WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

РОССИЙСКАЯ АКАДЕМИЯ НАУК Институт проблем управления им. В.А. Трапезникова Е.В. Коновальчук, Д.А. Новиков МОДЕЛИ И МЕТОДЫ ОПЕРАТИВНОГО УПРАВЛЕНИЯ ПРОЕКТАМИ Москва – 2004 УДК 007 ББК 32.81

Коновальчук Е.В., Новиков Д.А. Модели и методы оперативного управления проектами.

М.: ИПУ РАН, 2004. – 63 с.

Настоящая работа содержит результаты исследований теоре тико-игровых и оптимизационных моделей и методов (механизмов) оперативного управления проектами.

Проводится обзор известных результатов решения задач опе ративного управления проектами (механизмы опережающего самоконтроля и компенсационные механизмы), рассматриваются оригинальные модели оперативного управления, позволяющие решать задачи управления с учетом моментов принятия решений, их содержания (эффективности) и согласованности: дополнитель ные соглашения, сокращение продолжительности проекта, шкалы оплаты, распределенное финансирование, типовые решения, точки контроля.

Работа рассчитана на специалистов (теоретиков и практиков) по управлению проектами.

Рецензент: д.т.н., проф. А.В. Щепкин Утверждено к печати Редакционным советом Института Институт проблем управления РАН, СОДЕРЖАНИЕ Введение................................................................................................ Часть 1. Проблемы оперативного управления проектами................ 1.1. Проект и этапы его жизненного цикла..................................... 1.2. Структура и задачи систем управления проектами................ 1.3. Задачи оперативного управления проектами........................ 1.4. Механизмы опережающего самоконтроля............................. 1.5. Компенсационные механизмы................................................ Часть 2. Модели и методы оперативного управления проектами.. 2.1. Дополнительные соглашения.................................................. 2.2. Продолжительность проекта................................................... 2.2.1. Детерминированная модель.............................................. 2.2.2. Интервальная неопределенность...................................... 2.2.3. Сообщение информации................................................... 2.3. Шкалы оплаты.......................................................................... 2.4. Распределенное финансирование........................................... 2.5. Типовые решения..................................................................... 2.6. Точки контроля......................................................................... Заключение.......................................................................................... Литература........................................................................................... ВВЕДЕНИЕ Настоящая работа посвящена разработке и исследованию мо делей и методов оперативного управления проектами, под которым понимается управление проектами в процессе их реализации с учетом достигнутых результатов и изменившихся условий.

Для этого в первой части обсуждается общая проблематика оперативного управления проектами, рассматривается жизненный цикл проекта, структура и задачи систем управления проектами, анализируется возможность использования известных в теории управления результатов, формулируются задачи, требующие даль нейших исследований;

анализируется ряд известных механизмов управления.

Во второй части рассматриваются оригинальные модели опе ративного управления проектами: дополнительные соглашения, продолжительность проекта, шкалы оплаты, распределенное фи нансирование, типовые решения, точки контроля.

ЧАСТЬ 1. ПРОБЛЕМЫ ОПЕРАТИВНОГО УПРАВЛЕНИЯ ПРОЕКТАМИ В первой части настоящей работы обсуждается общая про блематика оперативного управления проектами, рассматривается жизненный цикл проекта, структура и задачи систем управления проектами, приводится постановка и классификация задач опера тивного управления проектами, анализируется возможность ис пользования известных в теории управления результатов, форму лируются задачи, требующие исследования, которое проводится во второй части. Рассматриваются такие ставшие классическими механизмы оперативного управления проектами как механизмы опережающего самоконтроля и компенсационные механизмы.

1.1. ПРОЕКТ И ЭТАПЫ ЕГО ЖИЗНЕННОГО ЦИКЛА В соответствии с определением, приведенным в [32], "проект – ограниченное во времени целенаправленное изменение отдель ной системы с установленными требованиями к качеству результа тов, возможными рамками расхода средств и ресурсов и специфи ческой организацией".

На сегодняшний день теория управления проектами (УП) яв ляется бурно развивающимся разделом теории управления соци ально-экономическими системами. Можно выделить несколько различных направлений в управлении проектами.

Во-первых, это – модели календарно-сетевого планирования и управления (КСПУ) [9, 15, 19, 25, 31, 33, 38, 42], с появлением которого и зародилось управление проектами.

Во-вторых, это – "качественный" подход к управлению проек тами [34, 46, 48, 57, 66, 84-90, 95-100, 105-107, 110-114], близкий по своей методологии к менеджменту организаций [27, 28, 64, 65] и развиваемый, в основном, зарубежными учеными.

И, наконец, в третьих, это – "количественный" подход, осно вывающийся на анализе и синтезе математических моделей меха низмов управления проектами (процедурах принятия управленче ских решений) [3-8, 10-24, 26, 36, 37, 51, 55, 56, 60, 91] и развиваемый, в основном, отечественными учеными.

Настоящая работа следует традиции количественного подхо да, поэтому остановимся на нем более подробно. При построении оптимизационных, теоретико-игровых и имитационных моделей используется аппарат теории игр [41, 67 109] (в первую очередь – теории иерархических игр [35, 39, 52]), теории графов [9, 15, 25], математической экономики и микроэкономики [44, 45, 49, 59], теории контрактов [94, 101-103] и имитационного моделирования [11, 92, 93], а также подходы и результаты программно-целевого [81, 82] и ситуационного [50, 83] планирования и управления.

Система управления любым проектом является активной сис темой (АС), модель которой определяется заданием [21]:

- состава АС (участников, входящих в АС, то есть ее элемен тов);

- структуры АС (совокупности информационных, управляю щих, технологических и других связей между участниками АС);

- множеств допустимых стратегий участников АС, отра жающих, в том числе, институциональные, технологические и другие ограничения их совместной деятельности;

- целевых функций участников АС, отражающих их предпочте ния и интересы;

- информированности – той информации, которой обладают участники АС на момент принятия решений о выбираемых страте гиях;

- порядка функционирования: последовательности получения информации и выбора стратегий участниками АС.

Управление активной системой, понимаемое как воздействие на управляемую систему с целью обеспечения требуемого ее пове дения [21], может затрагивать каждый из шести перечисленных параметров ее модели. Следовательно, основанием системы клас сификаций механизмов управления АС (процедур принятия управ ленческих решений) является предмет управления – изменяемая в процессе и результате управления компонента АС.

По этому основанию можно выделить:

- управление составом [47, 69];

- управление структурой [29, 63, 69, 70];

- институциональное управление (управление «допустимыми множествами») [62, 68];

- мотивационное управление [71, 77, 91, 94] (управление пред почтениями и интересами);

- информационное управление (управление информацией, ко торой обладают участники АС на момент принятия решений) [75, 76];

- управление порядком функционирования (управление после довательностью получения информации и выбора стратегий участ никами АС), которое обычно рассматривают как управление структурой [70].

Простейшая (базовая) модель АС включает одного управляе мого субъекта – агента – и одного управляющего органа – центра, которые принимают решения однократно и в условиях полной информированности.

Расширениями базовой модели являются:

- динамические АС (в которых участники принимают решения многократно) [74];

- многоэлементные АС (в которых имеется несколько агентов, принимающих решения одновременно и независимо) [77];

- многоуровневые АС (имеющие трех- и более уровневую ие рархическую структуру) [29, 69, 70];

- АС с распределенным контролем (в которых имеется не сколько центров, осуществляющих управление одними и теми же агентами) [36, 78];

- АС с неопределенностью (в которых участники не полно стью информированы о существенных параметрах) [23, 77];

- АС с ограничениями совместной деятельности (в которых существуют глобальные ограничения на совместный выбор аген тами своих действий) [68, 77];

- АС с коалиционным поведением участников [40];

- ОС с сообщением информации (в которых одним из действий агентов является сообщение информации друг другу и/или центру) [54, 79].

Таким образом, в настоящей работе будут рассматриваться "количественные" (формальные) модели и методы оперативного управления проектами, для создания которых может быть исполь зован описанный выше арсенал различных теоретико-игровых и оптимизационных моделей, исследованных в теории управления социально-экономическими и организационными системами.

В проектном управлении [32] выделяют следующие фазы жизненного цикла проекта:

- начальная фаза (концепция): сбор исходных данных и ана лиз существующего состояния;

определение целей, задач, критери ев, требований и ограничений (внешних и внутренних) проекта, экспертиза основных положений, утверждение концепции проекта;

- фаза разработки: формирование команды, развитие концеп ции и основного содержания проекта, структурное планирование, организация и проведение торгов, заключение договоров и субдо говоров с основными исполнителями, представление проектной разработки и ее получение одобрения;

- фаза реализации проекта: ввод в действие разработанной на предыдущих фазах системы управления проектами, организация выполнения работ, ввод в действие системы мотивации и стимули рования исполнителей, оперативное планирование, управление материально-техническим обеспечением, оперативное управление;

- завершающая фаза: планирование процесса завершения про екта, проверка и испытание результатов реализации проекта, под готовка персонала для эксплуатации результатов реализации про екта, их сдача заказчику, реализация оставшихся ресурсов, оценка результатов и подведение итогов, расформирование команды проекта.

Таким образом, оперативное управление соответствует, в ос новном, фазе реализации проекта.

Рассмотрев жизненный цикл проекта и проведя краткий обзор современного состояния теории УП, перейдем к описанию струк туры и задач систем управления проектами.

1.2. СТРУКТУРА И ЗАДАЧИ СИСТЕМ УПРАВЛЕНИЯ ПРОЕКТАМИ На рисунке 1 представлена простейшая входо-выходная мо дель управления проектом. В рамках этой модели состояние про екта – результат его реализации – зависит от действий, предпри нимаемых его участниками (исполнителями, являющимися управляемыми субъектами) и состояния внешней среды. Актив ность (целенаправленность) поведения исполнителей обуславлива ет зависимость результата от внешних условий (определяемых окружающей средой) и управления – целенаправленного воздейст вия, осуществляемого управляющим органом, которого условно можно назвать "менеджером проекта" (центром в терминологии теории активных систем).

"МЕНЕДЖЕР ПРОЕКТА" Управление Результат ПРОЕКТ Внешняя среда Рис. 1. Входо-выходная модель управления проектом В рамках моделей принятия решений в качестве управляющих воздействий могут выступать воздействия на различные компонен ты управляемой системы – ее состав, структуру, предпочтения и ограничения деятельности участников, их информированность и т.д. (см. выше и [41]). Кроме того, в теории управления обычно выделятся следующие основные функции управления [21]: плани рование, организация, мотивация и контроль. Эти общие функции реализуются системой управления на всех этапах и фазах жизнен ного цикла проекта. Выделим роль и место оперативного управле ния.

Предположим, что в рамках имеющейся информированности центра, он обладает достоверной информацией обо всех сущест венных параметрах, то есть условно можно считать, что функцио нирование системы происходит в условиях полной информирован ности.

Тогда задача управления проектом включает в себя задачу "планирования", решаемую до начала реализации проекта, и задачу оперативного управления – выработки оперативных управляющих воздействий в ходе реализации проекта. Задача "планирования" подробно рассмотрена в литературе [3-7, 10, 15, 19 и др.], поэтому перейдем к определению задач оперативного управления проек том, которые включают задачи идентификации, прогнозирования и собственно управления.

На рисунке 2 изображена структура системы оперативного управления проектом. Имеется реальный проект и его модель – представления о нем (формальные или интуитивные), которые существуют у центра и/или у исследователя операций. В общем случае модель может отличаться от проекта, даже в отношении тех характеристик, которые она призвана адекватно отражать.

Прогнозируемый МОДЕЛЬ ПРОЕКТА результат Идентификация проекта и адаптация модели ЦЕНТР Управление Внешняя среда Фактический РЕАЛЬНЫЙ ПРОЕКТ результат Рис. 2. Структура системы оперативного управления проектом Пусть первоначально центр построил некоторую модель про екта, и на начальных этапах решил задачу "планирования" – опре делил желательные будущие значения результатов. При этом необходимо принимать во внимание, что для решения задач иден тификации и прогнозирования могут использоваться не только данные о ходе реализации рассматриваемого проекта, но и инфор мация о реализации других аналогичных проектов.

Однако в ходе реализации проекта может оказаться, что мо дель неадекватна и фактические результаты отличаются от запла нированных. Тогда на основании информации о состоянии окру жающей среды, прогнозируемом (планируемом) и фактическом результате центр осуществляет коррекцию модели проекта, выра батывает новый "план" и осуществляет соответствующие управ ляющие воздействия.

Процесс получения информации о существенных параметрах проекта и его окружении будем называть мониторингом. Монито ринг проекта, точнее – разработка соответствующих моделей и механизмов является отдельной задачей и выходит за рамки на стоящего исследования. Для ее решения целесообразно использо вать имеющиеся в теории управления результаты по методике освоенного объема (МОО) [51, 96, 100-104, 112], сбалансирован ным системам показателей [46, 110, 111], системам комплексного оценивания [1, 2] и механизмам экспертизы [11, 22, 58, 80].

На основании мониторинга осуществляется прогнозирование будущих состояний проекта (каким будет результат с учетом новой информации, но в условиях действия "старой" системы управления – "старого плана"). Прогнозирование, точнее – разра ботка соответствующих моделей и механизмов также является отдельной задачей и выходит за рамки настоящего исследования.

Для ее решения целесообразно использовать имеющиеся в теории управления результаты по экономическому, технологическому и экспертному прогнозированию [29, 61, 75, 86, 87], а также по сценарным подходам и ситуационному управлению [50, 53, 83, 93].

Если прогнозируемый результат не удовлетворяет центр, не обходимо его вмешательство – оперативное управление – см.

таблицу 1 [51]. То есть, решив задачи идентификации и прогнози рования, можно решать задачи оперативного управления проектом – выработки таких управляющих воздействий, которые корректи ровали бы ход реализации проекта в нужную (с точки зрения цен тра) сторону.

Таблица Задачи системы оперативного управления проектами Идентификация Прогнозирование Управление (мониторинг) «Что произойдет, «Какие меры следует «Что происходит?» если не принять предпринять?» мер?» Определение пара- Оценка показате- Реакция на: «внеш метров модели проек- лей проекта в нюю» и «внутрен та на основании будущие моменты нюю» причину – имеющихся наблюде- времени и сравне- корректировка дирек ний за ходом его ние их с плановы- тивного графика и реализации ми значениями технологии Таким образом, под оперативным управлением проектом (ОУП) будем понимать управление проектом в процессе его реали зации с учетом достигнутых результатов и изменившихся внешних и внутренних условий. Под внешними условиями понимается сово купность существенных с точки зрения рассматриваемого проекта параметров, описывающих окружающую (внешнюю) среду. Под внутренними условиями понимается совокупность существенных с точки зрения рассматриваемого проекта параметров, описываю щих участников проекта – центра, исполнителей и т.д.

Пусть известны ограничения на значения управляющих пара метров и задан критерий эффективности управления, зависящий как от управляющих, так и от зависимых параметров. Тогда на качественном уровне задачу управления можно сформулировать следующим образом: выбрать такие допустимые значения управ ляющих параметров, которые доставляли бы экстремум критерию эффективности управления.

Задача "планирования", являющаяся частным случаем сфор мулированной выше задачи управления, решается до начала реали зации проекта и заключается в определении на основании всей имеющейся на данный момент информации оптимальных плано вых значений управляющих параметров и, соответственно, состоя ний проекта на весь планируемый период его реализации.

Задача оперативного управления, также являющаяся частным случаем задачи управления, решается в ходе реализации проекта и заключается в определении на основании всей имеющейся на данный момент (текущей) информации оптимальных текущих и будущих значений управляющих параметров, то есть оптимальных "плановых" значений управляющих параметров и, соответственно, состояний проекта на всю оставшуюся часть планируемого перио да его реализации.

Таким образом, задачи планирования и оперативного управления являются частными случаями одной и той же задачи управления, отличающимися лишь той информацией, которая имеется на момент принятия решений [51] – см. рису нок 3.

МОНИТОРИНГ ПРОГНОЗ УПРАВЛЕНИЕ Рис. 3. Цикл управленческой деятельности Поясним последнее утверждение более подробно. При реше нии задачи планирования имеется информация об ограничениях на допустимые значения плановых показателей и модель проекта.

При решении задачи оперативного управления имеется информа ция об ограничениях на допустимые значения показателей и мо дель проекта, скорректированные в соответствии с решениями соответствующих задач идентификации и прогнозирования и учитывающие историю реализации проекта.

Коль скоро установлена качественная эквивалентность задач планирования и оперативного управления, достаточно рассмотреть подробно одну из них, поэтому обычно в литературе по моделям УП (см., например, [51]) по умолчанию подразумевается, что формулируемые и решаемые задачи могут интерпретироваться двояко.

Кроме того, как было показано в [51] при агрегированном представлении проекта, то есть рассмотрении проекта как единого целого, решение оптимизационных задач планирования и опера тивного управления в условиях полной информированности за ключается в сведении к известным оптимизационным задачам, методы и алгоритмы решения которых хорошо известны.

Итак, проведенное рассмотрение позволило сделать несколько важных методологических выводов.

Во-первых, задача "планирования" обычно рассматривается в предположении, что плановые значения всех показателей опреде ляются до момента начала реализации проекта. В то же время, если в ходе реализации проекта обнаруживается отклонение фактиче ских значений показателей от плановых, то задачи "планирования" могут решаться «заново» с учетом имеющейся информации. При этом техника решения останется без изменений, изменятся лишь начальные условия («начальное» значение времени будет равно не нулевому, а текущему и т.д.) и параметры, скорректированные с учетом поступившей информации. Другими словами, задачи опти мизации параметров проекта (задачи оптимального "планирова ния"), без значительных модификаций могут решаться в ходе реализации проекта как задачи оперативного управления с учетом накопленной информации.

Второй вывод заключается в следующем. Если на этапе пла нирования имелась неопределенность относительно состояния природы, то в ходе реализации проекта при решении задач опера тивного управления эта неопределенность может снижаться за счет имеющейся информации об истории реализации проекта. Для этого при решении соответствующих оптимизационных задач может использоваться хорошо развитая техника идентификации – методы стохастической аппроксимации, дифференциальных и повторяющихся игр и т.д. [41, 45, 52, 74, 109].

Перейдем к постановке и классификации задач оперативного управления.

1.3. ЗАДАЧИ ОПЕРАТИВНОГО УПРАВЛЕНИЯ ПРОЕКТАМИ Обычно [22] при рассмотрении механизмов управления проек тами практически не рассматривается динамика реализации проек та во времени. Действительно, при решении задачи синтеза того или иного механизма неявно предполагается, что механизм «вклю чается» в момент начала выполнения проекта и однозначно опре деляет результаты деятельности всех исполнителей и результат всего проекта в целом. Такое одношаговое описание проекта адек ватно многим реальным ситуациям, однако, далеко не всем из них.

Рассмотрим, в каком случае статическая модель проекта является достаточной (с точки зрения эффективности).

Если перед началом проекта и центр, и исполнители имеют достаточно полное и точное представление обо всех параметрах самого проекта и параметрах внешней среды, существенно влияющих на результат реализации проекта, то все возможные ситуации могут быть учтены (например, в рамках метода сценари ев) при синтезе механизма управления на начальном этапе. Такой механизм может оказаться достаточно громоздким (так как он должен учитывать значительное число факторов), однако, принци пиально, ничто не препятствует его созданию.

На практике ситуации, в которых априори имеется полная ин формация о будущих значениях существенных параметров, встре чаются достаточно редко. Зачастую имеется большая неопреде ленность относительно результатов реализации проекта. Понятно, что со временем эта неопределенность будет уменьшаться за счет поступления новой информации, идентификации параметров, наблюдений за ходом реализации проекта и т.д. В этом случае создавать механизм управления, который изначально учитывал бы всю неопределенность и давал универсальные рецепты на все случаи жизни, неэффективно, а порой просто нереально. Поэтому возникает необходимость рассмотрения динамики реализации проекта.

Наиболее простым обобщением статических моделей на ди намический случай является следующее рассуждение. Пусть про цесс реализации проекта разбит на T периодов. В каждом отдельно взятом периоде центру необходимо решать задачи распределения ресурса, синтезировать механизмы финансирования, стимулирова ния и т.д. Если считать, что ставить и решать эти задачи для стати ческих моделей (одного периода) мы умеем, то необходимо просто решить Т задач – каждую для своего периода. Такая модель назы вается квазидинамической (или моделью с несвязанными периода ми функционирования [22, 74]). Квазидинамические модели по зволяют описывать динамику процесса, но при их использовании некоторые эффекты, связанные именно с динамикой, могут быть потеряны. Поэтому иногда более адекватными являются динами ческие модели, в которых задачи, решаемые в каждом периоде, связаны между собой.

Следует признать, что, во-первых, динамические модели яв ляются несравненно более сложными (с точки зрения проблем синтеза, вычислительной сложности, анализа решений и т.д.), чем статические. Во-вторых, модели, достаточно полно учитывающие динамику, исследованы гораздо менее глубоко, чем статические модели. Результаты исследования некоторых динамических АС приведены в работах [22, 37, 51, 60, 74, 91] и эти результаты можно и нужно использовать при решении задач ОУП.

Перейдем к классификации задач ОУП. Так как оперативное управление проектом является частным случаем управления соци ально-экономической системой, то возможна его классификация по основаниям: предмет управляющего воздействия и расширение базовой модели – см. выше. Кроме того, специфическим именно для ОУП являются следующие три существенных свойства прини маемых решений (ПР): время (момент принятия решений);

содер жание (суть и эффективность принимаемых решений);

согласо ванность (принимаемых решений с интересами и предпочтениями участников проекта).

В таблице 2 приведено соответствие между известными меха низмами управления (которые сгруппированы по функциям: пла нирование, организация, мотивация и контроль, и для которых указаны ссылки на работы, содержащие их описание), и перечис ленными тремя свойствами (плюс, стоящий в некоторой ячейке, означает, что механизм, соответствующий строке, в относительно существенной степени учитывает свойство, соответствующее столбцу;

точка – что в меньшей степени;

минус – практически не учитывает).

Таблица Механизмы управления и свойства решений по оперативному управлению проектами Свойства решений МЕХАНИЗМЫ УПРАВЛЕНИЯ Механизмы распределения ресурса [5,11,22] – + Механизмы активной эксперти зы [11,21,22,79] – + – Механизмы внутренних цен [21,92] – + + Конкурсные механизмы [11,21] – + – Механизмы обмена [54] – + Механизмы смешанного финан сирования [22,55] + Противозатратные механизмы [11,21,92] + Механизмы «затраты-эффект» [1,15,16,21] + – + Механизмы агрегирования [4,9,51,69] + – Механизмы самоокупаемости [13,16,22] + – Механизмы выбора ассортимен та [6,21] + – – Механизмы закупок [6,7] + – Механизмы оптимизации об менных производственных схем [15] + – Механизмы оптимизации произ водственного и коммерческого циклов [15] + Механизмы оптимизации струк туры [29,40,69,70] + + Механизмы назначения [22,55] + жание Время Содер Согласо ванность Механизмы планирования Механизмы организации Механизмы стимулирования за индивидуальные результаты [71] + + Механизмы стимулирования за результаты коллективной дея тельности [71,77] + Механизмы унифицированного стимулирования [47,69,71] + Механизмы «бригадной» оплаты труда [71,92] + Механизмы стимулирования в матричных структурах управле ния [40,47,78] + + Механизмы комплексного оценивания [1,2,22,24,55] + + – Механизмы согласия [22,55] – + Многоканальные механизмы [11,22] + + Механизмы опережающего самоконтроля [8,22] + + Механизмы страхования [12,16,22] + + Компенсационные механизмы [8,22] + + Выше были выделены три существенных свойства решений, принимаемых при ОУП: время (момент принятия решений), со держание (суть и эффективность принимаемых решений) и согла сованность (принимаемых решений с интересами и предпочтения ми участников проекта). В таблице 3 приведено соответствие между моделями принятия решений, рассматриваемыми ниже, и перечисленными тремя свойствами (плюс, стоящий в некоторой ячейке, означает, что модель, соответствующая строке, в относи тельно существенной степени учитывает свойство, соответствую щее столбцу;

точка – что в меньшей степени).

Механизмы стимулирования Механизмы контроля Таблица Модели и свойства решений по ОУП Свойства принимаемых решений Модель принятия решений Содер- Согласо Время жание ванность Дополнительные соглашения ++ Продолжительность проекта ++ Шкалы оплаты + Распределенное финансирование + Типовые решения ++ Точки контроля ++ Перейдем к систематическому описанию моделей оперативно го управления проектами. Для этого сначала рассмотрим два из вестных из литературы класса механизмов, а затем во второй части настоящей работы изложим оригинальные результаты.

1.4. МЕХАНИЗМЫ ОПЕРЕЖАЮЩЕГО САМОКОНТРОЛЯ При отклонении хода реализации проекта от запланированно го, руководителю проекта – центру – желательно как можно рань ше иметь соответствующую информацию, с тем, чтобы своевре менно принять меры. Механизмы, стимулирующие возможно более раннее информирование об отклонениях от плана, называ ются механизмами опережающего самоконтроля [22]. Основная идея таких механизмов заключается в том, что наказание исполни теля работ по проекту – агента – при отклонении хода проекта от запланированного меньше, если он своевременно сообщит об отклонениях, что позволит центру либо провести компенсацион ные мероприятия, либо скорректировать план.

Рассмотрим простую модель с механизмом опережающего са моконтроля. Обозначим x – плановый объем работ в периоде T, y – фактический выполненный объем работ по проекту (случайная величина), F (y) – функция распределения y в рассматриваемый момент < T (T – планируемый период). Пусть в момент агент имеет право скорректировать план x. Обозначим v – скорректиро ванный план, (v – x) – штраф за корректировку плана. При невы полнении плана в момент T агент штрафуется на величину (v - y), v y (1) (y,v ) = - v v y.

(y ), Наконец, при выполнении объема работ y агент получает оп лату y (будем считать без ограничения общности, что = 1).

Окончательно интересы агента в момент корректировки плана описываются выражением:

(2) f (x,v,y)= y - (v,y)- (v - x).

Найдем максимум математического ожидания этой величи ны, предполагая, что z, z T (3) (z )=.

- z, z T Условия оптимальности оценки v имеют вид:

- - T T (v ) (x) F = +, если F < + + + (4).

(v ) (x) F = T, если F > T + + - + T T v = x, если F (x) + + Здесь мы учитываем, что в начальный момент = 0 агент при нимает на себя объем работ x, обеспечивающий максимум ожи даемой величины его дохода y - (x,y), то есть, удовлетворяю щий условию F0(x) =.

+ Проведем анализ полученного результата. Во-первых, при не большом изменении F (y) по сравнению с F(y) корректировка плана не производится, поскольку это невыгодно агенту. Заметим, что это невыгодно и центру, поскольку небольшие отклонения могут быть ликвидированы в дальнейшем. При больших измене ниях (отклонении F (y) от F(y)) производится корректировка плана.

При этом, чем позже будет произведена корректировка, тем боль ше штраф за нее.

Важно отметить, что допущение корректировки плана не влияет на выбор плана x в начале периода.

Переходя к рассмотрению случая нескольких корректировок в моменты,,..., заметим, что для рассматриваемой кусочно 1 2 s линейной функции штрафа решение о корректировке плана в любой момент времени принимается на основе выражений (3)-(4), как если бы мы имели дело с единственной корректировкой.

При использовании выпуклых функций штрафа за корректи ровку следует учитывать эффект растягивания корректировки на несколько моментов времени. Действительно, боясь большого штрафа за корректировку (при выпуклых функциях штрафа), агент может провести несколько небольших корректировок в последова тельные моменты времени, выигрывая на сумме штрафов.

Применение вогнутых функций штрафа за корректировку имеет свои минусы. При таких функциях штрафа агенту нелегко определить оптимальную величину корректировки плана. Поэтому в механизмах опережающего самоконтроля целесообразно приме нять кусочно-линейные функции штрафа (1).

Очевидно, что механизмы опережающего самоконтроля могут применяться и в системах контроля сроков реализации операций проекта, а также других плановых показателей.

1.5. КОМПЕНСАЦИОННЫЕ МЕХАНИЗМЫ Влияние случайных и неопределенных факторов во многих случаях приводит к нарушению запланированных сроков заверше ния различных этапов проекта. Для таких случаев руководитель проекта – центр – предусматривает финансовые и материальные резервы и соответствующие компенсационные меры (мероприя тия). Механизмы, реализующие компенсационные мероприятия с целью ликвидации срывов, будем называть компенсационными механизмами [22]. Такие механизмы значительно снижают проект ные риски. Рассмотрим пример компенсационного механизма, направленного на ликвидацию (компенсацию) отставания в сроках реализации проекта.

Рассмотрим для примера сетевой график проекта, приведен ный на рисунке 4. Пусть в результате непредвиденных срывов ряда операций срок реализации проекта (длина критического пути Tкр = 17) превышает требуемый на некоторую величину = 4. Для ликвидации отставания выделяется дополнительное финансирова ние. Задача центра – обеспечить требуемые сроки реализации проекта с минимальной величиной средств на стимулирование исполнителей работ по проекту – агентов.

0 6 Рис. 4. Пример сетевого графика проекта Компенсационный механизм работает в данном случае сле дующим образом. Объявляется, что за каждый день (неделю, ме сяц) сокращения длительности операции назначается дополни тельное стимулирование (см. также раздел 2.2). Каждый агент сообщает руководителю проекта величину ti( ) сокращения про должительности соответствующей (выполняемой им) операции при различных значениях величины. У руководителя проекта получается следующая таблица 4.

Таблица Параметры модели компенсационного механизма № операции 1 2 3 4 5 (0-1)0 12 1 2 2 (0-2)0 0 1 1 2 (0-3)0 0 1 2 2 (1-2)0 1 1 2 2 (1-4)1 1 2 2 2 (2-5)0 0 1 1 1 (3-5)1 1 2 2 2 (4-6)0 1 1 1 1 (5-6)0 0 0 1 1 Процедура принятия решения заключается в определении ми нимального, при котором срок реализации проекта будет не более требуемого. В нашем примере при = 4 это = 4. Легко проверить, что если при = 4 всем агентам сократить продолжи тельности операций на указанные в таблице величины, то длина критического пути будет равна 12, что меньше требуемой. В слу чае неоднозначности минимизируется суммарное сокращение, то есть определяются новые продолжительности операций n - i, так чтобы = была максимальной при усло = i i i i= вии, что i ti( ). Это определяется требованием минимизации величины дополнительного стимулирования, равного. В нашем примере минимум достигается при сокращении продолжитель ностей операций (4-6), (5-6) и (0-3) на единицу и операции (3-5) на два, = 5. Дополнительное стимулирование составит = 20.

Задача минимизации является частным случаем известной задачи оптимизации сети по стоимости [4-7, 9], для решения кото рой существуют эффективные алгоритмы.

Для исследования свойств описанного механизма рассмотрим простую аналитическую модель. Обозначим (ti) – измеренные в i денежном выражении дополнительные усилия i-го агента по со кращению продолжительности операции на величину ti, в том смысле, что интерес агента определяется разностью дополнитель ного стимулирования ti и усилий (ti): ti – (ti).

i i Примем для упрощения вычислений, что (ti )= ti2. Оче i 2ri видно, что при заданной величине агенту выгодна величина сокращения длительности операции, максимизирующая эту раз ность. Максимум целевой функции достигается при ti( ) = ri.

Примем, что агент сообщает оценку si параметра ri. Пусть сетевой график представляет последовательную цепочку операций. Тогда n из условия ( )= определяем: =, где S =.

ti si S i =1 i Покажем, что агент проигрывает, если он сообщает искажен ные сведения о величине ri, то есть si ri. Тогда значение его целе 1 si 2 2 вой функции будет равно si - si2 = si1-. Легко 2ri 2ri видеть, что максимум этого выражения при фиксированном достигается при si = ri. Данный вывод справедлив при весьма широких предположениях о виде функций (ti). Более того, если i функции (ti) являются выпуклыми, то описанный механизм i минимизирует суммарные дополнительные усилия всех агентов на сокращение продолжительности проекта. Свойство выпуклости представляется вполне естественным, поскольку, как правило, каждая следующая единица сокращения продолжительности опе рации дается с большим трудом. В предыдущих рассуждениях мы не учли, что величина сама зависит от оценок {si}. Однако, при достаточно большом числе агентов, влияние оценки отдельного агента на величину мало, и им можно пренебречь – см. описание гипотезы слабого влияния в механизмах внутренних цен выше.

Еще одним положительным свойством описанного механизма являются минимальные требования к системе контроля за сроками реализации, поскольку агенты сами заинтересованы в завершении операции в установленные сроки. Если центр применяет достаточ но «жесткую» систему контроля с сильными санкциями при срыве заданных сроков выполнения операций, то описанный механизм можно улучшить (в смысле уменьшения величины дополнительно го стимулирования), организовав конкурс между агентами. Для этого необходимо установить так, чтобы продолжительность проекта была немного меньше требуемой (при продолжительно стях операций, измененных на ti( )). Это дает центру определен ную свободу выбора агентов, для которых сокращается продолжи тельность операции (и которые получают дополнительное стимулирование). Если в первую очередь в качестве претендентов на сокращение продолжительности операций выбираются агенты с максимальными ti( ), то такой принцип выбора победителей кон курса приводит к заинтересованности агентов повышать ti( ).

ЧАСТЬ 2. МОДЕЛИ И МЕТОДЫ ОПЕРАТИВНОГО УПРАВЛЕНИЯ ПРОЕКТАМИ В настоящей главе описывается комплекс оригинальных тео ретико-игровых и оптимизационных моделей и методов оператив ного управления проектами, позволяющий решать сформулиро ванные в разделе 1.3 задачи. В том числе, рассматриваются:

дополнительные соглашения, сокращение продолжительности проекта, шкалы оплаты, распределенное финансирование, типовые решения, точки контроля.

2.1. ДОПОЛНИТЕЛЬНЫЕ СОГЛАШЕНИЯ На практике распространены ситуации, когда взаимовыгодные для сторон параметры заключенного договора в ходе выполнения проекта становятся невыгодными в силу изменившихся обстоя тельств, внешних условий, ошибок прогнозирования и планирова ния и т.д. Тогда у одной (или одновременно у обоих) сторон – заказчика и исполнителя работ по проекту – возникает желание изменить параметры договора – внести дополнительные соглаше ния. Такую ситуацию называют перезаключением договора (пере соглашением контракта). Рассмотрим модели перезаключения договора – внесения в него дополнительных соглашений.

Одноэлементная модель [60]. В соответствии с подходом, предложенным в [22], примем, что пересоглашение контракта происходит в том, и только в том случае, если каждому из участ ников системы (заказчику и всем исполнителям) новый контракт обеспечивает не меньшие значения полезностей (целевых функ ций), чем старый контракт. Иначе говоря, каждый из участников обладает правом вето: если при новом контракте он получает полезность строго меньше, чем при старом, то он имеет право блокировать пересоглашение, и старый контракт остается в силе.

Отметим, что, так как заказчик выражает интересы системы в целом (эффективность управления определяется через его целевую функцию), то приведенное выше условие пересоглашения означает следующее: если пересоглашение произошло, то эффективность управления возросла (не уменьшилась). Таким образом, задача исследования условий пересоглашения контракта свелась к задаче определения условий того, что с учетом вновь поступившей ин формации возможно синтезировать контракт (найти параметры нового договора), обеспечивающий всем участникам не меньшие полезности.

В литературе по теории контрактов различают контракты с обязательствами и контракты без обязательств (см. подробный обзор современных моделей пересоглашения контрактов и ссылки в [74]). В первом случае, если кто-либо из участников нарушает условия контракта, то на него накладываются достаточно сильные штрафы (сильные настолько, что нарушение становится невыгод ным). Поэтому в контрактах с обязательствами при рассмотрении механизмов пересоглашения необходимо сравнивать две ситуации – когда заказчик и исполнитель следуют условиям первоначально го контракта и когда они (оба!) следуют условиям нового контрак та. В контрактах без обязательств участники могут нарушать усло вия первоначального контракта, выбирая стратегии, которые являются оптимальными с учетом вновь поступившей информа ции. Ниже мы ограничимся рассмотрением контрактов с обяза тельствами.

Пусть функции дохода заказчика и затрат исполнителя зависят от неопределенных параметров – соответственно 0 и r > 0:

H(y, ) и c(y, r). Содержательно может интерпретироваться как внешняя цена продукции, производимой исполнителем, r – как эффективность деятельности исполнителя. Допустим, что H(0, ) = 0 и r > 0 c(y, r) = 0.

Таким образом, (1) ( ( ), y, ) = H(y, ) – (y), (2) f( ( ), y, r) = (y) – c(y, r), где (y) – вознаграждение, выплачиваемое заказчиком исполните лю в зависимости от действия y A последнего.

Пусть договор заключался при значениях и r0 (фактических или прогнозируемых). Вычислим оптимальное с точки зрения заказчика действие исполнителя:

(3) x*(, r0) = arg max [H(y, ) – c(y, r0)].

0 yA Тогда оптимальные параметры исходного договора1 (в рамках компенсаторной системы стимулирования [60, 71]) – действие исполнителя x*(, r0) и вознаграждение c(x*(, r0), r0). В рамках 0 исходного договора полезность заказчика равна (4) (, r0) = H(x*(, r0), ) – c(x*(, r0), r0), 0 0 0 а полезность исполнителя равна нулю (в силу принципа компенса ции затрат [71]).

Фактические значения параметров и r могут отличаться от прогнозируемых и r0, что может приводить к тому, что фактиче ские полезности заказчика и исполнителя могут отличаться от прогнозируемых.

Определим следующие величины:

(5) (,, r0, r) = H(x*(, r0), ) – c(x*(, r0), r0), 0 0 (6) (,, r0, r) = c(x*(, r0), r0) – c(x*(, r0), r), 0 0 (7) (, r) = H(x*(, r), ) – c(x*(, r), r).

Выражение (5) определяет полезность заказчика при изме нившихся условиях в рамках исходного договора, выражение (6) – полезность исполнителя при изменившихся условиях в рамках исходного договора, выражение (7) – полезность исполнителя.

Предположим, что функция затрат исполнителя монотонно убывает с ростом параметра r. Рассмотрим два случая.

В первом случае r < r0. Тогда полезность исполнителя (,, r0, r) < 0, и для него пересмотр условий договора выгоден.

Для заказчика заключение договора с параметрами (x*(, r);

c(x*(, r), r)) выгодно, если выполнено следующее неравенство:

(8) (, r) (,, r0, r).

Во втором случае r > r0. Тогда полезность исполнителя (,, r0, r) > 0, и для него пересмотр условий договора выгоден только если он при новых условиях договора получит полезность не менее (,, r0, r). Тогда условие выгодности перезаключения договора для заказчика можно записать в виде:

(9) (, r) – (,, r0, r) (,, r0, r).

0 Напомним, что в рамках рассматриваемых теоретико-игровых моделей кон тракт (договор) определяется парой – «действие исполните ля»;

«вознаграждение со стороны заказчика»).

В [60] доказано следующее утверждение: если функция затрат исполнителя монотонно убывает с ростом параметра r, то при r < r0 условием пересоглашения является выполнение неравенства (8), а при r > r0 условием пересоглашения является выполнение неравенства (9).

Пример 1 [60]. Пусть функция дохода заказчика равна H(y, ) = y, 0, а функция затрат исполнителя: c(y, r) = y2 / 2 r, r > 0.

Тогда y0 = r0 – оптимальное с точки зрения заказчика дейст вие исполнителя при параметрах ( ;

r0). Платеж в исходном дого воре равен ( )2 r0 / 2. Заказчик при этом рассчитывает получить полезность ( ;

r0) = ( )2 r0 / 2, а исполнителю гарантируется 0 0 нулевая полезность.

Если значения параметров оказываются равными ( ;

r), то при r r0 в рамках исходного договора заказчик получает полезность ( ;

;

r0;

r) = r0 ( – / 2), а исполнитель – 0 0 f( ;

;

r0;

r) = ( )2 r0 (r – r0) / 2 r. Если же r < r0, то в рамках ис 0 ходного договора полезность исполнителя отрицательна, и он откажет работать, выбрав нулевое действие.

Если заключается новый контракт с действием y = r и пла 2 тежом r / 2, то полезность заказчика равна ( ;

r) = r / 2, а полезность исполнителя – нулю.

Рассмотрим возможные варианты. Если r < r0, то исполнитель безразличен к перезаключению контракта, так как при любых значениях параметра он получает нулевую полезность. Центру перезаключение выгодно, если выполнено следующее условие:

( ;

r) ( ;

;

r0;

r), то есть должно иметь место r – 2 0 r0 + r0 ( )2 0.

Если r < r0, то f( ;

;

r0;

r) = ( )2 r0 (r – r0) / 2 r 0, и испол 0 нитель, будет выбирать нулевое действие, если центр не предло жит ему договор, в котором пообещает вознаграждение r / 2 + ( )2 r0 (r – r0) / 2 r за выбор действия y = r. Легко про верить, что сделать такое предложение заказчику всегда выгодно (так как ( ;

;

r0;

r) = r0 ( – / 2) r / 2 – ( )2 r0 (r – 0 0 0 r0) / 2 r).

Итак, перезаключение договора произойдет, так как оно будет выгодно обеим сторонам, если при r < r0 выполнено условие r – 2 0 r0 + r0 ( )2 0. • Таким образом, мы привели известные результаты исследова ния условий пересоглашения договоров (заключения дополнитель ных соглашений) в системе с одним заказчиком и одним исполни телем. Полученные результаты свидетельствуют, что, если пересоглашение возможно, то следует пересматривать условия контракта. Анализ показывает, что пересоглашение эффективно в широком классе систем, поэтому его использование на практике оправданно и целесообразно.

Рассмотрим обобщение данной модели на случай многоэле ментной системы.

Многоэлементная модель. Пусть целевые функции заказчика и n исполнителей, участвующих в проекте, имеют вид:

(10) ( ( ), y, ) = H(y, ) – ( y), i iN (11) f( ( ), y, r) = (y) – ci(y, ri), i N, i где (y) – вознаграждение, выплачиваемое заказчиком i-му испол i нителю в зависимости от вектора действий y = (y1, y2, …, yn) A' = Ai всех агентов, N = {1, 2, …, n} – iN множество агентов (исполнителей).

Пусть договор заключался при значениях и r0 = (r10, r20, …, rn0), где ri – тип i-го агента.

В силу результатов, полученных в [77], оптимальным догово ром будет компенсаторная система стимулирования, которая с учетом принципа декомпозиции игры агентов позволяет вычислить оптимальный с точки зрения заказчика вектор действий исполни телей:

(12) x*(, r0) = arg max [H(y, ) – ( y, ri0) ].

0 ci yA' iN Оптимальные параметры исходного договора – вектор дейст вий исполнителей x*(, r0) A' и вектор вознаграждений возна граждение ci(x*(, r0), ri0), выплачиваемых в случае выполнения условий договора. В рамках исходного договора полезность заказ чика равна (13) (, r0) = H(x*(, r0), ) – ci(x*(, r0), ri0), 0 0 0 iN а полезности исполнителей равны нулю.

Фактические значения параметров и r могут отличаться от прогнозируемых и r0, что может приводить к тому, что фактиче ские полезности заказчика и исполнителей могут отличаться от прогнозируемых.

Определим следующие величины:

(14) (,, r0, r) = H(x*(, r0), ) – ci(x*(, r0), ri0), 0 0 iN (15) (,, r0, r) = ci(x*(, r0), ri0) – ci(x*(, r0), ri), i N, i 0 0 (16) (, r) = H(x*(, r), ) – ci(x*(, r), ri).

iN Выражение (14) определяет полезность заказчика при изме нившихся условиях в рамках исходного договора, выражение (15) – полезность i-го исполнителя при изменившихся условиях в рам ках исходного договора, выражение (16) – полезность заказчика в рамках нового договора.

Из (13)-(16) получаем, что, так как использование стимулиро вания означает возможность трансферта полезности, то условием перезаключения договора будет следующее.

Утверждение 1. Перезаключение договора произойдет, если H(x*(, r0), ) – H(x*(, r), ) 0 2 {ci(x*(, r0), ri0) – ci(x*(, r0), ri)}.

0 iN Содержательно, новый договор будет заключен, если он более эффективен (по Парето – с точки зрения значения суммы целевых функций всех участников), чем старый договор.

2.2. ПРОДОЛЖИТЕЛЬНОСТЬ ПРОЕКТА Рассмотрим задачу оперативного управления продолжитель ностью проекта. В качестве основного выберем такой показатель как время завершения проекта. Если в процессе реализации проек та оказывается, что прогнозируемое время его завершения отлича ется от планового, то возникает необходимость в оперативном управлении – дополнительных мерах по сокращению продолжи тельности выполнения незавершенной части проекта. Реализация этих мер требует соответствующих затрат, то есть возникает зада ча определения оптимальных коррекционных воздействий, причем критерием эффективности, как правило, выступают финансовые показатели, зависящие как от продолжительности проекта (санк ции и штрафы за задержку сроков завершения и т.д.), так и от затрат на выполнение проекта.

При решении задачи управления центр должен учитывать ак тивность агентов1 – активных элементов (АЭ), то есть вознаграж дение исполнителя в зависимости от сокращения им сроков долж но быть согласовано с его предпочтениями. В теории активных систем задачи согласования предпочтений и интересов изучаются при синтезе механизмов стимулирования [71], поэтому рассмотрим постановку задачи стимулирования исполнителей, в которой кри терием эффективности являются финансовые показатели центра, зависящие в свою очередь от продолжительности проекта.

Последовательность изложения материала настоящего раздела следующая. Сначала рассматривается задача стимулирования в детерминированной АС, то есть в АС, функционирующей в усло виях полной информированности о существенных внешних и внутренних параметрах. Затем исследуются более сложные моде ли, учитывающие возможность наличия неопределенности.

2.2.1. Детерминированная модель Будем считать, что в ходе реализации проекта стали известны плановое T0 и прогнозируемое T время завершения проекта (огра ничимся наиболее распространенным на практике случаем T T0).

Предположим, что в случае задержки выполнения проекта центр выплачивает, например, заказчику или вышестоящей организации, штрафы (t), t T0 (в частном случае, например, штрафы могут быть линейны: (t) = t). Исполнитель имеет возможность сокра тить срок реализации проекта (относительно прогнозируемого) или, что то же самое – сократить продолжительность одной или нескольких критических операций, что требует от него определен В настоящей работе термины "агент", исполнитель" и "активный элемент" употребляются как синонимы.

ных затрат c(y), где y A – время, на которое сокращается про должительность проекта. Переменная y может интерпретироваться как действие АЭ – выбираемая им стратегия.

Для того чтобы побудить АЭ к выбору некоторой стратегии центр должен использовать соответствующую систему стимулиро вания, то есть назначить зависимость (y) вознаграждения АЭ от выбираемых им действий. Эта зависимость ( ) M называется функцией стимулирования (M – множество допустимых функций стимулирования).

Интересы участников проекта (активной системы) выражены их целевыми функциями. Будем считать, что рациональность поведения участников проекта заключается в стремлении к экс тремизации целевых функций. Более подробно, предположим, что центр заинтересован в том, чтобы минимизировать свои выплаты (суммарные выплаты по штрафам и стимулированию АЭ), то есть целевая функция центра ( ( ), y) имеет вид:

(1) ( ( ), y) = (y) + (T – T0 – y).

Целевая функция активного элемента f( ( ), y) представляет собой разность между стимулированием и затратами:

(2) f( ( ), y) = (y) – c(y).

Введем следующие предположения: A = [0;

T – T0];

M – мно жество кусочно-непрерывных положительнозначных функций;

c(y) – положительнозначная, монотонно возрастающая, строго выпук лая, непрерывно дифференцируемая функция, такая, что c(0) = 0.

В ходе всего изложения материала настоящего раздела, если не будет оговорено особо, будем предполагать, что выполнена гипотеза благожелательности (ГБ) – из множества реализуемых действий1 P( ) = Arg max f(y, ) активный элемент выбирает yA действия, наиболее благоприятные для центра.

Последовательность функционирования следующая: центр со общает АЭ функцию стимулирования, после чего АЭ при извест ной функции стимулирования выбирает свое действие. Следова тельно, задача центра заключается в выборе такой допустимой Реализуемым некоторой системой стимулирования действием АЭ называется такое его допустимое действие, на котором достигается максимум его целевой функции.

системы стимулирования, которая минимизировала бы значение его целевой функции при условии, что АЭ выбирает допустимое действие, максимизирующее его собственную целевую функцию:

( ( y*), y*) min M (3).

y* Arg maxT ] f ( y) y[0;

T Задача (3) является игрой типа Г2 (в терминологии теории ие рархических игр [35, 41]) и может рассматриваться как детермини рованная задача стимулирования второго рода (в терминологии теории активных систем [72]). Ее решение дается следующим * выражением1: оптимальное решение (y) задачи (3) имеет вид:

c( y*), y = y* * (4) (y) =, 0, y y* где оптимальное действие АЭ y* определяется следующим выра жением:

(5) y* = arg minT ] [с(y) + (T – T0 – y)].

y[0,T Пример 2. В частном случае, когда штрафы центра линейны:

(t) = t, действие (5) единственно (так как штрафы линейны, а функция затрат АЭ строго выпукла). Следовательно, на отрезке [0;

T – T0] функция {c(y) – y} достигает единственного миниму ма. Более того, оптимальное решение оказывается устойчивым по параметрам модели в следующем смысле.

Обозначим = c’ –1( ), где c’ –1( ) – функция, обратная произ водной функции затрат АЭ. Тогда оптимальное решение задачи (3) можно записать в виде:

T - T0, T T0 + (6) y*( ) =, T T0 +.

Содержательно, в случае линейных штрафов центру не обяза тельно знать «точную» оценку реального времени T завершения проекта (неизвестного и приближенно оцениваемого в ходе его В теории активных систем существует семейство теорем, дающих оптималь ное решение задачи стимулирования в различных моделях АС. Поэтому (4) может рассматриваться как результат применения этой общей методологии к конкретной модели оперативного управления продолжительностью проекта.

реализации), если оптимистичная оценка задержки T – T0 времени завершения проекта превышает величину, которая зависит от внешних штрафов и функции затрат АЭ, то оптимальное с точки зрения внешних выплат центра сокращение продолжительности проекта «не зависит» от оценки будущей его продолжительности. • Итак, мы рассмотрели задачу оптимизации продолжительно сти проекта за счет использования механизмов стимулирования в одноэлементной активной системе [51]. Перейдем к описанию многоэлементного случая.

Пусть имеется многоэлементная АС с n 1 активными эле ментами, каждый из которых отвечает за соответствующую опера цию (комплекс которых и составляет проект) и может сокращать ее продолжительность, независимо от продолжительности других операций. Обозначим yi 0 – время сокращения i-ой операции, i I, где I = {1, 2, …, n} – множество АЭ, ci(y) – затраты i-го АЭ, зависящие в общем случае от действий y = (y1, y2, …, y3) всех АЭ.

Время сокращения продолжительности проекта T зависит от порядка выполнения и технологической связи операций и является функцией от сокращений каждой из операций (как критических, так и околокритических), то есть: T = Y(y). В зависимости от технологической взаимосвязи показателей операций возможны различные зависимости Y( ). Например, если операции выполняют ся последовательно, то T = yi, если параллельно, то iI T = min yi и т.д. Получили многоэлементную активную систему iI с сильно связанными элементами [77].

В силу принципа компенсации затрат [71] и принципа деком позиции игры агентов [77], получаем, что справедливо следующее утверждение.

Утверждение 2. При использовании оптимальной системы стимулирования целевая функция центра имеет вид:

(y) = (T – T0 – Y(y)) + ( y), сi iI а задача сокращения продолжительности проекта заключается в поиске такого допустимого вектора y действий АЭ, который ми нимизировал бы эту целевую функцию.

Задача (y) min является стандартной задачей условной yA оптимизации.

Возможен и другой подход: вычислим минимальные затраты центра на стимулирование по сокращению продолжительности проекта на Y: (Y) = minz)=Y } (z). Тогда задача управле сi y{zA'|Y ( iI ния, в силу результатов исследования систем с агрегированием информации [42, 77], сведется к следующей:

(T – T0 – Y) + (Y) minT ].

Y [0,T В качестве ограничения множества допустимых действий АЭ может выступать, например, бюджетное ограничение: если фонд оперативного управления центра ограничен величиной R, то, оче видно, допустимыми будут такие действия, для которых имеет место: A’ = {y + | ( y) R}.

n сi iI Итак, задача оперативного управления продолжительностью проекта в случае многоэлементной АС с сильно связанными АЭ сведена к задаче поиска оптимальных значений действий АЭ.

Рассмотрев детерминированную модель, перейдем к рассмотрению задач оперативного управления продолжительностью проекта в условиях неопределенности.

2.2.2. Интервальная неопределенность В рамках модели, рассмотренной в предыдущем подразделе, предположим, что реальное сокращение z A0 = A = [0;

+ ) про должительности проекта зависит от вектора действий АЭ и от неопределенного параметра – состояния природы. Будем считать, что, выбирая свои стратегии, участники проекта имеют информа цию лишь об интервале возможных значений: z Z(y). Кроме того, предположим, что действия, выбираемые АЭ, не наблюдаются центром, которому становится известен лишь результат деятельно сти. Поэтому стимулирование АЭ центром уже не может (как в детерминированном случае) основываться на действиях АЭ, а должно зависеть от неопределенной величины – результата дея тельности.

Целевая функция i-го АЭ равна: fi(, yi, z) = (z) – ci(y). Уст i i раняя интервальную неопределенность, то есть, применяя метод максимального гарантированного результата (МГР), получим, что гарантированное значение целевой функции АЭ равно:

(7) fГi(, yi) = min) (z) – ci(y).

i i zZ ( y Если целевая функция центра зависит от фактического сокра щения продолжительности проекта z A0, то ее гарантированное значение равно:

(8) (, y) = max) (z, ) = max) { (z) + (T – T0 – z)}.

Г i zZ ( y zZ ( y iI Итак, задача управления имеет вид:

(9) (, y*) min, y* EN( ()), Г где EN( ()) – множество равновесий Нэша игры агентов при за данной системе стимулирования.

Решение задачи (9) в силу принципов компенсации затрат и декомпозиции игры агентов [42, 77] имеет следующий вид.

Утверждение 3. Система стимулирования ci( y*), z Z( y*) (10) (y*, z) =, i 0, z Z( y*) реализует вектор y* действий АЭ, оптимальное значение которого определяется следующим выражением:

(11) y* = arg min max) { ( y*, z) + (T – T0 – z)}.

i yA' zZ ( y iI 2.2.3. Сообщение информации Рассмотрим задачу оптимального согласованного планирова ния мероприятий по сокращению продолжительности проекта в условиях, когда возможности исполнителей не известны достовер но центру. При этом возможно как устранение неопределенности методами, рассмотренными выше (см. утверждение 3), так и ис пользование процедур планирования, в которых агенты сообщают центру информацию о неопределенных параметрах. Остановимся на исследовании свойств этих процедур более подробно.

Представим проект в виде сети, вершины которой соответст вуют операциям, выполняемым отдельными исполнителями, а дуги отражают технологию. Обозначим – продолжительность i i ой операции. Тогда продолжительность проекта определяется длиной максимального (критического) пути в сети [15].

Рассмотрим задачу сокращения продолжительности проекта на заданную величину.

Опишем сначала частный случай, когда сеть представляет со бой последовательную цепочку из n операций. Каждый агент – разрабатывает и представляет центру мероприятия по сокращению продолжительности производственного цикла. В агрегированном виде эти мероприятия можно описать зависимостью сi( ) затрат, i требуемых на сокращение продолжительности операции на вели чину. Рассмотрим два механизма решения поставленной задачи.

i Первый механизм. План мероприятий по сокращению про должительности проекта на величину определяется в результате решения следующей задачи:

n ( ) min, ci i i = при условии n =.

i i = Пусть – оптимальное решение этой задачи. Тогда i-ый i агент получает плановое задание на сокращение продолжительно сти своей операции на и ему обеспечивается финансирование i соответствующих мероприятий в объеме сi( ).

i Второй механизм. В этом механизме величина финансирова ния мероприятий по сокращению продолжительности проекта прямо пропорциональна величине сокращения продолжительно i сти операции, то есть сi =, где – величина финансирования, i выделяемая на сокращение продолжительности проекта на едини цу времени (см. также механизмы унифицированного стимулиро вания в [71]). Для определения плана мероприятий и величины каждый АЭ представляет центру вариант сокращения продолжи тельности своей операции в зависимости от величины. Обозна чим = ( ) – предлагаемую i-ым АЭ величину сокращения i-ой i i операции при финансировании.

i Центр определяет величину и план сокращения продолжи n тельности проекта из условия ( ), то есть определяется i i = * минимальное, удовлетворяющее этому условию. Далее АЭ i получает задание на сокращение продолжительности операции на величину = ( ) и соответствующее финансирование.

i i i Для исследования сравнительной эффективности этих двух механизмов рассмотрим производственные функции сi( ) типа i обобщенных функций Кобба-Дугласа (в [15] аналогичный резуль тат получен для более частного вида функций затрат), то есть i сi( )= r ( ), i = 1, n, > 1, i i r i где параметр ri характеризует эффективность мероприятий i-го агента по снижению продолжительности соответствующей опера ции, а ( ) – монотонная гладкая выпуклая функция.

Примем, что целевой функцией каждого АЭ является разность между тем объемом финансирования, которое он получает от центра на проведение мероприятий по сокращению продолжитель ности операции и объективно необходимой величиной средств на эти мероприятия.

Легко показать (по аналогии с тем, как это делается для по добных задач в [15, 69, 71]), что оба механизма обеспечивают одинаковое превышение выделяемых средств над объективно необходимыми, и в этом смысле являются эквивалентными по эффективности. Однако существенным преимуществом второго механизма является тот факт, что он стимулирует представление достоверных сведений о величине объективно требуемых объемов финансирования, то есть, является неманипулируемым.

Таким образом, анализ показал преимущества второго меха низма, поскольку при том же объеме финансирования он обладает важным свойством – достоверности информации, поступающей от агентов. Поэтому рассмотрим второй механизм для случая произ вольной сети.

Итак, пусть все агенты сообщили зависимости = ( ), i i i = 1,n. Обозначим T0 – длину критического пути. Для решения задачи используем следующий алгоритм:

1 шаг. Определяем по формуле = ', где S – сумма S оценок si операций критического пути, и полагаем ti1 = ti – ( ).

i 2 шаг. Определяем длину критического пути при продолжи тельностях соответствующих операций, равных ti1. Обозначим эту длину через T1, а сам путь через. Если T1 > T0 –, то определяем новое значение по той же формуле, в которой = T( ) – T0 +, 1 где T( ) – длина пути при начальных продолжительностях 1 операций {ti}, а S равно сумме оценок si агентов, составляющих путь. Заметим, что >. Находим критический путь и его 1 1 0 длину T( ) при продолжительностях операций ti2 = ti – ( ) и 2 i повторяем процедуру.

В силу конечности числа путей сети за конечное число шагов * получим минимальное значение, такое что длина критического пути в сети равна (T0 – ) при продолжительностях операций пути *, равных ti – ( ).

k i Теперь необходимо определить плановые задания АЭ по со i кращению продолжительности операций, имея в виду, что про должительности операций должны удовлетворять условиям * ti = ti – ( ) ti – ti.

i i На этом этапе алгоритма критерием служит объем финансиро n вания мероприятий, который равен. Эта задача является i i = частным случаем широко известной задачи оптимизации сети по стоимости, подробно рассмотренной в [4-7, 9, 19].

2.3. ШКАЛЫ ОПЛАТЫ В настоящем разделе с точки зрения центра (руководителя проекта) и активных элементов (агентов – исполнителей работ по проектам) анализируются взаимные платежи и риски, вызванные возможностью невыполнения сторонами взятых на себя обяза тельств, а также ошибками прогнозирования и планирования.

В соответствии с моделью, предложенной в [37], при расчетах центра с АЭ размер оплаты, получаемой АЭ, зависит от процента выполнения работ. В качестве «процента выполнения», в частно сти, могут выступать показатели освоенного объема [51].

Предположим, что сумма договора или стоимость работы или пакета работ по проекту согласована центром и АЭ и равна C.

Шкалой оплаты называется кумулятивная зависимость размера вознаграждения (доли от стоимости договора с учетом дисконти рования), выплаченного центром АЭ, от процента выполнения [26, 37, 71]. Обозначим через процент выполнения, через – процент от суммы C, выплаченный АЭ. Тогда шкалой будет зави симость ( ). Эта зависимость обладает следующими свойствами:

функция ( ) – неубывающая и непрерывная справа;

[0;

1] ( ) [0;

1];

(1) = 1.

Если ввести зависимость ( ) размера вознаграждения, полу чаемого АЭ (а не уже полученного за весь выполненный к рас сматриваемому моменту времени объем работ) от процента вы полнения, то, очевидно, что этот размер вознаграждения с точностью до мультипликативной константы (стоимости договора) совпадает со скоростью изменения уже полученных АЭ сумм, то есть, если ( ) – кусочно-дифференцируемая функция, то d ( ) (1) ( ) = C, [0;

1].

d Верно и обратное соотношение:

(2) ( ) = (w)dw.

C Из выражений (1) и (2) следует, что на участках возрастания () функция () является «выпуклой», на участках убывания () функция () является «вогнутой», а в точке максимума () функ ция () имеет «перегиб» [26]. Кроме того, выполняется «условие нормировки»:

(3) (w)dw = C.

В [26, 71] перечисляются типовые решения, то есть типовые шкалы оплаты: равномерная оплата, при которой вознаграждение АЭ за каждую единицу процента выполнения одинаково;

аккорд ная оплата, при которой вся сумма договора C выплачивается только в момент полного выполнения работ;

-процентная пред оплата ( [0;

1]), при которой сумма C выплачивается в мо мент начала работ, а сумма (1 – ) C – в момент полного заверше ния работ, и др. – любой определенной на отрезке [0;

1] измеримой функции соответствует некоторая шкала.

Рассмотрим динамику реализации одного проекта. Для про стоты допустим, что действием АЭ является выбор интенсивности y 0, которая предполагается постоянной в ходе реализации про екта и характеризует затраты исполнителя в единицу времени.

Если С 0 – объем работ по проекту (в денежном выражении, то есть, предполагается, что центр должен компенсировать АЭ все затраты, которые он несет, участвуя в реализации проекта), то, очевидно, что время T = T(y) завершения работ равно (4) T(y) = C / y.

Если интенсивность постоянна, то объем v(t, ) работ, изме ряемый затратами исполнителя, изменяется линейно:

v(t, y) = y t, t [0;

T].

Предположим, что предъявляемый АЭ результат реализации проекта совпадает с относительным объемом выполненных работ v(t, y) / C, то есть, центром наблюдается процент выполнения (5) (t, y) = y t / C.

Имея шкалу ( ) и зная зависимость (5) процента выполнения от времени, можно найти зависимость величины процента выпол нения от интенсивности и времени:

(6) (t, y) = ( (t, y)) = (y t / C), и зависимость от интенсивности и времени размера вознагражде ния, получаемого АЭ (см. выражение (1)).

Проводимый анализ пока что не учитывал аспекты риска. Под риском будем понимать возможные потери участников проекта (центра и АЭ).

Запишем целевую функцию (баланс) АЭ – разность между вознаграждением, полученным от центра, и затратами:

(7) f(y, t) = [ (y t / C) – y t / C] C.

Запишем целевую функцию (баланс) центра:

(8) (y, t) = [y t / C – (y t / C)] C.

Так как исполнителю в итоге компенсируются все затраты (C = V), то будем считать, что он принимает решения, максимизи руя минимальное (гарантированное по времени реализации проек та) значение своей целевой функции (7).

Обозначим множество интенсивностей, на которых достигает ся максимум гарантированного значения выражения (7) при задан ной шкале (9) P( ( )) = Arg max miny ] f(y, t).

y>0 t[0;

С / Пусть задано множество M допустимых (в рамках сущест вующих институциональных ограничений) шкал. Тогда центр может искать шкалу, при которой время выполнения проекта будет минимально:

(10) max)) y min, yP( ( ()M или шкалу, максимизирующую гарантированное значение его целевой функции (8), то есть – минимизирующую риск:

(11) min)) t[0;

С / ] (y, t) max.

miny yP( ( ()M Пусть ( ) – гладкая сигмо-образная функция, то есть имеет одну точку перегиба и '(0) = '(1) = 0. Обозначим tmin(y) tmax(y) – два решения уравнения '(y t / C) = 1, тогда tmin(y) и tmax(y) удовлетворяют условию (12) t(y) = ' -1(1) C / y.

Обозначим (13) q = arg min –f(y, tmin(y)).

y > Величина q, определяемая выражением (13), характеризует максимальный риск АЭ.

Обозначим (14) Q = arg max)) – (y, tmax(y)).

yP( ( Величина Q, определяемая выражением (14), характеризует максимальный риск центра.

Обозначим – минимальный корень уравнения '( ) = 1, min – максимальный корень этого уравнения.

max Утверждение 4. Риски АЭ (13) и центра (14) не зависят от ин тенсивности, определяются только шкалой ( ):

q = [ – ( )] C, Q = [ ( ) – ] C min min max max Справедливость утверждения 4 следует из подстановки (с уче том введенных предположений) выражений (7), (8) и (12) в выра жения (13) и (14).

Легко видеть, что, если линейная шкала является допустимой, то она является решением задачи (11) и обращает в ноль риск центра.

2.4. РАСПРЕДЕЛЕННОЕ ФИНАНСИРОВАНИЕ Пусть известны затраты c(y) на сокращение y 0 продолжи тельности проекта. Предположим, что имеются k центров, каждый из которых несет потери из-за того, что продолжительность проек та превышает плановую. Задача распределенного финансирования – согласования интересов центров – заключается в определении оптимального (индивидуально-рационального и согласованного) их участия в финансировании мероприятий по сокращению про должительности.

Формализуем эту задачу. Пусть T0 – плановое, T – ожидаемое (прогнозируемое) время завершения проекта. Сокращение про должительности на y [0;

T – T0] единиц времени требует затрат c(y). Предположим, что известны потери li(t), t [T0;

T], i K = {1, 2, …, k} – множеству центров, каждого из k центров от превышения продолжительностью проекта планового значения.

Если li(t) – непрерывные возрастающие функции и li(T0) = 0, i K, то можно определить Hi(y) = li(T) – li(T – y), i K, – функции выиг рыша центров, которые являются непрерывными, возрастающими при y [0;

T – T0] и удовлетворяют следующему условию:

(1) Hi(0) = 0, i K.

Пусть центры должны придти к согласию относительно со кращения x [0;

T – T0] продолжительности проекта и решить, каков будет вклад, i K, каждого из них в финансирование i соответствующих мероприятий.

Фиксируем x [0;

T – T0]. Суммарное финансирование со сто роны центров должно равняться затратам c(x) 0 [78], то есть:

(2) = c(x).

i iK Каждый из центров, очевидно, будет готов заплатить за со кращение продолжительности проекта величину, как минимум, i не превосходящую своего выигрыша от этого сокращения. Кроме того, взнос каждого из центров должен быть неотрицателен (отри цательный взнос означает дотацию тем центрам, которым выгодно "затягивать" окончание проекта, а такие ситуации мы не рассмат риваем). Таким образом, имеем систему ограничений:

(3) [0;

Hi(x)], i K.

i Обозначим = (,, …, ), S – множество таких сокраще 1 2 k ний продолжительности проекта, которые удовлетворяют (2) и (3), то есть (4) S = {x [0;

T – T0] | 0: [0;

Hi(x)], i K, = c(x)}.

i i iK Пусть c( ) – непрерывная функция и c(0) = 0.

По аналогии с результатами, полученными в [36, 40, 47, 78], можно показать, что (4) содержит точку, отличную от нуля, тогда и только тогда, когда (5) maxT ] [ ( y) – c(y)] 0.

Hi y[0;

T iK Обозначим (6) x* = arg maxT ] [ ( y) – c(y)].

Hi y[0;

T iK Таким образом, справедливо следующее утверждение.

Утверждение 5. а) Необходимым и достаточным условием возможности согласования интересов центров является (5).

б) если допустимы побочные платежи между центрами, то (6) определяет Парето-эффективное для центров решение.

Получаем, что в рамках введенных предположений центры со гласятся на сокращение продолжительности проекта на x*, а их взносы будут удовлетворять (7) = { [0;

Hi(x*)], i K | = c(x*)}.

i i iK Если множество (7) содержит более одной точки, то для опре деления индивидуальных взносов центров можно использовать те или иные механизмы принятия решений [36, 37]. Проиллюстриру ем возможные варианты на примере.

Пример 3. Пусть k = 2, c(y) = y 2 / 2 r, r > 0, H1(y) = y, H2(y) = y, T0 = 100, T = 110.

Из (6) получаем (8) x* = min [10;

(1 + ) r].

На рисунке 5 заштрихована область значений параметров (, r), при которых оптимальное сокращение продолжительности проекта меньше максимально возможного (равного 10).

r Рис. 5. Область значений параметров (, r), при которых оптимальное сокращение продолжительности проекта в примере 3 меньше максимально возможного Пусть r = 2, = 3 (соответствующая точка обозначена на ри сунке 5). Тогда из (8) получаем, что x* = 8. Множество (7) согласо ванных и Парето-эффективных значений (, ) – отрезок AB – 1 выделено на рисунке 6 жирной линией.

Выбор конкретной точки из отрезка АВ может производиться по-разному (например, на основе того или иного механизма ком промисса [60], заранее выбранного центрами, или установленного институционально). Если принять принцип равных вкладов, то следует выбрать точку А. Если взять за основу принцип равных рентабельностей, выравнивающий отношения разностей между выигрышем и затратами к затратам, то получим точку C с коорди натами ( = / 3) – см. рисунок 6. Ту же точку даст принцип 2 распределения затрат пропорционально вкладу. Если взять за основу принцип равных прибылей, выравнивающий прибыли центров, то получим точку B – см. рисунок, и т.д. Отметим, что не любой принцип принятия решений даст согласованное решение, то есть дележ, принадлежащий отрезку АВ. • A C B 0 Рис. 6. Область согласованных значений "взносов" центров (, ) в примере 1 Утверждение 6. Если функции дохода центров линейны:

Hi(y) = y, i K, а функция затрат выпукла, то в механизме рас i пределенного финансирования принцип равных рентабельностей эквивалентен принципу распределения затрат пропорционально эффекту.

Доказательство. Из (6) получаем, что (9) x* = min [T – T0;

c ' -1( )], где =. Из принципа равных рентабельностей:

i iK x* - i i = Const, i K, i с учетом того, что = c(x*), получаем, что = c(x*) /, i K i i i iK что и требовалось доказать.

В примере 3, рассмотренном выше и удовлетворяющем усло виям утверждения 6, и принцип равных рентабельностей, и прин цип распределения затрат пропорционально эффекту дают в каче стве решения точку С на рисунке 6.

Из выражения (9) можно получить следующую оценку мини мального числа kmin однородных субъектов ( =, i K), заинте i ресованных в сокращении продолжительности проекта, при кото ром оптимальным будет финансирование, приводящее к полной ликвидации отставания относительно плана (x* = T – T0):

kmin c'(T– T0) /.

2.5. ТИПОВЫЕ РЕШЕНИЯ Классическая постановка задачи управления социально экономическими системами (см., например, [23, 41]) подразумева ет нахождение наилучшего допустимого решения, то есть опти мального решения, для каждой из возможных ситуаций. Однако, если множество возможных ситуаций велико, или сменяются они достаточно быстро, или затраты на точную идентификацию ситуа ции высоки, то возникает желание использовать пусть не опти мальные, но рациональные и простые управленческие решения.

Понятно, что априорное ограничение класса возможных управлений, с одной стороны снижает гарантированную эффек тивность управления, а с другой стороны – позволяет уменьшить информационную нагрузку на руководителя проекта и дать ему возможность максимально использовать в новой ситуации, как свой собственный опыт, так и опыт реализации проектов, накоп ленный другими руководителями проектов [26].

Поэтому одной из основ систематизации опыта является вы деление типовых ситуаций и управленческих решений, оптималь ных (или рациональных) в этих ситуациях (см. также ситуационное управление – [50, 83]). Так как число возможных ситуаций огром но, то «запоминание» всех ситуаций невозможно, да и нецелесооб разно – следует выделять множества «похожих» ситуаций и ис пользовать одинаковые решения для ситуаций из одного и того же множества. В теории управления такой подход получил название «унифицированного управления» [21, 71], а соответствующие управленческие решения – «типовых решений». В проектах, в силу их специфики (каждый проект уникален), проблема унификации управления обретает еще большую значимость.

При использовании унифицированного управления (типовых решений) возникают несколько задач: определения оптимального (по тем или иным критериям) разбиения множества возможных состояний системы, то есть – выделение типовых ситуаций;

поиск оптимальных (опять же по тем или иным критериям) типовых решений и т.д. Использование формальных моделей типовых решений позволяет: агрегировать опыт, накопленный организаци ей, обеспечивать априори известный уровень гарантированной эффективности управления, а также организовывать обучение менеджеров проектов [26].

В [22] отмечается, что оперативное управление проектом (в том числе его надежностью и риском), понимаемое в самом широ ком смысле как многократное (в реальном времени) решение задачи выбора оптимального управления с учетом всей имеющейся информации, позволяет повысить эффективность управления проектом, особенно в условиях неопределенности. При разработке конкретных механизмов оперативного управления целесообразно использовать модели и методы теории графов, марковских цепей, динамического программирования и оптимального управления.

При использовании конкретных механизмов в управлении ре альными проектами центр, как правило, сталкивается со следую щей проблемой: сложность механизма управления может оказаться неадекватной его временным и вычислительным возможностям, то есть получение оптимального решения задачи синтеза управлений на будущий период не должно превышать длительности этого периода. Иными словами, кому нужен точный прогноз погоды на завтра, если его можно получить только послезавтра! Проблема адекватности, к сожалению, не имеет на сегодняшний день уни версальных решений. Среди частных методов ее решения можно назвать упомянутый выше метод априорной выработки относи тельно простых и универсальных решений, а также – упрощение оптимизационной задачи до тех пор, пока модель не «заработает» в реальном времени (желательно, правда, при этом не потерять хотя бы качественных свойств модели).

В качестве иллюстрации рассмотрим следующую модель.

Пусть состояние y проекта в процессе его реализации может при нимать значения из множества Y. Предположим, что задана эффек тивность K(u, y) управления u U в ситуации y, и решение u*(y) задачи синтеза оптимального управления известно:

(1) u*(y) = arg max K(u, y).

uU Обозначим гарантированную эффективность управления (2) K* = min K(u*(y), y).

yY Пусть имеется заданное экспертно разбиение (Y1, Y2, …, Yn) множества Y на n 1 подмножеств – возможных типовых ситуа ций. Найдем набор типовых решений (u1, u2, …, un), каждое из которых оптимально в соответствующей ситуации:

(3) ui = arg max min K(u, y), i = 1,n.

uU yYi Вычислим G(n) – гарантированную эффективность типовых решений в зависимости от числа n типовых ситуаций:

(4) G(n) = min min K(ui, y).

yYi i=1,n Пусть заданы затраты c(n) на разработку типовых решений, где c( ) – возрастающая функция, тогда задача поиска оптимально го числа типовых решений примет вид:

(5) G(n) – c(n) max....

n =1,2, Обозначим решение этой задачи (6) n* = arg max... [G(n) – c(n)].

n =1,2, Величина K* - G(n*) (7) = K* может рассматриваться как характеристика относительных потерь эффективности, вызванных использованием типовых решений с учетом затрат на их разработку (отметим, что при вычислении величины (2) мы не учитывали затраты на решение задачи управ ления).

Рассмотрим частный случай. Пусть стоимость разработки од ного решения постоянна и равна c0. Предположим также, что: Y – отрезок действительной оси, то есть Y = [b – a], a b, а экс пертное разбиение является равномерным. Обозначим = b – a, = / n. Для простоты допустим, что эффективность оптималь n ного управления в любой ситуации постоянна и равна единице, то есть y Y K(u*(y), y) = 1, а G(n) = g( ) = g( / n), где g( ) 1 – n известная убывающая функция своего аргумента.

Задача (5) в рамках принятых предположений примет вид:

(8) g( / n) – c0 n max..., n =1,2, а показатель (7) будет равен (9) = 1 – g( / n*), где, в соответствии с (6), оптимальное число типовых решений равно (10) n* = arg max... [g( / n) – c0 n].

n=1,2, Таким образом, мы доказали справедливость следующего ут верждения.

Утверждение 7. В рамках введенных предположений выраже ния (8)-(10) дают оптимальное решение задачи определения числа типовых решений с учетом затрат на их разработку.

Рассмотрим пример, иллюстрирующий использование утвер ждения 7.

Пример 4. Пусть g( ) = 1 – ( )2 / 2, 1. Тогда из (10) и (9) n n получаем соответственно:

(11) n* = ( / c0)1/3, (12) = ( с0)2/3.

Содержательные интерпретации зависимостей (11) и (12) та ковы – с ростом неопределенности (величины ) число оптималь ных типовых решений растет, а также растут относительные поте ри в эффективности – см. рисунок 7, на котором представлены границы значений параметров и c0 для n = 1, 2, 3, 4 и 10.

C ростом же удельных затрат на разработку типовых решений неопределенности (величины c0) число оптимальных типовых решений уменьшается, и растут относительные потери в эффек тивности – см. рисунок 7.

c Рис. 7. Границы значений параметров и c для n = 1, 2, 3, 4 и 10 в примере 2.6. ТОЧКИ КОНТРОЛЯ Тесно связанной с задачей о типовых решениях является так называемая задача о точках контроля, которая заключается в следующем. Конечно, с точки зрения центра – руководителя про екта – идеалом является постоянный мониторинг за ходом реали зации проекта и получение исчерпывающей информации в реаль ном режиме времени. Однако, мониторинг (получение и обработка информации) требуют определенных затрат (даже при развитой информационной системе управления проектами), поэтому с точки зрения минимизации затрат на управление центру хотелось бы осуществлять контроль как можно реже. С другой стороны, не получив вовремя информацию об отклонениях от плана, центр может не успеть вовремя принять решение о необходимости ком пенсирующих воздействий и в результате этого понести потери.

Следовательно, возникает задача о выборе моментов времени (точках контроля), в которые получается информация о состоянии проекта. Совокупность этих моментов времени должна определять рациональный баланс между затратами на управление (монито ринг) и потерями в случае задержек в принятии решений.

Для массового производства задача о точках контроля близка к задаче выборочного контроля (в которой требуется определить моменты и объем выборочного контроля выпускаемой продукции с тем, чтобы, например, при заданных вероятностных характери стиках брака обеспечить заданную вероятность обнаружения бракованной партии изделий). Этот подход можно использовать и в оперативном управлении проектами. Мы же рассмотрим детер минированную постановку задачи, учитывающую в явном виде затраты на управление.

Обозначим y(t) – реальное состояние проекта в момент време ни t, x(t) – плановая траектория, t [0;

T0].

Пусть скорость изменения состояния проекта ограничена1:

(1) |dy(t)/dt|, t [0;

T0].

Тогда, если в момент времени t реальная траектория совпадала с плановой, то в момент времени t +, [0;

T0 – t], отклонение ( ) факта от плана составит не более (2) ( ) =.

Если принять предположение о равномерности контроля и не обходимости обеспечения постоянства времени завершения проек та T0, то задача о точках контроля сведется к задаче об оптималь ном их числе n, так как (2) примет вид (3) ( ) = (n) = T0 / (n + 1), n = 0, 1, 2, ….

В рассматриваемой модели считается, что ограничение на скорость изменения состояния проекта не зависит от этого состояния и времени. Если это не так и |dy(t)/dt| (y, t), то для определения функционала потерь необходимо сначала решить задачу оптимального управления, что существенно усложнит задачу.

Поэтому ниже рассматривается простейший вариант, позволяющий, тем не менее, проиллюстрировать специфику задач о точках контроля.

Если c0 – стоимость одного "наблюдения" за состоянием про екта, g( ) – известная монотонная функция потерь из-за наличия необнаруженных отклонений, то получаем, что оптимальное число n* точек контроля равно (4) n* = arg min... [g( T0 / (n + 1)) + c0 n].

n =0,1, Утверждение 8. Если функция потерь g( ) линейна, то есть g(x) = a x + b, то "непрерывная" оценка оптимального числа точек контроля дается следующим выражением:

a T (5) n* = – 1.

c Справедливость утверждения 8 следует из (1)-(4) с учетом ли нейности функции потерь.

Из (5) вытекает, что оптимальное число точек контроля растет с увеличением удельных потерь a, "неопределенности" и про должительности проекта T0, и уменьшается с ростом удельных затрат c0 на организацию контроля.

ЗАКЛЮЧЕНИЕ Таким образом, в настоящей работе рассмотрен комплекс тео ретико-игровых и оптимизационных моделей и методов оператив ного управления проектами (ОУП). Наряду с обзором известных результатов решения задач ОУП, предложены и исследованы модели ОУП, позволяющие решать задачи управления с учетом моментов принятия решений, их содержания (эффективности) и согласованности. В том числе: модели дополнительных соглаше ний, сокращения продолжительности проекта, шкал оплаты, рас пределенного финансирования, типовых решений, точек контроля.

В качестве перспективных направлений дальнейших теорети ческих исследований можно выделить постановку и решение задач управления динамическими организационными системами. С точки зрения практики актуальным представляется адаптация разработанных в теории моделей и методов ОУП к практическим задачам с учетом отраслевой специфики потенциальных объектов внедрения.

ЛИТЕРАТУРА 1 Андронникова Н.Г., Баркалов С.А., Бурков В.Н., Котенко А.М.

Модели и методы оптимизации региональных программ развития.

М.: ИПУ РАН, 2001. – 60 с.

2 Андронникова Н.Г., Бурков В.Н., Леонтьев С.В. Комплексное оценивание в задачах регионального управления. М.: ИПУ РАН, 2002. – 54 с.

3 Балашов В.Г., Заложнев А.Ю., Иващенко А.А., Новиков Д.А.

Механизмы управления организационными проектами. М.: ИПУ РАН, 2003. – 84 с.

4 Баркалов С.А., Бурков В.Н., Гилязов Н.М. Методы агрегирования в управлении проектами. М.: ИПУ РАН, 1999. – 55 с.

5 Баркалов П.С., Буркова И.В., Глаголев А.В., Колпачев В.Н. Зада чи распределения ресурсов в управлении проектами. М.: ИПУ РАН, 2002. – 65 с.

6 Баркалов С.А., Бурков В.Н., Курочка П.Н., Образцов Н.Н. Задачи управления материально-техническим снабжением в рыночной экономике. М.: ИПУ РАН, 2000. – 58 с.

7 Баркалов С.А., Бурков В.Н. Минимизация упущенной выгоды в задачах управления проектами. М.: ИПУ РАН, 2001. – 56 с.

8 Бурков В.Н. Основы математической теории активных систем.

М.: Наука, 1977. – 255 с.

9 Бурков В.Н., Горгидзе И.А., Ловецкий С.Е. Прикладные задачи теории графов. Тбилиси: Мецниереба, 1974. – 234 с.

10 Бурков В.Н., Горгидзе И.И., Новиков Д.А., Юсупов Б.С. Модели и механизмы распределения затрат и доходов в рыночной эконо мике. М.: ИПУ РАН, 1997. – 57 с.

11 Бурков В.Н., Данев Б., Еналеев А.К. и др. Большие системы:

моделирование организационных механизмов. М.: Наука, 1989. – 245 с.

12 Бурков В.Н., Заложнев А.Ю., Кулик О.С., Новиков Д.А. Меха низмы страхования в социально-экономических системах. М.:

ИПУ РАН, 2001. – 109 с.

13 Бурков В.Н., Заложнев А.Ю., Леонтьев С.В., Новиков Д.А.

Механизмы самофинансирования программ // Вестник ГУУ. 2001.

№ 1. С. 142 – 150.

14 Бурков В.Н., Заложнев А.Ю., Новиков Д.А. Модели и методы теории активных систем в управлении организационными проек тами / Труды 17-го Конгресса по управлению проектами «Проект но-ориентированные бизнес и общество». Москва, 2003. С. 238 – 244.

15 Бурков В.Н., Заложнев А.Ю., Новиков Д.А. Теория графов в управлении организационными системами. М.: Синтег, 2001. – 124 с.

16 Бурков В.Н., Заложнев А.Ю., Леонтьев С.В., Новиков Д.А., Чернышев Р.А. Механизмы финансирования программ региональ ного развития. М.: ИПУ РАН, 2002. – 52 с.

17 Бурков В.Н., Квон О.Ф., Цитович Л.А. Модели и методы муль типроектного управления. М.: ИПУ РАН, 1998. – 62 с.

18 Бурков В.Н., Кузьмицкий А.А., Новиков Д.А. Большие проекты:

анализ риска // Технология и конструирование электронной аппа ратуры. 1997. № 2. С. 6 – 8.

19 Бурков В.Н., Ланда Б.Д., Ловецкий С.Е., Тейман А.И., Черны шев В.Н. Сетевые модели и задачи управления. М.: Советское радио, 1967. – 144 с.

20 Бурков В.Н., Новиков Д.А. Active systems theory and problems of large-scale projects management / Business and management. Vilnius:

Technica, 1995. Vol. 1. P. 93 – 103.

21 Бурков В.Н., Новиков Д.А. Как управлять организациями. М.:

Синтег, 2004. – 400 с.

22 Бурков В.Н., Новиков Д.А. Как управлять проектами. М.: Син тег, 1997. – 188 с.

23 Бурков В.Н., Новиков Д.А. Теория активных систем: состояние и перспективы. М.: СИНТЕГ, 1999. – 128 с.

24 Буркова И.В. Метод дихотомического программирования в задачах управления проектами. Воронеж: ВГАСУ, 2004. – 100 с.

25 Вагнер Г. Основы исследования операций. М.: Мир, 1972.

26 Васильев Д.К., Заложнев А.Ю., Новиков Д.А., Цветков А.В.

Типовые решения в управлении проектами. М.: ИПУ РАН, 2003. – 84 с.

27 Виханский О.С., Наумов А.И. Менеджмент: человек, стратегия, организация, процесс. М.: Изд-во МГУ, 1996. – 416 с.

28 Виханский О.С. Стратегическое управление. М.: МГУ, 1995. – 252 с.

29 Вишнев С.М. Основы комплексного прогнозирования. М.:

Наука, 1977. – 289 с.

30 Воронин А.А., Мишин С.П. Оптимальные иерархические струк туры. М.: ИПУ РАН, 2003. – 210 с.

31 Воропаев В.И. Модели и методы календарного планирования в автоматизированных системах управления строительством. М.:

Стройиздат, 1974. – 232 с.

32 Воропаев В.И. Управление проектами в России. М.: Аланс, 1995. – 225 с.

33 Воропаев В.И., Любкин С.М., Голенко-Гинзбург Д. Модели принятия решений для обобщенных альтернативных стохастиче ских сетей // Автоматика и Телемеханика. 1999. № 10. С. 144 – 152.

34 Гаврилов Н.Н., Карамзина Н.С., Колосова Е.В., Лысаков А.В., Цветков А.В. Анализ и управление проектами. Практический курс:

Учебное пособие. М.: Изд-во Рос. Экон. акад., 2000. – 114 с.

35 Гермейер Ю.Б. Игры с непротивоположными интересами. М.:

Наука, 1976. – 327 с.

36 Гилев С.Е., Леонтьев С.В., Новиков Д.А. Распределенные сис темы принятия решений в управлении региональным развитием.

М.: ИПУ РАН, 2002. – 54 с.

37 Гламаздин Е.С., Новиков Д.А., Цветков А.В. Механизмы управ ления корпоративными программами: информационные системы и математические модели. М.: Спутник+, 2003. – 159 с.

38 Голенко Д.И. Статистические методы сетевого планирования и управления. М.: Наука, 1968. – 400 с.

39 Горелик В.А., Кононенко А.Ф. Теоретико-игровые модели принятия решений в эколого-экономических системах. М.: Радио и связь, 1982. – 144 с.

40 Губко М.В. Управление организационными системами с коали ционным взаимодействием участников. М.: ИПУ РАН, 2003. – с.

41 Губко М.В., Новиков Д.А. Теория игр в управлении организа ционными системами. М.: Синтег, 2002. – 148 с.

42 Залесов А.И. Оптимальное стимулирование в активных систе мах с агрегированием информации // Системы управления и ин формационные технологии. 2004. № 2. С. 47 – 49.

43 Зуховицкий С.И., Радчик И.А. Математические методы сетевого планирования. М.: Наука, 1965. – 296 с.

44 Иванилов Ю.П., Лотов А.В. Математические модели в эконо мике. М.: Наука, 1979. – 304 с.

45 Интриллигатор М. Математические методы оптимизации и экономическая теория. М.: Прогресс, 1975. – 606 с.

46 Каплан Р.С., Нортон Д.П. Сбалансированная система показате лей. М.: Олимп-Бизнес, 2003. – 320 с.

47 Караваев А.П. Модели и методы управления составом активных систем. М.: ИПУ РАН, 2003. – 151 с.

48 Кендалл И., Роллинз К. Современные методы управления порт фелями проектов и офис управления проектами: максимизация ROI. М.: ПМСОФТ, 2004. – 576 с.

49 Клейнер Г.Б. Производственные функции: теория, методы, применение. М.: Финансы и статистика, 1986. – 238 с.

50 Клыков Ю.И. Ситуационное управление большими системами.

М.: Энергия, 1974. – 136 с.

51 Колосова Е.В., Новиков Д.А., Цветков А.В. Методика освоенно го объема в оперативном управлении проектами. Москва, 2001. – 156 с.

52 Кононенко А.Ф., Халезов А.Д., Чумаков В.В. Принятие реше ний в условиях неопределенности. М.: ВЦ АН СССР, 1991. – 211 с.

53 Кононов Д.А., Кульба В.В., Ковалевский С.С., Косяченко С.А.

Формирование сценарных пространств и анализ динамики поведе ния социально-экономических систем. М.: ИПУ РАН, 1999.

54 Коргин Н.А. Неманипулируемые механизмы обмена в активных системах. М.: ИПУ РАН, 2003. – 126 с.

55 Кузьмицкий А.А., Новиков Д.А. Организационные механизмы управления развитием приоритетных направлений науки и техни ки. М.: ИПУ РАН, 1993. – 68 с.

56 Кузьмицкий А.А., Щепкин А.В. Разработка деловых игр по управлению проектами. М.: ИПУ РАН, 1994. – 58 с.

57 Либерзон В.И. Основы управления проектами. М.: Нефтяник, 1997. – 150 с.

58 Литвак Б.Г. Экспертные оценки и принятие решений. М.: Па тент, 1996. – 271 с.

59 Лотов А.В. Введение в экономико-математическое моделирова ние. М.: Наука, 1984. – 391 с.

60 Лысаков А.В., Новиков Д.А. Договорные отношения в управле нии проектами. М.: ИПУ РАН, 2004. – 100 с.

61 Мартино Д. Технологическое прогнозирование. М.: Прогресс, 1977. – 591 с.

62 Менар К. Экономика организаций. М.: ИНФРА-М, 1996.–160 с.

63 Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М.: Мир, 1973. – 344 с.

64 Мескон М., Альберт М., Хедоури Ф. Основы менеджмента. М.:

Дело, 1998. – 800 с.

65 Мильнер Б.З. Теория организации. М.: ИНФРА-М, 2002.–480 с.

66 Мир управления проектами / Под. ред. Х. Решке, Х. Шелле. М.:

Аланс, 1993. – 304 с.

67 Мулен Э. Кооперативное принятие решений: аксиомы и модели.

М.: Мир, 1991. – 464 с.

68 Новиков Д.А. Институциональное управление организацион ными системами. М.: ИПУ РАН, 2003. – 68 с.

69 Новиков Д.А. Механизмы функционирования многоуровневых организационных систем. М.: Фонд "Проблемы управления", 1999.–150 с.

70 Новиков Д.А. Сетевые структуры и организационные системы.

М.: ИПУ РАН, 2003. – 108 с.

71 Новиков Д.А. Стимулирование в организационных системах.

М.: Синтег, 2003. – 312 с.

72 Новиков Д.А. Стимулирование в социально-экономических системах (базовые математические модели). М.: ИПУ РАН, 1998. – 216 с.

73 Новиков Д.А., Петраков С.Н. Курс теории активных систем. М.:

Синтег, 1999. – 108 с.

74 Новиков Д.А., Смирнов И.М., Шохина Т.Е. Механизмы управ ления динамическими активными системами. М.: ИПУ РАН, 2002.

– 124 с.

75 Новиков Д.А., Чхартишвили А.Г. Активный прогноз. М.: ИПУ РАН, 2002. – 101 с.

76 Новиков Д.А., Чхартишвили А.Г. Рефлексивные игры. М.:

Синтег, 2003. – 150 с.

77 Новиков Д.А., Цветков А.В. Механизмы стимулирования в многоэлементных организационных системах. М.: Апостроф, 2000.

– 184 с.

78 Новиков Д.А., Цветков А.В. Механизмы функционирования организационных систем с распределенным контролем. М.: ИПУ РАН, 2001. – 118 с.

79 Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. – 206 с.

80 Петраков С.Н. Механизмы планирования в активных системах:

неманипулируемость и множества диктаторства. М.: ИПУ РАН, 2001. – 135 с.

81 Поспелов Г.С., Ириков В.А. Программно-целевое планирование и управление. М.: Советское радио, 1976. – 344 с.

82 Поспелов Г.С., Ириков В.А., Курилов А.Е. Процедуры и алго ритмы формирования комплексных программ. М.: Наука, 1985. – 424 с.

83 Поспелов Д.А. Ситуационное управление: теория и практика.

М.: Наука, 1986. – 288 с.

84 Путеводитель в мир управления проектами: пер. с англ. Екате ринбург: УГТУ, 1998. – 191 с.

85 Санталайнен Т. и др. Управление по результатам. М.: Прогресс, 1988. – 320 с.

86 Сидельников Ю.В. Теория и практика экспертного прогнозиро вания. М.: ИМЭМО РАН, 1990. – 195 с.

87 Тейл Г. Экономические прогнозы и принятие решений. М.:

Статистика, 1971. – 488 с.

88 Управление проектами. Зарубежный опыт / Под. ред.

В.Д. Шапиро. С.-Пб.: «ДваТрИ», 1993. – 443 с.

89 Управление проектами / Общая редакция – В.Д. Шапиро. С. Пб.: «ДваТрИ», 1996. – 610 с.

90 Управление проектами: справочное пособие / Под ред.

И.И. Мазура, В.Д. Шапиро. М.: Высшая школа, 2001. – 875 с.

91 Цветков А.В. Стимулирование в управлении проектами. М.:

Апостроф, 2001. – 144 с.

92 Щепкин А.В. Механизмы внутрифирменного управления. М.:

ИПУ РАН, 2001. – 80 с.

93 Юдицкий С.А., Владиславлев П.Н. Предпроектное моделирова ние функционирования организационных систем. М.: ИПУ РАН, 2004. – 120 с.

94 Юдкевич М.М., Подколзина Е.А., Рябинина А.Ю. Основы тео рии контрактов: модели и задачи. М.: ГУ ВШЭ, 2002. – 352 с.

95 A guide to the project management body of knowledge (PMBOK guide). 2000. – 215 p.

96 Christensen D.S. An analysis of costs overruns on defense acquisi tion contracts // International Journal of Project Management. 1993.

Vol. 24. N 3. P. 43 – 48.

97 Czarnecki M.T. Managing by measuring: How to improve your organization’s performance through effective benchmarking. N.Y.:

American management association, 1999.

98 Dinsmore P.C. Winning in business with enterprise project man agement. N.Y.: American management association, 1999. – 271 p.

99 Fleming Q.W., Hoppelman J.M. Earned value Project Management.

PMI, 1996. – 141 p.

100 Fleming Q.W., Hoppelman J.M. Forecasting the final costs and schedule results // PM Network. 1996. N 1. P. 13 – 18.

101 Grossman S., Hart O. An analysis of the principal-agent problem // Econometrica. 1983. Vol. 51. N 1. P. 7 – 45.

102 Hart O.D., Holmstrom B. Theory of contracts // Advances in eco nomic theory. 5-th world congress. Cambridge: Cambridge Univ. Press, 1987. P. 71 – 155.

103 Hart O.D. Optimal labor contracts under asymmetric information:

an introduction // Review of Economic Studies. 1983. Vol. 50. N 1. P. – 35.

104 Hatfield M.A. The case for earned value // PM Network. 1996. N 12. P. 25 – 27.

105 Kerzner H. Project management: a systems approach to planning, scheduling and controlling. N.Y. John Wiley & Sons, 1998.

106 Kliem R.L., Ludin I.S. Project management practitioner’s book.

N.Y.: American Management Association, 1998.

107 Lientz B.P., Rea K.P. Project management for the 21-st century.

San Diego: Academic Press, 1998.

108 Mas-Collel A., Whinston M.D., Green J.R. Microeconomic theory.

N.Y.: Oxford Univ. Press, 1995. – 981 p.

109 Myerson R.B. Game theory: analysis of conflict. London: Harvard Univ. Press, 1991. – 568 p.

110 Phillips J.J., Bothell T.W., Snead G.L. The project management scorecards. Amsterdam: Elseiver, 2003. – 353 p.

111 Rampersad K.H. Total performance scorecard. Amsterdam: El seiver, 2003. – 330 p.

112 Tabtabai H.M. Forecasting project completion date using judg mental analysis / PMI Symposium. Pittsburgh, 1992. P. 436 – 440.

113 The principles of project management / Ed. by J.S. Pennypacker.

N.Y.: PMI, 1997. – 232 p.

114 Turner J.R. The handbook of project-based management. London:

McGraw-Hill Companies, 1999. – 414 p.




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.