Застосування методу сірого реляційного аналізу для формування комплексної оцінки та визначення рівня зрілості системи управління знаннями підприємства

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Застосування методу сірого реляційного аналізу для формування комплексної оцінки та визначення рівня зрілості системи управління знаннями підприємства

Чайковська І.І.

Хмельницький університет управління та права імені Леоніда Юзькова

У роботі розроблена економіко-математична модель формування комплексної оцінки та визначення рівня зрілості системи управління знаннями підприємства із використанням сірого реляційного аналізу та методу аналізу ієрархій. Система управління знаннями підприємства є прикладом «сірої» системи, адже, на відміну від «чорної», в якій всі критерії є нечіткими, та «білої», в якій є повний набір числових даних про критерії та обмеження, знаходиться поміж ними та є системою з неповним описом. Запропонована модель складається з наступних етапів: постановка завдання; визначення критеріїв та показників системи управління знаннями; оцінка показників системи управління знаннями (у числовій формі та у лінгвістичних термах) і визначення їх еталонних значень; попередня обробка даних (зведення всіх показників до одного порядку); обчислення сірих реляційних класів (визначення сірих реляційних коефіцієнтів; визначення вагових коефіцієнтів; визначення сірих реляційних класів); побудова матриці оцінок; формування комплексної оцінки системи управління знаннями підприємств; визначення зрілості підприємства з управління знаннями; інтерпретація отриманих результатів. Було обрано три узагальнюючі критерії та 43 показники (у вигляді кількісних та якісних характеристик): Люди (11 показників), Технології (9 показників), Процеси (23 показники). Критерій Процеси включає блоки: Навчання (2 показники), Інноваційна діяльність (5 показників), Інноваційні процеси (7 показників), Інноваційна співпраця (2 показники), Основна діяльність (7 показників). Модель враховує складові елементи (люди, технології, процеси), рівні (індивідуальний, груповий, організаційний, міжорганізаційний), етапи (фази) управління знаннями (формування ^ накопичення, отримання ^ генерування ^ обмін ^ збереження та документування ^ використання ^ результат управління знаннями) та дозволяє визначити рівень зрілості підприємства з управління знаннями. Визначення вагових коефіцієнтів критеріїв та показників системи управління знаннями підприємства відбувалося за допомогою використання методу аналізу ієрархії (методу попарних порівнянь). Практична реалізації моделі здійснювалася для підприємств комунальної сфери України. Розроблена модель є універсальною та може бути використана для підприємств різних сфер діяльності з метою комплексного оцінювання системи управління знаннями у порівняння з підприємством-еталоном, визначення рівня зрілості підприємства з управління знаннями та виявлення проблемних місць з метою прийняття ефективного управлінського рішення для підвищення підприємством показників конкурентоспроможності.

Ключові слова: система управління знаннями, комплексна оцінка, метод сірого реляційного аналізу (GRA), реляційний коефіцієнт, реляційний клас, метод аналізу ієрархій (AHP), рівень зрілості підприємства з управління знаннями.

INNA CHAIKOVSKA

Leonid Yuzkov Khmelnytskyi University of Management and Law

APPLICATION OF THE METHOT OF GRAY RELATION ANALYSIS FOR THE FORMATION OF COMPLEX ASSESSMENT AND DETERMINATION OF THE MATURITY OF THE ENTERPRISE KNOWLEDGE MANAGEMENT SYSTEM

The economic-mathematical model of formation of complex estimation and definition of level of risk of system of management of knowledge of the enterprise with use of the gray relational analysis and a method of the analysis of hierarchies is developed in work. An enterprise knowledge management system, an example of a "gray" system, is usually a variant of "black", in which all criteria are fuzzy, and "white", in any there is a complete set of data on criteria and constraints, are between them and is a system, with incomplete description. The proposed model consists of the following stages: problem statement; determination of criteria and indicators of knowledge management system; evaluation of indicators of the knowledge management system (in numerical form and in linguistic terms) and determination of their reference values; preliminary data processing (reduction of all indicators to one order); calculation of gray relational classes (determination of gray relational coefficients; determination of weight coefficients; determination of gray relational classes); construction of a matrix of estimates; formation of a comprehensive assessment of the knowledge management system of enterprises; determining the maturity of the enterprise for knowledge management; interpretation of the obtained results. Three general criteria and 43 indicators (in terms of quantitative and qualitative characteristics) were selected: People (11 indicators), Technology (9 indicators), Processes (23 indicators). Criterion Processes include blocks: Learning (2 indicators), Innovation (5 indicators), Innovation processes (7 indicators), Innovation cooperation (2 indicators), Core activity (7 indicators). The model consists of constituent elements (people, technologies, processes), levels (individual, group, organizational, inter-organizational), stages (phases) of knowledge management (Formation - accumulation, exchange - generation - storage and documentation - use - result of knowledge management) and allows the interaction of the level of maturity of the enterprise for knowledge management. The weights of the criteria and indicators of knowledge management of the enterprise analysis of the definition system occur using the method of hierarchy (pairwise comparison method). The practical implementation of the model was implemented for public utilities of Ukraine. The developed model is universal and can be used for enterprises of different spheres of activity to comprehensively assess the knowledge management system in comparison with the benchmark enterprise, determine the level of maturity of the enterprise with management and identify problems of effective management decisions to improve competitiveness.

Keywords: knowledge management system, complex assessment, gray relational analysis method (GRA), relational coefficient, relational class, hierarchy analysis method (AHP), level of maturity of knowledge management enterprise.

Постановка проблеми у загальному вигляді та її зв'язок із важливими науковими чи практичними завданнями

управління знаннями економіко-математична модель оцінка

Формування комплексної оцінки системи управління знаннями підприємства є досить актуальним питанням, адже дозволяє порівняти між собою підприємства, здійснити їх ранжування, об'єднати багато показників, які характеризують її, в одну оцінку, встановити взаємозв'язок даного комплексного показника із фінансовими результатами діяльності підприємства, виявити проблемні місця.

Складовими елементами системи управління знаннями є люди, технології, процеси та моделі взаємодії між ними. Люди створюють, діляться, застосовують знання та стимулюють обмін знаннями. Процеси включають методи отримання, генерування, упорядкування, обміну та передачі знань. Технології відображають механізми, які зберігають і надають доступ до баз даних і знань, створених людьми, тобто здійснюють взаємозв'язок між людьми та процесами, а також збирання, зберігання, обробку, аналіз і поширення інформації. Система управління знаннями має враховувати різні рівні: індивідуальний, груповий, організаційний та міжорганізаційний; а також етапи (фази) управління знаннями: формування ^ накопичення, отримання ^ генерування ^ обмін ^ збереження та документування ^ використання ^ результат управління знаннями [1].

Існує велика кількість методів, котрі дозволяють отримати комплексну оцінку. Система управління знаннями підприємства є прикладом «сірої» системи, адже вона частково відома і частково невідома. «Сіра» система, на відміну від «чорної», в якій всі критерії є нечіткими, та «білої», в якій є повний набір числових даних про критерії та обмеження, знаходиться поміж ними та є системою з неповним описом. Для даної «сірої» системи доцільним для визначення комплексної оцінки використати сірий реляційних аналіз.

В теорії сірих систем сірий реляційний аналіз знаходить відношення між головним фактором та іншими допоміжними факторами в досліджуваній системі. У процесі порівняння еталонна послідовність співвідноситься з порівнюваними послідовностями, які показують певний ступінь подібності з еталонною моделлю і, таким чином, визначається найкраща з них.

Аналіз останніх досліджень і публікацій

У статті [2] запропонована нечітка модель для оцінки рівня знань організації, яка базується на знаннях. Модель передбачає, що вхідні та вихідні дані є нечіткими числами. Вхідними даними є сума інвестицій та середній час кожного процесу, а вихідними - обмін знаннями між персоналом та кількість програмного забезпечення та новий план. Запропонований підхід також може бути використаний для ранжування подібних організацій за критеріями управління знаннями. Цей підхід особливо актуальний для організацій, які хочуть порівняти себе з подібними організаціями з точки зору управління знаннями та вибрати найбільш ефективний еталон. Перевагою даного підходу є можливість використання нечітких вхідних та вихідних даних, можливість використання даного підходу для ранжування підприємств, можливість обрання підприємства-еталону. Значним недоліком є мала кількість вхідних показників, які не дозволяють усебічно охарактеризувати систему управління знаннями підприємства з метою визначення проблемних місць.

У дослідженні [3] запропонована математична модель передачі знань для того, щоб механізм або система управління знаннями вкоренилися в організації та щоб отримати необхідні вказівки для її вдосконалення. У дослідженні описана схема математичної моделі системи управління знаннями в організації. У даній моделі передача знань визначається за допомогою трьох факторів (прибутки, витрати та перешкоди). Передача знань активно відбувається, коли залишок після віднімання вартості від заробітку перевищує перешкоду. Крім того, щаслива різниця між постачальником і одержувачем знань впливає на витрати та заробіток на стороні одержувача і служить параметром передачі знань. Недоліком запропонованої моделі є її абстрактність, відсутність реальної практичної реалізації.

У роботах [4, 5] досліджено сучасні інформаційно-комунікаційні технології, які дозволяють краще керувати потоками інформації та знань, що необхідно для досягнення успіху в бізнесі. Дані дослідження наголошують на необхідності використання інформаційних технологій в системі управління знаннями підприємства, але обов'язковими складовими є також люди та процеси.

У роботі [6] досліджено характер взаємодоповнюваності моделювання підприємства та управління знаннями та відстеження переваг цієї взаємодоповнюваності. Перевага дослідження полягає у вивченні підходів до моделювання кожної області. Для цього оцінені деякі важливі методології в кожній області, а також пояснено кілька точок зору моделювання.

У статті [7] обговорюються методи математичного моделювання для представлення та керування людськими знаннями, які по суті є нечіткими та залежними від контексту. У цій роботі також запропоновано новий метод нечіткої лінійної регресії для даних, у яких існує безліч різних вихідних даних для одного і того ж входу. Основною ідеєю запропонованої методики є відображення даних окремих оцінювачів у простір параметрів моделі, максимально зберігаючи зв'язки між думками оцінювачів.

У роботі [8] досліджено зв'язок між електронною комерцією та економікою знань та їх роллю в процесі оцінки ризиків.

Отже, можна помітити різні підходи науковців до моделювання процесу управління знаннями підприємства. Але, оскільки дана система є сірою, необхідно проаналізувати використання сірого реляційного аналізу (GRA) при дослідженні сірих систем у різних сферах.

Сірий реляційний аналіз набув широкого поширення у дослідженнях різних сфер життєдіяльності науковців. У роботі [9] зазначено, що сірий реляційний аналіз, є моделлю в теорії сірих систем, яка найчастіше використовується. Теорія сірих систем застосовується в різних сферах, включаючи виробничі, технологічні та сервісні операції. Дослідження відображає застосування сірого реляційного аналізу при виборі веб-сервісів, визначенні ефективності лікарні, продажі автомобілів, покращенні процесу електричного розряду, прийнятті рішення про переробку матеріалу, капітальних інвестицій, вибору автомобіля, вибору співробітників, визначенні якості фруктів, бензину, а також визначення дизайну продукту. З дослідження зрозуміло, що сірий реляційний аналіз можна застосувати для оптимізації будь- якого процесу. Цей підхід також можна ефективно застосувати в процесі відбору, а також покращити якість процесу, продукту чи послуги. Метод також надає інформацію для прогнозування та прийняття рішень. Метод також може застосовуватися при прийнятті рішень за багатьма критеріями. Це також допомагає ранжувати альтернативи під час прийняття рішень. Отже, дослідження робить висновок про сірий реляційний аналіз як один із гарних варіантів для прийняття рішень у складних проблемах.

У роботах [10, 11] запропоноване використання GRA та нечіткої логіки як інструменту для формування портфеля цінних паперів. Динамічний аналіз дає уявлення про змодельовані характеристики портфеля, які порівнюються з еталонними. Результати досліджень свідчать про те, що існує потенціал у поєднанні згаданих двох підходів для досягнення інвестиційних цілей.

У роботі [12] вирішується проблема вибору найбільш зручного для життя міста в Туреччині. Результати опитування були оцінені за допомогою факторного аналізу (FA) і було виявлено, що критерії, включені в опитування, були згруповані за сімома факторами. Потім визначеним критеріям було присвоєно ваги критеріїв за допомогою методу аналізу ієрархії (AHP). На останньому етапі шість найпопулярніших міст Туреччини оцінюються за допомогою сірого реляційного аналізу (GRA), щоб зменшити невизначеність, яка існує в процесі оцінки.

Об'єднання різних змінних в один індекс ефективності безпеки дорожнього руху є популярним поняттям для оцінки безпеки дорожнього руху та порівняння ефективності територій/об'єктів. У статті [13] представлено розробку нової та інноваційної методології зважування з використанням сірого реляційного аналізу.

У дослідженні [14] обговорюється проблема компанії, що працює в секторі громадського транспорту в Туреччині. Компанія хоче збільшити пасажиропотік та оновити автопарк. Для цього вона повинна вибрати з восьми альтернативних транспортних засобів з різними перевагами. З огляду на високі витрати, які можуть виникнути внаслідок неправильного вибору, стає зрозумілим, наскільки важливо використовувати правильний метод для вирішення проблеми. У цьому дослідженні критерії оцінки визначалися на основі думок експертів. Потім критеріям було присвоєно ваги за допомогою процесу аналітичної ієрархії (AHP). На останньому етапі здійснюється вибір найкращої альтернативи за допомогою сірого реляційного аналізу (GRA).

У роботі [15] досліджується ступінь впливу різних факторів на зміну характеристик навантаження електричної мережі за допомогою GRA, за допомогою якого здійснюється їх кількісна оцінка та визначення основних та другорядних факторів. У роботі [16] представлено метод діагностики несправностей електромереж на основі GRA.

У роботі [17] GRA використано для аналізу даних індексу кращого життя (BLI) Організацій економічного співробітництва та розвитку (OECD), котрий дозволяє визначити рівень добробуту націй. Таким чином, було визначено, що у 2017 році до країн з найвищими балами увійшли Норвегія, Австралія, США, Канада, Ісландія, Швейцарія, Данія та Швеція, а країнами з найнижчими показниками були Південна Африка, Туреччина, Мексика, Греція.

У роботі [18] досліджувався рівень економічної життєдіяльності міст Китаю та основні фактори впливу на нього. Окрім множинної лінійної регресії у дослідженні використовується GRA для ранжування міст та отримано рейтинг рівня економічної життєдіяльності різних міст. В результаті надано пропозиції (на основі отриманих вагових коефіцієнтів факторів впливу) для підвищення рівня економічної життєдіяльності.

У роботі [19] GRA використовується для оцінки пріоритету елементів моделювання продукту, які найкраще відповідають емоційним потребам споживачів.

У роботі [20] зазначено, що оцінка програмного забезпечення - це процес прогнозування кількості людей, необхідних для створення системи програмного забезпечення. Оцінка зусиль розраховується в термінах осіб на місяць для завершення проєкту. Якщо будь-який новий проєкт запущений на ринок або в промисловості, тоді буде оцінено вартість та зусилля нового проєкту. У цьому контексті було запропоновано ряд моделей для побудови оцінки зусиль і витрат. У цій статті використано GRA для оцінки зусиль конкретного проєкту.

У дослідженні [21], використовуючи відповідні дані провінції Гуандун з 2000 по 2019 рік, GRA використовується для емпіричного дослідження зв'язку між масштабом, структурою, ефектом регіонального розподілу науково-технічних ресурсів і технічним прогресом. Результати емпіричного аналізу показують, що масштаби регіонального розподілу науково-технічних ресурсів мають найвищу кореляцію з технічним прогресом.

Отже, проведений аналіз досліджень науковців свідчить про актуальність застосування GRA для вирішення різноманітних питань сучасності. Однією з таких є оцінювання системи управління знаннями підприємства.

Виділення невирішених раніше частин загальної проблеми, котрим присвячується стаття

Не зважаючи на значні досягнення науковців у питаннях застосування економіко-математичного моделювання в управлінні знаннями підприємства, актуальним залишається визначення комплексної оцінки та рівня зрілості системи управління знаннями підприємства. Оскільки застосування сірого реляційного аналізу набуває значного поширення при дослідженні різних сфер життя, тому доцільним є його застосування для комплексного оцінювання системи управління знаннями підприємства та його порівняння з підприємством-еталоном.

Формулювання цілей статті

Метою статті є розробка економіко-математичної моделі комплексної оцінки та визначення рівня зрілості системи управління знаннями підприємства із використанням сірого реляційного аналізу та методу аналізу ієрархій.

Для досягнення встановленої мети необхідним є вирішення наступних завдань:

? здійснити постановку задачі та розробити описову модель визначення комплексної оцінки системи управління знаннями підприємства;

? побудувати математичну модель задачі визначення комплексної оцінки системи управління знаннями підприємства та алгоритм її вирішення;

? визначити критерії та показники, побудувати ієрархічне дерево системи управління знаннями підприємства;

? оцінити показники системи управління знаннями підприємства (у числовій формі та у лінгвістичних термах) і визначити їх еталонні значення;

? здійснити попередню обробку даних (зведення всіх показників до одного порядку);

? обчислити сірі реляційні класи (визначити сірі реляційні коефіцієнти, визначити вагові коефіцієнти за допомогою методу аналізу ієрархій, визначити сірі реляційні класи);

? побудувати матрицю оцінок;

? сформувати комплексну оцінку системи управління знаннями підприємств;

? визначити зрілість підприємства з управління знаннями;

? надати інтерпретацію отриманих результатів.

Виклад основного матеріалу

Розглянемо системи управління знаннями S1, S2, S3 трьох комунальних підприємств житлово- комунального господарства, а саме МКП «Хмельницьктеплокомуненерго», КП «Південно-західні тепломережі», МКП «Хмельницькводоканал». Дані системи є сірими системами. Для них потрібно визначити комплексну оцінку системи управління знаннями KMS1, KMS2, KMS3 за n критеріями C1, C2... Cn, та проранжувати підприємства згідно отриманої комплексної оцінки. Комплексна оцінка системи управління знаннями KMS може бути в межах від 0 до 1.

Якщо критерій Ci, /-1,2,...,n складається з Пі елементів критерію, то система Sj, j=1,2,...,m відносно критерію C/, може бути представлена послідовністю Sji={sji(1), Sj/(2),..., sj/(n)}, де Sji(k), Ј=1,2,..., Пі може бути як чітким значенням, так і лінгвістичним термом (нечітким числом). Крім того будемо вважати, що вагові коефіцієнти критеріїв, задані особою, яка приймає рішення (експертами), відображені ваговим вектором W, W=[wі, W2, ., Wn], де w/ відображає вагу критерію Сі.

Математична модель задачі визначення комплексної оцінки системи управління знаннями підприємства та алгоритм її вирішення

Для комплексного оцінювання системи управління знаннями підприємства доцільно розглянути модель KMS (Knowledge Management System):

KMS=<F,C,W> (1)

де F - ієрархія показників системи управління знаннями підприємства (ієрархічне дерево логічного висновку);

C - набір якісних та кількісних оцінок кожного показника в ієрархії;

W - система вагових коефіцієнтів обраних показників (ваговий вектор).

Запропонована модель складається з наступних етапів:

Етап 1. Визначення критеріїв та показників, побудова ієрархічного дерева системи управління знаннями. Комплексна оцінка системи управління знаннями KMS відображається функцією залежності від обраних критеріїв C1, C2.Cn:

KMS = f (C1, C2,..., Cn). (2)

Критерій Сі відображається функцією залежності від від обраних показників s1, s2... sk:

Ci = f (s1, s2, ..., sk). (3)

Етап 2. Оцінка показників системи управління знаннями (у числовій формі та у лінгвістичних термах) і визначення їх еталонних значень.

Еталонна послідовність Sm, i=1,2,...,n буде представлена у вигляді Soi={soi(1), sm(2),..., soi(ni)}, де soi(k), Ј=1,2,..., n є оптимальним (еталонним) значенням та визначається експертами.

Для якісних показників результати відображаються у вигляді лінгвістичних термів. Для цього використано трикутну функцію належності:

(4)

де ц(х) - функція належності лінгвістичних термів (0 - не належить, 1 - належить на всі 100%); a, b, с - числові параметри, що приймають довільні дійсні значення і впорядковані відношенням:

a<b < c.

Етап 3. Попередня обробка даних (зведення всіх показників до одного порядку)

Оскільки в процесі обчислення сірих реляційних класів (коефіцієнтів) потрібно розрахувати максимальні та мінімальні відхилення між всіма послідовностями, тому всі показники кожної з послідовностей повинні бути чіткими значеннями, а також необхідно, щоб вони мали один порядок.

У разі, якщо sji(k), k=1, 2,., m - чітке значення, то було використано наступний підхід до приведення вихідних значень показників до одного порядку:

Де Мік = max{sn(k), s2i(k), ..., Smi(k)}.

У випадку, якщо sj_i(k), k=1,2,...,m представлено лінгвістичним термом, тому для дефазифікації використано метод центру тяжіння для трикутної функції належності:



Після попередньої обробки досліджуваних послідовностей буде отримано тХп нових послідовностей котрі використовуються в сірому реляційному аналізі, як

послідовності, котрі можна порівнювати.

Етап 4. Обчислення сірих реляційних класів

4.1. Визначення сірих реляційних коефіцієнтів

Отже, сірий реляційний коефіцієнт розраховується для встановлених критеріїв та показників наступним чином:

де у - (0, 1] - відомий коефіцієнт, зазвичай обирається на рівні 0,5;p=1,2,...,m; k=1,2,...n_i.

4.2. Визначення вагових коефіцієнтів

Для визначення вагових коефіцієнтів запропоновано використати метод аналізу ієрархій, а саме метод попарних порівнянь. Більш детально методику їх розрахунку наведено у роботах [22, 23].

4.3. Визначення сірих реляційних класів

Сірий реляційний клас між еталонною послідовністю So, та послідовністю, яка порівнюється S_r: розраховується за формулою:

де wk. - вага сірого реляційного коефіцієнту

Етап 5. Побудова матриці оцінок

На попередньому кроці сірий реляційний коефіцієнт yji(k) може розглядатися як рівень відповідності для системи Sj по відношенню до k-го показника критерію С_і. Тому, відображаючи сірий реляційний клас кожної системи (підприємства) по відношенню до кожного критерію, отримуємо матрицю оцінок:

Етап 6. Формування комплексної оцінки системи управління знаннями підприємств. В якості комплексного показника виступає показник V:

Якщо значення показника Vp найбільше серед vi, V2, ..., Vm , то система Sp оптимальна.

Етап 7. Визначення рівня зрілості підприємства з управління знаннями

Для визначення рівня зрілості підприємства з управління знаннями запропоновано використати Гауссову функцію належності до отриманої комплексної оцінки системи управління знаннями підприємств (попередній етап). Гауссова функція належності у загальному випадку може бути задана аналітично наступними виразами (проста та двостороння):

де b - координата максимуму (центр нечіткої множини);

c - коефіцієнт концентрації.

Етап 8. Інтерпретація отриманих результатів

Реалізація економіко-математичної моделі визначення комплексної оцінки та рівня зрілості системи управління знаннями підприємства

Етап 1. Визначення критеріїв та показників, побудова ієрархічного дерева системи управління знаннями

Було обрано три узагальнюючі критерії та 43 показники (рис. 1): Люди (11 показників), Технології (9 показників), Процеси (23 показники). Критерій Процеси включає блоки: Навчання (2 показники), Інноваційна діяльність (5 показників), Інноваційні процеси (7 показників), Інноваційна співпраця (2 показники), Основна діяльність (7 показників) (рис. 1).

Рис. 1. Ієрархічна модель комплексної оцінки системи управління знаннями підприємства (KMS)

До критерію Люди (People) відносяться показники: середньооблікова чисельність штатних працівників, чол. (Р1); частка адміністративного персоналу (керівники, фахівці, службовці), % (Р2); середньомісячна заробітна плата штатних працівників, грн. (Р3); середньомісячна заробітна плата (адміністративний персонал), грн. (Р4); середньомісячна заробітна плата (виробничий персонал), грн. (Р5); коефіцієнт плинності кадрів, % (Р6); середній віковий рівень, років (Р7); частка працівників, що досягли пенсійного віку, % (Р8); частка персоналу з вищою освітою, % (Р9); середній стаж по спеціальності на підприємстві, років (Р10); наявність вакантних посад (Р11). Значення показників сформовані із використанням внутрішніх даних підприємств.

До критерію Процеси (Processes) блок Навчання (Learning) включає показники: кількість працівників, які проходили навчання (з метою покращення охорони праці) в навчальних закладах, чол. (PL1); витрати на навчання, % від фонду оплати праці (ФОП) (PL2).

Значення показників блоку Навчання сформовані із використанням внутрішніх даних підприємства. Блок Інноваційна діяльність (Innovative activity) відображається у показниках: витрати на інновації, % від виручки (PIA1); кількість упроваджених видів інноваційної продукції (товарів, послуг) (PIA2); обсяг реалізованої інноваційної продукції (PIA3); кількість впроваджених у виробництво нових технологічних процесів (PIA4); кількість придбаних (переданих) нових технологій (технічних досягнень) (PIA5). Показники блоку Інноваційна діяльність сформовані із використанням Звіту «Обстеження інноваційної діяльності промислового підприємства за 2019 рік № 1-інновація (один раз на два роки)» та використані для 2020 року аналогічно. Блок Інноваційні процеси (Innovative processes) складається з показників: впровадження методів виробництва/поліпшення товарів або надання послуг (PIP1); впровадження методів логістики, доставки або дистрибуції (вперше використання нових методів транспортування, складування, обробки та доставки замовлень) (PIP2); впровадження методів комунікації або обробки інформації (PIP3); впровадження методів обліку або адміністративного управління (PIP4); впровадження методів ділової практики з організації процедур або зовнішніх зв'язків (вперше використання практики кодифікації знань, зокрема, створення бази даних кращих практик, уроків для обміну знаннями на підприємстві; практик розвитку та покращання утримання працівників, таких як системи освіти та навчання; систем управління ланцюгами постачання, систем управління якістю; нових видів співпраці з науково-дослідними організаціями або клієнтами, нових методів інтеграції з постачальниками, аутсорсингу або субпідряду у виробництві, закупівлі, розповсюдженні, найманні працівників та допоміжних послугах) (PIP5); впровадження методів організації трудової відповідальності, прийняття рішень або управління людськими ресурсами (вперше використання нової системи відповідальності працівників, командної роботи, децентралізації, інтеграції або дезінтеграції підрозділів) (PIP6); впровадження маркетингових методів просування, пакування, ціноутворення, розміщення продукції або післяпродажного обслуговування (вперше використання договорів франчайзингу, нових концепцій презентації товару, нового рекламного носія, нового іміджу бренда, введення карт лояльності; систем знижок; значні зміни в естетичному дизайні або упаковці товару або послуги) (PIP7). Значення показників блоку Інноваційні процеси сформовано на основі використання звіту «Обстеження інноваційної діяльності підприємства за період 2018-2020 років, № ІНН (один раз на два роки)» та використано дані для 2020 року.

Блок Інноваційна співпраця включає показники: інноваційне співробітництво з іншими підприємствами (підприємства групи досліджуваного підприємства; підприємства, що не входять до групи досліджуваного підприємства: консультанти, комерційні лабораторії або приватні науково-дослідні інститути; постачальники обладнання, матеріалів, програмного забезпечення тощо; підприємства, які є клієнтами або замовниками досліджуваного підприємства; підприємства, які є конкурентами досліджуваного підприємства) (РІС1); інноваційне співробітництво з партнерами (окрім підприємств): університети або інші заклади вищої освіти; державні установи або науково-дослідні інститути; клієнти або замовники з державного сектору; некомерційні організації; інноваційні структури (інноваційні кластери, бізнес-інкубатори, акселератори; центри трансферу технологій; технологічні платформи тощо) (РІС2). Значення показників даного блоку сформовано на основі використання звіту «Обстеження інноваційної діяльності підприємства за період 2018-2020 років, № ІНН (один раз на два роки)». Блок Операційна діяльність (Operational activity) містить показники: кількість ліцензованих видів діяльності (POA1); застосування нетрадиційних та поновлюваних джерел енергії (POA2); наявність структурного підрозділу з управління знаннями (POA3); патенти на винаходи (POA4); сервісний центр (POA5); колл-центр (POA6); проєктна діяльність (POA 7). Значення показників блоку Операційна діяльність сформовані із використанням внутрішніх даних підприємства.

Критерій Технології (Technology) включає показники: наявність структурного підрозділу з програмного забезпечення (ПЗ) (Т1); сайт (технологія зовнішнього поширення інформації) (Т2); особистий кабінет споживача (технологія зовнішнього збору інформації) (Т3); технології доступу до інформації (Т4); засоби спільної роботи (Т5); системи управління контентом (Т6); Web 2.0 інструменти (Т7); інструменти структурування знань (Т8); компоненти управління знаннями в спеціалізованих системах (Т9). Значення показників сформовані із використанням внутрішніх даних підприємства.

Наведеному на рис. 1 ієрархічному дереву показників СУЗ відповідає така система співвідношень:

Етап 2. Оцінка показників системи управління знаннями (у числовій формі та у лінгвістичних термах) і визначення їх еталонних значень

У таблиці 1 відображена оцінка обраних показників системи управління знаннями на досліджуваних підприємствах, а також встановлене експертами їх еталонне (оптимальне) значення.

Таблиця 1Показники системи управління знаннями на підприємствах за 2020 рік

№ п/п	Показник	Позначення	Підприємства: 1 - МКП «Хмельницьктеплокомуненерго», 2 - КП «Південно-західні тепломережі», 3 - МКП «Хмельницькводоканал»	Еталонне значення	Етапи (фази) УЗ
			1 (s1) 1 2 (s2) 1 3 (s3)
Критерій «Люди» (People)
1	Середньооблікова чисельність штатних працівників, чол.	pi	603	216	807	807	F1 Т F3 Т
2	Частка адміністративного персоналу (керівники, фахівці, службовці), %	Р2	26	29	8	< 15	F1 ф F3 ф
3	Середньомісячна заробітна плата штатних працівників, грн.	P3	11005	9604	10741	12759	F3 Т F4 Т F6 Т
4	Середньомісячна заробітна плата (адмін. персонал)	Р4	13252	11597	14840	13256	F3 Т F4 Т F6 Т
5	Середньомісячна заробітна плата (виробн. персонал)	Р5	10235	8783	10388	12759	F3 Т F4 Т F6 Т
6	Коефіцієнт плинності кадрів, %	P6	8	11	10	5	F1 і
7	Середній віковий рівень	P7	51	45	50	45	F1 ф F3 ф
8	Частка працівників, що досягли пенсійного віку, %	P8	30	34	32	10	F1 ф F3 ф
9	Частка персоналу з вищою освітою, %	P9	35	40	20	> 25	F1 Т
10	Середній стаж по спеціальності на підприємстві, років	P10	24	11	16	> 15	F1 Т F2 Т
11	Наявність вакантних посад	Р11	так	так	так	ні	F1 і
Критерій Процеси (Processes)
Критерій Процеси (Processes), блок Навчання (Learning)
12	Частка працівників, які здійснювали навчання (з метою покращення охорони праці) в навчальних закладах, %	PL1	7	10	9	15	F2 Т
13	Витрати на навчання, тис. грн., % від ФОП	PL2	0,6	0,6	0,7	3	F2 Т
Критерій Процеси (Processes), блок Інноваційна діяльність (Innovative activity)
14	Витрати на інновації, % від виручки	PIA1	0,032	0,034	0	1	F3 Т F6 Т
15	Кількість упроваджених видів інноваційної продукції (товарів, послуг)	PIA2	0	0	0	1	F3 Т F6 Т F7 Т
16	Частка реалізованої інноваційної продукції (товарів, послуг) у реалізованій промисловій продукції (товарах, послугах), %	PIA3	0	0	0	5	F7 Т
17	Кількість впроваджених у виробництво нових технологічних процесів	PIA4	1	1	0	1	F6 Т F7 Т
18	Кількість придбаних (переданих) нових технологій (технічних досягнень)	PIA5	0	0	0	1	F7 Т
Критерій П	зоцеси (Processes), блок Інноваційні процеси (Innovative processes)
19	Впровадження методів виробництва/поліпшення товарів або надання послуг	pip1	так	ні	ні	так	F6 ф
20	Впровадження методів логістики, доставки або дистрибуції	PIP2	ні	ні	ні	так	F6 ф

21	Впровадження методів комунікації або обробки інформації	PIP3	так	ні	ні	так	F6 ф
22	Впровадження методів обліку або адміністративного управління	PIP4	ні	ні	ні	так	F6 ф
23	Впровадження методів ділової практики з організації процедур або зовнішніх зв'язків	PIP5	ні	ні	ні	так	F6 ф
24	Впровадження методів організації трудової відповідальності, прийняття рішень або управління людськими ресурсами	PIP6	так	ні	ні	так	F6 ф
25	Впровадження маркетингових методів просування, пакування, ціноутворення, розміщення продукції або післяпродажного обслуговування	PIP7	ні	ні	ні	так	F6 ф
Критерій Процеси (Processes), блок Інноваційне співробітництво (Innovation cooperation)
26	Інноваційне співробітництво з іншими підприємствами	PIC1	так	ні	ні	так	F2 ф F3 ф F4 ф F6 ф
27	Інноваційне співробітництво з партнерами (окрім підприємств)	PIC2	ні	ні	ні	так	F2 ф F3 ф F4 ф F6 ф
Критерій Процеси (Processes), блок Основна (операційна) діяльність (Operational activity)
28	Кількість ліцензованих видів діяльності	POA1	4	5	5	5	F7 Т
29	Застосування нетрадиційних та поновлюваних джерел енергії (ліцензія)	POA2	так	так	ні	так	F6 ф F7 ф
30	Наявність структурного підрозділу з управління знаннями	POA3	ні	ні	ні	так	F4 ф F5 ф
31	Патенти на винаходи	POA4	ні	ні	ні	так	F7 т
32	Сервісний центр	POA5	так	так	так	так	F4 ф
33	Колл-центр	POA6	так	так	так	так	F4 ф
34	Проєктна діяльність	POA7	так	так	так	так	F2 ф F3 ф F4 ф F6 ф
Критерій Технології (Technology)
35	Наявність структурного підрозділу з ПЗ	T1	так	ні	ні	так	F5 ф
36	Сайт (технологія зовнішнього поширення інформації)	T2	середній	середній	середній	дуже високий	F4 Т
37	Особистий кабінет споживача (технологія зовнішнього збору інформації)	T3	середній	середній	середній	дуже високий	F5 Т
38	Технології доступу до інформації	T4	середній	низький	середній	дуже високий	F5 Т
39	Засоби спільної роботи	T5	високий	середній	високий	дуже високий	F4 Т
40	Системи управління контентом	T6	середній	середній	середній	дуже високий	F5 Т
41	Web 2.0 інструменти	T7	середній	низький	середній	дуже високий	F5 Т
42	Інструменти структурування знань	T8	низький	дуже низький	низький	дуже високий	F4 Т
43	Компоненти управління знаннями в спеціалізованих системах	T9	дуже низький	дуже низький	дуже низький	дуже високий	F4 Т

Обрані показники в повній мірі відображають і всі етапи (фази) управління знаннями: формування (F1) > накопичення, отримання (F2) > генерування (F3) > обмін (F4) > збереження та документування (F5) > використання (F6) > результат управління знаннями (F7). Розподіл обраних показників за фазами управління знаннями відображені у таблиці 2. Позначення ^ біля показника свідчить, що оптимальним в системі управління знаннями є зростання вказаного показника. Позначення v біля показника свідчить, що оптимальним в системі управління знаннями є спадання вказаного показника. Позначення ф біля показника свідчить, що оптимальним в системі управління знаннями є фіксоване значення вказаного показника.

Таблиця 2Показники системи управління знаннями (СУЗ), розподілені згідно етапів (фаз) управління знаннями

Показники СУЗ	Етапи (фази) управління знаннями
	F1	F2	F3	F4	F5	F6	F7
	P1 т P2 ф Р6 і Р7 ф Р8 ф Р9 Т Р10 т Р11 і	Р10 т PL1 Т PL2 Т PIC1 ф PIC2 ф POA7 ф	P1 т Р2 ф Р3 т Р4 Т Р5 Т Р7 ф Р8 ф PIA1 Т PIA2 Т PIC1 ф PIC2 ф POA7 ф	Р3 Т Р4 Т Р5 Т PIC1 ф PIC2 ф POA3 ф POA5 ф POA6 ф POA7 ф Т2 Т Т5 Т Т8 Т Т9 Т	POA3 ф Т1 ф Т3 Т Т4 Т Т6 Т Т7 Т	рз Т Р4 Т Р5 Т PIA1 Т PIA2 Т PIA4 Т PIP1 ф PIP2 ф PIP3 ф PIP4 ф PIP5 ф PIP6 ф PIP7 ф PIC1 ф PIC2 ф POA2 ф POA7 ф	PIA2 Т PIA3 Т PIA4 Т PIA5 Т POA1 Т POA2 ф POA4 Т

Також розроблена система показників враховує усі рівні управління знаннями (індивідуальний, груповий, організаційний, міжорганізаційний). Усереднені показники критерію “Люди” відображають індивідуальний рівень. Показник Т1 та POA3 враховують наявність структурних підрозділів з програмного забезпечення та управління знаннями, що дозволяє врахувати груповий рівень управління знаннями. Блок «Інноваційне співробітництво» критерію «Процеси» відображає міжорганізаційний рівень управління знаннями. А весь комплекс показників у системному поєднанні відображають систему управління знаннями підприємства, тобто є організаційним рівнем управління знаннями підприємства.

Для показників Р11, PIP1, PIP2, PIP3, PIP4, PIP5, PIP6, PIP7, POA2, POA3, POA4, POA5, POA6, POA7, T1, T2, T3, T4, T5, T6, T7, T8, T9 результати наведені у вигляді лінгвістичних термів. Для цього використано трикутну функцію належності (формула 4).

При цьому для показників Р11, PIP1, PIP2, PIP3, PIP4, PIP5, PIP6, PIP7, РІС1, РІС2, POA2, POA3, POA4, POA5, POA6, POA7, T1 вигляд функції належності та лінгвістичних термів (Так, Ні) наступний (рис. 2).



Рис. 2. Трикутні функції належності з лінгвістичними термами Так, Ні

Лінгвістичному терму Ні відповідає нечітке число (0; 0; 1). Лінгвістичному терму Так відповідає нечітке число (0; 1; 1).

Для показників T2, T3, T4, T5, T6, T7, T8, T9 вигляд функції належності та лінгвістичних термів (Дуже низький, Низький, Середній, Високий, Дуже високий) наступний (рис.3).

Лінгвістичному терму Дуже низький відповідає нечітке число (0; 0; 0,2), Низький - (0; 0,2; 0,5), Середній - (0,2; 0,5; 0,8), Високий (0,5; 0,8; 1), Дуже високий (0,8; 1; 1).

Еталонне значення Р1 становить максимальне значення кількості працівників серед досліджуваних підприємств, адже більша кількість працівників генерують більше знань. Еталонне значення Р2 встановлене на рівні 15 %, що відображає кількісний пріоритет виробничого персоналу в сенсі збільшення виробничих можливостей підприємства. Для Р3 та Р5 еталонне значення встановлене на рівні 12759 грн (середньої заробітної плати в 2020 р. по країні в промисловості). Для Р4 еталонне значення обрано на рівні 13256 грн. (за даними Державної Служби Статистики у 2020 році середня заробітна плата для підприємств електроенергетики становила 16739 грн., а для підприємств, які займаються водопостачанням та водовідведенням 9774 грн., усереднене їх значення становить 13256 грн). Для Р6 еталонним є 5% (природна плинність кадрів), що дозволяє врахувати кадрову безпеку. До того ж в економіці знань висока плинність кадрів означає не лише додаткові витрати на пошук та навчання співробітників, але і втрату людського капіталу (унікальних компетенцій, знань та досвіду). Для Р7 еталонним є мінімальне значення для досліджуваних підприємств на рівні 45 років. Еталонне значення для Р8 встановлено на рівні 10 %. Для Р11 еталонним є відсутність вакантних посад, адже проблемами підприємств є нестача кваліфікованих кадрів робітничих спеціальностей, у еталонному значенні відображено, що підприємство повністю забезпечене кваліфікованими кадрами.

Рис. 3. Трикутні функції належності з лінгвістичними термами Дуже низьким, Низьким, Середнім, Високим, Дуже високим

Етап 3. Попередня обробка даних (зведення всіх показників до одного порядку)

Для показників, котрі визначалися із використанням трикутної функції належності з лінгвістичними термами Так, Ні, дефазифіковане значення для терму Так становить 0,6667 ((0+1+1)/3), для лінгвістичного терму Ні - 0,3333 ((0+0+1)/3) (таблиця 3).

Таблиця 3Лінгвістичні терми (Так, Ні), відповідні їм нечіткі числа та дефазифіковані значення

Лінгвістичні терми	Нечіткі числа	Дефазифіковані значення
Ні	(0; 0; 1)	0,3333
Так	(0; 11)	0,6667

Для показників, котрі визначалися із використанням трикутної функції належності з лінгвістичними термами Дуже низький, Низький, Середній, Високий, Дуже високий, дефазифіковані значення представлені у таблиці 4.

Таблиця 4Лінгвістичні терми, відповідні їм нечіткі числа та дефазифіковані значення

Лінгвістичні терми	Нечіткі числа	Дефазифіковані значення
Дуже низький	(0; 0; 0,2)	0,0667
Низький	(0; 0,2; 0,5)	0,2333
Середній	(0,2; 0,5; 0,8)	0,5000
Високий	(0,5; 0,8; 1)	0,7667
Дуже високий	(0,8; 1; 1)	0,9333

Отже, результати зведення всіх показників таблиці 1 до одного порядку відображені у таблиці 5. Також у даній таблиці відображене Підприємство S41, котре є умовним еталонним підприємством. Його показники є оптимальними згідно думок експертів.

Таблиця 5Приведення вихідних показників до одного порядку

<...

Показник	S11	S21	S31	S41 (умовне)	S01
і	2	3	4	5	6
pi	0,7472	0,2677	1,0000	1,0000	1,0000
Р2	0,8966	1,0000	0,5172	0,5172	0,5172
P3	0,8625	0,7527	0,8418	1,0000	1,0000
Р4	0,8930	0,7815	1,0000	0,8933	0,8933
Р5	0,8022	0,6884	0,8142	1,0000	1,0000
P6	0,7273	1,0000	0,9091	0,4545	0,4545
1	2	3	4	5	6
P7	1,0000	0,8824	0,9804	0,8824	0,8824
P8	0,8824	1,0000	0,9412	0,2941	0,2941
P9	1,0000	1,0000	0,8000	1,0000	1,0000
P10	1,0000	0,7333	1,0000	1,0000	1,0000
Р11	0,6667	0,6667	0,6667	0,3333	0,3333
PL1	0,4667	0,6667	0,6000	1,0000	1,0000
PL2	0,2000	0,2000	0,2333	1,0000	1,0000
PIA1	0,0320	0,0340	0,0000	1,0000	1,0000
PIA2	0,0000	0,0000	0,0000	1,0000	1,0000
PIA3	0,0000	0,0000	0,0000	1,0000	1,0000
PIA4	1,0000	1,0000	0,0000	1,0000	1,0000
PIA5	0,0000	0,0000	0,0000	1,0000	1,0000
PIP1	0,6667	0,3333	0,3333	0,6667	0,6667
PIP2	0,3333	0,3333	0,3333	0,6667	0,6667
PIP3	0,6667	0,3333	0,3333	0,6667	0,6667
PIP4	0,3333	0,3333	0,3333	0,6667

Подобные документы

• Розробка комплексу моделей оцінки та аналізу ринкової вартості підприємства

  Дослідження категорійного апарату оцінки та аналізу ринкової вартості підприємства. Концептуальна схема взаємозв’язку моделей. Прогноз за методом експоненційного згладжування з урахуванням експоненційного тренду. Організація управління охороною праці.
  
  дипломная работа [486,5 K], добавлен 20.11.2013
  

• Комплекс моделей оцінки рівня фінансової безпеки підприємства

  Поняття фінансової безпеки підприємства, існуючі загрози. Особливості дослідження фінансової безпеки підприємства на основі методів багатомірного статистичного аналізу. Розробка комплексу моделей оцінки рівня фінансової безпеки сучасного підприємства.
  
  дипломная работа [987,5 K], добавлен 18.11.2013
  

• Процес підвищення ефективності функціонування підприємства ЗАТ "Запоріжтрансформатор" з багатономенклатурним виробництвом

  Питання та основні напрямки дослідження при управлінні витратами на сучасному підприємстві. Вивчення основ створення комплексної інформаційної системи управління витратами та побудова моделі управління витратами на прикладі ВАТ "Запоріжтрансформатор".
  
  дипломная работа [220,7 K], добавлен 03.11.2009
  

• Моделі Уілсона управління запасами

  Сутність теорії управління запасами, оптимізація рівня, стратегії управління. Основні типи моделей управління запасами, модель Уілсона. Визначення оптимального розміру запасів з використанням моделі Уілсона, з обмеженнями на складські приміщення.
  
  курсовая работа [160,4 K], добавлен 11.05.2012
  

• Економіко-математичні моделі управління інвестиційним портфелем

  Теорія вибору інвестиційного портфеля цінних паперів, формування та управління ним із застосуванням методів ефективної диверсифікації ризиків. Розробка ефективного економіко-математичного інструментарію визначення оптимального інвестиційного портфеля.
  
  автореферат [35,9 K], добавлен 06.07.2009
  

• Моделювання управління запасами

  Сутність та мета створення товарно-матеріальних запасів. Моделі систем управління запасами з фіксованим обсягом замовлення або періодом, визначення рівня резервного запасу. Управління товарно-матеріальними запасами на торговельному підприємстві "Ритм".
  
  курсовая работа [154,4 K], добавлен 28.03.2011
  

• Елементи системного дослідження ТОВ "Український кардан"

  Побудова моделі типу "життєвого циклу" та дерева цілей для досліджуваної економічної системи, моделі організаційної структури системи управління економічним об'єктом. Синтез удосконаленої системи з урахуванням напрямків проведених декомпозицій.
  
  курсовая работа [305,9 K], добавлен 02.04.2014
  

• Дослідження залежності сили прибою від щільності по утоку махрової тканини

  Визначення числових характеристик випадкових величин. Дослідження залежності розподілу об'ємності та щільності мотальних бобін від діаметру намотування. Визначення виду регресійної однофакторної математичної моделі з використанням методу Чебишева.
  
  курсовая работа [173,6 K], добавлен 13.11.2013
  

• Дослідження економіко-математичної моделі організації рекламної компанії

  Поняття реклами, ефективності рекламної діяльності та проблеми її моделювання. Види емпіричних моделей для оцінки рекламного бюджету. Ідеї для побудови економіко-математичної моделі організації рекламної діяльності. Застосування диференціальних рівнянь.
  
  дипломная работа [793,8 K], добавлен 24.09.2016
  

• Формування виробничого плану випуску продукції

  Дослідження операцій - наука про моделі і методи оптимального управління. Використання методу лінійного програмування - двоїстий симплекс. Алгоритм рішення задачі. Висновок і дослідження моделі на чутливість. Дослідження програми для великих розмірностей.
  
  курсовая работа [3,2 M], добавлен 25.05.2015
  

• Використання економіко-математичних методів для прогнозування (на прикладі підприємства ТОВ "Бучацький сирзавод")

  Стратегічна діагностика ефективності системи управління збутовою діяльністю. Прогнозування обсягів реалізації продукції ТОВ "Бучацький сирзавод" з використанням методів економіко-математичного моделювання на базі прикладного програмного забезпечення ЕОМ.
  
  дипломная работа [2,8 M], добавлен 16.09.2014
  

• Підвищення ефективності роботи підприємства на основі застосування економіко-математичних методів (на прикладі ВАТ "Дніпрополімермаш")

  Методи і методики визначення ефективності роботи підприємства, аналіз фінансового стану. Економіко-математичне моделювання взаємозв‘язку елементів собівартості та прибутку. Інформаційна система підтримки прийняття рішень. Інтерфейс інформаційної системи.
  
  дипломная работа [1,7 M], добавлен 14.11.2009
  

• Розробка логістичних моделей в умовах підприємства ТОВ "Карніка"

  Організаційна й економічна характеристика та структура керування підприємства. Значення, мета й методи проведення аналізу діяльності підприємства. Постановка мети, завдань роботи й формулювання вимог до інформаційної системи, матеріальні запаси, витрати.
  
  дипломная работа [997,7 K], добавлен 14.10.2009
  

• Економетрія

  Типи економетричних моделей. Етапи економетричного аналізу економічних процесів та явищ. Моделі часових рядів та регресійні моделі з одним рівнянням. Системи одночасних рівнянь. Дослідження моделі парної лінійної регресії. Однофакторні виробничі регресії.
  
  задача [152,8 K], добавлен 19.03.2009
  

• Моделювання процесів розвитку виробничого та фінансового потенціалу підприємства

  Структурно-функціональне моделювання процесу управління фінансовим потенціалом підприємств. Методи формування еталонних траєкторій збалансованого розвитку економічних систем. Моделювання та оптимізація діяльності на агропромисловому підприємстві.
  
  дипломная работа [1,1 M], добавлен 21.01.2014
  

• Економіко-математичне моделювання процесу товароруху обліку продовольчої продукції (на прикладі приватного підприємства "Бардаков")

  Аналіз діяльності підприємства громадського харчування: формування витрат, товарна політика. Сутність економіко-математичного та інформаційно-логічного моделювання. Моделювання сукупного попиту та пропозиції. Побудова прототипу системи автоматизації.
  
  дипломная работа [2,8 M], добавлен 14.05.2012
  

• Математичні моделі операційного менеджменту будівельного підприємства

  Модель оптимального виробництва, збуту і зберігання продукції. Поєднання фінансово-економічного аналізу та економіко-математичних методів. Координація діяльності структурних підрозділів. Підготовка і оформлення наказів. Структура майна підприємства.
  
  курсовая работа [6,0 M], добавлен 20.02.2011
  

• Інформаційна система аналізу діяльності підприємства для фінансового забезпечення інвестиційної діяльності

  Теорія, напрями, сутність інвестиційної діяльності в Україні. Оцінка інвестиційної діяльності підприємства засобами інформаційної системи: "Аналіз діяльності підприємства для фінансового забезпечення інвестиційних проектів". Програмне забеспечення.
  
  дипломная работа [407,6 K], добавлен 24.11.2007
  

• Методи оцінки погодженості думок між експертами

  Система управління технологічним процесом. Методи експертних оцінок. Принципи виявлення колективної думки експертів про перспективи розвитку об'єкта аналізу. Статистична обробка результатів. Методи евристичного програмування, "мозкової атаки" й аналогії.
  
  реферат [34,1 K], добавлен 11.05.2009
  

• Фіктивні змінні. Залежність ціни на ноутбуки від кількісних і якісних факторів

  Застосування функції "ЛИНЕЙН" для оцінки параметрів та аналізу моделі. Перевірка загальної якості товару за допомогою коефіцієнта детермінації. Модель з якісними змінними. Значення F-критерію, який відповідає за статичну значущість всієї моделі.
  
  контрольная работа [28,5 K], добавлен 09.11.2014
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам