CC BY
55
УДК 338 ББК 65
ВОПРОСЫ МОДЕЛИРОВАНИЯ ПРОЦЕССА ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ПРИ ПОСТРОЕНИИ СИСТЕМ УПРАВЛЕНИЯ ДЕЯТЕЛЬНОСТЬЮ ИННОВАЦИОННО-ОРИЕНТИРОВАННОГО ПРЕДПРИЯТИЯ (ОРГАНИЗАЦИИ)
ЛЮДМИЛА ВАЛЕРЬЕВНА ШМАНЕВА,
начальник управления организации научной и редакционно-издательской деятельности Московского университета МВД России имени В.Я. Кикотя, кандидат философских наук, доцент E-mail: shmaneva_luda@mail.ru Научная специальность 08.00.05 — экономика и управление народнъм хозяйством
Citation-индекс в электронной библиотеке НИИОН
Аннотация. Обосновывается вывод, что в целях оценки и прогнозирования последствий принятия решений по внедрению инноваций на предприятии (организации) следует прибегать к моделированию, осуществляемому на основе корректного отражения условий ведения инновационной деятельности, производимого при соблюдении описанных требований.
Ключевые слова: моделирование, оценка и прогнозирование, принятие решений, инновации, внедрение инноваций, управление предприятием.
Abstract. The author justifies that in order to evaluate and predict the consequences of making decisions on the introduction of innovations at the enterprise (organization), it is necessary to use modeling, carried out on the basis of a correct reflection of the conditions for conducting innovation activity.
Keywords: modeling, estimation and forecasting, decision making, innovations, introduction of innovations, enterprise management.
Базовым фактором, влияющим на экономический рост и повышение конкурентосопособности предприятия, большинством ученых давно признан высокий уровень инновационной деятельности. Действительно, в условиях быстро меняющейся ситуации, вследствие нестабильности и неопределенности политических и социально-экономических процессов, организация, способная учитывать происходящие изменения и адекватно реагировать на них путем разработки соответствующих организационных и финансовых мероприятий, основанных на результатах научных достижений и предполагающих привлечение современных технологий, в том числе информационных, несомненно, будет в выигрыше. Именно инновации в современном мире являются залогом успешной работы и поступательного развития, и позволяют, ориентируясь на транс-
формации, органично интегрироваться в традиционную деятельность.
Успех внедрения инноваций определяется правильно выбранным моментом, т.е. своевременностью, которая, в свою очередь, обеспечивается количеством и качеством полученной информации. По мнению американского менеджера Ли Якокка для принятия правильного решения необходимо располагать 95 % необходимых данных, но поскольку получить такой объем не всегда удается, требуется привлечение методов, которые могут анализировать многоцелевые задачи со слабо формализуемыми условиями при неполной или нечеткой информации.
Моделирование дает возможность прогнозировать результаты альтернативных решений по внедрению инноваций и тем самым облегчает поиск наиболее эффективных управляющих воздей-
ствий. И хотя используемые подходы предлагают упрощенную жизненную ситуацию, тем не менее, обеспечивают модельный анализ сложных организационных и управленческих процессов, связанных с инновационной деятельностью.
Кроме того, в качестве положительных характеристик моделирования следует назвать:
• наличие широкого спектра моделей, методов и подходов;
• высокая степень обоснованности и надежности принимаемых решений на основе результатов моделирования;
• значительное снижение временных затрат на принятие решения;
• экономия финансовых, материальных и людских ресурсов;
• возможность составления оценочных прогнозов для разработки на их базе обоснованных планов и программ развития предприятия (организации);
• обеспечение при манипулировании прямыми и обратными информационными потоками виртуального анализа происходящих изменений динамики и интенсивности направлений процессов на предприятии (организации): производственных, организационных, управленческих и т.д.;
• возможность выявления и оценки альтернативных вариантов решения задач;
• возможность анализа и оценки риска принимаемых решений в условиях неопределенности. Современная теория и практика управления органично сочетает эвристические и алгоритмические процессы, что позволяет создавать действенные и эффективные модели, сочетая опыт, интуицию, знания и базу современных методов принятия решения (в том числе, математические).
Математические модели дают возможность находить наиболее эффективное решение поставленных задач и, следовательно, обеспечивают управляющему воздействию высокое качество, однако из этого не следует, что формализация процесса принятия решения однозначно обеспечивает его эффективность. Нередко слабо структурированные социально-экономические системы с характерной для них долей неопределенности трудно поддаются математическому моделированию. Но если это удается, то проектирование и внедрение в практику
управления инновационных технологий становится легким и практически безошибочным.
И хотя экономико-математические модели уступают по сложности реальным объектам управления, они дают возможность на основе анализа полученной информации принимать правильное решение исходя из конкретной ситуации, если отвечают следующим требованиям:
1. соответствие поставленным целям разработки модели;
2. способность отражать основные параметры объекта исследования;
3. учет особенностей структуры и характера взаимодействия элементов объекта моделирования;
4. возможность изменять значения основных параметров объекта исследования, определять величины показателей моделируемого объекта;
5. наличие адаптационного механизма, позволяющего с одной стороны, контролировать возможные изменения моделируемой системы, а с другой трансформироваться в зависимости от складывающейся ситуации;
6. простота, экономичность, действенность, надежность при максимальном соответствии прототипу.
Математическое моделирование представляет собой разработку и систематизацию формализованных схем, являющихся отражением реально функционирующих процессов (явлений). Создаются они на основе конкретных данных, выраженных через определенные параметры, поэтому, хотя любая математическая модель, представляет собой упрощенную схему реального процесса или явления, тем не менее, она с достаточной достоверностью отражает реальные события. Установленные зависимости в таких моделях представляют через функции без уточнения вида причинно-следственных связей: Y=F(Z., N. Рк, ^ К, Я, О , К, А (А V 1, О,
4 1' у к' ' 1' 2' т' ^ п 4 ор^' а' V''
где Z1 — множество целей, которых необходимо добиться в результате принятия решения;
N — поставленная задачи, которые необходимо решить;
Рк — проблемы, которые могут возникнуть в ходе выполнения работы;
t — время, необходимое для принятия решения;
Rl — ресурсы, необходимые для принятия решения;
И — ресурсы необходимые для выполнения принятого решения;
ЭКОНОМИЧЕСКИЕ НАУКИ
От — множество ограничений;
^ — функциональная зависимость между управляющим воздействием и управляемыми параметрами;
^ — функциональная зависимость между управляемыми переменными и полученным результатом;
Ап — множество альтернативных вариантов решений;
К. — критерии, по которым выбирают решение;
Аор( — наилучшее из рассмотренных решений [5].
Такие формализованные схемы позволяют сформулировать общую задачу, которую в дальнейшем, представляют в виде функциональной зависимости управляющих и управляемых параметров через их численные показатели и проверяют математическую модель на адекватность реальным процессам (явлениям). Если необходимо, то проводят корректировку модели и снова оценивают ее на соответствие тем процессам и явлениям, которые математическая модель отражает. На последней стадии с помощью ее просчитывают возможные варианты решения и выбирают наиболее приемлемый для данных условий, исходя из заданных критериев.
При построении математических моделей проходят следующие этапы:
1. определяют показатели и их параметры, влияющие на эффективность функционирования системы;
2. изучают степень влияния каждого показателя на функционирования системы при различных вариантах решения;
3. систематизируют взаимосвязанные показатели с целью упрощения модели;
4. определяют динамику их влияние на систему;
5. выражение показателей через определенные символы и составление уравнения или/и системы уравнений.
С математической точки зрения данная система уравнений может быть довольно сложной, но структуру таких моделей представить довольно просто. Например, часто используемые в практике управления модели имеют вид:
Эф^х, у),
где Эф — эффективность;
f — функциональная зависимость эффективности процесса;
х., у. — управляемые (факторы, на которые можно оказывать влияние при решении поставленной задачи) и неуправляемые переменные (факторы, на влияние которых невозможно воздействовать), определяющие поведение системы.
Если воздействие на управляемые переменные имеет ограничения, или динамика их изменения имеет пределы, то в системе математических уравнений необходимо этот факт учесть и добавить условия ограничений.
С помощью этих моделей находят такие значения управляемых переменных, при которых функционирование системы наиболее эффективно.
В настоящее время используют несколько подходов к разработке математических моделей процессов принятия решений, в качестве основы которых выступают:
• теория статистических решений;
• теория полезности;
• теория игр.
Также необходимо указать на такие типы моделирования, как:
• эвристическое;
• имитационное.
Опишем подробнее.
Модель, разработанная на основе теории статистических решений, представляет собой совокупность математических методов, позволяющих определить правила, лежащие в основе принятия решений в экономике, общей теории систем и т.д. Теория статистических решений позволяет оценить с точки зрения оптимальности функционирования рассматриваемой системы и представляет собой выбор руководителем управляющих воздействий при изменении внешних факторов. При этом вводится в модель критерий оптимальности выбора, который может выражаться через критерий максимизации выигрыша, через критерий минимизации риска или через критерий максимального правдоподобия и т.п.
Модель, создаваемая на основе теории полезности, содержит элементы психологического восприятия человека. В качестве наиболее активно влияющих выделяют потребности, мотивацию поведения, особенности индивидуальных предпочтений, субъективность суждений и т.д.
Модели на основе теории игр строятся, как правило, с использованием теории нечетких множеств
и применяются при сложных ситуациях, связанных с поведением человека в конфликтных ситуациях, при принятии коллективных решений в условиях неопределенности и риска. Особенно востребованными их делает возможность получения алгоритмов решения большого класса проблем, в том числе при подготовке управленческих воздействий в рамках осуществления инновационной деятельности.
Эвристические модели создаются на опыте, знаниях и с помощью логического мышления. Их эффективность связана со способностью лица, принимающего решение, разбивать проблему на составляющие, и закрывать эти элементы в рамках известных типовых методик. Более того, такие модели хороши в ситуациях, которые из-за своей сложности и неопределенности не поддаются математическому моделированию.
Имитационное моделирование сочетает в себе математические и логические построения. Все имитационные модели можно подразделить на три группы:
1) статические модели, отражающие начальные и конечные состояния моделируемой системы;
2) модели, отражающие динамику изменений, происходящих в системе;
3) модели, отражающие последовательность смены процессов системы во времени.
В зависимости от поставленных задач и их приоритетности с помощью различного вида моделей или их совокупности возможно представить изменения в системе, построить алгоритм любого процесса, использовать стенды для косвенного эксперимента процессов реальных систем, проанализировать события во времени и дать прогнозную оценку не только динамике развития системы, но и определить вектор, и, наконец, исследовать процессы, содержащие стохастическую составляющую с помощью введенных случайных переменных [1]. Именно благодаря предоставлению исследователю-аналитику такого широкого спектра способов получения результатов имитационные модели получили широкое распространение. Существующая проблема невозможности получения с их помощью оптимального решения устранима, если дополнить имитационные модели моделями линейного программирования или, например, матричными моделями, т.е. оптимизационными блоками, что не только повысит достоверность, но и добавит практической значимости.
В зарубежной литературе отмечается ряд особенностей, связанных с применением количественных методов моделирования, среди которых следует упомянуть о том, что любой анализ складывающейся ситуации начинается с рассмотрения типовых моделей, проблем задач, которые планируем моделировать, затем наряду с изучением технологии разработки решения, выделяются конкретные вопросы, которые при этом необходимые рассмотреть, методы с помощью, которых это необходимо осуществить и технологии решений необходимых для внедрения найденных стратегий, причем модели разрабатываются от общего к частному, решения рассматриваются с различных точек зрения, стремясь, при этом максимально учесть специфику моделируемой задачи (проблемы) [1].
Исходя из вышеизложенного можно предположить, что переход от теоретической базы исследования органичного единства субъективных составляющих для принятия решений лицами о внедрении или отклонении инновационных проектов, к созданию на этой основе количественных моделей, и далее к практической их реализации, длителен и представляет собой сложную задачу, зачастую требующей формирование новых подходов, методов, методик.
Следует обозначить также, что не всегда получается учесть все особенности сложившейся в реальных системах ситуации, — это порождает некорректность отражения деятельности организации (предприятия) в строимых моделях, и как следствие приводит к неэффективному управлению инновациями. В целях минимизации данной проблемы предлагаем следующий вариант подхода к моделированию соответствующих процессов управления сложными социально-экономическими явлениями (рис. 1).
Одним из важнейших этапов серьезного научного анализа специалистами является «выделение области моделирования». Правильно проведенный данный этап облегчает в дальнейшем и делает наиболее корректным решение задачи построения конкретной модели, ее последующее внедрение. Одновременно, необходимо иметь в виду, что моделируемая проблемная ситуация трансформируется во времени, и предусмотреть все возможные изменения в системе управления сложно, поэтому модель не должна оставаться статичной, и к тому же учитывать неопределенность и неоднозначность
I. Определение области моделирования
II. Принятие решения о целесообразности построения модели
1. Оценка уровня организации и качества функционирования информационной системы на предприятии.
2. Информация об уровне организации экономической деятельности на предприятии (организации) и наличие отработанной системы принятия решений.
3. Оценка взаимозависимости и взаимовлияние параметров, базирующихся на количественных показателях, а также степень их воздействия на эффективность хозяйственной деятельности предприятия (организации).
4. Наличие поддержки со стороны руководства предприятия (организации) работы аналитиков-разработчиков проекта.
5. Информация, об успешном использовании на предприятии (организации) нововведений в области управления и о прогнозных методах оценки качества управления и регулирования.
6. Уровень заинтересованности лиц, принимающих решения на разных уровнях системы управления и степень их мотивации во внедрении новых методов управления и регулирования на предприятии.
7. Степень ответственности специалистов за внедрение результатов своей работы и степень их мотивации в получении положительного результата.
III. Разработка требований и параметров модели
1. Объем и качество информации, которую мы получим при использовании модели, с точки зрения ее своевременности, оперативности, объективности и возможности проверки.
2. Насколько будет востребованная данная модель.
3. В каком виде необходимо представить информацию на выходе.
Рис.1.Организациямоделированияпроцессапринятиярешений
вероятных событий, выражаемых уровнем риска принятия решения. Именно поэтому, требуется рассматривать несколько альтернативных решений, из которых отбирают наиболее целесообразные в данный конкретный момент времени.
Не менее значимым можно назвать последний шаг построения модели управления — это выявление ее работоспособности на базе оценки качественных и количественных параметров, их соответствие целям и задачам предприятия (организации), а также учитывающего мотивационные поступки лиц, принимающих решения на разных уровнях управленческой цепочки.
Таким образом, в целях оценки и прогнозирования последствий принятия решений по внедрению инноваций на предприятии (организации) следует прибегать к моделированию, осуществляемому на основе корректного отражения условий ведения инновационной деятельности, производимого при соблюдении описанных требований.
Литература
1. Американский капитализм и управленческие решения. М., 1977. С. 10.
2. Грядовой, Д.И. Концептуальные основы теории управленческих решений: Философско-социо-логический анализ: дис. ... докт. фил. наук: 09.00.11. М., 2003. 380 с.
3. Заде Л. понятие лингвистической переменной и его применение к принятию приближенных значений. М.: Мир, 1976. 165 с.
4. Стрелкова Н.В. Проблемы социально-технологического обеспечения процесса принятия управленческих решений: дис. ... канд. соц. наук: 22.00.08. М., 2002. 191 с.
5. Секерин А.Б. Вероятностная модель управления риском экономической несостоятельности промышленного предприятия и методические рекомендации по ее применению / А.Б. Секерин. Орел: ОГУ, 2006. 18 с.
6. Шманев С.В. Синергетико-институцио-нальный подход к управлению инвестиционными процессами. Монография. М.: Машиностроение, 2007. 220 с.
7. Шманева Л.В., Шманев С.В. Системно-синергетический подход к оценке инновационных рисков на предприятиях. Вестник ОрелГИЭТ. 2011. № 4(18). С. 39—44.
8. Turing A.M. On Computable Numbers, with an Application to the Entscheidungsproblem. A Correction // Proceedings of the London Mathematical Society. 1938. Vol. s2-43, Iss. 6. P. 544—546.
9. Поспелов Д.А. История искусственного интеллекта до середины 80-х годов // Новости искусственного интеллекта. 1994. № 4. С. 74—95.
10. Поспелов Д.А. Десять «горячих точек» в исследованиях по искусственному интеллекту. Опубликовано в: «Интеллектуальные системы» (МГУ). 1996. Т. 1, вып. 1—4. C. 47—56.
11. Karsakof S. Apercu d'un procédé nouveau d'investigation au moyen de machines à comparer les idées. St. Petersbourg, 1832.
Финансы и кредит: учеб. пособие для студентов вузов, обучающихся по направлению подготовки «Экономика» / [Н.В. Балихина и др.]. 3-е изд., перераб. и доп. М.: ЮНИТИ-ДАНА, 2017. 264 с.
Представлены теоретические основы устройства денежной и кредитно-финансовой системы страны, а также практика реализации финансово-кредитного механизма, современные проблемы этой сферы.
Третье издание существенно переработано и дополнено в соответствии с последними изменениями в области государственных финансов, финансов коммерческих организаций и кредита.
Для студентов и преподавателей экономических вузов, а также практических работников финансово-бюджетной и кредитной сферы.
