WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 || 3 | 4 |   ...   | 10 |

Все это материалы, из которых конструируем... картину реальности.... Мы рассуждаем примерно так: располагая лишь непроанализированной формой, испытываешь нехватку анализа. Зная же аналитическую форму, тем самым обладаешь всем. – Но разве нельзя сказать, что и в этом, и в том случае теряется из виду та или иная сторона дела". Действительно, в то время как при анализе составные части сложной системы сохраняются, сама система разрушается, и аналитическая форма, таким образом, не равна исходной. Л. Витгенштейн отмечает также, что иногда бывает невозможным передать расплывчатое изображение четким. И даже если это возможно, то не всегда целесообразно: "Всегда ли целесообразно заменять нечеткое изображение четким Разве неотчетливое не является часто как раз тем, что нам нужно" Философ говорит, что "степень возможного сходства отчетливого и размытого изображений зависит от степени неопределенности последнего". Чем неопределеннее структура системы, тем труднее объяснить ее с помощью аналитических форм. Иногда мы не в силах конкретно определить, чем непроанализированная структура отличается от проанализированной. Трудно объяснить, что же именно появляется в структурносложной системе, когда мы воспринимаем ее в целом, не разделяя на составные части. Л. Витгенштейн замечает: "Что значит: знать... и быть не в состоянии это сказать Не эквивалентно ли такое знание несформулированному определению" Философ отмечает, что наше знание о чем-либо не всегда выражается в четком определении, оно может отражаться в наших объяснениях и соответствующих примерах, подобранных определенным образом. В ряду этих примеров следует увидеть то общее, что по каким-то причинам нельзя выразить точно и однозначно. "Приведение примеров...

не косвенное средство пояснения, – к которому мы прибегаем за неимением лучшего. Ведь любое общее определение также может быть неверно понято." Таким образом, можно сказать, что для неспециалиста, воспринимающего какой-либо объект, структурно-сложная система – это монолитная структура, которую вовсе не обязательно разбивать на части и анализировать. Но для исследователя анализ необходим, так как выявление отдельных элементов сложной системы, а также – характера связей между элементами системы и внешней средой, позволяет непосредственно выявить закономерности построения структурно-сложных систем.

Точные результаты и нечеткие суждения и выводы. В науке управления традиционно отдают предпочтение точным количественным методам и испытывают традиционное недоверие к нечетким результатам и выводам.

Исторически первым и наиболее распространенным является вероятностный подход учета неопределенности. Его применение в экономике не всегда корректно, поскольку требует статистической однородности случайных событий и знания закона распределения. С другой стороны, количественные линейные модели весьма приблизительно описывают сложные экономические явления, да и то в узком диапазоне изменения переменных. Поэтому они лишь создают иллюзию точного описания объекта исследования и, следовательно, их преимущество по сравнению с нечеткими суждениями и выводами, сомнительно. Нелинейные экономико-математи- ческие методы трудно переводимы с математического языка на естественный язык управления. Кроме того, точную информацию для расчета нелинейных моделей получить трудно, либо она вообще не существует.

Чем выше неопределенность (сложность, разнообразие), тем выше уровень энтропии системы. В естествознании энтропия является единицей измерения неопределенности. Теоретики науки управления, занимающиеся моделированием организаций, используют эту величину для характеристики сложности ПС. Однако расчет информационной энтропии связан с необходимостью оценки вероятностей состояний системы, т.е. это традиционный вероятностный подход учета неопределенности. Задача науки – снизить уровень неопределенности и расширить границы знаний.

Не всякую неопределенность научных знаний можно преодолеть. Существует наблюдаемая непреодолимая сложность или неопределенность (ННС). Биггиеро [Biggiero L., 1999] указывает на три фактора, разделяющие совершенную уверенность и неуверенность: 1) проблемы, которые требуют компьютерные мощности, превышающие любую мыслимую возможность; 2) проблемы, которые требуют бесконечных знаний; 3) задачи, которые являются логически неразрешимыми. Можно ли ННС измерить или охарактеризовать, не используя понятия информационной энтропии С нашей точки зрения, это можно сделать в рамках нечетких экспертных систем. Нечеткие экспертные системы характеризуют ННС объекта исследования двояким способом.

Математически – через нечеткие множества, теория которых была изложена Л.А. Заде в работе "Fuzy Sets" [Zadeh L.A., 1965]. Сначала строится четкая математическая модель с наиболее вероятными значениями параметров. Затем четкая картина преобразуется в нечеткую путем "размывания" единственного значения параметра в интервал возможных значений, т.е. параметры представляются нечеткими числами. Другими словами, некоторым объектам присуща неопределенность, которую невозможно преодолеть известными научными методами, следовательно, если ее невозможно уменьшить, то тогда необходимо хотя бы адекватно передавать пользователям экономико-математических моделей.

Второй способ передачи ННС – это нечеткие рассуждения, в основе которых лежит правило известное как модус поненс [Zadeh L.A., 1973]:

"Если известно, что высказывание А влечет (имплицирует) высказывание В, а также известно, что А истинно, то, следовательно, В истинно". Для передачи знаний в этом случае в максимальной степени используют естественный язык, который содержит неоднозначные, неопределенные и сомнительные лингвистические термины. Преимущество нечеткого представления знаний и нечетких рассуждений и выводов заключается в следующем. Во-первых, достигается гибкое и, что самое главное, полное описание открытых систем, а, как известно, любое формальное описание таких систем бывает всегда неполным (теорема К. Геделя о неполноте). Вовторых, разработчик модели, использующий естественный язык, может передать пользователю всю ту степень неопределенности, которая существует в моделируемом объекте и является его атрибутом. Другими словами, наиболее четкое представление о неопределенном можно получить лишь используя выразительную силу естественного языка.

Проблемы принятия оптимальных решений. Современная экономическая наука постепенно отходит от отождествления понятий "оптимальный" и "экстремальный". Классический подход к оптимизации решений – это стремление получить экстремальные значения целевых функций f1(x), f2(x)… fi(x). Каждый критерий fi(x) характеризует некоторое локальное качество альтернативы x. Выбор наилучшей альтернативы зависит от локальных качеств и сводится, таким образом, к решению многокритериальной задачи. Многокритериальные целевые функции могут строиться по двум основным принципам [Дубов Ю.А., 1986] – по принципу равномерной оптимальности и принципу справедливого компромисса. Многокритериальная функция, построенные по принципу равномерной оптимальности выглядят следующим образом m W = f ( x ) i. (2) i =В этом случае можно достигнуть максимума функции (2) при нулевых значениях какого-то одного критерия, например f1(x) = 0, тогда как другой критерий может принимать максимальное значение f2(x) max. Например, оптимизация производственной программы предприятия, где fi(x) – прибыль от производства продукции i-го наименования; х – количество продукции в натуральном выражении.

Многокритериальная функция, построенная по принципу справедливого компромисса m W = П fi (x). (3) i=В выражении (3) ни один из критериев fi(x) не может принимать нулевое значение. Например, критерий f1(x) – коэффициент использования автомобиля по грузоподъемности, а f2(x) – коэффициент использования автомобиля во времени. Очевидно, что W – интегральный показатель эффективности использования автомобиля, и он будет нулевым, если автомобиль ездит порожняком, или стоит на месте с полным кузовом. Если интегральный показатель был бы построен по принципу однородной оптимальности (2), то он бы принимал максимальное значение для автомобиля, стоящего на месте с полным кузовом, или перевозящего воздух.

Такие подходы к принятию решений пригодны в простых ситуациях – полная определенность и линейное изменение параметров внешней обстановки. На практике данный инструментарий может применяться для решения проблем малых предприятий, но никак не крупных АО, в которых целевые установки не столь просты и примитивны и существенно отличаются от идеи непосредственной максимизации прибыли.

В крупных АО цели собственников и менеджмента, зачастую противоречат друг другу. Как известно, цели менеджмента крупных корпораций – это рыночная власть, престиж, высокое жалование при приемлемой, а не максимальной для акционеров (собственников) прибыли. Менеджмент может постоянно резервировать часть ресурсов на непредвиденные случаи, что также не соответствует идее максимизации прибыли, а вполне соответствует ориентации на ее приемлемый уровень. Этот феномен в научной литературе известен под названием организационной слабины (organization slack) [Хэй Д., Моррис Д., 1999].

Особенно ярко тенденция не к максимальному, а к достаточному уровню прибыли проявляется в условиях переходной российской экономики – крупнейшие предприятия вовсе не стремятся к максимуму прибыли или минимуму корпоративных издержек. Налицо стремление к необоснованному увеличению административных расходов (излишнее количество оргтехники, роскошная офисная мебель, раздутые оклады руководства и т.д.), что, естественно, снижает прибыль, получаемую акционерами.

На уровень использования производственных ресурсов в экономике также влияют колебания рыночной конъюнктуры, обусловленные нестабильностью экономической среды. Как видно из рис. 2, доля используемых производственных мощностей даже в экономике США колебалась от 69,5 % в 1982 г. до 91,5 % в 1966 г. [16].

Рис. 2. Загрузка производственных мощностей в США Из рис. 2 видно, что максимумы кривой использования производственных мощностей приходятся на пики ВВП. Очевидно, что каждый крупный подъем экономической активности сопровождался резким увеличением загрузки производственных мощностей. В свою очередь экономический кризис приводил к значительному снижению уровня использования производственных мощностей. Таким образом, уровень загрузки производственных мощностей во многом зависит от того, в какой стадии (подъема или кризиса) находится экономика страны. В настоящее время средняя доля используемых производственных мощностей в промышленности США составляет около 75 %. Отсюда можно сделать вывод, что даже в стране с высоким уровнем развития экономики все же существуют предприятия, обладающие низкой загрузкой производственных мощностей. Это вполне естественно в условиях высокой конкуренции, которая присутствует в экономике США. Наличие продукции, спрос на которую определяется сезонными факторами, также ставит многие предприятия перед проблемой низкой загрузки производства в периоды низкого уровня спроса.

Рассмотрим причины этих явлений с точки зрения структурного анализа. На рис. 3, а показана граница ABD области допустимых решений задачи; x и y – объемы производства продукции X и Y; OZ – направление одновременного роста объемов производства продукции X и Y.

M y v б) а) Пmax z L A N B F B z O v C v M в) Пmax L x D O C z O Рис. 3. Оптимальные решения:

а – нелинейная внешняя граница области допустимых решений задачи;

OZ – направление изменения объемов производства;

C и B – точки, соответствующие оптимальным решениям;

б и в – графики линейной и нелинейной зависимостей изменения затрат, поясняющие положение точек C и B в области допустимых решений задачи На рис. 3, б, в показан линейный NL и нелинейный OL варианты изменения затрат с ростом объемов производства продукции; направление роста задается осью OZ (OM – линии изменения выручки от продаж; OF – линия роста переменных затрат).

Если структура затрат внутри области допустимых решений OABD (рис. 3, а) изменяется линейно как на рис. 3, б, то оптимальные решения, соответствующие максимуму прибыли Пмах, всегда находятся на внешней границе этой области, в данном случае в точке B. Если структура затрат внутри области допустимых решений изменяется нелинейно, то оптимальное решение, соответствующее Пмах находится внутри этой области – в точке C на графиках рис. 3, а, в.

Отсюда вытекает следующее предположение. Если структуры, характеризующие внутреннюю область допустимых решений, имеют линейное построение, то оптимальные решения лежат на внешней границе области, если же внутренние структуры нелинейные – то оптимальные решения лежат внутри области допустимых решений. В пользу соображения нелинейности структур свидетельствует наблюдаемая на практике организационная слабина и факт неполной загрузки производственных мощностей в рыночной экономике.

Внешняя граница области допустимых решений также может быть либо нелинейной – рис. 4, а, либо линейной – рис. 4, б.

y y W WW A A B C C D D x O O x б) а) Рис. 4. Вид области допустимых решений задачи:

а – нелинейная внешняя граница области допустимых решений ABCD; отрезки прямых W1 и W2 – соответствуют двум положениям графика целевой функции (2); б – линейная внешняя граница области допустимых решений ACD; отрезок прямой W соответствует одному из положений графика целевой функции На этих двух графиках показаны различные положения линии целевой функции W и соответствующие им точки оптимальных решений задачи B и C. Тангенс угла наклона прямой W к оси x зависит от соотношения цен, сложившихся на продукцию X и Y. Предположим, что оптимальное решение находится в точке B, что соответствует положению касательной W1 в этой точке. С уменьшением цены на продукт X, покупатель уменьшает в потребительской корзине количество продукта Y и увеличивает количество продукта X. Линия целевой функции поворачивается вниз, и новое оптимальное решение находится в точке касания C – рис. 4, а.

Если внешняя граница области допустимых решений имеет линейный характер – рис. 4, б, то повороты линии целевой функции W в заштрихованном диапазоне не приведут к изменению положения точки оптимального решения C. Другими словами, потребитель не будет обращать внимание на изменение цен в определенном диапазоне и будет покупать продукты в постоянном наборе, соответствующем точке C. Таким образом изменение параметров внешней среды (цены продукции) не влияет на положение точки, соответствующей оптимальному решению.

Гипотеза исследования. Область допустимых решений задачи состоит из трех слоев (зон) – рис. 5.

y A z III B II AM1 M I C1 C x O I II III Рис. 5. Внутренние структуры области допустимых решений задачи:

Pages:     | 1 || 3 | 4 |   ...   | 10 |



© 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.