CC BY
20
Н.Н. Лябах М.В. Колесников
РОЛЬ И МЕСТО ЭКСПЕРТНЫХ ПРОЦЕДУР В ЗАДАЧЕ СИНТЕЗА СЦЕНАРИЕВ РАЗВИТИЯ СЛОЖНЫХ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ОБЪЕКТОВ
THE ROLE AND PLACE OF EXPERT PROCEDURES IN THE TASK OF SYNTHESIS OF SCENARIOS FOR THE DEVELOPMENT OF COMPLEX SOCIO-ECONOMIC FACILITIES
Аннотация: предложен механизм построения сценариев развития сложных социально-экономических объектов, основанный на экспертной информации. Усовершенствован метод стимулирования и оценки квалификации экспертов.
Ключевые слова: естественные монополии, когнитивный и морфологический анализы, сценарии развития, экспертная информация, многокритериальные задачи.
Abstract: mechanism for constructing scenarios for the development of complex socioeconomic targets has been proposed and it is based on expert information. Methods of stimulation and evaluation of qualifications of Experts have been improved.
Keywords: natural monopoly, cognitive and morphological analyzes, development scenarios, expert information, multicriteria problems.
Сложные социально-экономические объекты (СЭО), каковыми, например, являются естественные монополии, обладают большой размерностью, многокритериальны, функционируют в условиях высокой неопределенности. Указанные свойства актуализируют разработку доформальных методов анализа, обеспечивающих снижение влияния субъективного мнения лица, принимающего решения. На этом пути наиболее перспективными являются теоретические конструкции, основанные на запуске механизмов самоорганизации систем, и процедуры экспертного анализа при разработке сценариев развития отрасли. В основе указанных методов ограниченно может быть использована статистическая информация о функционировании объекта исследования (объекта еще нет - проектируется, или статистика ограничена, данные нестационарны). В этой связи актуализируются вопросы экспертного оценивания параметров сложных социально-экономических объектов.
Далее предлагаются способ и инструменты математического описания процедуры анализа и синтеза сценариев развития СЭО [3]. Задача состоит в обосновании подходов к предсказанию возможных сценариев развития СЭО и выработке управляющих воздействий с целью реализации наиболее приемлемого сценария. Предлагаемый алгоритм анализа сценариев развития.
1. Формируется перечень факторов Х, характеризирующих состояние самой исследуемого СЭО и среды ее функционирования:
Х=(х1, Х2, ..., Ху)..........(1)
В качестве факторов для естественной монополии, например, могут выступать:
х1 - доля рынка, занимаемого компанией;
х2 - инвестиционный климат отрасли;
х3 - мотивационность сотрудников компании;
х4 - инновационный потенциал организации;
х5 - образовательный уровень сотрудников;
х6 - профессиональный уровень сотрудников;
х7 - востребованность продукции (услуги) и т.д.
© Н.Н. Лябах, М.В. Колесников, 2012
В многомерном пространстве Х различные значения исследуемых параметров
образуют области значений Nj, 7 = \ , для которых качественное состояние СЭО различно (например: спад, стабильное, эффективное развитие).
2. Синтезируется (экспертами) набор сценариев 8ц, к = \.К . Механизмы получения сценариев рассмотрены ниже.
3. Определяются структуры (перечень и связи) и параметры (значения) факторов Nj, определяющих (с той или иной степенью достоверности) выбранные
сценарии £к. NjСХ, j =\.3 .
4. Устанавливаются соотношения между множествами и Щ.
& = I (Щ . (2)
В частном случае оператор { может представлять собой таблицу 1. В таблице обозначено: Рц - «вероятность» осуществления к-го сценария при реализации у-го набора факторов.
Таблица 1
Соотношение сценариев и причинных факторов
Ni N 1 N2 ... . Nj
SK\
Si P11 P12 ... . P1J
S2 P21 P22 P2J
Sk
Pk1 PK2 ... Pkj
*
5. Расчет условий, реализующих желаемый сценарий S k, осуществляется на основе соотношения:
А 7 *
N = f-(S k). (3)
*
Если рассчитанные по (3) значения факторов Nj недостижимы, то возникает необходимость нахождения набора факторов Nj 5, из множества достижимых М, ближайшего к желаемому Nj . Эта процедура выполняется на следующем этапе [4].
6. Выбор субоптимального решения можно осуществить на основе минимизации специально подобранной меры близости.
Nj 5 = arg min d (Nj, Nj*). (4)
Очевидно, что в качестве меры близости использовать традиционные меры Евклида, «таксиста» и др. не будет адекватным. Размерность, важность факторов для различных организаций и в различные моменты времени отличаются друг от друга. Это требует специальной разработки вопроса.
Механизмы построения сценариев развития организации.
1. Проекция предыстории развития организации в будущее при заданных управлениях Nf и N° .
В этом случае N " - экстраполируются по статистическим данным. Методика, инструментарий, примеры этого подхода иллюстрируются в [2] на примере анализа состояния и прогнозирования развития отрасли в системе межотраслевых связей. Данный подход адекватен для выявления эволюционно обоснованных сценариев.
2. Вероятностное моделирование.
Предполагает учет возможных вероятных значений факторов и их комбинаций вне зависимости от законов эволюционного развития. Данный метод предназначен для
выявления учета сценариев, возникающих в точках бифуркаций. Реализация этой процедуры осуществляется с помощью специальных технологий типа метода «Дельфи», метода сценариев, «мозгового штурма». Перспективным в этом отношении является подход с использованием ситуационно-эвристического моделирования.
3. Модели желаемого будущего.
Согласно этому подходу сценарии формируются вне зависимости от законов развития, вероятностной природы факторов этого развития, а отражают представления людей о «светлом будущем». Характерными примерами являются попытки построения коммунистического общества на территории СССР, самоорганизующейся экономики в Чили. В этом случае сценарии Бк - не следствия набора факторов Щ, а аргументы этого процесса. Соотношение (4) для определения управляющих воздействий N в этом случае не работает. Не сценарии следуют из теории («детерминированной» - п. 1, или вероятностной - п. 2), а теория социально-экономического развития территории «выстраивается» под заданные сценарии.
4. Комбинированное синтезирование методов построения сценариев.
Данный подход учитывает преимущества и недостатки предыдущих «чистых»
стратегий построения сценариев развития и, очевидно, является наиболее приемлемым механизмом. Далее рассмотрен метод, обеспечивающий оптимизацию параметров организации в условиях недостаточных статистических данных и слабой формализуемости исследуемой ситуации.
Анализируя состояние и перспективы деятельности организации, следует определиться с критериями деятельности предприятия. В качестве примеров таких критериев могут выступать следующие требования: J1 - максимизация получаемой прибыли, J2 - минимизация себестоимости, Jз - захват определенного сегмента рынка, J4 - создание потенциала развития (трудового, финансового, инновационного и пр.) и другие.
Далее для простоты рассуждений будем считать, что все заданные критерии требуют максимизации. В случае многокритериальной постановки задачи одним из наиболее разработанных методов является механизм сведения к одному критерию, например, осуществляя аддитивную свертку критериев:
1о = а1 11 + а2 Ь + ... . (5)
Работать с одним критерием легче, но в этом случае малые значения одного показателя могут компенсироваться большими значениями других, и исходная информация, различающая исследуемые ситуации, теряется. В этой связи далее сохраним многокритериальную постановку задачи. Для каждой точки допустимой области пространства стратегического управления (1) компанией (стратегии К¡) группой экспертов задаются значения выделенных критериев. Получим таблицу 2.
Таблица 2
Значения критериев на множестве допустимых вариантов _стратегического управления организацией_
А Ъ 11 12 'я
а12 а1, а1я
а21 а22 а2] а2д
. . .
К, ар1 ар2 ар1 ард
Все значения щ задаются на интервале [0, 1] и характеризуют степень выполнения]-го критерия ¡-м вариантом организации.
Одним из подходов решения поставленной многокритериальной задачи является построение максиминной стратегии [1]. Смысл ее заключается в следующем.
Для каждого критерия (то есть, анализируя таблицу по столбцам) находится критический вариант развития организации, характеризуемый минимальным значением критериев:
B, = arg min a..
1 ' 1. (6)
Из полученной совокупности вариантов наилучшим считается тот, для которого значение соответствующего критерия максимально. То есть
B0 = arg max min a.
(7)
Таким образом, полученное решение обладает свойством гарантированности.
Основная трудность реализации этого метода заключается в идентификации значений ау. Возможны следующие подходы к нахождению неизвестных параметров модели (6), (7):
1. Значения ау известны априори или рассчитываются по заданным соотношениям.
2. Значения ау берутся из прошлого опыта работы организации - статистический подход.
3. Значения ау задаются экспертами на основании своего опыта, интуиции.
Последний путь наиболее перспективный, так как для реализации первых двух,
как правило, мало оснований: слабая формализуемость исследуемых процессов, отсутствие репрезентативной выборки наблюдений. В этой связи экспертным процедурам далее уделено особое внимание.
Как следует из предыдущего анализа деятельность экспертов многоаспекта. С целью облегчения изложения проведем его в рамках уже рассмотренного примера. В предложенной выше технологии выбора оптимальных параметров организации не раскрыт вопрос о назначении экспертами коэффициентов ау. Существует большое количество экспертных процедур, решающих эту задачу [5]. Далее рассмотрим специфический (нетрадиционный) случай, характеризуемый следующими условиями: экспертов несколько, мнения их, в общем, не совпадают, эксперты работают на постоянной основе.
1. С целью избежать тройной нумерации, задаваемые экспертами коэффициенты переобозначим переменной х^ . Учитывая параметры таблицы 2, можно определить диапазон изменения индекса во вновь введенной переменной: от 1 до др.
2. Осуществляется опрос экспертов о значимости, определенных на первом этапе признаков. В результате опроса заполняется таблица 3.
Таблица 3
Исходная информация экспертов о значимости коэффициентов
Э Интервал х1 Х2 Хп
Э [ai, в¡J а и а 1 2 а1 п
Э2 [a2, в 2] а2 1 а22 а 2п
Э Эт [am, вт] а т 1 ат 2 а тп
В первом столбце таблицы перечисляются эксперты (их т человек), во втором столбце они указывают шкалу (дискретную или непрерывную) в рамках которой они способны оценить значимость признаков. Необходимость введения различных диапазонов оценки объясняется различной степенью готовности экспертов. В
последующих столбцах экспертами указываются веса соответствующих а,- . Число
учитываемых коэффициентов п = др. По формуле
а = т—
' Ь - а
(8)
все веса ац , указанные экспертами, преобразуются к значениям ац ,
принадлежащим промежутку [0, 1]. Эта процедура позволяет привести все высказывания экспертов к сравниваемому виду.
3. Находятся средние значения оценок экспертов (9), отклонения частных оценок от средних и дисперсия разброса мнений (10) экспертов:
_ 1
а =
с =
т
т
Таи
I=1
т -
{а -а] )2
(9)
(10)
Значение (9) отражает средний вес у-го коэффициента с точки зрения всей экспертной комиссии, а сг. единодушие этого мнения. Результат третьего этапа
представляется таблицей 4.
Таблица 4
Механизм сравнения высказываний экспертов по различным коэффициентам
Э х1 Х2 Хп
Э1 а^ а^ а21 - а2 ап1 - ап
Э2 а12 - а1 а22 - а2 ап2 - ап
Э Эт а1т -а1 а2т - а2 а тп - ап
а - среднее а а 2 ап
с1 С2 Сп
Относительная величина
с
а
отражает степень рассогласованности экспертных
оценок.
4. Ранжируем экспертов по каждому признаку, вводя веса их значимости по данному признаку, отражающие степень близости выставленных ими оценок средним значениям.
Можно привести несколько математических выражений, принимаемых в качестве «веса значимости» эксперта. Например, К.А. Хаблак предлагает [6]:
7,,= 1 -
а -а|
а
р*=
1+ К -аА
(11) (12)
1
1
Действительно:
а^ — нормированное мнение 1-го эксперта по ]-ому коэффициенту;
а ■ — среднее значение мнений экспертов по ]-ому коэффициенту;
| ац — а . | — степень абсолютного рассогласования частного (/-го) мнения от
общего. Чем она меньше, тем лучше этот эксперт отражает мнение всех, т.е. тем вес его выше.
В дальнейшем эксперты используются в процедурах оценивания с указанными весами. Эта оценка корректируется после каждой итерации оценивания. Таблица 4 позволяет определить целый ряд и других полезных характеристик, как отдельных экспертов, так и команды в целом.
Чтоб иметь больший вес, максимально влиять на результат коллективной оценки каждый эксперт стремится получить наибольший вес. Это стимулирует усиление его профессиональной подготовки и повышает ответственность за принятое решение. Недобросовестные эксперты (лоббирующие непопулярные решения) немедленно будут отмечены низким балом.
Рассмотренный механизм имеет следующий недостаток: деятельность экспертной комиссии направлена на ее консолидацию и не зависит от результатов принятого решения. То есть, принимая даже неверное, но согласованное решение, команда экспертов сохраняет свое положение.
В этой связи предлагается далее усовершенствовать рассмотренный механизм. Пункты 1 и 2 остаются без изменений.
Пункт 3 выполняется после получения результатов деятельности по принятому решению и фиксируется наблюденное значение а^, а не среднее от высказываний
всех экспертов а~ .
Пункт 4 повторяет вычисления первого варианта п. 3 с заменой параметра а~ на
параметр а1Н . Теперь данные таблицы характеризуют отклонение мнений экспертов не
от общего мнения «товарищей», а от наблюденной «истины».
Пункт 5 - новая редакция пункта 4 - дает веса экспертов вне зависимости от мнений других специалистов, и будет учитывать их эффективность на практике.
Рассмотренный случай предполагал «четкое» задание типа системы управления К . Если принадлежность нечеткая, то естественно применить стратегию минимизации среднего риска.
Литература
1. Иванов Ю.Н., Токарев В.В., Уздемир А.П. Математическое описание элементов экономики. - М.: Физматлит, 1994. - 416 с.
2. Лисин В.С., Узяков М.Н. Отрасль в системе межотраслевых связей: возможности анализа и прогнозирования: Монография - учебное пособие. - М.: ТЕИС, 2002. - 215 с.
3. Лябах Н.Н., Кегеян Н.Н. Механизмы анализа и синтеза сценариев развития глобализа-ционных процессов // Международная НПК: «Россия в глобализирующейся экономике», 18-20.05.06.
4. Лябах Н.Н., Шабельников А.Н. Техническая кибернетика на железнодорожном транспорте Ростов-на-Дону: СКНЦ ВШ, 2002.
5. Орлов А.И. Эконометрика. - М.: 2002. - 576 с.
6. Хаблак К.А. Постановка проблем автоматизации сортировочных станций // Вестник РГУ ПС. 2001. № 2.
