Содержание к диссертации
Введение
Глава 1. Методы и компьютерные системы для комплексного анализа деятельности предприятия 10
1.1. Обзор методов анализа деятельности предприятия 10
1.2. Принципы построения систем комплексной оценки деятельности предприятия 20
1.3. Методы принятия решений, аналитического планирования и прогнозирования решений в экономике 23
1.4. Моделирование рисковых ситуаций в экономике и бизнесе 45
1.5. Компьютерные системы поддержки процессов принятия решений 52
Выводы по главе 1 56
Глава 2. Разработка интеллектуальной системы на основе многокритериальных методов анализа иерархий и сетей для решения задач комплексной оценки деятельности предприятий 58
2.1. Метод анализа иерархий (МАИ) 58
2.2. Метод анализа сетей (MAC) 66
2.3. Характеристика интеллектуальной системы поддержки принятия решений (ИСППР) 70
2.4. Методы представления и процедуры извлечения знаний из данных 74
2.5. Процедуры статистического анализа информации, содержащейся в базах данных 76
Выводы по главе 2 84
Глава 3. Разработка моделей и комплексная оценка деятельности предприятий на основе методов анализа иерархий и аналитических сетей 86
3.1. Многокритериальная оценка конкурентной позиции предприятия на основе иерархической модели 86
3.2. Многокритериальная оценка деятельности предприятия на основе сетевой модели 93
3.3. Прогнозирование риска экономического кризиса предприятия методом аналитических сетей 95
3.4. Многокритериальная оценка риска выпуска предприятием различных видов продукции на основе сетевой модели 99
Выводы по главе 3 106
Общие выводы по работе 107
Список литературы
- Методы принятия решений, аналитического планирования и прогнозирования решений в экономике
- Компьютерные системы поддержки процессов принятия решений
- Характеристика интеллектуальной системы поддержки принятия решений (ИСППР)
- Многокритериальная оценка деятельности предприятия на основе сетевой модели
Введение к работе
В условиях организационно-хозяйственной самостоятельности и интенсификации деятельности современных предприятий резко возрастает сложность решений, вырабатываемых аппаратом организационного управления. Это связано с увеличением объемов первичной информации, числа учитываемых факторов, вариантов решений и сокращением сроков их принятия.
В период активного реформирования российской экономики и становления7 рыночных отношений, качество управленческих решений, как правило, определялось их финансовым и экономическим эффектом. Однако действительной оптимальности и обоснованности принятых решений можно достичь, принимая во внимание совокупность различных по своей природе факторов, влияющих на эффективность функционирования предприятия: технические, кадровые, финансовые, маркетинговые и др. При этом информация, которой приходится оперировать лицу, принимающему решение (ЛПР), имеет неточный, неполный, неколичественный характер, а собственно задача принятия решений, решаемая в указанных условиях, относится к классу задач принятия решений в условиях неопределенности.
Таким образом, большинство применяемых в настоящее время методов экономического анализа имеют следующие принципиальные ограничения:
Во-первых, используемые системы критериев и показателей ориентированы, главным образом, на исследование финансового состояния и эффективности предприятий. Это утверждает реактивный принцип управления, при котором затруднена профилактика негативных явлений и процессов, а силы и средства направляются на устранение их последствий. Подобные системы оценки не мотивируют руководство предприятия на взвешенные действия. Нормативные значения финансовых показателей зачастую достигаются в ущерб прочим.
Во-вторых, отсутствуют средства описания и обработки нечеткой и неколичественной экономической информации.
В-третьих, использование только аддитивных алгоритмов синтеза комплексных (интегральных) критериев эффективности не всегда адекватны эвристическим алгоритмам, применяемым ЛПР при решении конкретных задач.
Существенным недостатком современных методик оценки различных аспектов деятельности предприятий является принципиальная невозможность систематического накопления знаний экспертов о ходе и результатах решения конкретных задач, а также отсутствие инструментальных средств, позволяющих извлекать новые знания из накапливаемых в ходе решения задач данных.
В связи с этим, актуальной является проблема по созданию интеллектуальной информационной системы на основе многокритериальных методов анализа иерархий и аналитических сетей для решения задач комплексной оценки деятельности предприятий в условиях неопределенности.
Не менее актуальной является также задача по разработке методов представления и процедур извлечения знаний из информации, хранящейся в экономических базах данных интеллектуальной системы поддержки принятия решений (ИСППР).
Степень разработанности проблемы. Существенный вклад в развитие методологии стратегического управления предприятиями внесли такие зарубежные ученые, как Р. Акофф, Э. Альтман, И. Ансофф, Дж. Ван Хорн, П. Друкер, Ф. Котлер, А. Мескон, В. Парето, М. Портер, Э. Хелферт и др. Среди отечественных ученых, внесших существенный вклад в данное научное направление - И.Н. Гречикова, В.А. Ириков, Л.В. Канторович, М.Н. Крейнина, В.В. Ковалев, Г.С. Мерзликина, Е.С. Стоянова, Р.А. Фатхутдинов, Л.С. Шаховская, А.Д. Шеремет и др.
Созданием и внедрением в практику экономических исследований методов системного анализа и многокритериального принятия решений занимались такие известные зарубежные ученые, как Р. Беллман, Л. Заде, Р.Л. Кини, Моргенштерн О., Нейман Дж. Фон, Э. Парето, X. Райфа, Б. Руа, Т. Саати, А. Сало, П. Фишберн, Р.Хамалайнен.
Значительный вклад в исследование данных проблем внесли такие российские ученые как Н.М. Абдикиев, А.В. Андрейчиков, Л.С. Беляев, А.Н. Борисов, Г.С. Гущина, A.M. Дубров, А.А. Емельянов, О.А. Крумберг, Б.А. Лагоша, О.Н. Ларичев, Е.М. Мошкович, А.О. Недосекин, Б.Б. Оразбаева, В.П. Романов, Н.В. Семушкина, В.Н. Тисенко, Д.С. Фалькова, Н.Г. Ярушкина и др.
В то же время, проблема стратегического управления предприятиями на основе современных методов многокритериального принятия решений и интеллектуальных информационных систем требует своего дальнейшего разрешения, особенно в плане широкого внедрения указанных новых подходов управления в практику отечественных предприятий.
Цель и задачи исследования. Целью диссертационного исследования является разработка моделей и интеллектуальной системы многокритериального анализа деятельности предприятий в условиях неопределенности.
Для достижения поставленной цели необходимо решить следующие задачи:
проанализировать существующие подходы, методы и компьютерные системы, используемые в настоящее время для комплексного анализа деятельности предприятий и обосновать целесообразность использования при анализе проблем в условиях неполной, нечеткой, неколичественной информации многокритериальных методов анализа иерархий и аналитических сетей;
разработать на основе методов анализа иерархий, аналитических сетей и искусственного интеллекта инструментальную интеллектуальную систему многокритериального анализа деятельности предприятий в условиях неопределенности;
для исследования специфических экономических систем с большим числом учитываемых в моделях факторов, критериев качества, альтернатив и при наличии между последними обратных связей и взаимных влияний разработать и программно реализовать следующие новые алгоритмы:
7 кластеризация множества альтернатив; вычисление приоритетов с использованием лингвистических стандартов; увеличение мощности множества альтернатив путем добавления копий; анализ сетевых структур с произвольным составом элементов, объединяющих их кластеров и связей между кластерами;
разработать и программно реализовать методы представления и процедуры извлечения знаний из данных, а также процедуры статистического анализа экономической информации, содержащейся в базах данных;
разработать комплекс моделей с использованием методов анализа иерархий и аналитических сетей и методику многокритериальной оценки: конкурентной позиции предприятия; социально-экономического и технологического потенциала предприятия; риска экономического кризиса предприятия; риска выпуска предприятием различных видов продукции;
провести апробацию методики и моделей комплексной оценки на основе исходной информации ряда действующих промышленных предприятий Волгоградской области.
Объектом исследования являются предприятия Волгоградской области по производству мебели, искусственного волокна и тканей.
Предметом исследования являются социально-экономические процессы, протекающие на предприятиях и в окружающей их социальной, технологической, экономической и политической среде (СТЭП - среда).
Методы исследований. Для решения поставленных задач использовались методы экономического и финансового анализа, методы теории принятия решений и искусственного интеллекта, методы проектирования информационных технологий.
Научная новизна результатов, полученных в диссертации:
- разработаны модели многокритериальной оценки конкурентной
позиции предприятия; социально-экономического и технологического
потенциала предприятия; риска экономического кризиса предприятия; риска
выпуска предприятием различных видов продукции на основе методов анализа
иерархий и аналитических сетей;
на основе методов анализа иерархий, аналитических сетей и искусственного интеллекта разработана интеллектуальная система многокритериального анализа деятельности предприятий в условиях неопределенности;
созданы новые алгоритмы вычисления векторов приоритетов в методах анализа иерархий и аналитических сетей; кластеризации множества альтернатив; вычисления приоритетов с использованием лингвистических стандартов; увеличения мощности множества альтернатив путем добавления копий; анализа сетевых структур с произвольным составом элементов, объединяющих их кластеров, связей между кластерами и направлением их влияния;
разработаны методы представления и процедуры извлечения знаний из данных, а также процедуры статистического анализа экономической информации, содержащейся в базах данных.
Основные положения диссертации, выносимые на защиту.
Модели многокритериальной оценки конкурентной позиции предприятия; социально-экономического и технологического потенциала предприятия; риска выпуска предприятием различных видов продукции на основе методов анализа иерархий и аналитических сетей.
Методика построения моделей многокритериальной оценки различных аспектов деятельности предприятий.
Вариант разработанной интеллектуальной системы многокритериального анализа деятельности предприятий в условиях неопределенности.
Алгоритмы: кластеризации множества альтернатив; вычисления приоритетов с использованием лингвистических стандартов; увеличения мощности множества альтернатив путем добавления копий; анализа сетевых структур с произвольным составом элементов, объединяющих их кластеров и связей между кластерами.
5. Методы и процедуры извлечения знаний из данных, статистического анализа экономической информации, содержащейся в базах данных разработанной интеллектуальной системы.
Теоретическая и практическая значимость работы.
Теоретическая значимость работы состоит в разработке новых подходов
для решения задач комплексной оценки деятельности предприятий на основе
методов многокритериального принятия решений (метода анализа иерархий и
метода аналитических сетей), а также в разработке теоретических основ
проектирования интеллектуальных информационных систем
многокритериального принятия экономических решений в условиях неопределенности.
Практическая значимость работы состоит в создании инструментального программного средства в виде интеллектуальной информационной системы, позволяющего решать широкий спектр задач в области экономики, а также в разработке ряда моделей для оценки различных аспектов деятельности предприятий Волгоградской области и выработке конкретных рекомендаций, позволяющих повысить эффективность управления их деятельностью.
Методы принятия решений, аналитического планирования и прогнозирования решений в экономике
При рассмотрении проблем стратегического прогнозирования, планирования, распределения ресурсов и формирования (синтеза) альтернативных решений, исследователь (лицо, принимающее решение) всегда сталкивается с задачами принятия решений (ЗПР). Решение таких задач сводится к выбору одного или нескольких лучших альтернативных вариантов из заданного набора [69].
В общем случае ЗПР можно представить следующим набором информации Т, X, R, S, F, G, Р, V , где Т - вариант постановки задачи (например, выбрать лучшую альтернативу или упорядочить весь набор альтернатив); X - информация о множестве возможных альтернатив; R -информация о критериях выбора; S - множество шкал для измерения качества альтернатив по критериям; F - отображение множества допустимых альтернатив в множество их оценок по критериям; G - система предпочтений решающего элемента; Р - решающее правило; V - устойчивость информации категорий X, R, F, G во времени.
Современная теория выбора решений представляет собой синтез моделей и методов, возникших в различных дисциплинах - в исследовании операций, в математическом программировании, в математической экономике, в теории автоматического управления, в искусственном интеллекте и других областях прикладной науки.
Существуют различные подходы и языки теории выбора решений: язык критериев качества, язык бинарных отношений, язык функций выбора, аксиоматический язык. В современной математической теории принятия решений описаны различные парадигмы выбора: критериально-экстремизационный выбор, парно-доминантный выбор, псевдокритериально-экстремизационный выбор, псевдографовый выбор, коллективный выбор на основе различных процедур голосования [3].
Постановка задачи принятия решений
Пусть х - решение, возможные варианты которого определены на допустимом множестве X. Качество решения оценивается п скалярными критериями R., j=l, 2, ..., п, оценки по которым образуют вектор эффективности г - (гь ..., гп). Этот вектор связан с альтернативой х функциональным отображением F: X— R, которое может быть задано аналитически, статистически или эвристически. Необходимо найти подмножество лучших вариантов Yy, удовлетворяющий требованиям следующего вида: Ух={ уєХЗхєХ:г(х) г(у)}
Приведенная постановка задачи соответствует критериально экстремизационному выбору. При постановке критериально экстремизационной задачи предполагается, что критериальная оценка г(х) варианта х зависит только от этого варианта и совершенно не зависит от того, какие другие варианты включены в множество X. В частности, если рассматривать не фиксированное X, а различные его подмножества AczX, содержащие вариант хє А, то при критериально - экстремизационном подходе оценки г(х) не изменяются для всех х на всех А.
Множество вариантов Yx называется множеством Парето для X. Это множество обладает тем свойством, что все принадлежащие ему альтернативы не могут быть улучшены одновременно по всем критериям. Способам его выделения в конкретных задачах, оценке его мощности и способам его усечения посвящено множество работ [20,41,114,115,166].
Проблема выделения множества Парето в общем виде не решена. Хорошо разработаны методы отыскания эффективных точек для задач с двумя критериями и для линейных задач. Большинство известных алгоритмов достаточно трудоемки, а получаемые на их основе множества представляют собой области сложной структуры в пространстве R", как правило, невыпуклые и несвязные [109]. Когда область Парето содержит множество элементов, то для полного упорядочения векторных оценок необходима дополнительная информация. В качестве такой информации обычно используются предпочтения лица, принимающего решения (ЛПР).
Понятия «критерий» и «максимум» могут быть обобщены на случай применения порядковой шкалы для измерения качества альтернатив. Если варианты х и у сравниваются попарно, то отношения между ними можно представить в виде бинарного отношения xDy. Тогда правило выделения лучших вариантов можно записать в виде: YX=VyGX3xGX:xDyj.
Выделенные с помощью этого правила варианты называются не запрещенными по отношению D вариантами в множестве X. Исследованию бинарных отношений с позиций теории выбора посвящены работы [4, 37, 92, 109, 166]. При переходе от критериальных оценок альтернатив к произвольным парным сравнениям сохраняется свойство независимости от контекста. Учитывая это свойство, такой выбор называется парнодоминантным или графодоминантным выбором.
Парнодоминантный выбор может быть сведен к критериально-экстремизационному в случае, если бинарное отношение D является ациклическим и транзитивным. Если при этом отношение D является антирефлексивным, то выбор будет оптимальным по Парето.
Компьютерные системы поддержки процессов принятия решений
Системы поддержки принятия решений (СППР) относятся к классу человеко-машинных систем и помогают ЛПР решать задачи выбора и упорядочения альтернатив. СППР ДИСО (диалоговая система оптимизации), ДИОПТ (диалоговая оптимизация) и VEKTORS предназначены для аналоговой оптимизации параметров сложных систем. ДИОПТ позволяет осуществлять скалярную и векторную оптимизацию. При векторной оптимизации векторная функция представляется в виде F(v) и V(xi, ..., хп), где F(v) - оптимизируемая функция, а V(xi, ..., хп) - функция свертки. В этой системе используется 23 алгоритма поиска решений, которые допускается изменять в процессе функционирования. СППР ДИСО ориентирована на решение задач безусловной оптимизации функций многих переменных и задач нелинейного программирования. Описание задачи производится в этой систем на определенном языке запроса. СППР ДИОПРи VEKTORS ориентированы на решение задач векторной оптимизации. В них используется заданная аналитически векторная целевая функция предпочтения и шесть векторно-релаксационных алгоритмов поиска. Решение задачи в системе VEKTORS осуществляется в два этапа. На первом этапе выявляется множество Парето оптимальных вариантов. На втором этапе осуществляется анализ выявленного множества на основе качественной информации о критериях. При решении задачи пользователь указывает, какие из критериев необходимо улучшить, какие не должны изменяться, а какие не существенны. На основании проделанной процедуры формируется система ограничений на значения критериев и определяется новая область допустимых значений.
Недостатками этих систем является то, что они не позволяют решать задачи многокритериального принятия решений в условиях неопределенности. СППР ISPOT, реализованная в Японии, предназначена для решения задач многокритериального выбора в условиях определенности на аналитически заданном непрерывном множестве альтернатив. Поздние версии этой системы ориентированы на решение задач с нечетко поставленными целями. При этом множество альтернатив задается линейными равенствами и неравенствами.
В ее основу положен принцип sequential proxy optimization technique -SPOT (последовательная косвенная оптимизация). Определение оптимального решения в системе происходит следующим образом. Определяется пространство недоминируемых альтернативных решений, а затем на нем отыскивается окончательное решение на основе системы предпочтений ЛПР. Система предпочтений задается с помощью оценки коэффициентов замещения.
Для этой цели используются разные методы: метод парных сравнений; точечных оценок, нечетких лингвистических оценок. Приоритет альтернатив определяется на основе функций предпочтения, которые задаются аппроксимированной суммой экспоненциальных выражений, суммой логарифмических или же суммой степенных функций. В случае нечетких критериев решение определяется по максиминному принципу функции принадлежности. В отличие от СППР ДИСО, ДИОПТ и VEKTORS система ISPOT позволяет работать с нечеткими оценками.
СППР MUFCAP (multiattribute utility function calculation and assessment package) реализует принципы теории полезности система MUFCAP позволяет осуществлять многокритериальный выбор из дискретного множества альтернатив как при определенных условиях, так и в условиях риска и неопределенности. Система позволяет определить альтернативы и критерии, обозначить интервалы их возможных значений, построить одномерные критериальные функции полезности, выявить шкалирующие константы для построения многомерной функции полезности и вычислить математическое ожидание многомерной функции полезности. Аппроксимирование однокритериальных функций полезности возможно линейными, кусочно-линейными и экспоненциальными функциями.
САППР ICOPSS/1 (interactive computer programm for subjective system) реализует все основные принципы и возможности системы MUFCAP. Кроме того, она позволяет задавать функции полезности и функции распределения оценок в табличной форме, а также обеспечивает проверку чувствительности полученного решения. Функции полезности, распределения и кривые безразличия отображаются в системе графически. Существенным недостатком системы ICOPSS/1 является ограничение на количество альтернатив. Допускается рассмотрение не более трех альтернатив.
Характеристика интеллектуальной системы поддержки принятия решений (ИСППР)
ИСППР, разработанная на базе методов анализа иерархий и сетей, включает базу данных, широкий набор процедур обработки экспертных предпочтений, а также блок методов статического анализа данных, предназначенный для извлечения знаний. Знания в системе используются для решения задач прогнозирования, для выявления взаимоотношений между критериями и другими элементами задачи, а также для проверки экспертных суждений на непротиворечивость.
Основными процедурами в рассматриваемых методах являются: генерация альтернативных вариантов; формирование множества критериев для оценки альтернативных вариантов, его кластеризация и представление в виде иерархии или сети, в которой разрешены любые связи; выявление предпочтений экспертов на множестве альтернатив, критериев и кластеров; определение относительной важности влияния кластеров на цель выбора и другие кластеры; получение ранжированных наборов альтернатив, критериев и кластеров; оценка последствий решений.
На всех перечисленных этапах требуется привлечение знаний экспертов. Так, на первом этапе экспертами генерируется набор альтернатив, среди которых необходимо произвести выбор лучшей или упорядочить весь набор.
Иерархические и сетевые структуры кластеров, критериев и альтернатив являются моделями знаний конкретных предметных областей, которые изменяются или уточняются с течением времени. В многоцелевых задачах принятия решений строится не одна, а несколько иерархий или сетей, каждая из которых соответствует определенной цели. Например, в задачах, связанных с инвестированием проектов, желательно рассматривать четыре вида иерархий или сетей: выгод, издержек, возможностей и рисков. Общий результат здесь можно получить, перемножая приоритеты выгод и возможностей и деля это произведение на приоритеты издержек и рисков.
Структура ИСППР показана на рис.2.1. ИСППР предназначена для двух категорий пользователей: пользователей - поставщиков информации и пользователей - потребителей информации.
Пользователи - поставщики участвуют в заполнении базы данных (БД) и базы знаний (БЗ). Поставщиками информации являются эксперты, инженеры по знаниям, лица, принимающие решения (ЛПР). При добавлении новой информации могут возникать вопросы, связанные с согласованием мнений экспертов, с формами представления знаний, с выработкой коллективных суждений, с разрешением противоречий и т.д. Для работы с БД и БЗ предусмотрены специальные режимы, ввод новой информации возможен также в процессе решения конкретных задач.
Потребители информации пользуются поддержкой БД и БЗ в процессе решения конкретных задач, при этом полученная от них информация может быть внесена в базу данных. Такими пользователями являются ЛПР, эксперты, аналитики. Они формируют наборы альтернатив и критериев, производят
Поставляемая в систему информация различается по своей природе, степени использования и связности. В БД хранится фактическая информация об альтернативах, критериях, экспертах, конкретных задачах и их окружении.
Информация о критериях, альтернативах и экспертах имеет объективный характер, т.е. может существовать независимо от других категорий. Информация о задачах связана со всеми остальными категориями.
В базе данных ИСППР хранится совокупность решенных в разных условиях задач, относящихся к одной предметной области. Там же хранится общая информация об альтернативных вариантах решений, критериях и экспертах данной области знаний. Под окружением задачи подразумевается вся специфическая информация, относящаяся к конкретной задаче, например, дата решения, метод решения, принцип оптимальности, тип задачи и т.д. В базе данных хранятся также результаты решения задач.
Информация о задаче принятия решений конкретной предметной области, хранящаяся в БД, содержит в себе общие для всех задач правила, закономерности и тенденции, которые можно выявить с помощью специальных процедур интеллектуального анализа данных с привлечением экспертов и инженеров по знаниям. Для извлечения знаний предусматривается специальный интерфейс, содержащий перечень возможных процедур анализа данных, средства построения гипотез, запросов и выборов. По мере накопления информации в БД периодически производятся сеансы извлечения знаний, при этом происходит пополнение базы знаний новыми правилами и выявленными закономерностями. Добавление знаний в базу может осуществляться в процессе непосредственного диалога с экспертами и инженерами по знаниям. Основными видами знаний в БЗ являются правила и функции. Наборы правил отражают представления об оптимальных вариантах и показывают взаимные зависимости элементов информации друг от друга. Функциями представлены установленные зависимости предпочтений и результатов выбора от времени, изменения важности критериев и т.д.
Многокритериальная оценка деятельности предприятия на основе сетевой модели
Любое предприятие в своей деятельности сталкивается с рисковыми ситуациями. Прогнозирование экономического кризиса предприятия является важной задачей стратегического управления, поскольку риски являются основной причиной снижения их ресурсного потенциала и конкурентоспособности.
Рассматривается задача прогнозирования риска экономического кризиса одного из предприятий нефтеперерабатывающей отрасли.
Основные факторы, влияющие на степень экономического кризиса предприятия, образуют 12 кластеров (рис.3.4). Кластер альтернатив содержит пять градаций уровня риска: очень малый, малый, средний, высокий и очень высокий. Очень малому риску кризиса соответствует кратковременная потеря эффективности функционирования, связанная, например, со снижением производительности труда, незначительной потерей прибыли, несоответствием динамики емкости и доли рынка. Очень высокий риск соответствует угрозам катастрофического характера: крупным финансовым потерям, сравнимым с величиной хозяйственных средств, полным отсутствием НИОКР и др. Средний риск связывается с недолговременными нарушениями производственного цикла. Альтернативы "малый" и "высокий" введены для обеспечения необходимой гибкости в назначении оценок.
Кроме альтернативных вариантов уровней рисков учитывается влияние: политических, социальных, макроэкономических, экологических, управленческих, инновационных, производственных, рыночных, кадровых, финансовых и правовых факторов. Стрелки на рис.3.4. указывают направления влияния. После формирования аналитической сети экспертами заполнялись матрицы парных сравнений для кластеров и элементов, сгруппированных в кластерах. Для каждой матрицы рассчитывался вектор приоритетов. Все матрицы парных сравнений имели хорошие оценки согласованности, характеризующие последовательность суждений экспертов. При заполнении матриц парных сравнений для элементов кластеров эксперты отвечали на следующие вопросы: "Какой фактор является более важным при определении степени риска кризиса?" или "Какая степень риска (альтернатива) наиболее вероятна на момент анализа по рассматриваемому фактору?" В отношении кластеров общей формой вопросов была следующая: "Какой кластер в большей мере влияет на уровень совокупного риска экономического кризиса?" Примеры матриц парных сравнений представлены ниже:
Какой рискообразующий элемент оказывает наибольшее влияние на уровень совокупного риска, связанного с основными производственными фондами?
Анализ полученных результатов показывает, что наиболее важными являются такие факторы, как макроэкономические, производственные, рыночной деятельности, кадрового обеспечения и финансовые.
Из диаграммы (см. рис.3.6) видно, что для анализируемого предприятия наиболее вероятен очень малый риск экономического кризиса.
В рассматриваемом примере показана методика оценки риска выпуска химическим предприятием различных видов искусственного волокна.
Кластер альтернатив включает четыре основных вида продукции: кордная ткань (альтернатива АО, капроновая текстильная нить (Аг), технические капроновые нити (Аз) полиуретановая нить спандекс (АД Весь спектр продукции предприятия имеет широкое применение. Кордная ткань применяется в машиностроении. Капроновые текстильные нити используются для изготовления трикотажной и текстильно-галантерейной промышленности. Технические капроновые нити применяются для изготовления покрышек пневматических шин, сетеснастных изделий для рыбной ловли и упаковочных тканей. Полиуретановые волокна являются основой для изготовления ковров, паласов, напольных покрытий и т.д.
На протяжении всего периода деятельности предприятие постоянно наращивало мощности за счет ввода в строй новых и обновления существующих производственных линий. Однако процесс модернизации происходил неравномерно, в результате чего уровень риска по отдельным группам оборудования различается.
Для исследования проблемы была построена аналитическая сеть, включающая восемь кластеров (рис.3.7.). Общее число рискообразующих факторов, входящих в кластеры равно 31.
