллегами в компаниях клиентов и поставщиков с целью интеграции процессов мевду компаниями.
ПРОЕКТНАЯ ОЦЕНКА КАЧЕСТВА ФУНКЦИОНИРОВАНИЯ СИСТЕМ СБОРА И ОБРАБОТКИ ИНФОРМАЦИИ ПРИ НЕБЛАГОПРИЯТНЫХ ВОЗДЕЙСТВИЯХ
Козлов А.Д., д.т.н., профессор Миронов А.Н., д.т.н., профессор Ниязов Р.А.
В статье рассматривается задача оценки качества функционирования систем сбора и обработки информации при специфических условиях, когда в наличии ограниченная информация в виде примерного перечня неблагоприятных воздействий на системы и их параметры.
Ключевые слова: качество, информация, случайный процесс, вероятность, функция принадлежности.
PROJECT EVALUATION OF QUALITY OF COLLECTING AND PROCESSING DATA
FOR ADVERSE EFFECTS
Kozlov A., Doctor of Economics, Professor Mironov A., Doctor of Economics, Professor Niyazov R.
The article deals with the problem of estimating the quality of functioning sys-tems collection and processing of information under specific conditions where there is limited information in the form of the indicative list of adverse effects on the system and their options.
Keywords: quality, information, random process, the probability function of membership.
Одной из важных задач, решаемых на этапе проектирования систем сбора и обработки информации (ССОИ), является обеспечение необходимого запаса качества функционирования при неблагоприятных воздействиях.
Под качеством системы сбора и обработки информации будем понимать свойство ССОИ, заключающееся в её способности обеспечивать связь между абонентами и доступ к удалённым информационным и вычислительным ресурсам в условиях, непредусмотренных регламентом неблагоприятных воздействий (НВ), поддерживая в допустимых пределах свои эксплуатационные показатели [1].
Расчёт проектных оценок показателей качества ССОИ должен проводиться с учётом ряда особенностей, к основным из которых относятся следующие.
1. Ограниченный объём информации о характеристиках НВ. В [1,2] считается, что заданы либо детерминированные, либо вероятностные характеристики воздействий. Однако, в действительности, как правило, отсутствуют данные о типах, составе, интенсивности, времени проявления, вероятностных характеристиках параметров НВ. Известен подчас лишь только примерный перечень неблагоприятных воздействий.
2. Отсутствие достаточного количества данных о влиянии НВ как на технические параметры элементов ССОИ и системные параметры ССОИ в целом, так и на условия их эксплуатации.
3. Необходимость комплексного учёта динамики изменения НВ, технического состояния элементов ССОИ и системных характеристик ССОИ в целом.
4. Малый объём статистических данных об отказах элементов ССОИ под влиянием НВ, высокая стабильность изменения их параметров, что в условиях ограниченного времени испытаний опытных образцов не позволяет получить в достаточной степени достоверные оценки показателей качества элементов ССОИ.
5. Ограниченные временные, материальные и организационные возможности по проведению испытаний перспективных вариантов ССОИ на этапе проектирования.
Задачу определения прогнозных значений показателей качества ССОИ предлагается решать в два этапа. На первом из них осуществляется прогнозирование показателей качества элементов ССОИ, на втором - рассчитываются ожидаемые значения показателей качества ССОИ в целом. В основу построения прогнозных моделей положен принцип комплексности, предполагающий сочетание количественных и качественных (эвристических) методов исследования закономерностей объекта прогнозирования. Качественные методы исследования основаны на привлечении дополнительной информации о характеристиках объекта прогнозирования, содержащейся в виде опыта, интуиции, суждений и субъективных предположений специалистов-экспертов по рассматриваемой проблеме.
Анализ последних публикаций свидетельствует о том, что успешное решение задач, связанных со значительной степенью неопределённости, может быть осуществлено на основе формализации и использования подобной информации для уточнения количественных моделей. При этом в целях формализации активно развивается и используется математический аппарат теории нечётких множеств [3,4], позволяющий в естественной форме наиболее ёмко отразить предпочтения эксперта.
В качестве показателя качества элементов ССОИ возьмём Рш(¿) - вероятность отказа элемента ССОИ при неблагоприятных воздействиях. При вычислении Ргт(/) воспользуемся следующими предположениями. В дальнейшем будем считать, что влияние НВ распространяется в основном на линии связи (ЛС) ССОИ, так как аппаратура узлов ССОИ, как правило, находится в стационарных защищённых сооружениях, где осуществлён специальный комплекс мер по противодействию НВ. Влияние НВ на линии связи выражается в изменении параметров ЛС, что приводит к ухудшению показателей качества ЛС. При этом изменяются, естественно, и условия функционирования самой аппаратуры узлов ССОИ, возрастают требования к её точности функционирования. Предлагается учесть влияние НВ на качество ЛС посредством соответствующего изменения границ области работоспособности аппаратуры узлов ССОИ, а при расчётах качества ССОИ в целом считать, что параметры ЛС при НВ существенно не изменяются.
Определение границ поля допуска (ГПД) параметров аппаратуры узлов ССОИ в условиях влияния НВ на ЛС целесообразно осуществить
Д(3) = {< х,,ЦД(,)(*,) >} _
. 1, п
в виде нечётких подмножеств множеств значений этих параметров ,, = ' , где п - количество
ЦД (,)(х) Д(3)
выходных параметров объекта; - функция принадлежности (ФП) нечёткого множества . Процедура определения
Цд (,)(Х, )
значений ФП основана на получении и последующей обработке экспертной информации прямым групповым методом
оценивания ФП, описанным в работе [5].
К
(*) = Ха'Ф' (')
Пусть также скалярный параметр объекта х, допускает представление вида !=1 , где ]({) - линейно независимые
а а „
неслучайные базисные функции; - случайные коэффициенты; вектор <К > которых распределён нормально со средним ш<к> и дисперсионной матрицей D вида э2^ где э2 - независимый множитель, а q - заданная с точностью до пропорциональности симметрическая положительно определённая матрица размерности КгК.
Г ($)
В предположении о монотонности изменения реализаций случайного процесса 3 ' получены выражения для расчёта верхней доверительной границы (ВДГ) вероятности отказа объекта при НВ для случаев скалярного и векторного выходных параметров:
) = {<£н,Ця >} _н ян(;) Ця
~ П н ~ 4 ' ~
, где - элемент нечёткого множества ВДГ вероятностей отказа ; - значение
~н ($)
ФП этого элемента. При вычислениях был использован принцип обобщения Л. Заде [3], позволяющий распространить обыч-
ные математические операции на класс нечётких множеств.
Определение Р"^) связано далее с разыскиванием точной верхней грани обычного множества Д„, минимально удалённого от нечёт-
Я» (Л = л
~ .. V о - ..
кого множества на евклидово расстояние, определенное как . задача
нахождения множества Я решена [3] и искомая ФП имеет вид:
Xj,
Xj (t)
Ц Ro
0, Цr < 0,5;
1, цR > 0,5.
_PaB(t) равно, таким образом, максимальному элементу множества (см. рис.1).
0,5-
P\t)
Рис.1. Определение вероятности отказа элемента ССОИ при влиянии НВ
На втором этапе прогнозируется живучесть ССОИ в целом. В качестве показателя качества ССОИ здесь рассматривается Тнв - интервал работоспособности ССОИ с учётом влияния НВ. Исходной информацией для прогнозирования Т" являются данные об изменении вектора
Р н
< М > во времени, получаемые на предыдущем этапе, М- количество элементов ССОИ. Задача определения Т" сводится к определению некоторого функционала Ф на множестве траекторий изменения векторного процесса Р<нМ > ) . Определение Ф затрудняется отсутствием достаточного количества информации для построения разделяющей поверхности в М-мерном пространстве состояний ССОИ. В связи с этим данная задача решается с использованием дополнительной экспертной информации. Алгоритм решения следующий.
1. На множестве наборов Р<нМ >
(и), / = 1, N в ходе проведения и обработки результатов экспертного опроса определяются значения И'.М,)и ~ функций принадлежности векторного параметра Р<М> областям работоспособного и, соответствен-
но, неработоспособного состояний ССОИ.
2. Осуществляется экстраполяция функций и ^н/р(и), заданных в дискретной последовательности точек, на оставшийся интервал времени эксплуатации ССОИ,
3. Определяется интервал времени Т", на котором выполняется условие
(и) > , (и) (см. рис.2).
Д А
tl t2 JJ tN JiiB t
Рис.2. Определение интервала работоспособности ССОИ с учётом влияния НВ
Экстраполяция функций ^p(t t) и № ^(t) существенной трудности не представляет, так как эти функции являются достаточно гладкими.
Исходные данные для практического применения описанных моделей могут быть получены в результате испытаний отдельных экземпляров элементов ССОИ, использования априорной информации об изменении параметров аналогичных средств, а также в ходе моделирования функционирования элементов ССОИ.
В настоящее время разработан ряд защищённых авторскими свидетельствами устройств, позволяющих моделировать функционирование средств и систем при нечётко заданных границах области работоспособности, которые можно использовать при оценивании качества элементов.
Получаемые с помощью разработанных моделей результаты прогнозирования качества могут служить основой для выбора вариантов построения структуры ССОИ, обоснования целесообразности мероприятий по повышению качества элементов и ССОИ в целом на этапе эксплуатации. Актуальной представляется ориентация на разработку методов оценивания характеристик систем, связанных с формализацией и использованием качественной информации об объекте исследования. Это может послужить основой для разработки методологической базы построения экспертных систем оценивания качества ССОИ на этапе эксплуатации [7].
0
1
0
Литература:
1. Надёжность и живучесть систем связи / Б.Я. Дудник, В.Ф. Овчаренко, В.К. Орлов и др.; Под ред. Б.Я. Дудника. - М.: Радио и связь, 1984. - 216 с.
2. Черкесов Г.Н. Методы и модели оценки качества сложных систем. - М.: Знание, 1987. - 116 с.
3. Кофман A. Введение в теорию нечётких множеств: Пер. с франц. - М.: Радио и связь, 1982. - 432 с.
4. Борисов A.^, Вульф Г.Н., Осис Я.Я. Прогнозирование состояния сложной системы с использованием теории размытых множеств // Кибернетика и диагностика. Вып. 5. - Рига: Знание, 1972. - С.79-84.
5. Нечёткие множества в моделях управления и искусственного интеллекта /Под ред. ДА. Поспелова. - М.: Наука, Гл. ред. физ.-мат. лит., 1986. - 312 с.
6. Зеленцов ВА., Миронов A.^ Устройство для моделирования отказов / A.C СССР № 1363231, кл. G 06 F 15/20, БИ № 48, 1987.
7. Cosic Cynthia, Metsler Douglas P., Williams James. Artificial intelligence techniques in the detection and diagnosis of network problems / "Proc. 48th ASIS Annu. Meet., Las Vegas, Nev., Oct. 20-24, 1985. Vol.22". White Plauns, N.Y., 1985, P.P.297-300.
ОБЩАЯ ХАРАКТЕРИСТИКА ИННОВАЦИОННОГО ПОТЕНЦИАЛА МАЛЫХ
ПРОЕКТНЫХ ГРУПП
Ниязов Р.А.
В статье рассматривается общая характеристика инновационного потенциала малых проектных групп, приведена когнитивная карта реализации инновационного потенциала и определены основные первичные показатели инновационного потенциала сотрудника.
Ключевые слова: инновации, проект, малая группа, потенциал, показатель.
GENERAL DESCRIPTION OF INNOVATION RESOURCE OF SMALL BUILDING
DESIGN GROUPS
Niyazov R.
The article discusses the general characteristics of innovative capacity of small project teams, given a cognitive map of the innovation potential and the main primary indicators of innovative potential employee.
Keywords: innovation, design, small group, potential, indicator.
В настоящее время многие практические инновационные задачи решаются в рамках проектных групп. Под проектной группой в общем случае принято понимать персонал, объединенный в интересах решения определенной задачи, имеющий для этого необходимые знания, умения и навыки и владеющий конкретными ограниченными выделенными ресурсами.
Широкую известность получили модели проектных групп, используемые компанией Майкрософт, преждевсего, этомодель Microsoft Solutions Framework (MSF).
Модель MSF предлагает проверенные годами рекомендации и методики по эффективному планированию, разработке, внедрению и сопровождению бизнес решений. Они позволяют максимизировать успешность и эффективность IT проектов на протяжении всего жизненного цикла информационных технологий. В основе предлагаемых концепций лежит обширный опыт, полученный Майкрософт при осуществлении больших проектов в области программного обеспечения, опыт консультантов Майкрософт, а также лучшие из методик, наработанные мировой IT индустрией. Рекомендации MSF состоят из применимых для большинства проектов принципов, методов и методик по управлению людьми, процессами и технологическими элементами1.
В соответствии с моделью MSF успешность любого проекта базируется на шести качественных целях (ролевых кластерах). На их базе формируется модель проектной группы. В то время как за успех проекта ответственна вся команда, каждый из ее ролевых кластеров, определяемых моделью, ассоциирован с одной из упомянутых шести целей и работает над ее достижением.
Шесть ролевых кластеров модели проектной группы - это «Управление продуктом» (productmanagement), «Управление программой» (programmanagement), «Разработка» (development), «Тестирование» (test), «Удовлетворение потребителя» (userexperience) и «Управление выпуском» (releasemanagement). Они ответственны за различные области компетенции (functionalareas) и связанные с ними цели и задачи. Зачастую ролевые кластеры называются просто ролями. Суть модели MSFпри этом остается неизменной и состоит в том, чтобы построить основу производственных отношений и связанную с ней модель команды приспосабливаемую (масштабируемую) для удовлетворения нужд любого проекта. Одна роль (или
один кластер) может быть представлена одним или несколькими сотрудниками, в зависимости от размера проекта, его сложности и профессиональных навыков, требуемых для реализации всех областей компетенции кластера.
Между этими кластерами образовывается устойчивый баланс ответственности и полномочий, позволяющий команде эффективно функционировать. Основные принципы модели проектной группы: распределение ответственности при фиксации отчетности; наделение соответствующими полномочиями ролевых кластеров.
Все ролевые кластеры в команде равноправны. Каждый ролевой кластер принимает участие в принятии решений о завершении фаз проекта. Противоречия разрешаются методом компромиссов. Кроме того, в состав группы включают представителей заказчика для увеличения информированности, заинтересованности заказчика и ускорения процесса внедренияпроекта.
В рамках малой проектной группы, как правило, нет возможности представить каждую роль (кластер) одним сотрудником. Малая проектная группа состоит обычно из двух-пяти сотрудников, что определяет высокую значимость профессионализма каждого сотрудника в реализации инновационных проектов.
Профессионализм, как высокое мастерство, глубокое овладение профессией, качественное, профессиональное исполнение, является первым фактором конкурентоспособности сотрудников. В связи с тем, что профессионализмформируется на основе профессионального развития, тенденцияинновационного развития экономики и предприятий требует от сотрудников постоянного повышения уровня профессионализма в области освоения новыхметодов решения производственных и управленческих задач, новых технологийи путей взаимодействия в процессе основной деятельности. Это позволяет утверждать, что в современных условиях уровень профессионализма зависит отинно-вационного потенциала, которым обладает сотрудник и которыйопре-деляет, насколько профессионально сотрудник способен выполнять задачи,связанные с реализацией инновационных проектов.
Автор разделяет позицию Абрамова В.И.2 «об объективной принадлежности феномена инновационного потенциала личности субъекта предпринимательской, инновационной деятельности».
Существует большое количество определений инновационного потенциала экономических субъектов. Мы будем придерживаться
1 http://www.microsoft.com/msf
