CC BY
47
УДК 519.7 Шаныгин Сергей Иванович
кандидат экономических наук, доцент, доцент кафедры статистики, учета и аудита Санкт-Петербургского государственного университета
УПРАВЛЕНИЕ СТРУКТУРОЙ ВЗАИМОДЕЙСТВИЯ ПРЕДПРИЯТИЙ ПРОМЫШЛЕННОСТИ ПРИ ОСУЩЕСТВЛЕНИИ СОВМЕСТНЫХ ИННОВАЦИОННЫХ ПРОЕКТОВ
Shanygin Sergey Ivanovich
PhD in Economics, Assistant Professor of the Statistics, Accounting and Audit Department, St. Petersburg State University
MANAGEMENT OF INDUSTRIAL ENTERPRISES’ COOPERATION STRUCTURE WHEN IMPLEMENTING JOINT INNOVATIVE PROJECTS
Аннотация:
Рассмотрены общие подходы к формализованному исследованию функционирования совокупностей промышленных предприятий при выполнении проектов.
Ключевые слова:
структура хозяйственной системы, инновационный проект, оценивание параметров системы, многоканальное обслуживание заявок.
Summary:
The article considers general approaches to formalized research of industrial enterprises complex functioning when executing a project.
Keywords:
economic structure, innovative project, evaluation of system parameters, multichannel servicing of orders.
В современной хозяйственной деятельности предприятий и организаций значительная часть используемых экономических механизмов базируется на достаточно хорошо зарекомендовавших себя проектных формах управления. Анализ существующих подходов к организации взаимодействия предприятий промышленности при совместном выполнении длительных инновационных проектов, а также принципов развития подобных систем показывает, что многие проблемы управления в этой области еще не решены. Предприятия, участвующие в проекте, имеют общие задачи, подчинены единому управлению в рамках проекта и в совокупности представляют собой сложную целенаправленную хозяйственную систему (далее - ХС). В иерархии взаимоотношений обычно выделяют предприятие, являющееся головным исполнителем, и предприятия - соисполнители, каждое из которых представляет собой отдельную функциональную подсистему. Все подсистемы взаимодействуют с головным исполнителем и, в меньшей степени, между собой. Последнее обычно координируется головным исполнителем и осуществляется через него. Рассмотрим отдельные аспекты выполнения модельных исследований таких систем и управления ими.
Проблемам анализа сложных систем посвящено значительное число научных работ многих зарубежных и отечественных авторов. В частности, в трудах А.Д. Цвиркуна, Б.З. Мильнера, Д.А. Новикова, В.К. Акинфиева [5; 7; 9] проанализированы обобщенные научные подходы к управлению организационными системами. В работах Р.М. Юсупова, М.Ю. Охтилева, Б.В. Соколова, Д.Н. Верзилина, В.В. Черешнева, Т.Г. Максимовой исследуются вопросы моделирования распределенных систем различного назначения [1; 8]. В работе В.А. Колычевой рассмотрены вопросы статистического оценивания параметров рыночных процессов, обусловленных редкими экономическими событиями [4]. В трудах А.Я. Маслова, А.В. Киселева, А.Н. Дорохова приводятся формализованные методы описания взаимодействия структурных элементов сложных систем [2; 3; 6]. Однако подходы к управлению взаимодействием промышленных предприятий при выполнении инновационных проектов и связанные с этим вопросы оценивания параметров таких систем в настоящее время проработаны недостаточно.
Формализовано такие взаимодействия могут быть описаны в виде многоканальной системы массового обслуживания, в которой источником заявок является головной исполнитель, а обслуживающими подразделениями - соисполнители проекта. Практически во всех случаях выполнение заявок происходит поэтапно, при этом основные функциональные подразделения подсистем объединяются в последовательные цепи обслуживания. На практике число таких последовательных этапов обычно не превышает четырех-пяти. Указанные цепи могут образовывать в канале обслуживания и параллельные участки, число которых может быть различным в зависимости от характера заявок и структуры хозяйственной системы, но, как правило, ограничивается тремя-четырьмя.
Для формирования наиболее рационального варианта структуры рассматриваемой хозяйственной системы необходимо описать взаимосвязи между ее выходными параметрами и параметрами структуры. Для оценивания выходных параметров могут быть использованы локальные коэффициенты функциональной готовности (далее - КФГ) хозяйственной системы к целевой деятельности по каждому направлению и аналогичный глобальный (композитный) коэффициент. Такие коэффициенты условно характеризуют способность системы достигать имеющиеся цели в сложившихся условиях, оцениваются вероятностными методами и нашли широкое применение на практике. В общем случае такой показатель может быть рассчитан следующим образом:
где и ^об - количество «целевых» состояний ХС и общее число возможных ее состояний
соответственно.
Совокупность предприятий-соисполнителей (далее - СПС), обеспечивающих выполнение заявок головного исполнителя, имеет определенную структуру взаимодействия, управление которой является одной из основных задач органов управления системой. Заявка поступает в любую свободную подсистему (предприятие-соисполнитель), внутри которой - в специализирующийся на данном направлении канал обслуживания, и последовательно проходит в нем все подразделения. На время прохождения заявки канал считается занятым. Если все подсистемы заняты, то заявка становится в очередь к предприятию-соисполнителю. Общее число обслуживающих подразделений в хозяйственной системе определяется выражением:
где у = 1, 2. ..., Л - предприятие-соисполнитель инновационного проекта;
2 ^ = 1, 2, Z - специализированный канал обслуживания на у-м предприятии;
- количество подразделений в 2 -м канале.
При описании структуры СПС достаточно указать перечисленные показатели, задавая указанные параметры, можно однозначно описать систему обслуживания головного исполнителя проекта. При исследовании такой системы необходимо также знать параметры, характеризующие работу обслуживающих подсистем, обычно достаточно ограничиться указанием интенсивности обслуживания заявок по каждому направлению обеспечения в каждой обслуживающей подсистеме. Общность такой характеристики позволяет, не привязываясь к конкретным реализациям подсистем, анализировать работу практически любых СПС. Параметры головного исполнителя оцениваются интенсивностями генерации заявок по всем направлениям обеспечения (категориям). Проблема исследования такой хозяйственной системы сводится в большинстве случаев к определению и оптимизации ее параметров и структуры. Непосредственное управление может осуществляться выбором времени выдачи заявок, оптимизацией их объема и номенклатуры, а также изменением параметров соисполнителей, влияющих на характеристики целевых процессов головного исполнителя инновационного проекта.
Из всех параметров хозяйственной системы наиболее существенное влияние на характеристики таких процессов оказывает интенсивность обслуживания, управляя ею, можно в определенных пределах улучшать характеристики проектных процессов с учетом имеющихся ограничений. Интенсивность обслуживания определяется структурой системы, техническим обеспечением процессов функционирования, штатным составом сотрудников и их профессиональной квалификацией, особенностями организации взаимодействия элементов ХС и другими факторами. Оперативное влияние на указанные элементы обычно затруднительно, целесообразнее управлять интенсивностью обслуживания за счет улучшения технологической обеспеченности процессов, рационализации распределения проектных работ и взаимодействия участников проекта. Существенным в этом плане является повышение квалификации персонала, однако «отдача» от него плохо поддается управлению на непродолжительных временных интервалах. Часто весомым воздействием является изменение структуры хозяйственной системы, но обычно оно связано с существенной перестройкой технологий выполнения инновационного проекта, дорогостояще и не может рассматриваться как оперативное средство повышения интенсивности обслуживания заявок. Однако если структура сдерживает рост интенсивности обслуживания, ее изменение является неизбежным.
Для анализа функционирования СПС желательно формализованного оценивать ее состояния. Одним из удобных подходов является представление их в виде многострочного индекса со-
J г
(2)
стояния системы, аналогичного предложенному в работе [3] для описания цепей поставок. Число строк в нем соответствует числу обслуживающих подразделений, строки располагаются сверху вниз в порядке обслуживания заявки соответствующими подразделениями предприятий-соисполнителей проекта. Каждая строка характеризует состояние обслуживающих подразделений канала: первый элемент - количество заявок в очереди перед подразделением, второй и следующие - число заявок, находящихся на обслуживании в первом и последующих структурных элементах. Составленный таким образом индекс однозначно характеризует текущее состояние СПС, с помощью него в формализованном виде можно анализировать основные характеристики хозяйственной системы, оказывающие влияние на интенсивность обслуживания заявок, обосновывать управляющие воздействия, оптимизировать структуру и параметры ее элементов.
Описанные выше процессы достаточно хорошо описываются моделью с многоканальным поэтапным обслуживанием. Причем особенность заключается в том, что каждый обслуживающий канал не освобождается, пока заявка не будет полностью удовлетворена, интенсивность обслуживания будет равна минимальной интенсивности обслуживания подразделений этого канала. Заявка принимается к обслуживанию в любом свободном специализированном на данной категории заявок канале или ставится в очередь, по мере освобождения каналов заявки обслуживаются в порядке поступления или важности. С помощью такой модели основные параметры хозяйственной системы оцениваются известными методами теории массового обслуживания, затем рассчитываются локальные по направлениям деятельности и глобальный КФГ хозяйственной системы, далее с использованием методов теории оптимизации определяется наиболее целесообразная для выполнения инновационного проекта структура системы.
При анализе ХС во многих случаях возникает необходимость оценивания ее характеристик по фрагментарным данным, например по верхней части имеющихся рейтингов. В этом случае возникает необходимость частичного восстановления основных недостающих характеристик с помощью статистических методов. Если ситуация сформировалась в рамках рыночных экономических механизмов, то основные характеристики системы будут иметь близкие к нормальным законы распределения. По доступной информации можно построить правую (реже левую) часть эмпирического закона распределения параметра. Если нет оснований сомневаться в нормальности распределения, то построенный фрагмент может быть зеркально отображен в левую часть распределения и на основе априорной информации или экспертных оценок «размещен по горизонтали» на числовой оси. Далее на основе статистических критериев с помощью методов оптимизации подбираются параметры теоретического распределения, минимизирующие расхождения между наблюдаемым и теоретическим законами. Формализованная постановка задачи может быть представлена следующим образом [10]:
где х , а, п - соответственно возможные средние значение исследуемого параметра, его стандартное отклонение и предполагаемое количество событий (наблюдений).
При наличии значительного количества наблюдений критерий согласия может быть применен при малом уровне значимости, и полученное таким способом распределение будет достаточно точно описывать фактическую ситуацию. По полученным характеристикам могут быть оценены соответствующие параметры структуры хозяйственной системы или ее отдельных элементов. При необходимости может быть проведен анализ причинно-следственных зависимостей, выполнена проверка качества полученной модели с помощью ¿-статистики и Р-теста. Восстановленные таким способом характеристики системы могут быть использованы для повышения обоснованности проектных решений и эффективности ее целевой деятельности.
Другим целесообразным для практического исследования экономических систем методом является использование при моделировании многомерных полиномов. Анализ многих известных научных трудов показывает, что при достаточном количестве исходных данных с увеличением числа учитываемых параметров повышается и точность аппроксимации моделью фактических зависимостей, что позволяет увеличивать продолжительность интервала прогнозирования. Немаловажным является и оценивание временной трудоемкости моделирования. В работах [2; 6] для обобщенных сложных систем приведены зависимости средних удельных затрат времени на прогнозирование значений выходных характеристик от учитываемых параметров при различных степенях модели. Так при небольшом количестве внутренних параметров (в среднем до пяти) с увеличением степени полинома время моделирования растет незначительно. С увеличением же их числа, особенно при высоких степенях полинома, трудоемкость возрастает примерно на порядок при изменении степени на единицу, при этом она почти линейно зависит от количества наблюдений. Представляется, что указанные результаты вполне могут
2
шіп %2( л, а, п),
(3)
опт
при ограничениях:
быть использованы при модельных исследованиях хозяйственных систем, функционирующих в рамках рыночных механизмов, в частности при выполнении ими длительных инновационных проектов. Полиномы высоких степеней относительно редко используются для описания экономических систем из-за «тяжеловесности» последних, поэтому в позиции трудоемкости применение указанных подходов для моделирования является оправданным.
Формализованные соотношения, связывающие параметры головного исполнителя и обслуживающих его соисполнителей, позволяют определять необходимое число соисполнителей проекта, требуемые их свойства как функциональных подсистем (и на этой основе обосновывать отбор участников), оценивать влияние структуры системы на вероятность получения конечного результата инновационного проекта, количество используемых ресурсов и, как следствие, эффективность целевой деятельности системы в целом. Такие соотношения могут быть использованы также для оценивания выходных параметров хозяйственной системы по заданным структуре и параметрам структурных элементов и наоборот. Расчет локальных по каждому направлению деятельности и глобального КФГ системы позволяет решать основные задачи анализа и синтеза структуры и параметров подразделений, вырабатывать управляющие воздействия по их корректировке при изменении условий деятельности или характеристик инновационного проекта.
Ссылки:
1. Верзилин Д.Н., Черешнев В.В., Максимова Т.Г. Управление сложными организационными системами: концепции, принципы, инструментарий. Екатеринбург, 2009.
2. Дорохов А.Н. Метод повышения надежности сложной системы. Л., 1984.
3. Киселев А.В. Исследование непрерывного пополнения запасов организации. Л., 1973.
4. Колычева В.А. Рынок произведений искусства: теоретико-экономический анализ. М., 2014.
5. Мильнер Б.3. Теория организации. 3-е изд., перераб. и доп. М., 2003.
6. Маслов А.Я. Эксплуатация автоматизированных систем управления. М., 1984.
7. Новиков Д.А. Управление проектами: организационные механизмы. М., 2007.
8. Охтилев М.Ю., Соколов Б.В., Юсупов Р.М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М., 2006.
9. Цвиркун А.Д., Акинфиев В.К. Структура многоуровневых и крупномасштабных систем: синтез и планирование развития. М., 1993.
10. Шаныгин С.И. Управление организацией проектного типа: стратегия и тактика. СПб., 2012.
