Содержание к диссертации
Введение
1 Теоретические аспекты управления эффективностью предприятия 17
1.1 Тенденции макроэкономического развития российского рынка 17
1.2 Анализ развития систем управления эффективностью предприятий 24
1.3 Анализ интеллектуальных технологий в качестве инструментов повышения качества управления предприятием 40
1.4 Типичная схема работы предприятия в условиях перехода к работе с использованием современных методов управления 46
1.5 Методы построения системы управления работой предприятия 54
Выводы и постановка задач исследования 74
2 Построение системы мониторинга деятельности предприятия с использованием нейронной сети 78
2.1 Оценка применимости существующего комплекса методов для построения системы мониторинга за деятельности предприятия 78
2.2 Использование многослойного персептрона для решения задач классификации 87
2.3 Использование модели каскадной корреляции для устранения недостатков многослойного персептрона 97
Выводы 104
3 Практическое применение результатов исследования 106
3.1 Алгоритм работы программы 106
3.2 Описание использованных программно-технических средств109
3.3 Результаты практического применения программного комплекса . 113
Выводы 117
Заключение 118
Список использованных источников 121
Приложение А 131
- Анализ интеллектуальных технологий в качестве инструментов повышения качества управления предприятием
- Типичная схема работы предприятия в условиях перехода к работе с использованием современных методов управления
- Оценка применимости существующего комплекса методов для построения системы мониторинга за деятельности предприятия
- Результаты практического применения программного комплекса
Введение к работе
Актуальность
Данная работа посвящена проблеме эффективного контроля за деятельностью предприятий со сложной структурой и, соответственно, большими информационными и материальными потоками. К этой группе предприятий могут относиться крупные многопрофильные холдинги, крупные и средние предприятия с широкой филиальной сетью, а также прочие предприятия, имеющие достаточно большое количество организационных подразделений.
В настоящее время многие наблюдаемые тенденции свидетельствуют о востребованности сегодня и об огромной потенциальной потребности в инструментарии эффективного контроля за деятельностью предприятий. С одной стороны, это связано с тем, что путей для экстенсивного развития становится все меньше (наиболее легкие возможности практически исчерпаны), а с другой стороны интенсивное развитие позволяет работать с большей нормой прибыли.
Используемый в настоящее время инструментарий для построения эффективного управления предприятием включает множество методов и способов организации работы. Применение большинства этих методов на предприятии не будет возможным до тех пор, пока предприятие не пройдет, без сомнения, самый важный этап своего развития — определение миссии организации, т.е. изложение причины существования компании. Ведь анализ и удовлетворение пожеланий клиентов с самого начала управляют внутренними процессами предприятия.
Именно этот шаг является первым на пути динамичного развития и максимального удовлетворения потребностей своих клиентов. Этот шаг самый сложный, в очередной раз — самый важный, и именно он являются определяющим в выборе цели и задачи данной работы.
После определений целей существования предприятия, ее миссии, следует этап построения или реорганизации структуры предприятия, чтобы можно было выделить основные бизнес-процессы и описать их на специализированном формальном языке. Выделяют следующие основные этапы систематизации деятельности предприятия [1, 33]:
Анализ первичных требований и планирование работ;
Проведение обследования деятельности предприятия;
Построение моделей деятельности предприятия;
Разработка системного проекта;
После того как бизнес-процессы описаны, становится возможным эффективно применять различные способы организации управления, производства и контроля. Оптимального результата, тем не менее, возможно достигнуть только после реализации еще нескольких этапов:
Разработка предложений по автоматизации предприятия
Разработка технического проекта
Собственно программирование
Основными инструментами, используемыми для эффективного управления предприятиями, являются: контроллинг; бюджетирование; логистика.
Данные методы позволяют совершить предприятию качественный скачок за счет более эффективного использования имеющихся ресурсов (как денежных, так и финансовых) и контроля за их движением. Вместе с этим процесс управления деятельностью предприятия требует от руководителей принятия большого количества повседневных решений. Перечисленные инструменты не всегда и не в полной мере обеспечивают поддержку принятия этих решений. В основном, это связано с большим изменяющимся потоком неструктурированных данных, оценить структуру которых с использованием традиционных методов невозможно.
Дополнительным фактором, который необходимо принимать во внимание, является существенное различие в институциональной сфере между западными странами (откуда большинство описанных технологий появились) и Россией. Описанные инструменты, по большей части, ориентированы на прозрачные правила игры, что в случае России не всегда выполняется. Иногда выстраиваемая система даже приходит в противоречие с реалиями. Таким образом, обязательным дополнением применения современных методов управления должен быть механизм работы с нестабильностью и, следовательно, неопределенностью.
Для поддержки принятия решений в условиях быстро изменяющегося окружения в последнее время широко стали использоваться так называемые интеллектуальные методы. К ним обычно относят нейронные сети, генетические алгоритмы, OLAP-технологии и др. Важным их достоинством является способность выявлять основные свойства имеющихся данных с целью прогнозирования их будущей структуры, т.е. облегчать, таким образом, процесс принятия решений.
Как было отмечено выше, самым первым этапом для построения эффективной системы управления является определение философии существования компании, ее стратегических целей. Этот этап является самым важным и сложным, поскольку: от него зависят задачи, которые будут поставлены себе организацией; от этих задач будут зависеть организационная структура предприятия; от организационной структуры будут зависеть все виды потоков (как материальных, так и информационных) внутренних и внешних по отно- шению к предприятию, а также штатная структура и политика управления персоналом.
На наш взгляд, трудности в преодолении этого этапа вызваны низкой управленческой культурой, первопричинами которой являются и психологическая неготовность руководителей изменить подход к управлению, и недостаточно высокий профессиональный уровень сотрудников. Это, в свою очередь, вызвано долгое время существовавшей плановой экономикой и отсутствием качественного образования в области управления. Серьезным препятствием часто является также отсутствие программной и технической возможности для создания корпоративной базы данных для этих целей.
Поэтому данная работа ориентирована на предприятия, которые еще не сделали этого важного шага. Характеризуются они тем, что: бизнес-процессы у них не описаны или не соответствуют действительности; организационная структура не соответствует или не в полной мере соответствуют решаемым задачам; инструменты контроллинга и бюджетирования не применяются или применяются не достаточно эффективно.
Фактически, таким предприятиям можно поставить "диагноз" - неуправляемость, который может быть охарактеризован следующим образом ([1,19,71]):
В организации возникает ощущение, что проектов слишком много, и теряется контроль над постановкой, сопровождением и развитием этих проектов.
Внутри группы или компании если и осуществляется единое стратегические планирование, то планы не выполняются.
Отсутствие развитой технологии счета денег приводит к тому, что отдельные бизнесы в составе коммерческих или финансово-коммерческих групп не оцениваются по их автономной эффективности.
4. Группы и диверсифицированные компании становятся весьма рыхлыми. Оказывается, что у многих субъектов, образующих группу, несовпадающие интересы.
Учитывая, что данные симптомы подходят к многим крупным средним и даже малым предприятиям, и принимая во внимание такие факторы как: снижение эффективности экстенсивных путей повышения эффективности предприятия, что автоматически повышает интерес к использованию интенсивных способов; трудности в преодолении предприятиями самого первого этапа в процедуре упорядочения своей деятельности — определения миссии организации и ее стратегических целей, что делает традиционно используемые методы мало эффективными; необходимость использования интеллектуальных технологий, допускающих поддержку принятия решения ЛПР, актуальность данной темы становится очевидной.
Цель и постановка задач исследования
Целью данной работы является построение системы контроля за показателями деятельности предприятия и выявлении негативных тенденций в развитии, способных привести к неудовлетворительным результатам в будущем. Основным требованием к данной системе является выполнение требования объективного закона экономической кибернетики - закона необходимого разнообразия, согласно которому управляющие и управляемые системы должны быть адекватны по своей сложности и структурному многообразию объекту управления.
Необходимым допущением для применения разработанных методов является наличие у предприятия базы данных показателей, служащих исходными для осуществления контроля. Целью работы является построение алго- ритма управляющей надстройки над этой базой данных, в фоновом режиме осуществляющей мониторинг показателей и выявляющей критичные факторы, которые могут привести к негативным результатам деятельности.
Далее (см. п. 2.1) будет показано, что поставленная задача крайне слабо формализуема, в связи с чем, большинство традиционных методов для ее решения неприменимо. Соответственно, поэтому данная задача для исследователей не представляет практического интереса, и мало обсуждалась в научных кругах. Следствием такого информационного "вакуума" в отношении описанной проблемы явилось отсутствие общепринятых методов, используемых для ее решения.
Для достижения поставленной цели в работе решены следующие задачи: проанализированы исторические предпосылки формирования особенной по сравнению с западным миром макроэкономической среды, в которой осуществляют деятельность российские предприятия; проанализированы имеющиеся проблемы и сложившиеся тенденции развития моделей управления предприятием, определена роль современных АСУ в процессе управления предприятием; обобщены подходы к определению термина "интеллектуальность" и выявлена его суть; сформулированы критерии оценки применимости интеллектуальных методов к решению практических задач; определена специфика модели, которая будет востребована в недалеком будущем (2-4 года) ЛПР для принятия решений; сформулирована математическая модель задачи, проанализированы исходные и выходные данные, выделены их особенности; проанализированы существующие модели и методы, использующиеся для решения сформулированной (или схожей) задачи; построена математическая модель, основанная на нейронных сетях, для решения поставленной задачи; обосновано использование нейронной сети в качестве ядра предлагаемой математической модели; составлен алгоритм работы АСУ, осуществляющие в фоновом режиме мониторинг показателей деятельности предприятия.
Методы исследования
Методологической базой исследования являлись труды современных отечественных и зарубежных авторов - практиков в области менеджмента организации. В указанных работах нашли отражение последние достижения и методологии управленческого и финансового учета.
В части математического аппарата, в основном, использовались статьи и исследования зарубежных авторов как переводные, так и на английском языке. Связано это с тем, что практическое использование описываемых методов значительно более распространено на западе, что в свою очередь, обусловлено также историческими факторами.
Для осуществления поставленных задач в работе были использованы традиционные статистические и экспертные методы. В качестве интеллектуальной составляющей модели были использованы нейронные сети. Для оценки эффективности составленных моделей использовались методы математической статистики.
Научная новизна
В диссертации получены следующие результаты, характеризующиеся научной новизной: математическая модель нечеткой задачи, составленная на основе проведенного анализа особенностей оперируемых данных и исходных ограниче- ний без допущений относительно нормальности структуры данных (т.е. без подгона данных под модель); модель определения эффективности методов для решения нечетких слабо формализуемых задач; комплексный нейросетевой подход к "младше- и средневозрастной" проблемам предприятия ("младшевозрастная" проблема характеризуется практически полным неприменением современных методов управления предприятием и возникает на начальном этапе функционирования предприятия; "средневозрастная" характеризуется наличием сбоев в обычно действующей системе управления, осознанием руководства необходимости изменения, но отсутствием возможности и решительного желания эти изменения претерпевать; возникает при расширении бизнеса предприятия); алгоритм процесса фонового мониторинга за показателями деятельности предприятия, позволяющая, с одной стороны, выявлять признаки проблемносте в работе организации, с другой стороны, не изменяя сложившиеся на предприятия принципы и способов организации процесса управления.
Практическая ценность работы состоит в описании алгоритма, достаточно просто реализуемого средствами, в том числе, специалистов предприятии. При этом стоимость проекта будет низка по сравнению с другими системами, поскольку основной задачей будет являться обеспечение поступление на вход нейросетевой системы показателей корпоративной базы данных предприятия, при этом ни полного, ни даже частичного реинжиниринга бизнес-процессов не требуется.
Описанные в работе методология и модели используются в практике управления предприятием ОАО "Рудгормаш". Отдельные части теории (модели, алгоритмы и механизмы) включены в состав учебного пособия "Оптимизационные задачи в управлении и экономике".
На защиту выносятся: модель и специфика задачи выявления критичных периодов деятельности предприятия; методология определения степени применимости методов к решению поставленной задачи; алгоритм решения поставленной задачи с использованием нейросете-вого механизма; алгоритм снижения типичных для нейросетевых механизмов недостатков - переобучения и некорректной работы с большим объемом данных; алгоритм работы программного комплекса снижения типичных для нейросетевых механизмов недостатков - переобучения и некорректной работы с большим объемом данных;
Апробация работы и публикации
Материалы диссертации, ее основные положения и результаты доложены и обсуждены на международных и всероссийских конференциях в 2002-2005гг., а именно: Международной научно-технической конференции "Современные сложные системы управления" (Ст. Оскол, 2002; Воронеж, 2003; Тула, 2005); Международной научно-практической конференции "Теория активных систем" ИЛУ им. Трапезникова РАН (Москва, 2003), 3-й Всероссийской научно-технической конференции "Теория конфликта и ее приложения" (Воронеж, 2004); 5-й Всероссийской научно-практической конференции "Системы автоматизации в образовании, науке и производстве" (Новокузнецк, 2005).
По теме диссертации опубликовано 9 печатных работ.
Личный вклад автора в работах, опубликованных в соавторстве, состоит в следующем: в работе [6] автору принадлежит описание результатов моделирования информационных потоков предприятия; в работе [7] автором описаны используемые в управлении предприятиями экспертные модели; в работе [11] автору принадлежит описание нелинейных математических моделей систем управления строительными предприятиями и методы их решения; в работе [12] автору принадлежит описание модели мониторинга бизнес-процессов; в работе [13] автором предложена модель двухслойной нейронной сети с экс-пертно-аналитическим способом обучения.
Объем и структура работы
Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений. Она содержит 136 страниц основного текста, 21 рисунок, 4 таблицы и 3 приложения. Библиография включает 129 наименований.
Во введении обосновывается актуальность работы, научная новизна и практическая значимость основных результатов.
В первой главе рассматриваются современные проблемы управления, стоящие перед руководством предприятий, на основании чего делается предположение о востребованности тех или иных свойств системы управления предприятием.
В главе значительное внимание уделено историческому аспекту. В большой мере это связано с тем, что место России в мировом сообществе особенное. Соответственно, особенным является макроэкономическое окружение предприятий, т.е. та среда, в которой предприятия функционируют и осуществляют свою деятельность.
Опираясь на описание макроэкономического окружения и соответствующие выводы, в главе осуществлен анализ современных методов управления, нашедших применение на российских предприятиях. Отмечено, что применение обычных методов эффективного управления, таких как бюджетирование, контроллинг, логистика и др., не всегда работают с ожидаемой от них отдачей, а во многих случаях не работают вовсе. В главе отмечено, что одной из основных причин тому является достаточно низкая управленческая культура менеджмента.
Описанные особенности, в основном, свойственны предприятиям "средней возрастной категории", которые понимают необходимость изменений, но не обладают возможностями для их осуществления. Схожие проблемы имеют крупные давно работающие на рынке предприятия, находящиеся в стадии реструктуризации своей деятельности. Поскольку реструктуризация бизнес-процессов - задача достаточно длительная по времени и затратная по ресурсам, в главе предложен иной подход для построения системы поддержки принятия решений.
Сутью данного подхода является построение недорогой системы контроля, в фоновом режиме осуществляющей мониторинг показателей деятельности предприятий и определяющей наличие потенциальных проблем у предприятия и их причин. Безусловно, данная мера является временной, способной осуществлять поддержку принятия решений на период перехода к упорядоченной и эффективной структуре, для которой могут использоваться озвученные выше процедуры.
Для решения этой модифицированной задачи могут быть в той или иной мере использованы следующие группы методов: экспертные; традиционные статистические; нейр о сетевые.
В главе проводится анализ данных технологий в объеме, достаточном для окончательного вывода об их применимости.
Во второй главе осуществлено сравнение данных методов для использования в решении задачи. Принимая во внимание, что безотносительно к решаемой задаче данное сравнение не может быть осуществлено, сформулированы, своего рода, "критерии качества" методов, оформленные в свод- ную таблицу. На основании этой таблицы был сделан окончательный выбор модели, которая будет использована - нейронные сети.
Изначально для решения задач классификации при заранее известных кластерах использовался персептрон. Первоначально его топология была крайне проста - слой входных нейронов, один скрытый слой, слой выходных нейронов, нейронные связи. Даже такая простая конфигурация персептрона позволяла достаточно эффективно решать задачи разделения исходного пространства на гиперпространства. Поскольку при использовании однослойного персептрона определенный класс задач не может быть решен, с открытием алгоритма обратного распространения ошибки стали применяться многослойные персептроны, которые с успехом применяются и в настоящее время. Алгоритм обратного распространения ошибки достаточно подробно описан в п. 2.2.
Условия задачи таковы, что поток данных, с которым придется работать комплексу, крайне изменчив — помимо того, что данные по уже имеющимся факторам будут постоянно обновляться, будет происходить изменение и количество самих анализируемых факторов. Таким образом, объем обрабатываемой информации будет с течением времени только возрастать. Такие условия в случае постоянства структуры нейронной сети обязательно проявит себя эффект переобучения, проявляющийся в том, что нейронная сеть будет не выделять структуру данных, а копировать ее.
Для уменьшения данного негативного эффекта необходим механизм, который позволял бы динамически изменять размер нейронной сети. В связи с этим в работе предложено использовать алгоритм каскадной корреляции. Он относится к так называемым "конструктивным" алгоритмам, которые наращивают свои вычислительные мощности при увеличении объема поступающих данных. Помимо этой особенности всех конструктивных алгоритмов, алгоритм каскадной корреляции позволит повысить скорость обучения нейронной сети, поскольку фактически в каждый момент времени будет обу- маться только один нейрон. Однако он также опирается на алгоритм обратного распространения ошибки, Алгоритм каскадной корреляции описан в пункте 2.3 настоящей работы.
В третьей главе описан процесс апробации описанных методов и алгоритмов на практике.
Как было отмечено ранее, основной задачей работы является создание надстройки над корпоративной базой данных предприятия, основной задачей которой является анализ в фоновом режиме поступающей в базу информации и определение вероятности ухудшения состояния предприятия в будущем. В главе приведена схема функционирования этой надстройки, проведен анализ ее достоинств, недостатков и перспектив развития.
В рамках проведенной работы был осуществлен анализ функционирования нейросетевого блока. Для тестирования работы алгоритма каскадной корреляции использовались данные одного из промышленных предприятий Центрально-черноземного региона. В качестве исходной использовалась информация официальной квартальной бухгалтерской и неофициальной месячной бухгалтерской отчетности (всего 58 отчетных дат). Для анализа были выбраны 9 показателей деятельности предприятия. В главе был осуществлен анализ полученных результатов и сделаны определенные выводы.
В заключении подводятся итоги проведенной работы.
Анализ интеллектуальных технологий в качестве инструментов повышения качества управления предприятием
В 1990 году американская фирма "Апачи Медикл Системз Инк." установила в реанимационном отделении одной из больниц штата Мичиган экспертную систему "Апачи - III". Ее цель - прогнозирование исхода заболевания у больных, находящихся в тяжелом состоянии. На основе анализа 27 параметров больного система определяет вероятность выживания больного. Ценность применения системы заключается в том, что она позволяет очень быстро оценить динамику изменения состояния больного, незаметную "на глаз", делая возможным оценить эффект от терапии до и после введения какого-либо лекарства. Без программы же изменение состояния иногда не удается обнаружить в течение нескольких дней. Тестирование показало, что 95% прогнозов, которые делает программа, сбываются с точностью до 3%, что значительно точнее, чем у лучших врачей.
Финансовая империя American Express при затратах около 10 млн сумела уменьшить годовые потери от мошенничества с кредитными карточками на 20 миллионов долларов. Сравнительно недавно корпорация Mastercard International объявила о ведении совместных с фирмой HNC Software работ по созданию системы предотвращения мошенничества с дебитными и кредитными карточками следующего поколения.
Банк Chase Manhattan, шестой по величине банк США, установил в своих аналитических отделах систему оценки рейтингов ценных бумаг, обеспечивающую точность прогнозирования не ниже 84%, что существенно выше обычного уровня. Страховая компания Nippon Life (Япония), внедрив новую систему финансового прогнозирования, резко увеличила прибыли и буквально "влетела" в верхние позиции списка Global 500 журнала Fortune, в котором за год до этого ее не было вообще.
Приведенные выше примеры показывают эффективность и практическое использование интеллектуальных методов в работе западных корпораций и предприятий. Какова ситуация с использованием новых технологий в России? В России ситуация с использованием нейросетевых пакетов до 1995 года была практически "мертвой". Изменения произошли в 1995 году [46]. Нейросетевые пакеты стали постепенно использовать в своей работе банки и финансовые компании, оптовые торговцы и чековые фонды, программисты и медики и многие, многие другие. Разумеется, многие нейропакеты приобретались на пробу, однако уже существуют примеры эффективного практического применения нейронных сетей в самых разных областях и в России.
Первыми освоили нейронные сети аналитики фирмы "ОГО" - крупного поставщика зерновых культур [46]. В задачи аналитического отдела входили как долгосрочные прогнозы урожая зерновых и потребности в них в отдельных регионах, так и ежедневный расчет корректировок по всем культурам. При этом цена каждого вида товара, предлагаемая для завтрашних торгов, должна быть такой, чтобы объемы сделок по покупке и продаже были примерно равны. При этом учитывать приходилось не только текущую ситуацию на бирже зерна, но и завтрашние цены конкурентов. Ошибка в расчетах в два-три цента могла привести к дисбалансу спроса и предложения и многотысячным убыткам. В этих условиях нейросетевой пакет показал высокую эффективность, превосходящую эффективность экспертов, большинство которых было не способно отследить множество факторов в совокупности.
Теперь вернемся к самому термину "интеллектуальность". Точное определение понятия "интеллектуальная технология" в настоящее время отсутствует. В работах авторов, которые все-таки пытались его сформулировать, например [3, 56, 83, 115], суть определения сводилась к свойствам алгоритмов выполнять некие "разумные" действия, делать "разумные" вычисления. Конечным пунктом рассуждений являлось понятие человеческого разума, как наивысшую степень развития разума, но природа которого, до сих пор не известна.
Особенностью исследования интеллектуальных методов по сравнению с традиционными является различие в их обосновании и использовании на практике [97, 98, 108]. Так, схема исследования традиционных способов выглядит следующим образом:
Это несущественное различие в схемах исследования показывает значительное различие природы двух этих подходов. Интеллектуальные методы изначально разрабатываются для чисто практического использования, не подразумевающего обязательного теоретического развития. С другой стороны, схема зарождения интеллектуальных методов подтверждает неточность, "эвристинность" их природы — обоснование модели осуществляется после получения практических результатов. При этом строгое доказательство часто получить не удается (что, например, имеет место с нейронными сетями).
Такие подходы к определению сути термина "интеллектуальность" позволяют сформулировать отличительные особенности — достоинства интеллектуальных методов: 1. Возможность использования для решения слабо формализуемых задач; 2. Меньшая по сравнению с традиционными методами чувствительность к отсутствующим данным; 3. Способность выявлять сильно нелинейные зависимости в данных; 4. Меньшая по сравнению с традиционными методами чувствительность к оперируемым данным.
Типичная схема работы предприятия в условиях перехода к работе с использованием современных методов управления
Попытаемся описать типичную схему организации деятельности на средних по размеру предприятиях до проведения оптимизации системы управления. С некоторыми допущениями она будет похожа на изображенную на рисунке 1.4. Необходимо отметить, что на данной схеме отображена картина реального взаимодействия. В соответствии с имеющимися на предприятиях положениями о подразделениях, безусловно, картина будет выглядеть иначе — более компактно и более системно.
Сразу оговоримся — данная схема может отличаться в применении к какому-либо конкретному предприятию, но в целом она близка к реальности.
Комментарии к схеме. Обратим внимание, что на схеме отображены управленческие связи, необходимость в которых отсутствует [68]. Эти связи помечены символом К. Часто руководитель предприятия не доверяет своим заместителям полностью контролировать вверенную им сферу деятельности и осуществляет управление ей напрямую, минуя непосредственного руководителя. В соответствии с терминологией современного менеджмента это означает, что руководитель не полностью делегирует полномочия. Аналогичная ситуация часто наблюдается в меньшем масштабе: при управлении заместителями директора подчиненными подразделениями. Как правило, в каждом из подразделений имеется свой начальник. При эффективно функционирующей системе управления пересечения указаний и принимаемых решений не происходит, поскольку каждый руководитель принимает решения в своей зоне ответственности. Обычно же, указания руководителей часто противоречат друг другу, что влечет за собой их полное неисполнение (если исполнитель неопытен) или неэффективное исполнение (если сотрудник достаточно гибок).
Каждое подразделение создается для достижения каких-либо целей, решения определенных задач и выполнения определенных функций. Обычно на предприятиях наблюдаются две возможные ситуации: либо положения об организационной структуре отсутствует либо оно имеется в "виртуальном" варианте. Первый вариант, как правило, возникает, когда предприятие функционирует незначительный срок, и подразделения состоят небольшого количества человек. Задачи подразделениями выполняются в соответствии с обычными представлениями о функциональных обязанностях и по непосредственным указаниям руководства. Второй вариант характерен для более крупных предприятий, когда руководители осознают, что делать что-то нужно, но что конкретно - неизвестно. При этом осуществляются попытки внедрить современные способы управления, но все такие попытки заканчиваются "поделками". В частности, в результате такого подхода, организационная структура предприятия представляет собой именно "виртуальный" вариант, далекий от действительности, существующий "для галочки".
Одной из самых "скользких" проблем для типичных предприятий является взаимодействие между подразделениями (включая руководителей). Четко налаженное взаимодействие предприятий возможно в единственном случае — когда подразделениям и их руководителям делегированы необходимые для выполнения поставленных задач полномочия, а сами задачи четко описаны, а также определена ответственность подразделений. Сами задачи, как правило, не описаны (см. пункт 2), поэтому описать, а затем и организовать эффективное взаимодействие практически невозможно. В результате имеем: полномочия и ответственность не определены, взаимодействие носит стихийный характер. Эффективность такого взаимодействия может находиться только на невысоком уровне. На схеме символом # отмечены "скользкие" взаимосвязи.
Обратим внимание, что на приведенной схеме отсутствуют некоторые блоки, которые должны были бы присутствовать (по крайней мере, для большинства средних предприятий). В частности, для определенного масштаба бизнеса необходимо наличие таких структурных подразделений, которые отвечали бы за корпоративную культуру и мотивацию персонала, управленческий учет, экономику.
В результате перечисленных факторов можно констатировать, что эффективное управление среднестатистическим предприятием обеспечить практически невозможно. В таких условиях, тем не менее, остается возможным облегчить процесс принятия повседневных решений или сигнализировать о предположительных проблемах у предприятия. В последующих частях работы будут описаны методы, с помощью которых это можно будет осуществить, но для этого мы должны сформулировать математическую модель задачи.
Предположим, что предприятие имеет статистику за Р периодов своей деятельности по N показателям своей деятельности. В этом случае целесообразно представить эту 1. Периодичность появления свежих показателей деятельности предприятия одинакова и не зависит от самих показателей. 2. Количество наблюдаемых показателей с течением времени не изменяется. Необходимо определить, является ли данная совокупность показателей деятельности (S[j) критичной для предприятия или нет. Под критичной будем понимать такую совокупность показателей деятельности предприятия, которая вызовет ухудшение в положении (финан- совом, производственном или каком-либо другом) данного предприятия в следующем периоде. Данное определение предполагает, что должен быть задан критерий ухудшения положения предприятия. Обозначим такой показатель (критический показатель) символом S = (S.p, S.p+i, ..., S_i), где Si - соответствующие значения показателя за р предшествующих периода. Тогда ухудшением положения предприятия будем считать значение показателя S0 в интервале [Smin; Smax], который будем называть критичным интервалом. В качестве такого показателя на практике может выступать прибыль предприятия за оцениваемый период времени, а в качестве критичного интервала снижение прибыли до 10% от значения предшествующего периода, т.е. (-оо; 90% S_i]. При появлении текущих значений анализируемых показателей необходимо определить, является совокупность (S ) , дополненная этими текущими значениями, критичной для предприятия. В этом случае, построив текущий снимок состояния системы (предприятия) (S ) , необходимо определить, относится ли этот снимок к классу "Состояние предприятия в будущем будет критичным" или к классу "Состояние предприятия в будущем будет стабильным".
Оценка применимости существующего комплекса методов для построения системы мониторинга за деятельности предприятия
Основной проблемой алгоритма является правильное масштабирование наблюдаемых величин.
Нейронные сети являются сравнительно новым инструментом [43, 52, 126, 129]. Их основными преимуществами являются способность обучаться и обрабатывать неполные и слабо формализованные данные. Популярность нейронных сетей среди исследователей и аналитиков объясняется достаточно просто. Прилагая незначительные усилия для формирования структуры нейронной сети и подборки обучающего множества, используя в работе несложное в освоении программное обеспечение, можно получить сравнительно неплохие результаты работы нейросетевой модели [30, 35, 100, 108]. Такие свойства подобных моделей особенно привлекательны для людей, стремящихся к получению конкретных результатов и не стремящихся глубоко вникнуть в детали механизма нейронных сетей [79,114, 122].
В [69] указывалось, что, несмотря на приемлемое качество работы в самых разнообразных сферах деятельности, отношение к ним как к "лекарству от всех проблем" на данный момент необоснованно. В частности, это связано с тем, что принципы работы нейросетевых механизмов схожи с принципами работы статистических алгоритмов, а интерпретировать результаты значительно сложнее. Основным их достоинством является способность инкапсулировать в свою структуру значения статистических коэффициентов (ассоциативная память) и затем при появлении новой информации изменять ее (обучение). Эта последняя особенность делает нейронные сети наиболее подходящим инструментом для решения поставленной задачи. Основным недостатком нейронных сетей является слабая интерпретируемость их результатов. Но в условиях, когда другие методы слабо подходят для решения, это не самый большой недостаток.В настоящее время они все чаще и все более успешно используются в различных сферах деятельности: 1. Распознавание образов [99, 117, 118, 121, 127]. Задача распознавания образов имеет самое широкое применение: от распознавания рукописных текстов и изображений до распознавания слуховых образов. В настоящее время любая современная OCR-система обязательно имеет в своем составе подсистему распознавания (например, ABBYY FineReader, Cognitive CuneiForm). В более широком смысле, практически все задачи адаптивного управления сводятся к задаче распознавания образов. 2. Во многих аэропортах США при досмотре багажа для выявления наркотиков, взрывчатых веществ, ядерных и других материалов используются нейрокомпьютеры [35]. 3. Использование в США нейрокомпьютерных технологий позволяет предотвратить до 60% попыток осуществления мошенничества с использованием кредитных карточек [35]. 4. При решении задачи управления уровнем температуры жидкости в замкнутом объеме нейроконтроллеры почти вдвое быстрее реагируют на измене ние температуры по сравнению с традиционными регуляторами [35]. 5. Высокая эффективность использования нейрокомпьютеров показана для обработки радио- и гидролокационной информации, причем как на уровне первичной, так и на уровне вторичной обработки [35]. 6. Использование нейронных сетей для поддержки принятия решений помогает осуществлять более точное прогнозирование экономических и финансовых показателей, снизить сопутствующие риски [22]. Данные примеры эффективного использования нейронных сетей стали осуществимыми благодаря чрезвычайно полезным свойствам нейронных сетей: 1. Обучение. Искусственные нейронные сети могут менять свое поведение в зависимости от окружения. После предъявления входных сигналов осуществляется подстройка весовых коэффициентов с целью получения требуемой реакции. Для осуществления этого процесса было разработано множество соответствующих алгоритмов, более или менее эффективных для решения разнообразных задач. 2. Обобщение. Обученная нейронная сеть до некоторой степени является нечувствительной к небольшим изменениям входных сигналов. Это позволяет отсеивать зашумленный сигнал, Эта способность позволяет преодолеть требования повышенной строгости ко входной информации, предъявляемые традиционными алгоритмами, что позволяет использовать нейронные сети при решении слабо формализуемых задач (в том числе даже при отсутствии некоторой информации). 3. Абстрагирование. Некоторые нейросетевые структуры могут обладать способностью извлекать суть из последовательности входных сигналов. Например, сеть может быть обучена на последовательность искаженных версий какого-либо образа. После соответствующего обучения предъявление другого похожего образа приведет к тому, что сеть породит "запомненный" образ совершенной формы. В некотором смысле, она научится порождать то, что никогда не видела. Искусственные нейронные сети индуцированы биологией (это результат изучения человеческого мозга), поэтому они состоят из элементов, функциональные возможности которых аналогичны многим элементарным функциям биологического нейрона. Эти элементы затем организуются по способу, который может соответствовать (или не соответствовать) анатомии мозга.
Результаты практического применения программного комплекса
Во-вторых, получив решение системы уравнений и на его основе первоначально построив эту функцию, при появлении определенного количества новых данных дискриминантную функцию необходимо пересчитать заново. В противном случае, ее разделяющие способности не будут соответствовать возможным изменениям в структуре данных, что является необходимым в условиях высококонкурентной рыночной среде.
В соответствии с ранее формулированными характеристиками задачи анализируемые параметры предприятия и, следовательно, параметры модели, будут изменяться. Особенностью построения дискриминантной функции является привязка к первоначальной модели задачи. Таким образом, появление новых факторов в первоначальной модели повлечет за собой необходимость переопределения дискриминантной функции. По аналогичной причине критичным для качества результатов построенной модели является отсутствие, в том числе частичное, входной информации.Для грамотного и эффективного использования статистических методов необходимо привлечение высококачественных узкоспециализированных специалистов в области прикладной статистики. Связано это с тем, что бездумное использование классических методов может привести к непредсказуемым результатам. В частности, проведение процедуры полного статистического исследования необходимо реализовать в несколько этапов, как это описано, например, в [62]: 1 этап - постановочный. Определяются цели и задачи исследования, определяются оперируемые единицы, структуры данных и т.п. 2 этап - информационный. Он состоит в проведении сбора необходимой статистической информации. 3 этап - корреляционный анализ. На данном этапе предстоит ответить на вопросы, имеется ли вообще какая-либо связь между исследуемыми переменными, какова структура этих связей и как измерить их тесноту? этап - определение класса допустимых решении. Главной целью данного этапа является определение общего вида, структуры искомой связи между зависимыми и независимыми переменными. 5 этап - анализ мулътиколлинеарности предсказывающих переменных и отбор наиболее информативных из них. 6 этап - вычисление оценок неизвестных параметров, входящих в исследуемое уравнение статистической связи. 7 этап - анализ точности полученных уравнений связи. Помимо того, что проведение полного статистического исследования достаточно трудоемко и требует большого количества времени, некоторые этапы (например, 1, 2, 4, 6) требуют достаточно высокого профессионального уровня исследователей. 4. Еще одним фактором, который применительно к нашей задаче можно считать отрицательным - это привязка традиционных статистических алгоритмов к нормальному распределению данных, что не всегда является правильным решением (см. п. 1.4 диссертации, а также [54]). При этом, в качестве дополнительных условий часто служат несмещенность оценки и случайность случайность выборки. Таким образом, можно сделать выводы относительно применимости традиционных статистических методов к решению поставленной в п. 1.5 задаче. Несмотря на хорошо обоснованную теорию, привязка к первоначальной модели значительно сужает область эффективного применения традиционных статистических алгоритмов к анализу большого объема динамично изменяющихся данных информации. Вместе с этим представляется целесообразным использовать статистический инструментарий для осуществления статистической оценки значимости полученных результатов. Достоинства нейронных сетей: 1. Возможность работы с переменными разных типов и природы. В частности, нейронные сети могут работать с порядковыми числами, обычными число выми данными (как дискретными, так и непрерывными). При этом изменения в подходе к использованию нейронных сетей в зависимости от типа исходных данных минимальны. 2. Достаточно широкий выбор методов регуляризации решения и отсева неинформативных признаков. При этом необходимо отметить, что идеи данных методов широко варьируются от очень тесно связанных с алгоритмами обучения сети до независимых от алгоритма обучения. 3. Возможность приемлемо работать при отсутствии какой-либо априорной информации о характере данных. В случае если проводится серьезное статистическое обследование, то данное достоинство весьма сомнительно, так как всегда имеется хоть какая-нибудь информация о выборке, позволяющая составить предположение о применимых алгоритмах и моделях. Для этих целей можно применить аппарат проверки гипотез или, например, средства визуализации данных. 4. Возможность работы в условиях отсутствия/пропуска некоторых данных. При этом, принимая во внимание особенности вычислительного механизма нейронных сетей, результаты работы оказываются вполне приемлемыми. При этом нейросетевой механизм достаточно хорошо срабатывает также при появлении новых факторов для анализа. Наивысших результатов, при этом, удается получить при использовании специальных алгоритмов. 5. Нейронные сети идеально подходят для обработки вновь появляющихся данных для анализа в разрезе уже существующих факторов. Это обусловлено тем, что обработка новой информации является одним из существующих механизмов настройки нейронной сети. Таким образом, дообучение естественным образом поддерживается нейронными сетями.
Похожие диссертации на Управление строительными предприятиями в период реинжиниринга их деятельности
