Оптимизация принятия управленческих решений на предприятии

    - глубокое и всестороннее знание фактов; при этом частыми ошибками являются то, что не все существенные факторы приняты во внимание (часто качество сводится к надежности, а надежность – к безотказности) и (или) проанализированы не все возможные исходы решений (вспомним переброс северных вод на юг);

    - понимание (а это есть всегда результат синтеза!) всеми без исключения всех сторон проблемы. Способность понятно излагать сложные вопросы означает, что они четко поставлены и сформулированы.

    1.2 Теории принятия решений и исследование операций

 

    Выбор наилучших способов действий в условиях неполной информации, недостаточной  ясности окружающей обстановки и  пр. – один из наиболее распространенных видов управленческих решений. Принятие решений в неопределенной обстановке связано с неизбежным риском. Сегодня большинство серьезных социально-экономических решений, сопряженных с риском, не может быть принято интуитивно, исходя лишь из предшествующего опыта и здравого смысла. Попытки выработки решений на глаз сплошь и рядом оканчиваются неудачами. Требуются научные основы их выработки.

    К сожалению, большинство теорий о  принятии решений построены зарубежными  учеными. Поэтому при их переводе возникают трудности лингвистического характера. Об этом много говорили такие  ученые, как В. И. Терещенко, М. Хайдеггер и др. Кроме того, отсутствует на русском языке единый терминологический словарь в области принятия решений. Это приводит к некоторой путанице в содержании даже типовых процессов принятия решений, представленных ниже.

    Интересно отметить, что вопрос касается не только перевода отдельных слов, но и толкования фразеологических сочетаний, отражающих те или иные концепции. Например, в западной модели управления (США) наблюдаются быстрые решения, с длительным циклом действий, с задержкой практического осуществления планов и т. д. В восточной модели (Япония) прослеживается обратная картина – длительный процесс принятия решения, с коротким циклом действий, с планированием и участием в нем всех исполнителей, с всеобщей поддержкой реализации планов и т. д.

    Если  искусство выработки наилучших  суждений так же старо, как и само человечество, то наука о них достаточна молода. Так, например, математическая теория, по мнению академика Д. Гвишиани, начала зарождаться лишь в начале 50-х годов. Многие ученые и специалисты считают, что теория принятия решений еще находится в стадии становления.

    В настоящее время существует большое  количество научных дисциплин, посвященных  принятию решений (математическое программирование, теория игр, теория статических решений, теория автоматического управления, исследование операций, кибернетика и др.). Некоторые сюда относят и системный анализ. Перечисленные дисциплины занимаются рассмотрением проблем принятия решений по применению к объектам управления различной природы и в различных условиях существования. В этом смысле их можно считать составными частями единой научной дисциплины – теории принятия решений.

    Однако  многие авторы работ и монографий считают теорию принятия решений  составной частью той или иной дисциплины. И чаще всего – исследования операций.

    Исследование  операций (ИО) – это применение математических количественных методов для обоснования решений во всех областях целенаправленной человеческой деятельности [6, с.75]. Интересно отметить, что главное внимание уделяется не математическому аппарату, а вопросам методологии. Под операцией понимается всякое мероприятие (система действий), объединенное единым замыслом и направленное к достижению какой-то цели

    В теории ИО полезность или выгода оценивается  по критерию эффективности или экстремальному значению функции цели. Процедура И О такова:

    1) задается цель операции, что является  сложной проблемой;

    2) выявляются варьируемые, неварьируемые  и неопределенные параметры, а  также ограничения;

    3) разрабатывается математическая  модель операции (связи!), и принимается тот или иной критерий (какой?) эффективности, так называемая целевая функция. Это такая функция, минимум или максимум которой надо найти. Найдя экстремум целевой функции и, следовательно, определив значения управляемых параметров, которые к нему приводят, мы тем самым находим оптимальное решение задачи. Таким образом, целевая функция выступает как критерий оптимальности задачи. При этом виды целевой функции могут быть различными – линейная и нелинейная: квадратическая, кубическая, логарифмическая и др.;

    4) решается чисто математическая  задача – поиск оптимального  значения варьируемых параметров, соответствующих экстремальному  значению целевой функции.

    Схема процесса моделирования представлена в приложении А.

    Формулировка  задачи исследования включает определение содержания и условий задачи, а также ее детализацию, заключающуюся в расчленении исследуемой задачи на элементарные.

    Моделирование задачи включает построение математической модели в общем виде, формирование массива исходной информации и количественную оценку параметров модели [3, с.48].

    Следует отметить, что модели могут быть глобальными и локальными (элементарными) в зависимости от охватываемого  периода жизненного цикла и количества охватываемых элементов системы.

    Построение и количественная оценка параметров модели неразрывно связаны с этапом формирования исходной информации, который включает в себя определение необходимого и достаточного объема информации, сбор и предварительную обработку исходных данных.

    В процессе количественной оценки параметров модели производится определение оптимальных параметров уравнений модели, расчет границ доверительных интервалов и определение условий ограничений, накладываемых на параметры уравнений. На этом же этапе производится агрегирование элементарных моделей. Процесс агрегирования не является простым сложением элементарных моделей. Он требует учета взаимных связей элементарных моделей, адекватных реальным связям между структурными элементами системы, и дальнейшей оценки поведения глобальной модели как единого целого.

    После формализации задачи производится оценка модели – оценка точности и достоверности  расчетов по используемым моделям, а  также тесноты связи между  зависимыми и независимыми переменными, входящими в уравнения модели. В ряде случаев на этом этапе производится выбор оптимальной модели.

    При обработке исходной информации в  процессе ЭММ без средств механизации  и автоматизации ряд этапов из-за большой их трудоемкости производится не в полном объеме. Применение ЭВМ  позволяет значительно повысить качество разрабатываемых моделей и резко сократить трудоемкость их разработки.

    Рассмотрим  более подробно основные этапы ЭММ.

    На  начальном этапе моделирования  определяются содержание и условия  задачи исследования (прямоугольник  I), которые формируются в соответствии со спецификой постановки задачи оптимизации облика и параметров системы на соответствующей стадии исследования.

    На  этом этапе уточняется состав показателей  и ограничений.

    Разработка  элементарной математической модели требует  прежде всего достаточно исчерпывающего описания действующих связей и факторов, их классификации (поз. 3). Прежде всего следует разделить факторы, характеризующие функционально-конструктивные параметры (соответственно назначения и структуры системы) и условия ее создания, производства и эксплуатации, условно называемые параметрами производственного процесса.

    Следующим важным этапом моделирования является построение логико-математической модели (поз. 4, 5, 6).

    В самом общем виде элементарная модель какого-либо стоимостного показателя может быть написана в виде уравнения [17, с.40]:

                                             

                                         (1)

    и системы ограничений, накладываемых  на независимые переменные, входящие в состав уравнения:

                                                   

                                                   (2)

    где С – стоимость j-го элемента на i-и стадии жизненного цикла;

    X_j – параметры j-го элемента системы (функционально-конструкторские параметры);

    Y_ij – параметры производственного цикла;

    k_t – коэффициент, характеризующий тенденцию изменения затрат во времени;

    t – параметр интегральной кривой распределения вероятностей;

    s – выборочное среднеквадратическое отклонение;

    n – объем выборки.

    Выражение в скобках определяет верхнюю и нижнюю границы доверительного интервала. Интервальная оценка стоимостных показателей вызвана тем, что обилие факторов, обуславливающих уровень и структуру затрат, с одной стороны, и ограниченность учитываемых факторов, с другой, вызывают неопределенность оценки затрат. Поэтому при прогнозировании стоимостных показателей вводится доверительный интервал, который гарантирует с определенной вероятностью достоверность оценки. Верхняя граница доверительного интервала дает значение максимального уровня затрат (пессимистическая оценка), нижняя граница – значение минимального уровня (оптимистическая оценка), а значение, рассчитанное непосредственно по уровню, – наиболее вероятное значение затрат [13, с.67].

    Интервальная  оценка нашла широкое применение при детальных методах оценки затрат времени и средств, необходимых для разработки и изучения сложных технических систем (ТС), в системах сетевого планирования и управления. При агрегированных методах оценки затрат сложных ТС интервальная оценка имеет несравненно более важное значение. Введение в эмпирическую зависимость доверительного интервала повышает обоснованность расчетов.

    В общей схеме элементарной ЭММ, представленной системой уравнений и неравенств (см. выше), содержится ряд неопределенностей.

    В процессе исследования общая схема  модели конкретизируется, неопределенности, имеющиеся в общей схеме, устраняются. Прежде всего устраняется неопределенность независимых переменных. Поскольку  количество факторов, влияющих на себестоимость, бесконечно, приходится ограничиться кругом показателей, в наибольшей степени воздействующих на себестоимость изделий и в значительной части обобщающих влияние неучтенных (второстепенных) факторов.

    Следует отметить, что на разных этапах исследования и разработки технической системы информация о ее параметрах меняется. При исследовании операций и разработке тактико-технического задания на проектирование оптимизируются основные – функциональные параметры, на последующих этапах – конструктивные и т. д. Корреляционные исследования дают возможность выбрать и наиболее важные, и обобщенные параметры систем и других ее элементов по всему жизненному циклу.

    В приведенном уравнении имеются  и другие неопределенности: нет данных о форме зависимости между  функцией и аргументами, и неизвестны численные значения параметров уравнений, позволяющих количественно оценить необходимый показатель. Указанные неопределенности раскрываются в дальнейшем в процессе решения задачи.

    Количественная  оценка параметров логико-математической модели требует прежде всего сбора и анализа статистических данных о (стоимостных) показателях параметрического ряда изделий-аналогов (поз. 7–11).

    Используемые  каналы сбора и передачи исходной информации должны обеспечить прежде всего ее объективность и достоверность. Чем больше объем исходной информации, тем достовернее полученная на ее основе числовая математическая модель прогнозирования. Однако увеличение объема исходной информации приводит к значительному росту трудоемкости по сбору, передаче и обработке массива статистических данных и вероятности искажения первичной информации. Одновременно при этом появляется опасность повышения неоднородности элементов статистической совокупности, что приводит к искажению объективных (стоимостных) закономерностей [27, с.100].