Исследование целесообразности применения байесовских сетей доверия для анализа проектных рисков компаний пищевой промышленности

Рисунок 26

Также, если рассматривать ситуацию от обратного, и предположить, что риск нежелания дилеров работать с данным видом продукции уже был реализован (О4), то источником его с уверенностью на 77.86% мы можем считать негативный эффект со стороны снижения потребительского спроса в результате воздействия неблагоприятной экономической обстановки. (Рис.27)

Рисунок 27

Также можно отметить, что данные, рассчитанные с помощью компьютерной программы предоставляют еще более точные результаты вероятности возникновения того или иного риска.

Таким образом, метод BBN позволяет лучше понять систему влияния и взаимозависимости различных факторов, что предоставляет менеджеру возможность с большей уверенностью подходить к планированию и управлению проектом.

Выводы и рекомендации

Таким образом, в данной работе нами был реализован один из наиболее комплексных и сложных методов управления рисками проектов на примере проекта компании «ВИБЕРГ Рус» по выводу продукции линейки HoReCa на российский рынок пищевой промышленности, а именно специй, пряностей и приправ. Осуществив качественную оценку рисков проекта, мы сумели выявить наиболее приоритетные из них, требующие дальнейшего анализа, который был проведен с помощью Байесовских сетей доверия.

Несмотря на явные преимущества данного метода, такие как: возможность объединения количественной и качественной информации, наглядное изображение сети взаимозависимости анализируемых параметров, а также возможность динамической обработки данных на протяжении реализации проекта, существует ряд преград для эффективного внедрения метода BBN в систему управления рисками проектов: необходимо обладать знаниями теории вероятности и умением работать в специализированных программах, которые значительно упрощают весь процесс, а также одной из наиболее значимых проблем является сложность определения условных вероятностей.

Так, на примере проекта, который анализировался в данной работе, мы поняли, что для компаний подобных «ВИБЕРГ Рус», оперирующих на рынке пищевой промышленности, и не реализующих проекты крупного масштаба, а также не имеющих отдела по управлению проектами и квалифицированного в данной области персонала, не возникает острой необходимости в применении такого сложного и трудоемкого метода управления рисками, как Байесовские сети доверия. Это связано с тем, что в результате проведенного исследования, полученные данные о вероятностях возникновения рисков, были практически идентичны, каким бы методом мы их не считали (экспертной оценки, по формулам условных вероятностей или с помощью компьютерной программы). То есть, на наш взгляд, наиболее быстрым и эффективным методом для данной компании может служить, например, экспертная оценка вероятности и воздействия рисков на цели проекта, что в разы оперативнее предоставит менеджеру всю необходимую информацию для принятия управленческого решения.

Тем не менее BBN скорее могут быть актуальны для более глобальных и крупных проектов, имеющих большое количество рисков со сложными и менее очевидными взаимозависимостями, что не позволяет получить достаточно точные и реалистичные данные о вероятности наступления рисков экспертными методами. А также требуемые усилия и трудозатраты для реализации метода Байесовских сетей должны оправдываться полученными качественными и высокоточными результатами, которые послужат основой для эффективного управления и снижения вероятности отмены запланированного проекта.

Заключение

При постоянном росте конкуренции на рынках, растут требования потребителей к качеству представляемых продуктов и услуг и, следовательно, возникает все большая необходимость в проведении организациями изменений и корректировок своей деятельности. Так, компании с процессно-ориентированной системой управления и производства все чаще начинают внедрять системы управления проектами для улучшения эффективности своей текущей деятельности и дальнейшего развития. Таким образом, реализуя проекты, компании вносят изменения в свою операционную деятельность (например, как в результате проанализированного в работе проекта по выводу нового продукта на рынок) для достижения своих стратегических задач. В связи с этим и возникает острая необходимость усовершенствования систем по управлению одной их наиболее важных областей знания управления проектами, а именно управления рисками.

В данной работе был проанализирован и реализован один из наиболее комплексных методов управления рисками, а именно Байесовские сети доверия. В результате мы выявили, что BBN, представляющие собой сетевую модель и отражающие причинно-следственные связи между переменными, дают ряд преимуществ в процессе управления рисками. Так, одними из основных преимуществ и отличительных черт модели является возможность сочетать качественную и количественную (статистическую) информацию и динамически ее обрабатывать, при этом наглядно отображая взаимозависимости элементов сети. Кроме того, данные, полученные при реализации данного метода с помощью компьютерной программы, предоставили наиболее точные значения вероятностей идентифицированных рисков. Тем не менее мы столкнулись и с рядом проблем на пути применения BBN: сложность определения условных вероятностей и проведения необходимых расчетов. Все это позволило разработать рекомендации по использованию метода BBN, в результате чего была достигнута цель данной работы.

А также можно отметить, что на основании полученных данных в процессе качественного и количественного анализа рисков проекта, можно сделать вывод о том, что проект стоит реализовывать, несмотря на не совсем выгодные тенденции развития риска. Это связано с тем, что лишь незначительно количество рисков попало в так называемую «красную зону», а большинство и вовсе обладают наименьшей вероятность возникновения и уровнем воздействия на цели проекта, так что управление ими осуществляться не будет, а потребуется только мониторинг и наблюдение.

Список использованной литературы

2. Межова Л.Н. Управление рисками: учебное пособие. - Барнаул.: Типография АГУ, 2014. -146 с.

3. PMBOK Guide. 5^th ed. Newton Square, Pennsylvania, USA: Project Management Institute, 2013.

4. Анопченко Т.Ю., Новицкая А.И. Динамика и тенденции развития пищевой промышленности в современных условиях России // Journal of Economic Regulation (Вопросы регулирования экономики). 2015. №1 (6).

5. Богомолова И.П., Ульченко Т.Ю., Серебрякова Н.А. Механизм управления рисками зерноперерабатывающих предприятии? / И. П. Богомолова, Т. Ю. Ульченко, Н. А. Серебрякова // Вестник Воронежского государственного университета инженерных технологии?. 2013. № 4 (58). С. 246-251.

6. Васильева Н.А. Проблемы развития пищевой промышленности в условиях глобальной конкуренции // Российское предпринимательство. 2012. №7 (205).

7. Каменская Е.А. Управление рисками сельскоперерабатывающих предприятии? в условиях реформирования производства: Автореф. дис. канд. экон. наук / Е. А. Каменская.- СПб., 2009.- 22 с.

8. Козлова Н.А. Модели, методы и инструменты управления рисками проектов: курсовая работа. - М. 2015. 46 с.

9. Мусина В.Ф. Баи?есовские сети доверия как вероятностная графическая модель для оценки экономических рисков. Труды СПИИРАН. 2013. Вып. 2(25).

10. Сироткин А. В. Баи?есовские сети доверия: дерево сочленении? и его вероятностная семантика // Труды СПИИРАН. Вып. 3, т. 1. -- СПб.: Наука, 2006.

11. Ульченко Т. Ю. Инструменты анализа и управления рисками деятельности предприятий пищевой промышленности / Т.Ю. Ульченко, Н. М. Панкова // Молодой ученый. - 2015. - №7.3. - С. 78-83.

12. Фоменко А. О. Методика расчета проектных рисков на основе применения байесовских сетей / А. О. Фоменко // Вестник НТУУ «КПІ». - 2011. - № 54. - С. 126-129.

13. Barua S., Gao X., Pasman H., Mannan M.S. Bayesian network based dynamic operational risk assessment // Journal of Loss Prevention in the Process Industries. 2015. Vol. 12, p. 1-12.

14. Chin K-S, Tang D-W, Yang J-B, Wong S.Y., Wang H. Assessing new product development risk by Bayesian network with a systematic probability generation methodology // Journal of Systems and Software. 2009. Vol.12, No 36.

15. Fan C.F., Yu Y.C. BBN-based software project risk management // Journal of Systems and Software. 2004. Vol. 73, No 2. P. 193-203.

16. Fang C., Marle F. A simulation-based risk network model for decision support in project risk management. // Decision Support Systems 52 (2012) 635-644.

17. Jensen F. V. Bayesian Networks and Decision Graphs. New York: Springer-Verlag, 2001. 268 p.

18. Khodakarami V., Abdi A. Project cost risk analysis: A Bayesian networks approach for modelling dependencies between cost items // International Journal of Project Management 32 (2014) 1233-1245.

19. Lee E., Park Y., Shin J.G. Large engineering project risk management using a Bayesian belief network // Expert Systems with Applications. 2009. Vol. 36. No 3. P. 5880-5887.

20. Parananond D., Thawesa N. Risk management for a new product development projects in food industry. // Journal of Engineering, Project^ and production Management. 2014. 4(2), p. 99-113.

21. Raydugin J. Project Risk Management: Essential Methods for Project Teams and Decision Makers. John Wiley & Sons, 2013. - 400 pp.

22. The Practice Standard for Project Risk Management. Newtom Square, Pennsylvania, USA, PMI, 2009.

23. Беседин А. Рынок приправ и специй в России. [Электронный ресурс] // Food market news - 2016. URL: http://sfera.fm/articles/rynok-priprav-i-spetsii-v-rossii_1631 (дата обращения: 12.04.2016).

24. Блинов М. Программа импортозамещения в российской экономике в 2014-2015 годах. [Электронный ресурс] // РиаНовости 25.11.2015. URL: http://ria.ru/spravka/20151125/1327022750.html (дата обращения: 12.03.2016).

25. В Кремле не заметили снижение доходов населения. [Электронный ресурс] // РИА «Новый день» - 08.12.2015. URL: http://newdaynews.ru/society/551504.html (дата обращения: 12.04.2016).

26. Дрожжевые экстракты - здоровая альтернатива усилителям вкуса и аромата синтетического происхождения [Электронный ресурс] // Молочная река: журнал для профессиональной отрасли - 06.10.2013. URL: http://meat-milk.ru/milk/articles/1/view/210.html (дата обращения: 20.04.2016).

27. Зубаева И. Спрос на услуги ресторанов и кафе может упасть вдрое. [Электронный ресурс] // Российская газета - 27.01.2015. URL: http://rg.ru/2015/01/27/restorani.html (дата обращения: 12.03.2016).

28. Израильский производитель ароматических добавок покупает WIBERG [Электронный ресурс] // Agro2b. URL: http://agro2b.ru/ru/news/26117-Izrailskij-proizvoditel-aromaticheskih-dobavok-pokupaet-Wiberg.html (дата обращения: 20.04.2016).

29. Национальное рейтинговое агентство. Развитие ритейла в России в 2014 г. [Электронный документ] URL: www.ra-national.ru (дата обращения: 12.03.2016).

30. Официальный сайт. FRUTAROM. [Электронный ресурс] URL: http://www.frutarom.com/FrutaromNew/Templates/showpage.asp?DBID=1&LNGID=1&TMID=178&FID=545&PID=0&IID=2308 (дата обращения: 20.04.2016).

31. Официальный сайт. WIBERG. [Электронный ресурс] URL: http://www.wiberg.com.ru/ (дата обращения: 20.04.2016).

32. Проблема кадров в России [Электронный документ] // Деловые новости - 16.08.2013. URL: http://delonovosti.ru/main/1580-problema-kadrov-v-rossii.html (дата обращения: 12.03.2016).

33. Птуха А. Российский рынок специй, приправ и пряностей. [Электронный ресурс] // Food market news - 2014. URL: http://sfera.fm/articles/rossiiskii-rynok-spetsii-priprav-i-pryanostei (дата обращения: 12.04.2016).

34. Птуха А. Российский рынок специй, приправ и пряностей. [Электронный ресурс] // Отраслевой портал - 21.10.2014. URL: http://article.unipack.ru/52180/ (дата обращения: 12.04.2016).

35. Уровень жизни в России [Электронный документ] URL: https://allinvestments.ru/uroven-zhizni-v-rossii/ (дата обращения: 12.03.2016).

36. Федеральная служба государственной статистики. [Электронный документ] // Цены URL: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/tariffs (дата обращения: 12.03.2016).

37. Федеральная служба государственной статистики. [Электронный документ] // Розничная торговля, услуги населению, туризм URL: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/enterprise/retail/# (дата обращения: 12.03.2016).

38. Школа инвестора. ВВП России по годам: 1990-2015. [Электронный документ] URL: http://investorschool.ru/vvp-rossii-po-godam (дата обращения: 12.03.2016).

Приложение 1. Пример матрицы вероятности и воздействия

Пояснение: темно-серая область (с наивысшими числовыми значениями) обозначает высокий уровень риска; более светлая область ( с наименьшими числовыми значениями) - низкий уровень риска; самая светлая область ( со средними числовыми значениями) - средний уровень риска.

Приложение 2. Пример продукции WIBERG направления HoReCa

Приложение 3. Иерархическая структура работ проекта (WBS)

Приложение 4. Основные стейколдеры проекта

Размещено на Allbest.ru