SYSTEM OF SUPPORT OF DECISION MAKING FOR RESTRUCTURIZED MACHINE BUILDING ENTERPRISE INNOVATIONS MANAGEMENT
- Authors: Semenkin E.S.1, Shabalov A.A.1, Kleshkov V.M.1
-
Affiliations:
- Issue: Vol 12, No 5 (2011)
- Pages: 207-211
- Section: Articles
- URL: https://journals.eco-vector.com/2712-8970/article/view/505927
- ID: 505927
Cite item
Full Text
Abstract
Mathematical models and optimizations algorithms, for support of decision making in innovations management of a restructured machine building enterprise, are considered. Optimization algorithms effectiveness is evaluated. DSS is described.
Full Text
В условиях радикальных изменений, происходя- щих в экономике России, снижения роли государства на экономической арене предприятия оборонно- промышленного комплекса (ОПК) сталкиваются с проблемой, которая никогда раньше не возникала с такой остротой – проблемой поиска ресурсов для обеспечения военной промышленности. Выживают не столько предприятия, производящие высокотехноло- гичную продукцию, сколько умеющие адаптировать- ся к изменившимся условиям. Фактически ОПК, не- смотря на «привилегированное» положение, прояв- ляющееся в стабильных государственных закупках, постепенно начинает все больше и больше походить на обыкновенное производство потребительских то- варов [1]. Возможным выходом из создавшейся ситуации является диверсификация производства военного сек- тора, которую можно представить себе как развитие технологий, позволяющих выпускать продукцию не только военного, но и гражданского назначения. При- чем речь идет не только и не столько о продукции двойного назначения, а главным образом, о граждан- ской продукции, которую предприятия ОПК могут выпускать, применяя уже накопленный потенциал. Особенно следует выделить использование научно- технического потенциала достижений НИОКР воен- ного характера в сфере принципиально новых видов продукции, не имеющих аналогов и формирующих новый рынок сбыта. Однако необходимо иметь в виду, что оптималь- ные пропорции между производством военной и гра- жданской продукции еще нужно определить. С одной стороны, слишком широкая диверсификация может повлечь за собой утрату конкурентных позиций на рынках военной продукции, с другой – ориентация на преимущественное производство военной продукции может повлечь утрату позиций в производстве конку- рентоспособной гражданской продукции. Оптималь- ная интеграция гражданского и военного производст- ва может значительно уменьшить издержки по произ- водству новых видов вооружений, основанных на но- вейших технологиях, отработанных на гражданской продукции. Таким образом, важнейшей задачей предприятий ОПК в современных условиях является преобразова- ние их систем управления с целью обеспечения коор- динации усилий всех подразделений и служб для производства конкурентоспособной продукции как военного, так и гражданского назначения. В этой свя- зи оптимальное распределение наиболее важных об- щих ресурсов реструктурированного предприятия ОПК между новыми коммерчески привлекательными производствами военной и гражданской продукции является актуальной научно-технической задачей. Для реализации поставленных задач в изменяю- щихся условиях функционирования предприятия в целом и его подразделений целесообразно совер- шенствовать организационную структуру предпри- ятия: создавать центр активного развития, переводить ряд подразделений на режим развитого хозрасчета – создавать центры финансовой ответственности (ЦФО), осуществлять работу по реинжинирингу биз- нес-процессов, созданию автоматизированной систе- мы поддержки принятия управленческих и плановых решений, поставить «на поток» процесс формирова- ния и реализации инновационных проектов с созда- нием соответствующей инфраструктуры [1]. Инновационная деятельность существующих и создаваемых центров финансовой ответственности определяет темпы реструктуризации предприятия и ее эффективность. ЦФО являются частью предприятия, работающего в рыночных условиях на рынках граж- данской продукции. Их независимость от госзаказа и связанных с его выполнением проблем позволяет зна- чительно ускорить их развитие. Одновременно с этим ЦФО обладают значитель- ным конкурентным преимуществом перед обычными коммерческими организациями: закрытая территория, уникальная специализация и самодостаточность ин- фраструктуры, высококвалифицированный персонал, общие с предприятием материальные ресурсы, уни- кальные экологические ресурсы (вода, воздух), нали- чие передового оборудования и технологий. Для обеспечения конкурентного преимущества ЦФО не- обходимо оптимально распределять финансовые и материальные ресурсы предприятия. Это, в свою оче- редь, требует разработки и внедрения эффективных моделей и методов поддержки принятия плановых решений при управлении инновационной деятельно- стью. *Работа выполнена при финансовой поддержке АВЦП «Развитие научного потенциала высшей школы» (НИР 2.1.1/2710). 207 Экономика Полученные ранее результаты разработки матема- тического, алгоритмического и программного обеспе- чения поддержки принятия плановых решений по распределению общих ресурсов при управлении ин- новациями на децентрализованных предприятиях ОПК в условиях адаптации к рыночным условиям позволяют осуществлять эффективное распределение общих ресурсов между подразделениями, что позво- ляет повышать гибкость и адаптивность при переходе к рыночным условиям хозяйствования. состоит в том, что общая прибыль будет, как правило, больше общей прибыли, полученной как сумма при- были отдельных ЦФО. Это достигается за счет так называемого системного эффекта. Более значительный эффект может быть достигнут при наличии у центра свободных средств, которые могут быть дополнительно направлены на реализа- цию инновационных проектов. При централизован- ном распределении средств получаемая модель имеет вид [2] Рассмотрим сначала модели рационального ис- пользования центрами финансовой ответственности m n ∑ ∑ Πij x → max; общих дефицитных ресурсов, которыми в различных i =1 j =1 ij ситуациях могут быть электроэнергия, теплоснабже- ние, вода, трудовые ресурсы и т.п. Запасы таких ре- m ∑ i =1 n ∑ j =1 cij xij ≤ C + M ; сурсов, которые могут быть использованы при плани- ровании инновационной деятельности, определяются m n ∑ ∑ Π x центром [2]. i =1 j =1 ij ij Объем pij инновационной продукции j-го вида, вы- пускаемого i-м ЦФО зависит от затрат vij дефицитных m n ∑ ∑ cij xij ≤ r; ресурсов: pij = fij(vij), vij= (vij1, vij2, . . ., vijK). i =1 j =1 xij ={1,0} Затраты остальных (недефицитных) видов ресур- сов полностью определяются технологией и фиксиро- ваны. Функции fij, естественно, считать монотонно возрастающими. Кроме того будем считать, что эффективность за- трат дефицитного ресурса падает с ростом его коли- чества, т. е. функции fij строго вогнуты. Центр имеет возможность распределять некоторый объем Vk k-го ресурса – выбирать величины vijk, удовлетворяющие ограничению где Пij – плановая годовая прибыль на i-м ЦФО от внедрения j-го нововведения; cij – плановые годо- вые затраты на i-м ЦФО в j-е нововведение; С – пла- новый общий объем денежных средств всех ЦФО предприятия; xij – искомый параметр, показывающий, планируется ли к внедрению на i-м ЦФО j-e нововве- дение. Плановый объем денежных средств предпри- ятия складывается из ресурсов отдельных ЦФО; М – денежные средства предприятия, которые оно может выделить на планы формирования нововведе- n m ∑∑ v ijk ≤ V , k = 1, 2, …, K, ний ЦФО; r – допустимая средняя прибыль на 1 руб. i =1 j =1 затрат ресурсов (норма прибыли на капитал). максимизируя при этом прибыль от реализации вы- пускаемой продукции: Дополнительное ограничение введено в модель с целью предупреждения его неэффективности с точки n m зрения внешних условий (процентных ставок банков, ∑∑ dij fij (νij ) → max i =1 j =1 Если решение о том, какие именно виды продук- ции планируются к выпуску, т. е. какие именно инно- вационные проекты будут реализовываться, уже при- нято, то полученная задача представляет собой обыч- ную задачу нелинейного программирования и может быть решена стандартными методами. Построим модель выбора инновационных проек- тов. Выбор инновационной программы определяется переменными xij, которые равны единице, если при- нимается решение о реализации j-го инновационного проекта i-го ЦФО, и нулю – если такое решение не принемается. Центр, получив информацию от всех ЦФО (i = 1, …, m), с учетом выделяемых ими денежных средств формирует оптимальный план нововведений, эффективный с точки зрения всего предприятия. Пла- новый объем денежных средств предприятия склады- вается из ресурсов отдельных ЦФО. конкурентов и т. п.). Использование денежных средств центра увеличивает объем ресурсов, расши- ряет область нововведений, используемых ЦФО, что приводит к увеличению планируемой годовой прибыли. Описанные модели позволяют осуществлять фор- мирование инновационной программы при отсутст- вии зависимости ЦФО по технологической цепочке. В случае, когда такая зависимость имеет место, необ- ходимо учитывать, что наращивание выпуска продук- ции в рамках реализации инновационного проекта одного ЦФО потребует наращивания выпуска про- дукции другими ЦФО, связанными с первым по тех- нологии, причем это наращивание не имеет отноше- ния к инновационным проектам этих ЦФО. Поэтому при централизованном распределении ресурсов необ- ходимо решать следующую задачу [2]: ni min (Q + ∑ q x ) → max Найденный в результате решения этой задачи оп- тимальный план нововведений предприятия будет 1≤i ≤ m m ∑ i j =1 ni ∑ c x ij ij ≤ C + M ; отличаться от оптимальных планов ЦФО. Отличие ij i =1 j =1 208 Вестник Сибирского государственного аэрокосмического университета имени академика М. Ф. Решетнева m ni ∑ ∑ ⎜⎛ Π x m ⎟⎞ ∑ ni ∑ cij xij ≤r; ционных задач в настоящее время не существует. Следовательно, необходимо разрабатывать прибли- i =1 j =1⎝ ij ij ⎠ i =1 j =1 женные методы решения таких задач. xij = {1,0}, где cij – плановые годовые затраты финансовых средств i-го ЦФО на j-е нововведение, способствую- щее увеличению мощности предприятия; С – плано- вые годовые объемы финансовых средств, выделяе- мые ЦФО в план нововведений; М – плановый годо- вой объем финансовых средств, выделяемый центром в планы нововведений предприятий; Пij – плановый годовой объем прибыли, получаемый i-м ЦФО за счет увеличения объема выпуска продукции и снижения себестоимости ее изготовления; qij – плановый при- рост годовой производственной мощности i-гo ЦФО за счет внедрения j-го нововведения, выраженный в выпуске конечной продукции; Qi – производственная мощность i-гo ЦФО, выраженная в выпуске конечной продукции данного наименования на конец отчетного периода времени; r – допустимая средняя прибыль на 1 руб. затрат (норма прибыли на капитал). Реализация получаемого оптимального решения обеспечивает последовательное выравнивание производственных мощностей предприятия. Объединяя построенные модели, с учетом общих ограничений и необходимости учета риска инноваци- онных проектов, получаем следующую модель: Для решения поставленной проблемы были при- менены эволюционные алгоритмы, представляющие собой стохастическую оптимизационную процедуру, имитирующую процессы естественной эволюции [3]. На основе математической модели и многоагентных стохастических алгоритмов была разработана система поддержки принятия решений при управлении реаль- ными инвестициями реструктурируемого предпри- ятия (см. рисунок). Для учета ограничений оптимизационной задачи применялись соответствующие механизмы. Метод статических штрафов предполагает фор- мирование для каждого ограничения семейства ин- тервалов, которые определяют соответствующие ко- эффициенты штрафов. Метод динамических штрафов, в отличие от пре- дыдущего метода, вычисляет штрафы динамически, т. е. в зависимости от степени нарушения ограни- чений. Метод «смертельных» штрафов заключается в отсечении («убийстве») недопустимых точек, т. е. эти точки не принимают более участия в воспроиз- водстве. Для некоторых задач этот простой метод может давать хорошие результаты. Для использова- m ∑ i =1 n ∑ j =1 Πij ni xij → max; ния данного метода необходимо инициализировать стартовую популяцию допустимыми значениями. В методе адаптивных штрафов штрафные функ- ции зависят не только от номера итерации, но и от min (Q + ∑ q x ) → max количества попаданий лучшего представителя попу- 1≤i ≤ m m ∑ i ij j =1 n ∑ R x ij → min; ляции на каждом шаге в допустимую или недопусти- мую области. i =1 j =1 ij ij Однако эволюционные алгоритмы имеют множе- ство настраиваемых параметров, от которых зависит m ∑ i =1 n ∑ j =1 cij xij ≤ C + M ; эффективность их работы. Поэтому был проведен сравнительный анализ эффективности ГА на множе- m n ∑ ∑ Π ij xij стве тестовых задач безусловной и условной оптими- зации. i =1 j =1 ≤ r; На основе проведенных экспериментов установле- m n ∑ ∑ cij xij i =1 j =1 n m ∑∑vijk ( xij ) ≤ Vk , k = 1, 2, …, K, i =1 j =1 xij ={1,0}, где Rij – экспертная оценка рискованности соответст- вующего инновационного проекта, vijk(xij) – результат решения задачи оптимизации распределения общих дефицитных ресурсов для инновационных проектов, включенных в инновационную программу. Таким образом, для повышения обоснованности принятия решений по распределению общих ресурсов при управлении инновационными процессами рест- руктурированного предприятия ОПК необходимо в общем случае решать задачу оптимизации с булевыми переменными, тремя критериями, алгоритмически заданными, и двумя линейными ограничениями. Точ- ных эффективных методов решения таких оптимиза- но, что в большинстве случаев наиболее эффектив- ным (надежным и быстрым) оказывается генетиче- ский алгоритм с равномерным скрещиванием. Равно- мерное скрещивание допускает модификацию, использующую многих родителей и организации се- лективного давления на этапе скрещивания, чего нет у стандартного генетического алгоритма. Рассматри- вались следующие модификации равномерного скре- щивания: – равномерное пропорциональное скрещивание – ве- роятность того, что ген именно этого родителя будет передан потомку пропорционально его пригодности; – равномерное ранговое скрещивание – родители ранжируютя и вероятность того, что ген этого роди- теля перейдет потомку, пропорциональна рангу пре- тендента, а непригодности; – равномерное турнирное скрещивание – органи- зуется турнир среди родителей, победитель которого передает свой ген. 209 Экономика Рабочие окна системы поддержки принятия решений Была разработана программная система решения задач условной и безусловной оптимизации стандарт- ным генетическим алгоритмом и генетическим алго- ритмом с оператором модифицированного скрещива- ния, и с ее помощью были проведены исследования эффективности предложенного подхода. При анализе было выявлено, что равномерное пропорциональное и равномерное турнирное скрещи- вание не увеличивают эффективность алгоритма. Рав- номерное ранговое и равномерное равновероятное скрещивание более эффективны, чем остальные виды, включая одноточечное и двухточечное. Наиболее эф- фективное количество родителей – 6. По результатам исследования СППР формирова- ния инновационных программ были получены сле- дующие результаты: равномерное турнирное скрещи- вание не увеличивает эффективность алгоритма, рав- номерное равновероятное и равномерное пропорцио- нальное скрещивание имеют примерно одинаковую эффективность, в среднем более высокую, чем одно- точечное и двухточечное, равномерное ранговое скре- щивание более эффективно, чем остальные виды скрещивания. Наиболее эффективное количество ро- дителей – 7. Другие настройки ГА наиболее эффек- тивные в среднем: тип селекции – турнирная селекция с размером турнира 5, тип мутации – средняя мута- ция: не использовать элитизм, не применять «лече- ние» с «поведенческой» памятью, метод учета огра- ничений – динамические штрафы. В окончательном варианте предлагаемой СППР по умолчанию установлены наиболее эффективные на- стройки генетического алгоритма, однако при жела- нии и наличии соответствующих навыков пользова- тель имеет возможность изменить параметры алго- ритма. СППР прошла успешную апробацию при решении реальной задачи формирования инновационной про- граммы Химзавода-филиала ОАО «Красмаш» (6 – ЦФО, 32 – инновационных проекта, 6 общих дефицитных ресурсов). Данная система может быть рекомендована к применению на других предприятиях и в других отраслях.×
About the authors
E. S. Semenkin
Email: eugensemenkin@yandex.ru.
A. A. Shabalov
Email: shabalov-andrey@mail.ru.
V. M. Kleshkov
References
- Хайниш С. В., Клешков В. М. Российское пред- приятие ВПК: выжить и развиваться. М. : ЛЕНАНД, 2007.
- Клешков В. М., Семенкин Е. С. Модели и алго- ритмы распределения общих ресурсов при управле- нии инновациями реструктурированного машино- строительного предприятия // Проблемы машино- строения и автоматизации. 2006. № 3. С. 24–31.
- Семенкин Е. С., Лебедев В. А. Метод обобщен- ного адаптивного поиска для синтеза систем управле- ния сложными объектами. М. : МАКС-пресс, 2002
Supplementary files
![](/img/style/loading.gif)