CC BY
6УДК 658.5; 65.018 doi:10.18720/SPBPU/2/id21-160
Черненький Андрей Владимирович,
доцент, канд. экон. наук
УПРАВЛЕНИЕ КАЧЕСТВОМ ДЕЯТЕЛЬНОСТИ ОРГАНИЗАЦИЙ В УСЛОВИЯХ ЦИФРОВИЗАЦИИ
Россия, Санкт-Петербург, Санкт-Петербургский политехнический университет Петра Великого, andrey@qmd.spbstu.ru
Аннотация. Рассмотрены вопросы определения приоритетных направлений развития организаций в условиях цифровой экономики, когда необходимо выбрать обоснованное решение из некоторого количества имеющихся альтернатив. Цифро-визация как процесс перехода к цифровой экономике активизирует развитие технологий обработки больших данных. Однако многие показатели, характеризующие деятельность организаций, имеют нечисловую природу. Для обработки таких показателей предложен подход, основанный на вычислении медианы Кемени, позволяющий определить совокупное мнение экспертной группы, найденное путем цифровой обработки данных. Это наиболее быстрый и эффективный метод.
Ключевые слова: управление предприятием, цифровая экономика, экспертные оценки, медиана Кемени.
Andrei V. Chernenkii,
Associate Professor, Candidate of Economic Sciences
MANAGEMENT OF ENTERPRISES' ACTIVITIES IN CONDITIONS OF DIGITAL ECOMONY
Peter the Great St. Petersburg Polytechnic University, St. Petersburg, Russia, andrey@qmd.spbstu.ru
Abstract. Questions on determination of priority directions of enterprises development in the digital economy, when it is necessary to choose an informed solution from a certain number of available alternatives, are considered. Digitalization is the process of transition to a digital economy, which activates the development of big data processing technologies. However, many indicators that characterize the activities of organizations are non-numeric in nature. The approach is proposed, based on computing of a Kemeny median, which allows to determine a common attitude of an expert group found by the digitizing of data. This is the fastest and most effective method.
Keywords: management of an enterprise, digital economy, expert marks, Kemeny median.
Введение
В настоящее время цифровизация активно внедряется в различные сферы жизни и производства. Обычно под цифровой экономикой принято понимать экономическую деятельность, основанную на цифровых
технологиях, предполагающих широкое использование данных в цифровой форме и их обработку. Одним из лидирующих направлений является использование цифровых данных в больших объемах, что позволяет повысить эффективность, качество и производительность в различных видах производства, технологий, оборудования. В 2017 году Правительством Российской Федерации была утверждена Программа «Цифровая экономика в Российской Федерации» [1], в соответствии с которой переход страны к цифровой экономике должен происходить за счет создания экосистемы цифровой экономики России. Программа нацелена на создание условий для развития высокотехнологических отраслей и повышения конкурентоспособности экономики Российской Федерации за счет эффективного использования цифровых данных при производстве товаров и услуг во всех сферах социально-экономической деятельности [1].
Возрастающая сложность управления деятельностью организаций требует тщательного анализа целей и задач деятельности, путей и средств их достижения, оценки влияния различных факторов на повышение результативности и качества работы [2]. Деятельность любой организации характеризуется большим количеством показателей, при этом далеко не все показатели имеют числовую природу. Разделение показателей на два однородных подмножества, измеряемых в количественных и качественных данных, не позволяет решить задачу совместной обработки данных, поскольку к качественным данным не применимы операции над пространством действительных чисел. Для решения данной задачи необходимо широкое применение экспертных оценок в процессе формирования и выбора решений.
Метод выбора решения из множества альтернативных
Выбор решения сопряжен с необходимостью рассмотрения определенного количества альтернатив. Однако существующие методы не всегда позволяют адекватное решение. Так, в методе последовательного сравнения при увеличении числа альтернатив усложняется процесс поиска результирующей ранжировки. На большом наборе исходных данных применение этого метода нецелесообразно в силу его сложности. Метод простой ранжировки также не подходит, так как ранжировать большую выборку без какого-либо сравнения невозможно. Метод парного сравнения и метод иерархии подходят для выборки большого размера [3-5]. Однако метод анализа иерархий работает только в случае команды экспертов, долгое время работающих вместе (согласованных экспертов).
Для решения поставленной задачи был выбран метод парных сравнений, который не зависит ни от размера входного массива альтернатив, ни и от количества и сработанности экспертов. Однако в отличие от ме-
тода анализа иерархий данный метод позволяет получить набор ранжировок, представленных каждым из экспертов, но не окончательное решение. Чтобы определить результирующее ранжирование вариантов был выбран метод нахождения медианы Кемени [6-8].
Пусть существует набор из п альтернатив О = {Оь ..., Оп}, которые будут ранжироваться группой К экспертов.
Предположим, что заданы два ранжирования Ркг и Рк2. Расстояние между этими двумя множествами может быть выражено как:
Дано множество ранжировок {Р^} = {Р1, Р2,...,РК]. Расстояние до некоторой ранжировки Р от этого множества определяется следующим образом:
Х1^ С
^ ¿<¿=1 (2)
Предположим, что в ранжировке Р т. е. а^- = 1. Чтобы
определить расстояние этой ранжировки от заданного множества {Рк},можно использовать коэффициенты, определяемые следующим образом:
Гц = П=1<1ц{Р, ,] = 1..-п , (3),
где Гц — коэффициенты потерь, а матрицаД = {ц^ — матрица потерь. Предполагается, что г^ = 0 для всех I = у.
Используя коэффициенты г^ (/,у = 1, ..., п), расстояние некоторого ранжирования Р от множества мнений экспертов можно определить как а = Ш]п] + Ж1]1кк=1\а?]\, (4),
где 1р — множество индексов у), для которых > Оу в порядке предпочтения Р, или — другими словами, — множество индексов, для которых а^ = 1. 7®— множество индексов (/,у), для которых = Оу в порядке предпочтения Р, или — другими словами, — множество индексов, для которых а^- = 0.
Ранжирование Рм, такое что М(Рг,...,РК) = агдтт является медианой множества (Р1 ,...РК). Другими словами, это такое ранжирование, которое в смысле расстояния является «самым близким» ко всем полученным ранжированиям множества {Р (к)}. Для упрощения
предполагаем, что множество/® пустое, тогда:
¿ = Т1Т}гч (5)
Полученное расстояние является «самым близким» ко всем ранжированиям множества {P (&)}, что позволяет обоснованно выбрать решение из имеющихся альтернатив [9 - 11]. Теоретические выводы подтверждены результатами вычислительного эксперимента.
Заключение
Предложен подход к выбору решения при управлении деятельностью организаций, основанный на вычислении медианы Кемени. Простота и универсальность метода делает его удобным для практического применения. Совокупное мнение экспертной группы, найденное путем цифровой обработки данных, является наиболее достоверным, что позволяет рационально определять приоритетные направления развития предприятия. Метод применим к управлению не только производственными, но и к любыми социо-техническими системами.
Список литературы
1. Сухова В. А. Цифровая экономика: возможности для стран и способы ее регулирования // Молодой ученый. - 2018. - №21. - С. 303-306. - URL https://moluch.ru/archive/207/50579/ (дата обращения: 10.08.2021).
2. Leonova T.I., Mager V.E., Mikeladze B.D., Chernenkaya L.V., Chernenkii A.V. Support of decision-making in organizations' quality management // Proceedings of 2017 20th IEEE International Conference on Soft Computing and Measurements, SCM 2017. -Pp. 843-845.
3. Черненький А.В. Совершенствование оценки качества деятельности организаций научно-образовательного комплекса. Автореферат дис. на соискание ученой степени кандидата экономических наук. - Санкт-Петербург: Санкт-Петербургский государственный экономический университет, 2017. - 24 с.
4. Горбашко Е.А., Черненький А.В. Повышение качества деятельности организаций научно-образовательного комплекса // Известия Санкт-Петербургского государственного экономического университета. - 2017. - № 1-2 (103). - С. 111-117.
5. Речинский А.В., Черненькая Л.В., Магер В.Е., Матвеева Е.В., Черненький А.В. Разработка методики расчета показателей эффективности деятельности университета и его структурных подразделений // Современные технологии управления. - 2015. - № 6 (54). - С. 46-54.
6. Bury Hanna, Wagner Dariusz. Kemeny's median algorithm. Application for determining group judgement // 16th JISR-IIASA Workshop on Methodologies and Tools for Complex System Modeling and Integrated Policy Assessment, July 15-17, 2002, IIASA, Laxenburg, Austria.
7. Kemeny J. Mathematics without numbers // Daedalus 88. - 1959. - Pp. 577-591.
8. Bury Hanna, Wagner Dariusz. The use of Kemeny's median for group decision making. Integer programming approach // Proceedings of the Sixth International Conference on Methods and Models in Automation and Robotics, Miedzyzdroje, 28-31 August 2000. - Pp. 235-262.
9. Chernenkaya L.V., Desyatirikova E.N., Belousov V.E., Chepelev S.A., Sergeeva S.I., Slinkova N.V. Optimal planning of distributed control systems with active elements // Proceedings of 2017 IEEE II International Conference on Control in Technical Systems (CTS), St. Petersburg, 25-27 Oct. 2017. Saint Petersburg Electrotechnical University "LETI", 2017. - Pp. 37-40.
10. Леонова Т.И., Магер В.Е., Микеладзе Б.Д., Черненькая Л.В., Черненький А.В. Поддержка принятия решений в управлении качеством деятельности организаций // В сб. науч. трудов Междунар. конференции по мягким вычислениям и измерениям , СПбГЭУ «ЛЭТИ», 2017. - Т.2. - С. 384-387.
11. Черненькая Л.В., Черненький А.В. Цифровая экономика и ее роль в управлении качеством деятельности организаций // Экономика и управление: проблемы, решения. - 2019. - Т. 4. № 2. - С. 94-100.
