WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


Методология адаптивного выбора управленческих решений на промышленном предприятии в условиях критериальной неопределенности

Автореферат докторской диссертации по экономике

 

На правах рукописи

 

ВИЛИСОВ  ВАЛЕРИЙ  ЯКОВЛЕВИЧ

 

МЕТОДОЛОГИЯ АДАПТИВНОГО ВЫБОРА УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ НА ПРОМЫШЛЕННОМ ПРЕДПРИЯТИИ

В УСЛОВИЯХ КРИТЕРИАЛЬНОЙ НЕОПРЕДЕЛЕННОСТИ

 

Специальность 08.00.05 –

Специализация -

Экономика и управление народным хозяйством

Экономика, организация и управление предприятиями, отраслями, комплексами (промышленность)

 

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

доктора экономических наук

 

 

Москва  -  2009

 Работа выполнена в ООО «Энергия ИТ»

Научный консультант

доктор экономических наук, профессор

Лагоша Борис Александрович

Официальные оппоненты:

доктор экономических наук, профессор,

заслуженный деятель науки РФ

Лившиц Вениамин Наумович

доктор экономических наук, профессор

Киселёва Ирина Анатольевна

доктор экономических наук, профессор

Мищенко Александр Владимирович

Ведущая организация:

Московская финансово-промышленная

академия (МФПА)

Защита состоится 20 февраля 2009 г. в 15 часов на заседании Диссертационного совета Д 002.013.04 в Центральном экономико-математическом институте РАН по адресу: 117418 г. Москва, Нахимовский проспект, д. 47, ауд. 520.

С диссертацией можно ознакомиться в библиотеке ЦЭМИ РАН.

Автореферат разослан «     » января 2009 г. 

 

 

Ученый секретарь Диссертационного совета                        

доктор экономических наук                                                                                                   

 

Р.М. Качалов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

 



Актуальность темы. Развитие рыночных отношений в нашей стране требует совершенствования управления социально-экономическими процессами. Эффективность экономики в значительной мере определяется качеством управления предприятиями. В современных условиях повышенной динамичности, нестабильности и неопределенности функционирования предприятий различных отраслей промышленности, применяемые ранее подходы к управлению, часто оказываются недостаточными или неприемлемыми.  

Одной из существенных проблем управления промышленными предприятиями на современном этапе является неудовлетворительное состояние научно-методического обеспечения оперативного управления  производственно-коммерческой деятельностью.

В последние годы появились мощные инструментальные средства управления предприятиями (Галактика, ТБ-Корпорация, Microsoft Dynamics, Concord IT, SAP R/3 и ряд других), однако и они не обеспечивают эффективного принятия оперативных управленческих решений. Это связано и с тем, что носителем целей и критериев управления остается менеджер и все более усиливается тенденция к тому, чтобы не менеджер приспосабливался к информационной системе, а система к нему. И если этого не происходит, то часто система отвергается или игнорируется менеджментом. Такая ситуация закономерна как следствие отказа отечественных предприятий от директивных методов управления и перехода к полной самостоятельности в выборе целей и методов их достижения. В настоящее время развитие средств обработки данных в корпоративных информационных системах (КИС) слабо влияет на повышение эффективности работы лиц, принимающих решения (ЛПР). В результате на стыке КИС-ЛПР в системах оперативного управления возникает противоречие между высокой скоростью обработки данных и слабой структуризацией технологии работы лиц, принимающих решения, их ограниченными возможностями по эффективному восприятию больших потоков данных в сжатые сроки. КИС не может подготовить варианты управленческих решений т. к. критериями владеет ЛПР. На практике, как правило, критерии множественны, подсознательны, изменчивы и не могут быть представлены менеджером (ЛПР) в явном виде.

В последнее время усилия отечественных и зарубежных ученых и практиков все больше направлены на структуризацию и гармонизацию процессов управления предприятиями как сложными эвентуализированными системно-интегрированными объектами. Несмотря на эти усилия, проблема скоординированного целенаправленного управления экономическими процессами на предприятии в реальном времени остается нерешенной, поэтому исследование и совершенствование механизмов принятия оперативных управленческих решений с учетом реальных целей, критериев и возможностей менеджмента является актуальной проблемой, решение которой требует создания качественно новой методологии управления экономическими процессами на промышленном предприятии.

Степень изученности и разработанности проблемы. Вопросам выбора и обоснования управленческих решений посвящено большое количество научных публикаций, многие из которых послужили методической базой настоящего диссертационного исследования. В этой связи следует выделить работы в области организации и оперативного управления производством промышленных предприятий, календарного планирования, управления проектами и производственного менеджмента таких авторов как Д.А. Гаврилов, С.А. Думлер, В.А. Ириков, С.Н. Колесников, В.Д. Калачанов, А.А. Колобов, И.Н. Омельченко, Ф.И. Парамонов, С.В. Питеркин, В.М. Португал, С.Г. Фалько, В.В. Шкурба, Т. Оно и др.

Существенный и важный вклад в развитие концепций формализованного представления процессов планирования и управления в экономических системах, математического и имитационного моделирования внесли такие ученые как М.Ю. Афанасьев, К.А. Багриновский, В.З. Беленький, Н.П. Бусленко, В.А. Волконский, Н.Н. Воробьев, Ю.Н. Гаврилец, В.И. Данилин, Н.Е. Егорова, А.А. Емельянов, Л.В. Канторович, В.Н. Лившиц, Г.П. Майков, Н.Н. Моисеев, А.А. Первозванский, А.С. Плещинский, Г.С. Поспелов, М.Ф. Росин, В.И. Цымбал, Р. Акофф, Г. Вагнер, М. Месарович, У. Моррис, Г. Оуэн, Т. Саати, Х. Таха, Дж. Форрестер и др.

Значительное развитие научных представлений о механизмах формирования управленческих решений, о методах, алгоритмах и моделях выбора альтернатив получило в трудах таких авторов как А.Н. Борисов, В.Н. Бурков, Э.Й. Вилкас, М.Г. Гафт, Ю.Б. Гермейер, Л.Г. Евланов, О.И. Ларичев, Б.Г. Литвак, Б.Г. Миркин, В.Д. Ногин, В.В. Подиновский, Н.Н. Тренев, Е.Ю. Хрусталев, Р. Акофф, С. Бир, Л. Заде, Р. Кини, Дж. фон Нейман, Г. Райфа, Г. Саймон и др.

Методологически важными в аспекте данного диссертационного исследования являются работы по представлению знания как самостоятельного ресурса в экономических системах, выполненные такими учеными как Г.Б. Клейнер, В.Л. Макаров, Б.З. Мильнер, Д.А. Поспелов, К. Нейлор, П. Норвиг, С. Рассел и др.

Существенными и плодотворными для решения рассматриваемой проблемы являются концепции и методы адаптивного управления в экономических и технических системах, разработанные в трудах таких авторитетных исследователей как К.А. Багриновский, В.В. Дудчак, А.В. Назин, А.С. Позняк, А.М. Хархаров, Я.З. Цыпкин, Р. Акофф, Н. Винер и др.

Важный для диссертационного исследования инструментарий, разработан в таких отраслях современной статистической науки как оценивание, идентификация, эконометрика, планирование эксперимента и представлен в работах С.А. Айвазяна, Л.В. Колосова, Г.К. Круга, В.В. Налимова, В.В. Федорова, Р. Ли, Э. Сейджа и др. 

Несмотря на значительный объем научных исследований, выполненных в рассматриваемой проблемной сфере, целостная система научного знания в области построения эффективных механизмов принятия оперативных управленческих решений на современном предприятии с учетом реальных критериев менеджмента все еще не сформирована.

Цель работы заключается в развитии методологии адаптивного выбора оперативных управленческих решений в информационной среде современных промышленных предприятий с учетом неопределенности критериальных предпочтений менеджмента.

Для достижения сформулированной цели в диссертации поставлены задачи:

  • проанализировать применяемые на современных промышленных предприятиях технологий формирования управленческих решений;
  • выявить особенности, противоречия и организационно-экономические проблемы, характерные для процедур принятия управленческих решений в информационной среде современных предприятий;
  • проанализировать средства экономико-математического моделирования процессов принятия управленческих решений, выбрать и адаптировать наиболее адекватные горизонту оперативного планирования промышленных предприятий;
  • сформулировать принципы и создать методические основы эффективного взаимодействия менеджеров и информационной среды предприятия в контексте задач оперативного управления;
  • разработать методы выявления и представления реальных критериев менеджеров в повторяющихся процедурах формирования управленческих решений;
  • формализовать задачу оценки влияния персональных характеристик менеджера на качество выбора управленческих решений и разработать подходы к их учету в практике управления;
  • апробировать и применить на предприятиях реального сектора экономики разработанные в диссертации концепции, методы и модели.

Объект исследования – системы управления российскими  промышленными предприятиями с дискретным характером производства.

Предметом исследования являются экономические аспекты моделирования реальных целей и критериев менеджеров отечественных предприятий в управленческих процессах и решениях.

Методы исследования. Для решения поставленных задач использовались методы теории предприятия, теории планирования и управления на производственных предприятиях, автоматизированных систем управления производством и предприятиями, теории сложных систем, математического программирования, теории игр и статистических решений, теории случайных процессов, стохастического и экспертного оценивания, планирования эксперимента, адаптивного управления и самообучения, имитационного моделирования, экспертных систем.

Научная новизна диссертации состоит в развитии теории и методологии выбора оперативных управленческих решений в условиях критериальной неопределенности, обусловленной неполнотой  информации в системе управления о целях и критериях менеджеров предприятий реального сектора экономики.

Основные результаты исследования, обладающие научной новизной, состоят в следующем:

1. Разработана системная совокупность принципов и методов адаптивного выбора решений на современных предприятиях, объединяющая в рамках общей концептуальной схемы основные элементы процессов человеко-машинного управления: цели, критерии, модели, позицию ЛПР, стратегии, состояния и др. Предложенные методы, в отличие от традиционных, учитывают системный характер управления организационно-техническими объектами, высокую динамику протекающих процессов (п. 15.1 паспорта специальности 08.00.05 ВАК).

2. Разработаны постановки задач управления экономическими процессами на предприятии (оперативное распределение материальных и кредитных ресурсов, управление конкурентоспособностью изделий, комплексом работ, запасами материалов, входным контролем), позволяющие адаптировать модели выбора управленческих решений к предпочтениям ЛПР (менеджеров), в отличие от традиционных, учитывающих лишь факторы возмущения внешней и внутренней сред предприятия. (п. 15.4 паспорта специальности 08.00.05 ВАК).

3. Разработаны методы адаптации используемых в процессах оперативного управления предприятием моделей линейного программирования, которые, в отличие от традиционной «ручной» технологии, состоят в автоматической оперативной настройке параметров модели на основе текущих наблюдений за решениями ЛПР; сформулированы условия применения разработанных методов адаптации для задач целочисленного, квадратичного программирования и др. (п. 15.1 паспорта специальности 08.00.05 ВАК).

4. Развита методика обеспечения согласованного взаимодействия ЛПР и информационной среды предприятия, учитывающая, в отличие от известных, реальную разрешающую и пропускную способность ЛПР. Использование разработанной методики обеспечивает стабильность характеристик управленческих решений (п. 15.13 паспорта специальности 08.00.05 ВАК).  

5. Предложен метод двухконтурного разнотемпового управления, отличающийся от традиционного одноконтурного тем, что в первом контуре осуществляется адаптация модели выбора решения к системе предпочтений конкретного менеджера, а во втором контуре адаптированная модель используется для управления предприятием. Подобная структура, может использоваться в КИС предприятия для согласования возможностей ЛПР и временных характеристик потока входных данных о текущем состоянии объекта управления (п. 15.13 паспорта специальности 08.00.05 ВАК).

6. Разработаны адаптивные модели выбора управленческих решений, использующие матричное представление платежей (игровые матричные и биматричные, марковские цепи с доходами, байесовские), которые, в отличие от традиционных, отражают предпочтения конкретного ЛПР, и ориентированы на решение задач планирования и управления как внутри предприятия, так и во взаимодействии с другими участниками рынка (п. 15.1 паспорта специальности 08.00.05 ВАК).

7. Предложен механизм варьирования степени автоматизации управленческих процедур в КИС предприятия – от информационно-советущего до автоматического – в зависимости от степени адаптированности модели выбора управленческих решений к предпочтениям менеджера, что обеспечивает гибкое встраивание адаптивных моделей в существующую на предприятии систему управления (п. 15.1 паспорта специальности 08.00.05 ВАК ).

8. Разработан алгоритмизированный  подход к выявлению и формализации позиции ЛПР (в том числе склонности к риску, отношения к цели управления и др.) в процедурах принятия управленческих решений. Предложена конструктивная технология количественного оценивания позиции, в отличие от традиционных подходов, позволяющая внешним заинтересованным и полномочным лицам вести мониторинг позиции ЛПР и принимать обоснованные организационные решения (п. 15.13 паспорта специальности 08.00.05 ВАК).

Практическая значимость. Полученные в диссертации результаты, выводы и рекомендации развивают и дополняют концептуальные положения теории и практики управления современными предприятиями.

Результаты выполненных автором исследований и предложенные подходы могут быть использованы для дальнейшей разработки методологических положений менеджмента предприятий.

Предложенный инструментарий выявления фактических предпочтений и позиций ЛПР может представлять практический интерес для топ-менеджеров предприятий, а также для внешних заинтересованных и полномочных лиц.

Разработанные в диссертации методы и алгоритмы целесообразно включать в состав программного обеспечения систем автоматизированного управления промышленными предприятиями различных отраслей, использовать в учебном процессе.

Реализация результатов диссертации. Предложенные методы, алгоритмы и системы выбора решений в условиях критериальной неопределенности были использованы и внедрены на: Ульяновском авиационном промышленном комплексе «Авиастар» в подсистеме АСАД; предприятиях ракетно-космической отрасли (г. Королев, Московской обл.); авиапредприятиях Кемеровского авиаотряда; производственных предприятиях, разрабатывающих и производящих радиоэлектронную, пищевую, строительную и программную продукцию - АОЗТ СКБ «Термоприбор», ООО «Русский каравай», ООО «Королевхлеб», ООО «Дорсервис», ООО «Инфо».

Разработанные алгоритмы, методы и системы выбора решений использовались при проведении трех хоздоговорных работ в научно-исследовательском секторе Московского авиационного института (технического университета) и в учебном процессе.

Апробация работы. Научные и практические результаты диссертации докладывались и обсуждались на: Всесоюзной конференции «Модели планирования и оперативного управления на предприятии» (Киев, 1981 г.); Всесоюзной конференции «Проблемы и методы принятия решений в организационных системах управления», (Москва-Звенигород, 1981 г.); Всесоюзном семинаре «Методы решения задач оперативного управления в АСУ отраслевого и межведомственного уровней» (Москва, 1982 г.); Всесоюзной конференции «Динамическое моделирование сложных систем», (Москва, 1982 г.); Всесоюзной конференции «Проблемы и методы принятия решений в организационных системах управления», (Москва-Пущино, 1984 г.), XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, 2006), а также на постоянно действующих семинарах:  в лаборатории академика РАН Я.З. Цыпкина в Институте проблем управления РАН (1987 г.) и академика РАН О.И. Ларичева во ВНИИ Системных исследований (ИСА) РАН (1984 г.), на научном семинаре ЦЭМИ РАН «Проблемы моделирования развития производственных систем» - руководители: член-корр. РАН Г.Б. Клейнер, д.э.н., проф. К.А. Багриновский, д.э.н., проф. О.Б. Брагинский (2007 г.).

Публикации. Основные идеи, положения и результаты диссертационного исследования опубликованы в 41 работах, в том числе 9 в изданиях, рекомендованных ВАК, выполненных автором самостоятельно и в соавторстве. Общий объем авторских публикаций составляет  более 50 п.л.

Структура и объем диссертации. Диссертация состоит из введения, шести глав, выводов по главам, заключения, списка литературы, содержащего 406 наименований, и приложения. В Приложение вынесены Адаптивные модели в матричной форме, термины и сокращения. Работа изложена на 317 страницах, включая 20 таблиц и 72 рисунка.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цель исследования, основная решаемая проблема, сопутствующие ей задачи, объект и предмет исследования. Отражены методологические и теоретические основы работы, научная новизна проведенных исследований и практическая значимость полученных результатов. 

В главе 1 «Технологии управления современным предприятием» проведен анализ современных тенденций развития технологий управления, выявлены значимые противоречия, сдерживающие темпы повышения эффективности оперативного управления. Поставлена проблема, сформулирована цель, определены объект и предмет исследования

Современные стандарты управления производством используют весь существующий потенциал вычислительной техники для того, чтобы снять с человека рутинные учетно-расчетные операции, оставив за ним менее формализованные на сегодня функции принятия управленческих решений. На реальном предприятии практически невозможно построить план, который бы выполнялся продолжительное время без отклонений. При возникновении таких ситуаций необходимо принимать оперативные решения для учета/компенсации отклонений в производственных заданиях или план-графиках. Причинами отклонений могут быть случайные изменения во внешней среде предприятия, активное противодействие конкурентов и ряд других дестабилизирующих факторов. Принимать решения при подобных отклонениях и остается основной функцией человека как менеджера, собственника, исполнителя и т.п. Кроме выбора решений при отклонениях на предприятиях существует большое количество и других повторяющихся решений, которые необходимо принимать менеджерам в рамках стандартных процедур планирования. При выборе управленческих решений возникает одно из значимых противоречий между возможностями современной вычислительной техники по обработке данных и неструктурированностью, слабой формализованностью процедур выбора управленческих решений в повторяющихся ситуациях и в условиях острого дефицита времени (узкие горизонты планирования) на предприятиях. А если и существуют средства поддержки быстрого перепланирования при отклонениях, то критерии, как правило, пользователь должен выбирать сам, а они в реальной практике множественны и не очевидны.

В диссертации приведены систематизированные по функциональной принадлежности группы задач выбора управленческих решений.

Проблема неэффективного управления на узких горизонтах планирования не разрешима существующими на сегодня системами поддержки принятия решений (СППР, DSS). В диссертации проанализированы основные возможности и состояние разработки потенциальных претендентов на роль такого средства. В их числе, как наиболее вероятные,  - инструменты экспертных систем (методы нечеткой логики, нейросетевых, генетических и возможностных вычислений) и исследования операций (ИО). Показано, что средства экспертных систем не разработаны до такой степени, чтобы послужить основой для решения рассматриваемого круга задач. И лишь модели ИО обладают набором свойств, позволяющих рассматривать их как основу для построения эффективного инструмента формализованного представления и автоматизации процедур принятия управленческих решений.

Модели ИО, которые традиционно использовались для оценивания альтернатив и обоснования решений, положены в основу методологии, разработанной в диссертации. Однако их практическое использование для автоматизированного выбора управленческих решений в рамках традиционной парадигмы содержит противоречие, приводящее к их слабой востребованности на практике в указанных целях. Противоречие заключается в том, что  аналитики, создающие модель, должны не хуже ЛПР знать все основные реально существующие нюансы объекта управления, все цели, которые декларированы, вербализованы и имеются в виду. Они должны не только выявить, но и безошибочно воплотить цели в модели. Конечно, аналитики являются тем звеном обратной связи, которое иногда подстраивает, корректирует структуру и параметры модели, но они же и вносят искажения, а указанные процедуры требуют больших временных затрат. Однако в рамках традиционной парадигмы ИО это неизбежно т.к. нет другого механизма обеспечения должного качества модели. 

Представленный в диссертации инструментарий разрешает это противоречие в рамках адаптивной парадигмы выбора решений. Здесь под адаптивностью имеется в виду свойство моделей ИО подстраиваться (структурно и параметрически) под текущие предпочтения ЛПР. Это позволяет поддерживать более высокий уровень адекватности моделей целям ЛПР, а значит и решения, принятые с использованием модели, заслуживают большего доверия и не приводят к ее дискредитации. В качестве технологического средства адаптации используются алгоритмы решения обратных задач ИО. В главе приведены необходимые логические построения и обоснования разработанного подхода.

В контексте задач выбора управленческих решений на оперативном горизонте планирования особое место занимают такие схемы принятия решений, которые:

  • не являются уникальными или редкими;
  • повторяются периодически или спонтанно инициируются некоторыми пороговыми событиями (наступлением определенных условий);
  • выполняются в условиях дефицита времени;
  • сопровождаются большими потоками данных, которые ЛПР не в состоянии осмыслить в сжатые сроки.  

Ситуации, требующие принятия решений (СТПР), такого типа и являются объектом исследования в диссертации.      

Принимаемые ЛПР управленческие решения должны быть в некотором смысле  оптимальными или хотя бы достаточно хорошими, чтобы обеспечить желаемую эффективность адаптации и соответствие его целям.

Сформулированы принципы методологии автоматизированного выбора управленческих решений на уровне предприятия. Формализованные процедуры выбора решений (на основе адаптивных моделей), будучи реализованными в составе КИС предприятия, являются элементами СППР, которая должна обеспечить выполнение следующих принципов:

  • Увеличение быстродействия системы управления предприятием, т.е. уменьшение продолжительности цикла управления. При этом повышается как «пропускная способность» ЛПР, так и интенсивность обмена и обработки информации в системе в целом;
  • Повышение надежности принимаемых решений, где под надежностью имеется в виду степень безошибочности выбора решения менеджером/ЛПР;
  • Обеспечение гибкости системы управления, т.е. способность развиваться и отрабатывать воздействие внешних факторов (нестационарность, замена ЛПР, и т.п.).

В традиционных человеко-машинных системах управления обычно полагается, что такие качества ЛПР, как способность адекватно воспринимать цель, компетентность, рациональность, уровень квалификации, психофизиологические качества и ряд других, соответствуют требуемым условиям. Однако в реальных ситуациях те или иные качества отличаются от номинально требуемых, что приводит к снижению эффективности принятого решения. Наиболее важными являются следующие факторы, способные существенно повлиять на качество решений, принимаемых ЛПР:

    • Неправильное понимание цели по отношению к вышестоящему уровню управления, непреднамеренное ее искажение или изменение с учетом собственных интересов.
    • Неточное оценивание ресурсов, ограничений, условий.
    • Упрощение законов и правил формирования СТПР.
    • Использование неточных (неадекватных, некорректных) решающих правил при выборе альтернативы.
    • Недостаточно точный прогноз и/или неполное представление о возможных исходах реализации принимаемых решений.
    • Слабая обучаемость ЛПР.
    • Сокращение числа учитываемых критериев принятия решений.
    • Отказ от использования дополнительной информации.

Разработанная в диссертации методология нацелена на компенсацию негативного воздействия подобных факторов на качество управления предприятием. Ключевым ее моментом является обучение, адаптация, подстройка под позитивный опыт ЛПР, как тот эталон «правильности» предпочтений, которому должны соответствовать решения, принимаемые в системе предприятие-КИС-ЛПР. Средства таких процедур должны ненавязчиво «вытягивать» из ЛПР его знания и опыт, перекладывая их на язык соответствующих моделей. Причем такое обучение моделей должно учитывать нестационарности и динамику как собственно предпочтений ЛПР, так и среды предприятия, формирующей ситуации выбора решений.

Важной особенностью предложенной методологии является возможность двухконтурного  управления объектом (рис. 1).

Здесь первым является контур настройки модели по таким данным как СТПР, принятое ЛПР решение и оценка решения по результатам его реализации (эффект). Цель этого контура - обеспечить построение модели, адекватной  предпочтениям ЛПР. Во втором контуре выполняется непосредственное управление объектом на основе построенной модели – выбираются решения по возникающим СТПР. Во втором контуре ЛПР может участвовать частично либо не участвовать вовсе (автоматический режим).

Оба эти контура взаимосвязаны через модель. Однако темпы их функционирования различны - первый определяется персональными возможностями и индивидуальными характеристиками ЛПР, второй в большей степени выполняется компьютером (КИС), а значит, темп и объемы перерабатываемых данных могут быть большими. Таким образом, первый контур медленный и малопроизводительный, второй быстрый и высокопроизводительный.

Рис. 1. Схема двухконтурного управления объектом

Описанные выше противоречия между высокой интенсивностью процессов на предприятиях, оснащенных современными КИС, и ограниченными возможностями ЛПР по переработке потоков данных, необходимых для выбора решений, и разрешены в диссертации путем введения двухконтурной развязки с участием моделей ИО.

На основе анализа, проведенного в первой главе, построена укрупненная  функциональная схема (рис. 2) системы управления промышленным предприятием. Пять представленных на ней блоков задач используются в диссертации как среда реализации разработанной методологии автоматизированного адаптивного управления.

Рис. 2. Модули адаптивного управления предприятием

Анализ современного состояния теории и практики систем управления промышленными предприятиями позволил сформулировать научную проблему, определить объект, предмет и цель исследования, которые и приведены выше в общей характеристике работы.

В главе 2 «Модели выбора оперативных управленческих решений на предприятии» рассмотрена совокупность постановок задач и соответствующих моделей оптимального планирования и управления, характерных для различных направлений деятельности промышленного предприятия. Эти модели позволяют на основе учетных данных информационных систем предприятия синтезировать планы оптимальные с точностью до критерия (параметров и/или структуры критерия). Однако сами модели важны для придания им адаптивной к реальным текущим критериям ЛПР формы.  

Приведен перечень задач оперативного управления, которые обычно решаются в функциональных модулях систем управления современным предприятием, использующим ERP-стандарт (кратко рассмотрены в главе 1). На рис. 3 укрупненно представлены типовые группы задач оперативного управления. Жирной линией выделены те блоки, для которых в данной главе приведены постановки задач и на их примере построены элементы адаптивного управления в условиях критериальной неопределенности.

Рис. 3. Задачи оперативного управления на предприятии

Механизмы адаптации к сбоям, как правило, конструируются (другими исследователями) таким образом, чтобы по измерениям текущей ситуации на предприятии (в том числе и на производстве) определить значения необходимых резервов ресурсов (комплектующих, оборудования, персонала и др.), позволяющих ликвидировать текущее отклонение, а в будущем к ним быть готовыми, или срочно выделить ресурсы (например, ремонтную бригаду) на устранение возникшего возмущения (например, замена сломанного инструмента, ремонт или замена станка и т.п.). В тех случаях, когда КИС имеет в своем составе ERP-APS-MES-системы, арсенал средств борьбы со сбоями дополняется и действенным инструментарием перепланирования, позволяющим привлекать априори неочевидные скрытые резервы или минимизировать (до потенциально возможного уровня) ущерб.

Показано,  что кроме сбоев важное влияние на эффективность работы предприятия оказывают и факторы, связанные с целями управления (или критериями, как их формализованным представлением). Цели и критерии, явно или неявно используемые на предприятии очень разнообразны, связаны с различными объектами и распределены по уровням управления. Учет фактора цели в современной российской экономике представляется весьма важным по следующим (наиболее существенным) причинам:

  • переход от централизованного управления предприятиями, когда критерии и контрольные цифры были четко детерминированы и не требовали иерархии планов (стратегический и др.), к их самостоятельности привел к необходимости освоения новой для них функции - целеполагания. А эта функция требует привлечения огромного арсенала специальных дополнительных технологий (прогнозирование, маркетинг и т.п.). Сами по себе цели не всегда очевидны (для менеджеров, исполнителей, собственников), а значит, существует вероятность их неверного определения, назначения, интерпретации. Для эффективной работы предприятия цели (и множество частных критериев) должны быть определены;
  • внешние условия и внутреннее состояние предприятия подвержены изменениям, иногда очень динамичным, часто чреватым негативными последствиями. В этих условиях для обеспечения живучести предприятия цели должны корректироваться. А это может происходить неявно («в уме» менеджера) или явно (например, изменением миссии предприятия). В случае неявного изменения цели вся система может продолжать работать «в прежнем направлении», что может привести к потерям;
  • декларируемые вышестоящим руководством цели могут «не дойти» до менеджеров или могут быть искажены ими (случайно или преднамеренно). А значит, руководству необходим мониторинг реальных целей менеджеров. 

В отличие от классических факторов неопределенности – возмущений среды, отсутствие в системе информации о реальных целях/критериях менеджеров/ЛПР названо в работе критериальной неопределенностью.





Приведен ряд формализованных постановок задач, отражающих важные стороны деятельности предприятия, но обладающих критериальной неопределенностью. Структурно они представлены моделями математического программирования, матричными игровыми, байесовскими и марковские (с платежами) моделями. Для этих типов моделей в диссертации разработаны их адаптивные варианты.  В числе приведенных постановок задач:

  • Распределение ограниченных ресурсов при запуске изделий в производство.
  • Управление конкурентоспособностью изделий.
  • Управление комплексом работ.
  • Управление запасами материалов.
  • Входной контроль комплектующих.
  • Выбор решения о предоставлении товарного кредита покупателю.

В главе 3 «Выбор решений в системе управления предприятием на основе адаптивных моделей» разработаны адаптивные варианты моделей выбора решений для задачи линейного программирования на основе решения обратной задачи; исследованы особенности решения обратных задач для целочисленной, квадратичной и транспортной моделей; построена технология оценивания значимости частных критериев по наблюдениям; разработаны адаптивные варианты моделей в нормальной форме - игровых, марковских, байесовских.

В системах управления предприятиями, использующих ERP- или APS-технологии, решаются задачи планирования и/или оперативного управления, которые структурно представимы моделями математического программирования (некоторые из таких постановок приведены во второй главе диссертации).

В задачах математического программирования предпочтения ЛПР на множестве альтернатив определяются целевой функцией. Априорная или текущая критериальная неопределенность заключается в том, что коэффициенты целевой функции неизвестны или известны неточно. Их необходимо оценить по наблюдениям за принятыми ЛПР решениями. Разработанные автором алгоритмы настройки парамет­ров целевой функции модели линейного программирования, а также особенности использования этих алгоритмов для настройки целочисленных, квадратичных и транспортных моделей, заключаются в следующем.

Пусть ЛПР принимает решения в K ситуациях. Всякий k-й раз () можно наблюдать тройку элементов (sk, dk , Lk), где sk - состояние или ситуация, требующая принятия решения (СТПР), dk - решение, принятое в ситуации sk, Lk - эффект от принятого ЛПР  решения (измеряется не в абсолютной шкале, а в относительной бинарной - хорошее/плохое). По этим наблюдениям необходимо восстановить вектор коэффициентов целевой функции , т.е. построить вектор оценок . Без потери общности учитываются только наблюдения с хорошими решениями. В диссертации показано, каким образом можно учитывать и плохие решения в алгоритмах настройки.

Задача линейного программирования из различных форм ее представления используется в следующем виде:

,                                          (1) 

где  - вектор переменных размерности n , на которые накладываются следующие ограничения (представляющие собой СТПР):

;                                                 (2)

                                                                  (3)

- вектор параметров целевой функции;

- матрица коэффициентов системы ограничений размерности ;

- вектор свободных членов системы ограничений.

В этой прямой постановке задачи линейного программирования (ПЗЛП) традиционно предполагаются известными матрица , векторы  и , необходимо найти вектор оптимального решения .

Критериальная неопределенность означает, что вектор  неизвестен. Задача построения оценки  вектора  по наблюдениям названа обратной задачей линейного программирования (ОЗЛП). Обратная задача выполняет функцию контура обратной связи для подстройки параметров модели по текущим предпочтениям ЛПР и решается при следующих предпосылках:

  • Используются только «хорошие» решения ЛПР.
  • Существует только критериальная неопределенность.
  • Решение ЛПР совпадает хотя бы с одной из крайних точек области допустимых решений (ОДР).
  • Предпочтения ЛПР стационарны.
  • Характеристики внешней среды стационарны.
  • Предпочтения ЛПР детерминированы (воспроизводимы).

Отклонение от этих предпосылок не приводит к потере работоспособности предложенных алгоритмов, а лишь несколько снижает скорость настройки модели. Алгоритмы решения ОЗЛП построены на основе геометрической интерпретации и представлены в итерационной форме. Укрупненно процедуры решение ОЗЛП и ПЗЛП приведены на рис.4 и рис. 5.

Рис. 4. Процедура решения ОЗЛП

Рис. 5. Процедура решения ПЗЛП

Каждому k-му набору данных соответствует пучок гиперплоскостей ограничений, соответствующих крайней точке k-го набора данных (активные ограничения), выбранной ЛПР в качестве оптимальной. Всякому набору данных ставится в соответствие одна средняя гиперплоскость. При этом средней гиперплоскости соответствует одна точка в пространстве параметров, а пучку - область или интервал. Исходя из этих представлений, разработаны два базовых алгоритма решения ОЗЛП – точечный и интервальный. Точечный вариант представлен детерминированным и стохастическим итерационными алгоритмами. Точечные оценки  в ходе итераций сходятся к фактическому вектору , а интервальные стягиваются к нему.

В интервальном алгоритме решения ОЗЛП каждому k-му пучку гиперплоскостей, соответствующих активным ограничениям очередного наблюдения в пространстве переменных, ставится в соответствие, в пространстве коэффициентов целевой функции, пучок нормальных векторов единичной длины (НВЕД), геометрическое место которых представляет собой гиперсферу. В качестве компактной свертки информации k-го шага используется описанный конус с вершиной в начале координат. Телесный угол вершины конуса задает интервал варьирования для возможного положения вектора, нормального к плоскости искомой целевой функции. Для K наблюдений интервальная оценка является результатом пересечения K конусов наблюдений.

Трудоемкость интервального алгоритма существенно зависит от размерности пространства переменных, поэтому он используется как методологическая основа для других более технологичных алгоритмов решения ОЗЛП.  

Точечный алгоритм решения ОЗЛП представлен в диссертации в виде одношаговой и рекуррентной процедур. Одношаговый алгоритм выполняется в виде последовательности действий: 

Этап 1. Для каждого k-го набора данных (наблюдения) по принятому ЛПР реше­нию  из системы неравенств выделить M неравенств (активных ограничений), обра­тившихся в точке в равенства.

Этап 2. Для каждой активной гиперплоскости каждого наблюдения вычислить координаты НВЕД .

Этап 3. Для каждого k-го наблюдения (по множеству его активных ограничений) вычислить средний НВЕД  и его вес .

Этап 4. Вычислить средневзвешенный НВЕД по всем K наблюдениям.

В итоге по K наборам данных вектор оценок параметров целевой функции  примет вид , тогда оценка целевой функции может быть представлена как:

.

Эта целевая функция исполь­зуется для решения ПЗЛП. В рекуррентной форме алгоритма в качестве меры точности восстановленных оценок коэффициентов целевой функции используется величина дисперсии рассеяния оценок  относительно скользящего среднего.

Стохастический алгоритм решения ОЗЛП объединяет в себе свойства точечного и интервального алгоритмов. Он позволяет строить доверительную область для оценок .

Уравнение наблюдений неизвестного вектора параметров целевой функции  для каждой из координат представлено в аддитивной форме: .    

Наблюдения - это последовательность СТПР и принятых решений, которые после нормализации представляются последовательностью НВЕД (см. этапы 1-3 точечного алгоритма): , где . В диссертации показано, что рекуррентный алгоритм оценивания для текущего среднего и дисперсии имеет вид:

,

,  

где - дисперсия оценки , вычисленная по k–му наблюдению.

В тех случаях, когда вектор переменных содержит и цело­численные координаты, решение прямой ЗЛП теми же методами, что и непрерывной, как известно, может приводить к неточностям, которые оказываются существенными при сильно разреженной целочисленной сетке (шаг сетки соизмерим с диапазоном варьирования переменных). Для моделей целочисленного (или частично целочисленного) линейного программирования (ЦЛП) нарушается одна из предпосылок решения ОЗЛП – решение ЛПР должно лежать в одной из крайних точек ОДР. Однако, как показано в диссертации, это нарушение может быть компенсировано и схема восстановления коэффициентов целевой функции останется той же, что и в непрерывном случае, хотя часть СТПР окажется малоинформативной. Это обстоятельство приводит к более медленной настройке параметров целевой функции при решении ОЗЛП. При решении ОЗЛП с целочисленными переменными, в отличие от непрерывного случая, информативность измерений зависит не только от компактности пучка спектральных векторов решения, принятого ЛПР, но и от того, какой вариант решения принят ЛПР. В среднем скорость настройки модели с целочисленными переменными более медленная, чем для непрерывных моделей. 

Модель транспортной задачи (МТЗ) является частным случаем мо­дели линейного программирования. В диссертации приведены все необходимые построения для решения обратной транспортной задачи (ОТЗ) одним из алгоритмов решения ОЗЛП. Отмечены особенности настройки транспортной модели, обусловленные большой разреженностью матрицы, которые алгоритмически учитываются так же как и в случае добавления нового вида готовой продукции при решении ОЗЛП. 

В тех ситуациях, когда есть основания считать линейную целевую функцию не достаточно адекватной критериям ЛПР, его предпочтения могут быть представлены в другой форме и, в частности, моделью квадратичного программирования. В диссертации предложен алгоритм аппроксимации предпочтений ЛПР и такой моделью, хотя технология оценивания несколько иная. Рассмотрены три варианта взаимного расположения ОДР и решений , выбранных ЛПР в k-ом предъявлении: внутри ОДР, на границы (ребре, грани), в крайней точке. Показано, что если решения будут только первого типа, то восстановить предпочтения ЛПР не удастся. Наиболее информативными являются решения второго типа, а третьего типа менее информативными. Алгоритм восстановления параметров квадратичной целевой функции представлен в виде решения системы уравнений, линейной по параметрам (коэффициентам целевой функции). Определено минимально необходимое количество наблюдений разного типа (и в разных сочетаниях) для получения оценок параметров модели.

В данной главе рассмотрена и группа адаптивных моделей в нормальной форме, которые структурно адекватно описывают как внутренние процессы на промышленном предприятии, так и внешние взаимодействия. В числе этих моделей - игровые (матричные и биматричные), байесовские и марковские. На рис. 2 задачам управления этой группы соответствуют функциональные модули 1, 2 и 4, в которых многие процессы управления могут быть представлены процедурами выбора решений, где состояния и альтернативы являются (по своей сути или представимы) дискретными множествами. Для таких объектов и процессов платежи (доходы, потери, полезность) представимы в табличной или матричной (нормальной) форме.

Игровые модели для оперативного управления предприятиями в настоящее время практически не применяются, однако в качестве потенциальных направлений их использования можно отметить два следующих: управление взаимоотношениями с конкурентами и/или партнерами на рынках сырья и готовой продукции; ситуации, когда необходимо обеспечить осторожное поведение, гарантированное от более значительных потерь, чем ранее рассчитанные. Для этих направлений разработан адаптивный вариант игровых антагонистических моделей, способных обеспечить эффективное управление в повторяющихся ситуациях. Разработанный автором рекуррентный алгоритм адаптивной аппроксимации предпочтений ЛПР в конкурентной среде позволяет накапливать положительный опыт, делать выбор, согласованный с реальными предпочтениями ЛПР, и вычислять оценки обобщенного целевого показателя.

На основе адаптивных биматричных моделей построен такой важный для выбора адекватной формы модели показатель как мера антагонизма взаимодействующих сторон (). Он представляет собой оценку коэффициента корреляции элементов платежных матриц сторон (восстановленных по наблюдениям). Для антагонистических отношений этот показатель принимает значение , в случае совпадения интересов  и при полной независимости/некоррелированности . Получение оценки этого показателя по наблюдениям позволяет выбирать поведение от крайне пессимистического до крайне оптимистического. Управление взаимодействием позволит получать эффект от управления, адекватный текущему реальному отношению сторон.

Марковские процессы с доходами в практике управления предприятиями структурно адекватны многофазным, многошаговым комплексам работ и проектам. Для этого класса моделей выбора решений также построен рекуррентный алгоритм аппроксимации предпочтений ЛПР по наблюдениям за принимаемыми решениями.  

В диссертации показано, что байесовские модели выбора решений структурно адекватны процессам управления качеством (комплектующих, готовой продукции). Построен адаптивный алгоритм восстановления параметров этих моделей.

Рассмотренное в третьей главе разнообразие форм моделей, хоть и не является исчерпывающим, но позволяет подобрать вариант, структурно наиболее адекватный ситуации или выполнить дискриминацию (отсеивание) моделей. Использование восстановленных по предпочтениям ЛПР моделей позволяет повысить эффективность управленческих процедур, компенсировать негативное влияние факторов дефицита времени и ограниченной рациональности менеджеров в процедурах подготовки и выбора решений в системах управления производственными предприятиями.  

Оценивание значимости частных критериев в общем эффекте управления является важным вопросом, возникающим при управлении предприятием. Потребность в подобных задачах возникает при оценивании значимости статей затрат, выявлении узких мест, определении вклада подразделений в общий эффект, определении объектов инвестирования  и т.п. 

Эффект обычно представляет собой комплексный показатель, интегрирующий в себе множество частных показателей (прибыль, рентабельность, производительность, себестоимость, продолжительность цикла производства и т.п.). Именно такой интегральный показатель  и является обобщенным откликом, функционально связанным с переменными  пространства решений. Построению такой модели (зависимости) и посвящены алгоритмы, рассмотренные выше в данной главе.

Текущие значения частных показателей в современных КИС могут быть получены по данным бухгалтерского, налогового, складского, кадрового и других видов учета. Рассматриваемые здесь вопросы касаются как уровня всего предприятия, так и отдельных его структурных единиц, например, только производства или только склада.

Применение развитого в диссертации адаптивного подхода к управлению (выбору решений) на основе настраиваемых моделей математического программирования, позволяет получить весовые коэффициенты значимости частных показателей (критериев) автоматически, без привлечения экспертов (в отличие от традиционных подходов), причем в динамике их реальных изменений. Частные показатели имеют структуру аналогичную (1). В качестве скалярной свертки частных показателей в интегральный используется взвешенная сумма целевых функций с соответствующими весами . Целевая функция (1), как скалярная свертка взвешенных частных целевых функций, представлена в виде:

.          

Задача оценивания вклада каждого критерия в общий эффект заключается в следующем. Пусть известны коэффициенты  частных линейных целевых функций  и коэффициенты  интегральной целевой функции . Необходимо определить весовые  коэффициенты , имеющие смысл значимости или относительного вклада каждого критерия в общий эффект.

В диссертации показано, что если коэффициенты  оценивать одним из приведенных выше алгоритмов решения ОЗЛП, а  - одним из алгоритмов МНК-оценивания, то решение задачи сводится к вычислению оценок весовых коэффициентов  из следующей системы уравнений:

.

В случае если эта система уравнений переопределена (), для вычисления  следует воспользоваться одним из алгоритмов МНК-оценивания.

Применение такого подхода позволяет автоматически непрерывно вести мониторинг вклада частных показателей в общий эффект работы предприятия или структурного подразделения, используя для этого лишь данные учетных систем, хранящиеся в базах КИС предприятия.

В главе 4 «Распознавание позиции ЛПР в системе управления предприятием» разработаны практические методы и алгоритмы распознавания позиции ЛПР по отношению к риску в процедурах принятия решений.

Хотя понятие позиции субъекта используется достаточно широко для обозначения положения в некоторой системе отсчета, в применении к процедурам принятия управленческих решений важный смысл имеет позиция ЛПР по отношению к риску. Фактически речь идет о степени склонности ЛПР к риску. Именно в этом смысле позиция ЛПР и рассматривается в диссертации. Если, например, известно, что ЛПР старается получить гарантированный выигрыш, то его предпочтения, очевидно, более адекватны максиминным стратегиям, выбираемым на основе игровых моделей, и т.п.   

Знать фактическую позицию ЛПР на практике так же важно, как и его предпочтения, поскольку отклонение позиции от желаемого значения может привести к потерям и/или дискредитации формализованных процедур подготовки и выбора решений.

В теории принятия решений существует группа критериев, используемых в условиях неопределенности, основные из которых - критерии Вальда, Сэвиджа, Байеса-Лапласа, Ходжи-Лемана, оптимистический и Гурвица. Среди них наиболее общим являет­ся последний, в котором вариация параметра  (коэффициент пессимизма-оптимизма) отражает спектр пози­ций ЛПР от крайнего пессимизма () до крайнего оптимизма (). Т.е. параметр  можно считать скалярным отображе­нием позиции ЛПР. Знание или оценка величины  позволяют подобрать модель, адекватную позиции ЛПР. Эффект от выявления позиции ЛПР заключается в следующем. Если круг ситуаций принятия решений доста­точно разнообразен, но есть основания полагать, что в каждой из них ЛПР действует с единой позиции, тогда выявленная в простых ситуациях позиция может служить ориентиром для выбора модели принятия решений в иных более сложных обстоятельствах.

В диссертации рассмотрен алгоритм оценивания позиции ЛПР в контексте задачи выбора решений при входном контроле на производственном предприятии. Рассмотрен такой вариант организации контроля, когда из партии изделий делается контроль­ная выборка и для каждого ее изделия производится измерение значений контрольных показателей,  вычисляется значение среднего по выборке. Существуют четыре возможных состояния:  - параметр вне границ допустимой области;  - параметр в -окрестности номинального значения (субноминальной области); - параметр вне субноминальной, но в допустимой области, при­чем он меньше номинального значения;  - аналогично , но параметр больше номинального значения. Возможные решения заключают­ся в следующем:  - забраковать партию изделий;  - принять и направить в производство;  - провести контроль для всех изде­лий из партии и после этого годные направить в производство. ЛПР принимает одно из решений . Платежи (имеющие смысл выигрыша) априори известны или выявлены с помощью решения одной из рассмотренных ранее обратных задач. Вариант платежей приведен в табл. 1. Параметрическая форма целевой функции, на основе которой оцениваются дискретные решения по критерию Гурвица, имеет вид:

,                                            (4)                                                                       

где  - параметр,  - выигрыш (из табл. 1), соответствующий решению  и со­стоянию  ; Т.е. целевая функция содержит четыре группы переменных:

Таблица   1

Платежная матрица

d

s

s1

s2

s3

s4

d1

5

5

5

5

d2

4

7

6

8

d3

0

6

7

10

состояния, решения, платежи и параметр . Прямая задача заключается в выборе оптимального решения при заданном параметре  и известной платежной матрице. Обратная задача заключается в определении значения параметра  при известной платежной матрице и выборке наблюдений за хорошими решениями ЛПР (и соответствующими выигрышами). При известной  платежной матрице можно построить зависимость  , и соответствующую ей . Для каждого ЛПР, действующего в одной и той же функциональной среде,  значение параметра , а значит, оптимальное решение и выигрыш будут своими. Так, для каждого из трех решений  целевая функция (4) имеет вид: .

Функции  и  приведены на рис. 6 и рис. 7, из которых видно взаимно однозначное соответствие (с точностью до интервала) между оптимальным значением целевой функции, оптимальным решением и параметром .

Рис. 6. Параметрический вид

целевой функции

Рис. 7. Параметрический вид оптимального решения

Рис. 8. Выборка наблюдений

(платежи - параметр)

Рис. 9. Выборка наблюдений (принятые решения)

Пусть для выявления позиции ЛПР, платежи которого представлены табл. 1, выборка наблюдений за решениями и выигрышами приведена на рис. 8 и рис. 9.  В результате обработки результатов наблюдений получено среднее значение оптимального выигрыша , что с учетом зависимости , приведенной на рис. 6, по­зволяет определить соответствующее значение параметра .

Чтобы определить, какому из критериев соответствует это значение параметра, необходимо решить прямую задачу выбора решений для платежей, приведенных в табл. 1, отдельно для каждого критерия. 

Для рассмотренных параметров среды на оси  (см. рис. 6) можно выделить интервалы (или точки), характер­ные для соответствующих критериев:

  • критерию крайнего оптимизма соответствует точка   , приводящая к выбору в качестве оптимального решения ;
  • критерию Байеса, т.е. случаю наличия полной информации о распределении вероятностей на множест­ве состояний (пусть - ), соответствует точка  и оптимальное решение ;
  • критерию Сэвиджа соответствует интервал , приводящий к выбору в качестве оптимального решения  ;
  • критерию Вальда соответствует интервал  и оптимальное решение .

Таким образом, позиция ЛПР, которой соответствует значение параметра   , наиболее близка позиции лица, принимающего ре­шения в условиях статистической определенности ().

Существенную долю задач управления промышленными предприятиями как в составе BackOffece, так и FrontOffice составляют многошаговые, многостадийные процедуры, требующие выбора решений на тех или иных фазах. Подобные процессы обычно представляют сетями или деревьями решений. В диссертации показано, каким образом адаптивную технологию выявления (оценивания) позиции ЛПР применить для многошаговых процедур управления, представимых деревьями решений. Для задачи управления процессами предоставления покупателям (дистрибьюторам, дилерам промышленных предприятий) товарных кредитов построено типовое дерево решений, где часть шагов выполняет менеджер (ЛПР), а часть - природа, вносящая неопределенность в исходы и обобщенно отражающая все неопределенности внешней среды. Для такой схемы построен конструктивный алгоритм выявления позиции ЛПР по наблюдениям за принятыми им решениями и данным функционирования предприятия, имеющимся в его учетной системе. Позиция ЛПР для данного многошагового процесса, как и в одношаговом случае, идентифицируется параметром пессимизма-оптимизма Гурвица. Выявленная позиция ЛПР в системе управления предприятием может быть использована для мониторинга менеджера и/или для выбора формы адаптивной модели (глава 3), адекватной его позиции, для автоматизации управления.

Рассмотренные в четвертой главе вопросы формализованного представления позиции ЛПР и выявления (оценивания) фактических значений ее параметров по результатам наблюдений за действиями ЛПР (выбором решений в повторяющихся процедурах) представляют собой вариант моделирования позиции в узком смысле. Однако даже такое представление позиции ЛПР является достаточно конструктивным и практически полезным, т.к. позволяет менеджеру более высокого уровня вести мониторинг позиции ЛПР и использовать эти данные для оперативного или организационного управления.       

В главе 5 «Взаимодействие ЛПР и информационной среды в системе  адаптивного управления предприятием» рассмотрены способы организации эффективного сопряжения  (интерфейса) ЛПР с информационной средой предприятия. В контексте задач выбора решений на основе моделей линейного программирования введены необходимые термины, разработана технология формализованного встраивания ЛПР в человеко-машинную систему управления предприятием.

В системах управления предприятиями техника сопряжения различных функциональных модулей и блоков играет важную роль. Плохо выполненное сопряжение приводит к снижению эффективности функционирования комплекса. Вопросы сопряжения в современных системах обычно переносятся в область содержания представляемых данных, их объема, формы отображения на экране и последовательности вывода. В системе управления данные должны предъявляться информационной средой менеджеру (ЛПР) таким образом, чтобы  обеспечить высокую эффективность их совместной работы.

В диссертации введен ряд необходимых терминов. Показатель, отражающий способность ЛПР оперировать тем или иным количеством данных о текущей ситуации, назван пропускной способностью ЛПР -  (индекс «Л» означает принадлежность параметра ЛПР, «М» – модели). Мерой пропускной способности служит количество ограничений (m), которое ЛПР способен учесть при выборе решения без ущерба для качества выбранного решения. Мерой снижения качества решения принято Отклонение по вероятности - доля однородных предъявлений (с одинаковым количеством ограничений), в которых ЛПР не выбрал оптимальную крайнюю точку ОДР ().

Возможности различения альтернатив отражены в показателе, называемом разрешающей способностью ЛПР (). Аналогично - разрешающей способностью модели (). Введено понятие плотности альтернатив (), предъявляемых ЛПР. Показатель, отражающий объем информации, полученной от ЛПР в результате выбора им в качестве оптимального решения той или иной альтернативы, назван информативностью решения ЛПР ().

Схематично взаимодействие ЛПР со средой представлено на рис. 10.

Информативность и плотность альтернатив - это характеристики внешней (по отношению к ЛПР) среды. Разрешающая и пропускная способности ЛПР являются его собственные характеристиками, от которых зависит качество принимаемых им решений. А разрешающая способность модели отражает ее качество как звена выбора решений. Если разрешающая способность настроенной модели не хуже разрешающей способности ЛПР () и оценки параметров модели (коэффициентов целевой функции) эффективны, не смещены и состоятельны, то можно говорить, что модель адекватна предпочтениям ЛПР.

Подпись: Управление   предъявлениями

Рис. 10. Схема взаимодействия ЛПР со средой управления

Вопросы выявления предпочтений ЛПР вне контура управления рассматривались в таких направлениях исследований как экспертное оценивание (С.Д. Бешелев, Ф.Г. Гурвич, Л.Г. Евланов) и байесовские процедуры адаптивного обучения в управлении (У. Моррис, К. Нейлор). В диссертации предложены алгоритмы построения модели «системы ценностей» ЛПР путем предъявления ему ряда простых ситуаций. 

Особенностью класса задач оперативного планирования на основе моделей линейного программирования (в контексте таких задач управления предприятием как распределение ограниченных материальных ресурсов) является то, что коэффициенты левых частей ограничений  не изменяются от одной ситуации принятия решений к другой, а меняются лишь остатки запасов материалов и объемы заказов готовой продукции (правые части ограничений ). Это приводит к тому, что ориентация гиперплоскостей ограничений в пространстве переменных остается неизменной на каждом шаге наблюдений. Гиперплоскости лишь параллельно перемещаются в соответствии с текущими значениями правых частей , что и формирует текущую ОДР. А поскольку ориентация каждой гиперплоскости в пространстве переменных однозначно определяется ее нормальным вектором единичной длины (НВЕД), то вне зависимости от текущей СТПР пучок НВЕД задачи остается неизменным. Этот пучок векторов назван спектром ограничений задачи (или просто спектром задачи). Последний представляет все ограничения, которые могут иметь место в любых возможных СТПР. Аналогично введены другие варианты спектров (спектр СТПР, спектр ОДР, спектр решения ЛПР, спектр решения модели). Спектры решений ЛПР в предъявлениях и являются проекциями его предпочтений на спектр задачи. Спектры решений ЛПР концентрируются вокруг спектральной линии реальной целевой функции.

Варианты спектров, отражающие неизменные коэффициенты левых частей ограничений, названы дискретными (или фиксированными) спектрами). Их характерной особенностью является то, что в новых предъявлениях не могут появиться новые спектральные векторы, а всякий раз появляется то или иное их сочетание, как подмножество спектра задачи. В тех задачах, где в ограничениях меняются как правые части, так и левые, спектры также не имеют фиксированного набора спектральных векторов. Таким задачам соответствуют непрерывные спектры. Особенностью спектрального представления данных ЗЛП является то, что в основных алгоритмах построения модели предпочтения ЛПР используются НВЕД, которые и являются элементами любого варианта спектра.

Для построения эффективных процедур выявления реальных характеристик ЛПР в диссертации использованы принципы, подходы и некоторые инструменты теории оптимального эксперимента (В.В. Налимов, В.В. Федоров и др.). Объектом экспериментирования в данном случае является ЛПР.

Цели экспериментирования на ЛПР следующие: быстрое выявление предпочтения ЛПР; выбор наилучшей модели из числа конкурирующих; выявление персональных характеристик ЛПР (разрешающей и пропускной способности).  

Возможны три варианта предъявления данных ЛПР для выбора решений:

  • Ранее возникавшие ограничений (СТПР) в процессе нормального функционирования предприятия - пассивный эксперимент.
  • Исходные ограничения в неполном объеме, дозировано, по частям - полуактивный эксперимент.
  • Любые специально построенные наборы ограничений, типичные для рассматриваемой ситуации - активный эксперимент.

В качестве воздействия, зондирующего предпочтения ЛПР в активном эксперименте, необходимо выбрать положение опорной гиперсферы и сгенерировать множество спектров, достаточное для вычисления оценок коэффициентов целевой функции с приемлемой точностью. В диссертации разработаны четыре алгоритма организации активного эксперимента для зондирования ЛПР.   

1-й алгоритм зондирования ЛПР (для непрерывного спектра, число ограничений ). В основе его лежит критерий оптимальности эксперимента, называемый рандомизацией. Такой вариант в диссертации назван рандомизированным активным экспериментом. Суть его заключается в том, что на каждом шаге предъявлений генерируется спектр СТПР, имеющий случайную ориентацию в пространстве. Если спектр соответствует симметричному симплексу, то достаточно сгенерировать один симплекс (его спектр), а в других предъявлениях лишь вращать его вокруг соответствующих осей (рис. 11 а). Такой план обладает еще одним важным свойством, присущим планам оптимальных экспериментов - рототабельностью, т.е. пространственной изоморфностью.  

2-й алгоритм зондирования ЛПР (для непрерывного спектра, число ограничений ). В основе его лежит принцип (критерий оптимальности) композиционности плана эксперимента. Такой вариант назван композиционным активным экспериментом. Суть его состоит в том, что на каждом последующем шаге предъявленные ограничения строятся на основе предыдущих как их развитие. В каждом новом эксперименте к ограничениям добавляется одно новое, которое предъявляет для рассмотрения ЛПР все более тупые (более информативные) вершины ОДР, содержащие все больше информации о предпочтениях ЛПР (рис. 11 б).

Рис. 11. Варианты ограничений, предъявляемых ЛПР в активном эксперименте

3-й алгоритм зондирования ЛПР (для непрерывного спектра, число ограничений ). Этот вариант также как и первый является рандомизированным активным экспериментом. Здесь спектры СТПР и соответствующие им ограничения имеют вид, приведенный на рис. 11 в. Такой алгоритм не требует от ЛПР высокой пропускной способности, поскольку в каждом эксперименте ему предъявляется одно единственное ограничение при любой размерности пространства переменных. Для сравнения, в 1-ом алгоритме предъявление состояло из  ограничений, которые ЛПР должен уметь осмысливать.

4-й алгоритм зондирования ЛПР (для непрерывного спектра, число ограничений ). Этот алгоритм также реализует композиционный активный эксперимент. Здесь спектры СТПР и соответствующие им ограничения имеют вид, приведенный на рис. 11 г. Отличия этого алгоритма от 2-го лишь в формировании ограничений в 1-ом эксперименте, где вместо  гиперплоскостей генерируется одна. Качественное отличие этого алгоритма от предыдущего в том, что информативность решений возрастает от одного эксперимента к другому, но контрастность альтернатив уменьшается и с каждым экспериментом добавляется еще одно дополнительное ограничение. А это значит, что на некотором k-ом эксперименте параметры входящих СТПР станут не согласованными с характеристиками ЛПР (его разрешающей и пропускной способностью), т.е. альтернативы для ЛПР станут неразличимыми, а количество ограничений в предъявлении слишком большим для осмысления.

В табл. 2 приведены основные характеристики и возможности алгоритмов проведения активных экспериментов для построения модели предпочтений.

Таблица 2

Характеристики алгоритмов активного эксперимента над ЛПР

Характеристика (свойство)

Алгоритмы активного эксперимента

1

2

3

4

Количество ограничений (m

n+1

n+1

1

1

Количество крайних точек в первом предъявлении

n+1

n+1

n+1

n+1

Количество крайних точек в последующих предъявлениях

n+1

n

n+1

n

Контрастность альтернатив

постоян-

ная

уменьша-ющаяся

перемен-ная

уменьша-ющаяся

Поток альтернатив

мини-мальный

мини-мальный

мини-мальный

мини-мальный

Информативность решения

постоян-ная

возраста-ющая

случай-

ная

возраста-ющая

Исходным материалом для полуактивных экспериментов над ЛПР для выявления его предпочтений является обычный, спонтанно возникающий, поток СТПР. Однако набор ограничений каждой СТПР предъявляется ЛПР при этом не в полном объеме, а минимально возможными дозами. Принципиальные отличия полуактивного эксперимента от активного в том, что в активном эксперименте не ограничена свобода конструирования тестирующих ОДР, в полуактивном - свобода выбора ограничений в каждом предъявлении определяется дискретным спектром ОДР текущей СТПР и выбор ограничений для предъявления производится дозировано из числа ограничений ОДР.

Характерной особенностью полуактивных экспериментов является то, что они проводятся на дискретном спектре текущей СТПР. А это означает, что число возможных экспериментов ограничивается размерами спектра ОДР, в то время как в активном эксперименте это количество не ограничено. Для вычисления оценок  может быть использован любой алгоритм оценивания из числа приведенных в третьей главе.

Основными характеристиками ЛПР, влияющими на качество его взаимодействия с системой, являются пропускная и разрешающая способности, которые в диссертации представлены в виде единого образа – профиля ЛПР (рис. 12), разделяющего плоскость  на две области: над линией профиля - это параметры СТПР, находящиеся в пределах возможностей (квалификации) ЛПР; под линией - параметры предъявления, которые ЛПР безошибочно осмыслить не сможет. В согласованном режиме управления параметры предъявлений должны лежать в верхней области в минимальной окрестности линии профиля.

Рис. 12. Линии профиля ЛПР

Рис. 13. Траектории тестирования ЛПР в активном эксперименте

На практике персональные профили ЛПР аппроксимируются некоторыми функциями . Идеальным является профиль, совпадающий с осью абсцисс, он соответствует абсолютной разрешающей способности ЛПР и не зависит от количества ограничений ОДР. Чем ближе  к идеальному расположен профиль, тем выше квалификация ЛПР. На рис. 12 профиль  соответствует наиболее квалифицированному ЛПР,  - наименее квалифицированному,  - линейная аппроксимация профиля,  - точечная аппроксимация, для которой в любом предъявлении количество ограничений должно быть не более абсциссы угловой точки, а расстояние между векторами спектра - не менее ее ординаты.

Аппроксимация линии профиля ЛПР выполняется по ряду эмпирических точек. Для тестирования ЛПР (с целью построения его профиля) используются алгоритмы активного эксперимента. Применению алгоритмов с пошаговой модификацией ОДР соответствуют траектории (последовательности  точек экспериментов) на плоскости  (рис. 13). Последовательность действий по учету персональных характеристик ЛПР при выборе решений состоит в следующем:

  1. С помощью активного или полуактивного эксперимента построить модель текущих предпочтений (целевую функцию ) ЛПР.
  2. Построить профиль ЛПР (линию ) с учетом .
  3. Использовать профиль ЛПР для обеспечения согласованного режима в процедурах управления (выбора решений) и/или подстройки оценок .

Использование в системе управления модели, настроенной под предпочтения ЛПР, меняет состав и содержание данных, выводимых лицу, принимающему решение. В традиционных схемах ЛПР получает весь пакет данных, касающихся текущей СТПР. При использовании моделей в процедурах выбора решений объем данных, предъявляемых ЛПР, может существенно варьироваться.

Поскольку задача восстановления целевой функции ЛПР решается, как правило, в режиме нормального функционирования предприятия (ЛПР не изымается из контура управления для проведения с ним каких-либо специальных действий), то процесс сбора данных и настройки модели может проводиться параллельно обычному процессу выбора решений (латентно). Однако по мере настройки модели она может быть подключена к контуру управления. В диссертации рассмотрены различные степени участия модели в процессе выбора решений, при этом наиболее характерны следующие варианты предъявления данных лицу, принимающему решения:

  1. Сокращенный список ограничений. Если модель хоть в какой-то степени настроена, то для всякой новой СТПР можно отбрасывать часть ее ограничений, которые явно не войдут в число активных. В предъявлении останутся только актуальные ограничения.
  2. Ограничения по частям (полуактивный эксперимент). Система предъявляет лицу, принимающему решение, из текущей СТПР ограничения  минимальными и наиболее информативными дозами, каждая из которых согласована с персональными характеристиками ЛПР.
  3. Тестовый набор ограничений (активный эксперимент). СТПР конструируется таким образом, чтобы по каждому предъявлению получить максимальное приращение информации о характеристиках ЛПР и/или о его предпочтениях.
  4. Наиболее вероятное решение. На основании модели по текущей СТПР  система предлагает лицу, принимающему решение, одно наиболее вероятное решение. ЛПР соглашается или нет.
  5. Набор субоптимальных решений. По текущей СТПР и с учетом модели  система предлагает ЛПР набор субоптимальных решений. ЛПР самостоятельно выбирает одно из них, либо система предлагает вспомогательные процедуры сравнения, оценивания и ранжирования альтернатив.

Важной особенностью разработанной в диссертации методологии является возможность двухконтурного  управления экономическими объектами и процессами на предприятии (рис. 2), где в первом контуре выполняется управление потоком предъявлений. Обобщенная функциональная схема выбора решений на основе настроенной модели, с учетом управления потоком предъявлений, приведена на рис. 14.  

В диссертации предложены следующие основные режимы использования моделей в системе управления предприятием:   

Рис. 14. Схема выбора решений на основе настроенной модели

  1. Пассивный помощник ЛПР. На основании модели в новых СТПР не выбираются какие-либо решения, а модель используется лишь для некоторого препарирования предъявляемых ЛПР данных.
  2. Активный помощник ЛПР (информационно-советующая функция). В этом режиме по текущей настройке модели для новых СТПР вычисляются субоптимальные решения, которые ЛПР может использовать как начальное приближение для собственного выбора решений или для проверки качества настройки модели под его предпочтения.
  3. Заменитель ЛПР или автоматический режим. Делегирование модели или другому ЛПР функций выбора решений на время отсутствия основного ЛПР или на интервалах стационарности (аналогия с режимом автопилота в управлении летательными аппаратами).
  4. Проверка реальных предпочтений ЛПР. Эта функция в современных условиях важна для контроля деятельности ЛПР-менеджеров заинтересованными сторонами (собственниками, менеджерами более высокого уровня, контролирующими органами).
  5. Оценивание значимости частных критериев в интегральном критерии. Это самостоятельная аналитическая функция, которая используется для вычисления оценок значимости частных показателей либо вклада подразделений в общем эффекте работы предприятия.
  6. Тестирование персональных характеристик ЛПР (пропускной и разрешающей способности) в целях определения его квалификации и/или для сопряжения с системой управления.
  7. Тестирование предпочтений ЛПР для настройки структуры и параметров модели.

В главе 6 «Применение методов адаптивного выбора управленческих решений» рассматривается применение разработанной методологии адаптивного выбора управленческих решений на предприятии в тех практических приложениях, для которых характерна априорная и/или текущая критериальная неопределенность и повторяемость ситуаций выбора.

Для задач оперативного планирования материальных ресурсов на промышленном предприятии построена обобщенная схема цикла управления (рис. 15)  на основе моделей адаптивного выбора решений при возникновении необходимости в перепланировании.

Пока модель не настроена, решение может приниматься вручную или на основе традиционных моделей планирования в неадаптивной форме (с заданными критериями). Когда решение построено (готов вариант плана), ЛПР может его откорректировать и/или принять для реализации. Если модель адекватна, но на очередном цикле планирования проявились (в блоке мониторинга) факторы нестационарности, то модель вновь рассматривается как не адекватная и вновь выполняется ее настройка. Если персональные характеристики ЛПР (пропускная и разрешающая способность)  не согласуются с потоком данных по СТПР, то производится согласованное их предъявление (в режиме полуактивного эксперимента).

Рис. 15. Схема цикла оперативного управления

Настройка модели является синхронной, если ее параметры уточняются синхронно с циклами управления. Если того позволяет ситуация на предприятии, могут быть специально сгенерированы тестовые СТПР и предъявлены ЛПР для выбора решения вне цикла управления. Это асинхронный режим построения модели, он выполняется средствами активного эксперимент (приведены в главе 5) и позволяет существенно ускорить процесс построения модели, адекватной предпочтениям ЛПР.

В рамках схемы цикла управления представлено несколько вариантов применения адаптивной модели в планировании (см. табл. 3). Столбцы в таблице - это варианты конфигурации режима, где (+) означает, что функция используется в данном режиме, а (-) – не используется. Жирной линией выделены те ячейки таблицы, которые являются элементами разработанной в диссертации методологии.

Из всех режимов, предложенных в главе 5, рассматриваются лишь три: пассивный помощник; активный помощник; автоматический режим (в нем план выбирается по адаптивной модели и без участия ЛПР передается к исполнению). Построены также следующие варианты режимов использования адаптивных моделей в цикле планирования:

Таблица 3

Режимы применения адаптивных моделей в оперативном планировании

Операции цикла управления

Активный помощник

Пассивный помощник

Автоматичес-кий режим

0

1

2

1

2

1

2

Мониторинг стационарности ситуации

-

-

+

-

-

-

+

Проверка качества настройки модели

-

+

+

+

+

+

+

Настройка модели

+

+

+

+

+

+

+

Согласованное предъявление СТПР

-

-

+

-

+

-

-

Планирование по адаптивной модели

+

+

+

-

-

+

+

Планирование вручную

-

-

-

+

+

-

-

Планирование по традиционной модели

-

-

-

+

+

-

-

Принятие решения (ЛПР)

+

+

+

+

+

-

-

Реализация решения (производство)

+

+

+

+

+

+

+

Оценивание качества решения

-

-

+

-

+

-

+

0 – вариант «Всегда». Адаптивная модель используется всегда, вне зависимости от степени ее настроенности;

1 -  вариант «Легкий». Он используется в тех случаях, когда ситуация стационарна, а ЛПР заведомо является опытным;

2 – вариант «Полный». Здесь включены в технологическую схему все элементы, отключенные в предыдущем варианте.          

Приведены исходные данные производственной ситуации (как упрощенный вариант реальной) и соответствующие расчеты, позволяющие продемонстрировать основные элементы приведенных режимов использования адаптивных моделей в оперативном планировании материальных ресурсов. Данные сформированы для минимального количества ингредиентов (10) и продуктов (2), что не приводит к потере общности результатов. Структурно задача распределения ограниченных ресурсов представлена в виде задачи линейного программирования (ЗЛП) – выражения (1)-(3), формализованная постановка которой приведена в главе 2 диссертации.

На производственных предприятиях исходные данные, необходимые для решения задачи о выделении материальных ресурсов при запуске очередной партии изделий в производство хранятся в базе данных учетных систем предприятия. И могут быть предъявлены соответствующему менеджеру (ЛПР) для работы. Рассмотрены 20 шагов моделирования (СТПР), которые отличаются остатками материалов на складе и объемами заявок от покупателей. Принято допущение о стационарности условий планирования - целевая функция (ЦФ), калькуляция изделий и цена материалов остаются неизменными на протяжении рассматриваемого количества циклов управления.

Данные, получаемые из учетной системы предприятия – это спецификации продукции, определяющие коэффициенты левых частей ограничений, которые остаются неизменными во всех наблюдаемых циклах управления, а правые части ограничений изменяются от цикла к циклу (т.е. по шагам наблюдений) – они отражают остатки материалов на складе и заявки покупателей.

Для сформированных данных рассмотрены варианты применения наиболее существенных элементов разработанной методологии адаптивного выбора управленческих решений:

  • Настройка модели по данным ряда наблюдений (СТПР и принятые ЛПР хорошие решения).
  • Проверка качества модели на каждом шаге наблюдений.
  • Согласованное предъявление данных (асинхронный вариант – на основе планирования эксперимента).

Настройка модели выполнены с помощью точечного алгоритма (приведен в главе 3). В нем учтены веса наблюдений по циклам управления. Расчеты дали оценки коэффициентов ЦФ (табл. 4), сходящиеся к фактическим значениям.

Таблица 4

Пошаговые оценки коэффициентов целевой функции

№ цикла

1

2

3

4

5

6

7

8

9

10

11

12

13

14

Вес

0.062

0.963

0.851

0.949

0.383

0.882

0.987

0.851

0.066

0.276

0.875

0.276

0.230

0.750

-0.062

0.706

0.628

0.656

0.744

0.762

0.772

0.740

0.746

0.772

0.787

0.807

0.821

0.808

0.998

0.708

0.778

0.755

0.668

0.648

0.635

0.672

0.666

0.636

0.617

0.591

0.571

0.589

Приведены два действенных индикатора качества пошаговой настройки модели – один основан на скользящей средней невязке двух соседних (по шагам настройки) векторов оценок коэффициентов ЦФ (рис. 16), а второй показывает сходимость решений на тестовой ситуации (специально построенный полигон ограничений – рис. 17). В реальных практических условиях более удобным может оказаться тот или другой. Эти индикаторы позволяют выбрать тот шаг настройки, начиная с которого ЛПР уже может доверять модели, настроенной по его предпочтениям.

Рис. 16. Индикатор – скользящее среднее невязки соседних       векторов оценок ЦФ (в %)

Рис. 17. Индикатор – решения

на полигоне

Рассмотрены варианты настройки модели в асинхронном режиме в двух вариантах (алгоритмы приведены в главе 5):

  • Рандомизированный активный эксперимент.
  • Композиционный активный эксперимент.

Рассмотренные (и рассчитанные) варианты настройки модели и оценки ее качества обеспечивают выполнение основных режимов применения. На основе этого материала приведены пошаговые операции (см. табл. 3) для нескольких циклов управления (принятию решений по возникшим СТПР) для режима «Активный помощник - Всегда». Типовой цикл адаптивного управления имеет такой вид (например, второй, поскольку в первом цикле еще нет оценки ЦФ):

1. Возникла СТПР, данные по которой представлены в таблице спецификации продукции  и во второй (т.к. рассматривается второй цикл) строке таблицы текущих остатков материалов на складе и заявок покупателей.

2. На основе последней оценки коэффициентов ЦФ информационная система, решив прямую задачу линейного программирования (ЗЛП), предлагает в качестве плана точку, образованную линиями ограничений № 7 и № 13. Однако ЛПР с этим вариантом не соглашается и, действуя сообразно своим представлениям, выбирает точку, образованную ограничениями № 7 и № 1 – решение (3.02; 30.64). Т.е. со склада следует выделить в производство материалы согласно спецификациям для производства продукта № 1 в количестве 3.02 единиц и продукта № 2 – в количестве 30.64 единиц.

3. Решается обратная задача по данным второго наблюдения (ограничения в форме (2), (3) и решение, образованное пересечением линий 7-го и 1-го ограничений). Значения оценки ЦФ используется для оценки качества настройки на шаге № 4 данного цикла и для подготовки варианта решения в следующем цикле.    

4. Вычисляется показатель качества настроенной модели одним из двух, указанных выше способов.

Начиная с некоторого цикла, ЛПР может «прислушиваться» к мнению модели, заметив, например, что показатель качества настройки «застыл» в одной точке полигона (см. рис. 17). Если условия стационарности ситуации планирования не нарушаются, то ЛПР (или менеджер более высокого уровня) может перевести планирование в режим «Автоматический режим – Легкий» либо делегировать свои полномочия по оперативному планированию на необходимый период времени другому лицу, которое должно действовать «с оглядкой» на решения, предлагаемые Активным помощником. Такой режим взаимодействия информационной системы предприятия с ЛПР прежде называли (например, В.М. Глушков) информационно-советующим.

В данной главе приведены также некоторые общие рекомендации по применению технологии выбора управленческих решений на основе использования в практике оперативного управления предприятием адаптивных моделей.

Основная рекомендация заключается в том, что при разработке проекта интеграции методологии адаптивного управления в существующую информационную систему предприятия следует использовать пошаговую стратегию «от простого к сложному». Следует применять на первом этапе режим «Активный помощник - Всегда», постепенно переходя к более сложным режимам, как по функциям, так и по реализации.   

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ, ВЫВОДЫ И РЕКОМЕНДАЦИИ

1. Выявлены экономические ситуации, возникающие в процессе функционирования промышленного предприятия, в которых при формировании управленческих решений целесообразно использовать адаптивный механизм построения оптимизационных экономико-математических моделей. Показано, что важную группу таких решений составляет распределение ограниченных финансовых и материальных ресурсов в повторяющихся ситуациях при дефиците времени. 

2. Обоснована необходимость использования адаптивных механизмов, позволяющих переложить часть функций подготовки решений на информационные системы предприятий, содержащие модели предпочтений менеджеров. При этом в качестве основного фактора адаптации предложено рассматривать критериальную неопределенность, как неполноту отображения в информационной системе предприятия реальных целевых установок менеджеров.

3. Установлено, что важными элементами, определяющими эффективность выбора управленческих решений при распределении ограниченных ресурсов, являются персональные характеристики менеджеров (разрешающая и пропускная способности), которые следует выявлять и использовать для обеспечения согласованного режима в рамках адаптивной технологии управления.

4. Предложено формировать управленческие решения по трехфазной схеме: выявлять персональные характеристики менеджеров, их предпочтения и формировать варианты решений на основе оптимизационных моделей, что позволит накапливать опыт управления и эффективно его использовать.  

5. Показано, что адаптивная методология формирования управленческих решений позволяет вышестоящим уровням иерархии управления вести мониторинг позиции, целевых (критериальных) установок менеджеров и принимать более обоснованные организационные и кадровые решения на предприятии  в условиях изменяющейся рыночной среды.

6. Обоснована необходимость двухконтурного управления с использованием адаптивных оптимизационных моделей в составе корпоративных информационных систем современных промышленных предприятий.

7. Предложена технология адаптации ряда экономико-математических моделей к текущим целям и критериям менеджеров, позволяющая включить модели в состав обеспечивающих подсистем информационной системы предприятия.

8. Разработанные в диссертации методы и программные средства внедрены и использованы на: Ульяновском авиационном промышленном комплексе в подсистеме АСАД; ряде предприятий ракетно-космической отрасли (г.Королев, Московской области); авиапредприятиях Кемеровского авиаотряда; производственных предприятиях, разрабатывающих и производящих радиоэлектронную, пищевую, строительную и программную продукцию - АОЗТ СКБ «Термоприбор», ООО «Русский каравай», ООО «Королевхлеб», ООО «Дорсервис», ООО «Инфо».

9. Материалы диссертации использовались при проведении 3 хоздоговорных работ в научно-исследовательском секторе Московского авиационного института (технического университета) и в учебном процессе. Имеется шесть документов о внедрении.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ ОТРАЖЕНО

В СЛЕДУЮЩИХ ПУБЛИКАЦИЯХ:

Монографии и учебные пособия

1. Вилисов В.Я. Методы выбора экономических решений. Адаптивные модели. - М.: Финансы и статистика, 2006. – (13.96 п.л.)

2. Вилисов В. Я. Адаптивные модели исследования операций в экономике. - М.: Энит, 2007. – (17.51 п.л.)

3. Вилисов В.Я. Алгоритмы принятия решений при испытании ЛА. - М.: Изд-во МАИ, 1982. – (3.25 п.л.)

4. Вилисов В.Я. Адаптивные модели в АСУ / В.Я. Вилисов, Ф.Н. Вилисова. - М.: Изд-во МАИ, 1983. – (3.00/2.50 п.л.)

5. Вилисов В.Я. Экспертные методы в АСУ производством и отработкой ЛА. / В. Я. Вилисов, А.Я. Вовнобой, Д.П. Карпов, В.А. Лапушкин. - М.: Изд-во МАИ, 1984. – (4.50/1.50 п.л.)

6. Вилисов В.Я. Введение в проектирование АСУ / В.Я. Вилисов, О.Ю. Здановский, В.В. Лепехин. - М.: Изд-во МАИ, 1982. – (3.00/1.00 п.л.)

Статьи в ведущих рецензируемых научных журналах и изданиях, рекомендованных ВАК

7. Вилисов В.Я. Адаптивный подход к распределению ограниченных материальных ресурсов в производственных системах // Менеджмент в России и за рубежом, выпуск 5, 2007. – (0.60 п.л.).

8. Вилисов В.Я. Позиция лица, принимающего решения, и ее роль в системе управления предприятием // Вестник МГУЛ, выпуск 4, 2008. – (0.46 п.л.).

9. Вилисов В.Я. Эффективная процедура обучения модели предпочтениям ЛПР // Открытое образование, выпуск 3, 2008. – (0.32 п.л.).

10. Вилисов В.Я. Об одном способе определения степени антагонизма предприятий-участников рынка // Вестник Самарского ГЭУ, выпуск 5, 2008. – (0.31 п.л.).

11. Вилисов В.Я. Адаптивный подход к управлению запасами дефицитных материалов для производства // Вестник МГУЛ, выпуск 4, 2008. – (0.40 п.л.).

12. Вилисов В.Я. Выявление позиции менеджера в процессе управления предприятием // Вестник ИНЖЭКОНа, выпуск 3, 2008. – (0.40 п.л.).

13. Вилисов В.Я. Согласованное управление запасами материалов для производства // Вестник МАДИ, выпуск 2, 2008. – (0.38 п.л.).

14. Вилисов В.Я. Оперативное управление трудовыми ресурсами комплексной смены на основе адаптивных моделей линейного программирования / В.Я. Вилисов, А.Я. Вовнобой // Вестник Самарского ГЭУ, выпуск 5, 2008. – (0.30/0.25 п.л.).

15. Вилисов В.Я. Адаптивная игровая модель управления конкурентоспособностью продукции // Открытое образование, выпуск 6, 2008. – (0.37 п.л.).

Другие публикации

16. Вилисов В.Я. Адаптивные модели принятия управленческих решений (на уровне предприятия). Материалы XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, май 2006). Приложение к журналу «Открытое образование», 2006. – (0.30 п.л.)

17. Вилисов В.Я. Выявление позиции лица, принимающего экономические решения в условиях неопределенности. Материалы XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, октябрь 2006). Приложение к журналу «Открытое образование», 2006. – (0.30 п.л.)

18. Вилисов В.Я. Игровая адаптивная модель управления конкурентоспособностью продукции. Материалы XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, октябрь 2006). Приложение к журналу «Открытое образование», 2006. – (0.30 п.л.)

19. Вилисов В.Я. Оптимальное зондирование ЛПР при аппроксимации предпочтений линейной целевой функцией. Материалы XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, октябрь 2006). Приложение к журналу «Открытое образование», 2006. – (0.30 п.л.)

20. Вилисов В.Я. Оценивание значимости частных критериев выбора решений на основе адаптивных моделей. Материалы XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, октябрь 2006). Приложение к журналу «Открытое образование», 2006. – (0.30 п.л.)

21. Вилисов В.Я. Решение задач линейного программирования методом игровых итераций (Скат ЛП). Программа для ЭВМ. Зарегистрировано в реестре программ для ЭВМ Российского агентства по патентам и товарным знакам (РОСПАТЕНТ), г. Москва. Свидетельство № 2006613688, 24 октября 2006 г.

22. Вилисов В.Я. Идентификация предпочтений ЛПР в задачах линейного программирования (Дисав ЛП). Программа для ЭВМ. Зарегистрировано в реестре программ для ЭВМ Российского агентства по патентам и товарным знакам (РОСПАТЕНТ), г. Москва. Свидетельство № 2006613689, 24 октября 2006 г.

23. Вилисов В.Я. Оптимальное управление предъявлениями данных ЛПР в задачах линейного программирования (Эксперимент ЛП). Программа для ЭВМ. Зарегистрировано в реестре программ для ЭВМ Российского агентства по патентам и товарным знакам (РОСПАТЕНТ), г. Москва. Свидетельство № 2006613716, 24 октября 2006 г.

24. Вилисов В.Я. Комплекс имитационного моделирования адаптивного распределения ресурсов (Имитация ЛП). Программа для ЭВМ. Зарегистрировано в реестре программ для ЭВМ Российского агентства по патентам и товарным знакам (РОСПАТЕНТ), г. Москва. Свидетельство № 2006613690, 24 октября 2006 г.

25. Вилисов В.Я. Принятие решений в АСУ на основе настраиваемых моделей / В.Я. Вилисов, Д.П. Карпов // Динамическое моделирование сложных систем: Матер. Всесоюз. конф. - М., 1982. – (0.12/0.10 п.л.)

26. Вилисов В.Я. Адаптивная модель оперативного распределения ресурсов в АСУП / В.Я. Вилисов, В.Н. Виноградов, А.Я. Вовнобой, В.В. Лепехин // Динамическое моделирование сложных систем : Сб. материалов Всесоюз. науч.-техн. конф. - М.: НТО им. акад.Вавилова, 1982. – (0.12/0.10 п.л.)

27. Вилисов В.Я. Управление экспериментом в процессе разработки технических систем / В.Я. Вилисов, М.Ф. Росин // Техническая кибернетика Изв. АН СССР. – М.,1976. – № 6. – (0.50/0.45 п.л.)

28. Вилисов В.Я. Экспертные системы в военных приложениях (Интеллектуальные средства поддержки принятия решений в системах командования и управления): Обзор по материалам зарубежной печати. - М.: ГОНТИ-1, 1989. – (4.00 п.л.)

29. Вилисов В.Я. Система автоматизированного выбора вариантов на основе многоуровневого направленного зондирования и адаптивных моделей предпочтений (СКАТ) / В.Я. Вилисов, А.А. Рубцов // Создание и применение гибридных экспертных систем: Тез. докл. Всесоюз. конф. - Рига: Рижский технический университет, 1990. – (0.12/0.10 п.л.)

30. Вилисов В.Я. ДИСАВ - диалоговая система анализа и выбора вариантов, построенная на основе типовых пакетов прикладных программ / В.Я. Вилисов, Д.А. Муртазин, А.А. Рубцов // Проблемы и методы принятия решений в организационных системах управления: Тез. докл. Всесоюз. конф. - М.: ВНИИ систем.исслед., 1988. – (0.12/0.10 п.л.)

31. Вилисов В. Я. Оптимальная процедура выявления предпочтений лица, принимающего решения, в процессе оперативного управления авиапредприятием / В.Я. Вилисов, А.Я. Вовнобой // Автоматизация процессов и систем управления производством в гражданской авиации: Сб. научных трудов. - М.: МИИГА, 1988. – (0.45/0.30 п.л.)

32. Вилисов В.Я. Оперативное управление транспортной деятельностью авиапредприятий в условиях острого дефицита авиатоплива // Совершенствование управления и анализа хозяйственной деятельности авиатранспортного производства / В.Я. Вилисов, А.Я. Вовнобой: Сб. научных трудов. - М.: МИИГА, 1987. – (0.62/0.50 п.л.)

33. Вилисов В.Я. Управление развитием сложных игровых систем / В.Я. Вилисов, С.С. Логинов: Сб. науч. тр. РПИ. - Рига, 1986. – (0.36/0.30 п.л.)

34. Вилисов В.Я. О восстановлении критерия лица, принимающего решения // Математическое обеспечение АСУ комплексами ЛА: Сб. науч. тр. МАИ - М.,1984. – (0.45 п.л.)

35. Вилисов В.Я. Особенности взаимодействия ЛПР с адаптивными моделями принятия решений // Проблемы и методы принятия решений в организационных системах управления: Тез. докл. 2-й Всесоюз. конф. - М.-Пущино: ВНИИ систем.исслед., 1984. – (0.12 п.л.)

36. Вилисов В.Я. Адаптивная модель принятия решений при оперативном управлении в АСУ / В.Я. Вилисов, А.Я. Вовнобой // Методы решения задач оперативного управления в АСУ отраслевого и межведомственного уровней: Тез. докл. 2-го Всесоюз. сем. - М, 1982. – (0.12/0.10 п.л.)

37. Вилисов В.Я. Адаптивные модели предпочтений ЛПР, построенные в активном эксперименте // Проблемы и методы принятия решений в организационных системах управления: Тез. докл. Всесоюз. конф. - М.-Звенигород: ВНИИ систем.исслед., 1981. – (0.12 п.л.)

38. Вилисов В.Я. Проблемы автоматизации принятия решений в комплексной АСУ / В.Я. Вилисов, О.Ю. Здановский // Модели планирования и оперативного управления на предприятии: Тез. докл. Всесоюзн. конф. - Киев, 1981. – (0.12/0.01 п.л.)

39. Вилисов В.Я. Об одном аспекте автоматизации процедур принятия решений: Сб. науч. тр. МАИ под ред. С.П.Иноземцева. - М.,1980. – (0.25 п.л.)

40. Вилисов В.Я. Марковская модель структуры системы управления: Сб. науч. тр. МАИ под ред. В.В. Лепехина, В.Д. Тюрина. – М.,1979. – Вып. 499. – (0.25 п.л.)

41. Вилисов В.Я. Байесовские решения в процессе отработки технических систем / В.Я. Вилисов, М.Ф. Росин: Сб. науч. тр. МАИ под ред. Б.Н. Петрова. – М.,1976. – Вып. 367. – (0.12/0.10 п.л.)

Личный вклад соискателя в работы, выполненные в соавторстве, состоит в том, что в [4, 5, 6, 14, 25-27, 29-33, 36, 38, 41]  разработаны принципы, методы и алгоритмы выбора решений в условиях критериальной неопределенности.

СПИСОК СОКРАЩЕНИЙ

АСАД

-

автоматизированная система административной деятельности

АСУ

-

автоматизированная система управления

ЗЛП

-

задача линейного программирования

ИО

-

исследование операций

КИС

-

корпоративная информационная система (комплексная информационная система управления предприятием)

ЛП

-

линейное программирование

ЛПР

-

лицо, принимающее решение (как правило, синоним менеджера)

МНК

-

метод наименьших квадратов

МТЗ

-

модель транспортной задачи

НВЕД

-

нормальный вектор единичной длины

ОДР

-

область допустимых решений

ОЗЛП

-

обратная задача линейного программирования

ПЗЛП

-

прямая задача линейного программирования

СППР

-

система поддержки принятия решений

СТПР

-

ситуация, требующая принятия решения

ЦЛП

-

целочисленное линейное программирование

ЦФ

-

целевая функция

APS

-

Advanced Planning and Scheduling (синхронное планирование и оптимизация)

DSS

-

DecisionSupportSystem (система поддержки принятия решений - СППР)

ERP

-

Enterprise Resource Planning (планирование и управление ресурсами предприятия)

MES

-

Manufacturing Execution Systems (система управления производством)

ВИЛИСОВ  ВАЛЕРИЙ  ЯКОВЛЕВИЧ

 

МЕТОДОЛОГИЯ АДАПТИВНОГО ВЫБОРА УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ НА ПРОМЫШЛЕННОМ ПРЕДПРИЯТИИ

В УСЛОВИЯХ КРИТЕРИАЛЬНОЙ НЕОПРЕДЕЛЕННОСТИ

 

Специальность 08.00.05 –

Специализация -

Экономика и управление народным хозяйством

Экономика, организация и управление предприятиями, отраслями, комплексами (промышленность)

 

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

доктора экономических наук

 





© 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.