Методология адаптивного выбора управленческих решений на промышленном предприятии в условиях критериальной неопределенности

В диссертации рассмотрен алгоритм оценивания позиции ЛПР в контексте задачи выбора решений при входном контроле на производственном предприятии. Рассмотрен такой вариант организации контроля, когда из партии изделий делается контрольная выборка и для каждого ее изделия производится измерение значений контрольных показателей, вычисляется значение среднего по выборке. Существуют четыре возможных состояния: - параметр вне границ допустимой области; - параметр в -окрестности номинального значения (субноминальной области); - параметр вне субноминальной, но в допустимой области, причем он меньше номинального значения; - аналогично , но параметр больше номинального значения. Возможные решения заключаются в следующем: - забраковать партию изделий; - принять и направить в производство; - провести контроль для всех изделий из партии и после этого годные направить в производство. ЛПР принимает одно из решений . Платежи (имеющие смысл выигрыша) априори известны или выявлены с помощью решения одной из рассмотренных ранее обратных задач. Вариант платежей приведен в табл. 1. Параметрическая форма целевой функции, на основе которой оцениваются дискретные решения по критерию Гурвица, имеет вид:

, (4)

где - параметр, - выигрыш (из табл. 1), соответствующий решению и состоянию _; Т.е. целевая функция содержит четыре группы переменных:

Таблица 1

Платежная матрица

d	s
	s1	s2	s3	s4
d1	5	5	5	5
d2	4	7	6	8
d3	0	6	7	10

состояния, решения, платежи и параметр . Прямая задача заключается в выборе оптимального решения при заданном параметре и известной платежной матрице. Обратная задача заключается в определении значения параметра при известной платежной матрице и выборке наблюдений за хорошими решениями ЛПР (и соответствующими выигрышами). При известной платежной матрице можно построить зависимость , и соответствующую ей . Для каждого ЛПР, действующего в одной и той же функциональной среде, значение параметра , а значит, оптимальное решение и выигрыш будут своими. Так, для каждого из трех решений целевая функция (4) имеет вид: .

Функции и приведены на рис. 6 и рис. 7, из которых видно взаимно однозначное соответствие (с точностью до интервала) между оптимальным значением целевой функции, оптимальным решением и параметром .

Рис. 6. Параметрический вид целевой функции

Рис. 7. Параметрический вид оптимального решения

Рис. 8. Выборка наблюдений (платежи - параметр)



Рис. 9. Выборка наблюдений (принятые решения)

управленческое решение менеджер информационный

Пусть для выявления позиции ЛПР, платежи которого представлены табл. 1, выборка наблюдений за решениями и выигрышами приведена на рис. 8 и рис. 9. В результате обработки результатов наблюдений получено среднее значение оптимального выигрыша , что с учетом зависимости , приведенной на рис. 6, позволяет определить соответствующее значение параметра .

Чтобы определить, какому из критериев соответствует это значение параметра, необходимо решить прямую задачу выбора решений для платежей, приведенных в табл. 1, отдельно для каждого критерия.

Для рассмотренных параметров среды на оси (см. рис. 6) можно выделить интервалы (или точки), характерные для соответствующих критериев:

· критерию крайнего оптимизма соответствует точка , приводящая к выбору в качестве оптимального решения ;

· критерию Байеса, т.е. случаю наличия полной информации о распределении вероятностей на множестве состояний (пусть - ), соответствует точка и оптимальное решение ;

· критерию Сэвиджа соответствует интервал , приводящий к выбору в качестве оптимального решения ;

· критерию Вальда соответствует интервал и оптимальное решение .

Таким образом, позиция ЛПР, которой соответствует значение параметра , наиболее близка позиции лица, принимающего решения в условиях статистической определенности ().

Существенную долю задач управления промышленными предприятиями как в составе Back Offece, так и Front Office составляют многошаговые, многостадийные процедуры, требующие выбора решений на тех или иных фазах. Подобные процессы обычно представляют сетями или деревьями решений. В диссертации показано, каким образом адаптивную технологию выявления (оценивания) позиции ЛПР применить для многошаговых процедур управления, представимых деревьями решений. Для задачи управления процессами предоставления покупателям (дистрибьюторам, дилерам промышленных предприятий) товарных кредитов построено типовое дерево решений, где часть шагов выполняет менеджер (ЛПР), а часть - природа, вносящая неопределенность в исходы и обобщенно отражающая все неопределенности внешней среды. Для такой схемы построен конструктивный алгоритм выявления позиции ЛПР по наблюдениям за принятыми им решениями и данным функционирования предприятия, имеющимся в его учетной системе. Позиция ЛПР для данного многошагового процесса, как и в одношаговом случае, идентифицируется параметром пессимизма-оптимизма Гурвица. Выявленная позиция ЛПР в системе управления предприятием может быть использована для мониторинга менеджера и/или для выбора формы адаптивной модели (глава 3), адекватной его позиции, для автоматизации управления.

Рассмотренные в четвертой главе вопросы формализованного представления позиции ЛПР и выявления (оценивания) фактических значений ее параметров по результатам наблюдений за действиями ЛПР (выбором решений в повторяющихся процедурах) представляют собой вариант моделирования позиции в узком смысле. Однако даже такое представление позиции ЛПР является достаточно конструктивным и практически полезным, т.к. позволяет менеджеру более высокого уровня вести мониторинг позиции ЛПР и использовать эти данные для оперативного или организационного управления.

В главе 5 «Взаимодействие ЛПР и информационной среды в системе адаптивного управления предприятием» рассмотрены способы организации эффективного сопряжения (интерфейса) ЛПР с информационной средой предприятия. В контексте задач выбора решений на основе моделей линейного программирования введены необходимые термины, разработана технология формализованного встраивания ЛПР в человеко-машинную систему управления предприятием.

В системах управления предприятиями техника сопряжения различных функциональных модулей и блоков играет важную роль. Плохо выполненное сопряжение приводит к снижению эффективности функционирования комплекса. Вопросы сопряжения в современных системах обычно переносятся в область содержания представляемых данных, их объема, формы отображения на экране и последовательности вывода. В системе управления данные должны предъявляться информационной средой менеджеру (ЛПР) таким образом, чтобы обеспечить высокую эффективность их совместной работы.

В диссертации введен ряд необходимых терминов. Показатель, отражающий способность ЛПР оперировать тем или иным количеством данных о текущей ситуации, назван пропускной способностью ЛПР - (индекс «Л» означает принадлежность параметра ЛПР, «М» - модели). Мерой пропускной способности служит количество ограничений (m), которое ЛПР способен учесть при выборе решения без ущерба для качества выбранного решения. Мерой снижения качества решения принято Отклонение по вероятности - доля однородных предъявлений (с одинаковым количеством ограничений), в которых ЛПР не выбрал оптимальную крайнюю точку ОДР ().

Возможности различения альтернатив отражены в показателе, называемом разрешающей способностью ЛПР (). Аналогично - разрешающей способностью модели (). Введено понятие плотности альтернатив (), предъявляемых ЛПР. Показатель, отражающий объем информации, полученной от ЛПР в результате выбора им в качестве оптимального решения той или иной альтернативы, назван информативностью решения ЛПР ().

Схематично взаимодействие ЛПР со средой представлено на рис. 10.

Информативность и плотность альтернатив - это характеристики внешней (по отношению к ЛПР) среды. Разрешающая и пропускная способности ЛПР являются его собственные характеристиками, от которых зависит качество принимаемых им решений. А разрешающая способность модели отражает ее качество как звена выбора решений. Если разрешающая способность настроенной модели не хуже разрешающей способности ЛПР () и оценки параметров модели (коэффициентов целевой функции) эффективны, не смещены и состоятельны, то можно говорить, что модель адекватна предпочтениям ЛПР.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис. 10. Схема взаимодействия ЛПР со средой управления

Вопросы выявления предпочтений ЛПР вне контура управления рассматривались в таких направлениях исследований как экспертное оценивание (С.Д. Бешелев, Ф.Г. Гурвич, Л.Г. Евланов) и байесовские процедуры адаптивного обучения в управлении (У. Моррис, К. Нейлор). В диссертации предложены алгоритмы построения модели «системы ценностей» ЛПР путем предъявления ему ряда простых ситуаций.

Особенностью класса задач оперативного планирования на основе моделей линейного программирования (в контексте таких задач управления предприятием как распределение ограниченных материальных ресурсов) является то, что коэффициенты левых частей ограничений не изменяются от одной ситуации принятия решений к другой, а меняются лишь остатки запасов материалов и объемы заказов готовой продукции (правые части ограничений ). Это приводит к тому, что ориентация гиперплоскостей ограничений в пространстве переменных остается неизменной на каждом шаге наблюдений. Гиперплоскости лишь параллельно перемещаются в соответствии с текущими значениями правых частей , что и формирует текущую ОДР. А поскольку ориентация каждой гиперплоскости в пространстве переменных однозначно определяется ее нормальным вектором единичной длины (НВЕД), то вне зависимости от текущей СТПР пучок НВЕД задачи остается неизменным. Этот пучок векторов назван спектром ограничений задачи (или просто спектром задачи). Последний представляет все ограничения, которые могут иметь место в любых возможных СТПР. Аналогично введены другие варианты спектров (спектр СТПР, спектр ОДР, спектр решения ЛПР, спектр решения модели). Спектры решений ЛПР в предъявлениях и являются проекциями его предпочтений на спектр задачи. Спектры решений ЛПР концентрируются вокруг спектральной линии реальной целевой функции.

Варианты спектров, отражающие неизменные коэффициенты левых частей ограничений, названы дискретными (или фиксированными) спектрами). Их характерной особенностью является то, что в новых предъявлениях не могут появиться новые спектральные векторы, а всякий раз появляется то или иное их сочетание, как подмножество спектра задачи. В тех задачах, где в ограничениях меняются как правые части, так и левые, спектры также не имеют фиксированного набора спектральных векторов. Таким задачам соответствуют непрерывные спектры. Особенностью спектрального представления данных ЗЛП является то, что в основных алгоритмах построения модели предпочтения ЛПР используются НВЕД, которые и являются элементами любого варианта спектра.

Для построения эффективных процедур выявления реальных характеристик ЛПР в диссертации использованы принципы, подходы и некоторые инструменты теории оптимального эксперимента (В.В. Налимов, В.В. Федоров и др.). Объектом экспериментирования в данном случае является ЛПР.

Цели экспериментирования на ЛПР следующие: быстрое выявление предпочтения ЛПР; выбор наилучшей модели из числа конкурирующих; выявление персональных характеристик ЛПР (разрешающей и пропускной способности).

Возможны три варианта предъявления данных ЛПР для выбора решений:

· Ранее возникавшие ограничений (СТПР) в процессе нормального функционирования предприятия - пассивный эксперимент.

· Исходные ограничения в неполном объеме, дозировано, по частям - полуактивный эксперимент.

· Любые специально построенные наборы ограничений, типичные для рассматриваемой ситуации - активный эксперимент.

В качестве воздействия, зондирующего предпочтения ЛПР в активном эксперименте, необходимо выбрать положение опорной гиперсферы и сгенерировать множество спектров, достаточное для вычисления оценок коэффициентов целевой функции с приемлемой точностью. В диссертации разработаны четыре алгоритма организации активного эксперимента для зондирования ЛПР.

1-й алгоритм зондирования ЛПР (для непрерывного спектра, число ограничений ). В основе его лежит критерий оптимальности эксперимента, называемый рандомизацией. Такой вариант в диссертации назван рандомизированным активным экспериментом. Суть его заключается в том, что на каждом шаге предъявлений генерируется спектр СТПР, имеющий случайную ориентацию в пространстве. Если спектр соответствует симметричному симплексу, то достаточно сгенерировать один симплекс (его спектр), а в других предъявлениях лишь вращать его вокруг соответствующих осей (рис. 11 а). Такой план обладает еще одним важным свойством, присущим планам оптимальных экспериментов - рототабельностью, т.е. пространственной изоморфностью.

2-й алгоритм зондирования ЛПР (для непрерывного спектра, число ограничений ). В основе его лежит принцип (критерий оптимальности) композиционности плана эксперимента. Такой вариант назван композиционным активным экспериментом. Суть его состоит в том, что на каждом последующем шаге предъявленные ограничения строятся на основе предыдущих как их развитие. В каждом новом эксперименте к ограничениям добавляется одно новое, которое предъявляет для рассмотрения ЛПР все более тупые (более информативные) вершины ОДР, содержащие все больше информации о предпочтениях ЛПР (рис. 11 б).

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис. 11. Варианты ограничений, предъявляемых ЛПР в активном эксперименте

3-й алгоритм зондирования ЛПР (для непрерывного спектра, число ограничений ). Этот вариант также как и первый является рандомизированным активным экспериментом. Здесь спектры СТПР и соответствующие им ограничения имеют вид, приведенный на рис. 11 в. Такой алгоритм не требует от ЛПР высокой пропускной способности, поскольку в каждом эксперименте ему предъявляется одно единственное ограничение при любой размерности пространства переменных. Для сравнения, в 1-ом алгоритме предъявление состояло из ограничений, которые ЛПР должен уметь осмысливать.

4-й алгоритм зондирования ЛПР (для непрерывного спектра, число ограничений ). Этот алгоритм также реализует композиционный активный эксперимент. Здесь спектры СТПР и соответствующие им ограничения имеют вид, приведенный на рис. 11 г. Отличия этого алгоритма от 2-го лишь в формировании ограничений в 1-ом эксперименте, где вместо гиперплоскостей генерируется одна. Качественное отличие этого алгоритма от предыдущего в том, что информативность решений возрастает от одного эксперимента к другому, но контрастность альтернатив уменьшается и с каждым экспериментом добавляется еще одно дополнительное ограничение. А это значит, что на некотором k-ом эксперименте параметры входящих СТПР станут не согласованными с характеристиками ЛПР (его разрешающей и пропускной способностью), т.е. альтернативы для ЛПР станут неразличимыми, а количество ограничений в предъявлении слишком большим для осмысления.

В табл. 2 приведены основные характеристики и возможности алгоритмов проведения активных экспериментов для построения модели предпочтений.

Таблица 2

Характеристики алгоритмов активного эксперимента над ЛПР

Характеристика (свойство)	Алгоритмы активного эксперимента
	1	2	3	4
Количество ограничений (m)	n+1	n+1	1	1
Количество крайних точек в первом предъявлении	n+1	n+1	n+1	n+1
Количество крайних точек в последующих предъявлениях	n+1	n	n+1	n
Контрастность альтернатив	постоян- ная	уменьша-ющаяся	перемен-ная	уменьша-ющаяся
Поток альтернатив	мини-мальный	мини-мальный	мини-мальный	мини-мальный
Информативность решения	постоян-ная	возраста-ющая	случай- ная	возраста-ющая

Исходным материалом для полуактивных экспериментов над ЛПР для выявления его предпочтений является обычный, спонтанно возникающий, поток СТПР. Однако набор ограничений каждой СТПР предъявляется ЛПР при этом не в полном объеме, а минимально возможными дозами. Принципиальные отличия полуактивного эксперимента от активного в том, что в активном эксперименте не ограничена свобода конструирования тестирующих ОДР, в полуактивном - свобода выбора ограничений в каждом предъявлении определяется дискретным спектром ОДР текущей СТПР и выбор ограничений для предъявления производится дозировано из числа ограничений ОДР.

Характерной особенностью полуактивных экспериментов является то, что они проводятся на дискретном спектре текущей СТПР. А это означает, что число возможных экспериментов ограничивается размерами спектра ОДР, в то время как в активном эксперименте это количество не ограничено. Для вычисления оценок может быть использован любой алгоритм оценивания из числа приведенных в третьей главе.

Основными характеристиками ЛПР, влияющими на качество его взаимодействия с системой, являются пропускная и разрешающая способности, которые в диссертации представлены в виде единого образа - профиля ЛПР (рис. 12), разделяющего плоскость на две области: над линией профиля - это параметры СТПР, находящиеся в пределах возможностей (квалификации) ЛПР; под линией - параметры предъявления, которые ЛПР безошибочно осмыслить не сможет. В согласованном режиме управления параметры предъявлений должны лежать в верхней области в минимальной окрестности линии профиля.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис. 12. Линии профиля ЛПР

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис. 13. Траектории тестирования ЛПР в активном эксперименте

На практике персональные профили ЛПР аппроксимируются некоторыми функциями . Идеальным является профиль, совпадающий с осью абсцисс, он соответствует абсолютной разрешающей способности ЛПР и не зависит от количества ограничений ОДР. Чем ближе к идеальному расположен профиль, тем выше квалификация ЛПР. На рис. 12 профиль соответствует наиболее квалифицированному ЛПР, - наименее квалифицированному, - линейная аппроксимация профиля, - точечная аппроксимация, для которой в любом предъявлении количество ограничений должно быть не более абсциссы угловой точки, а расстояние между векторами спектра - не менее ее ординаты.

Аппроксимация линии профиля ЛПР выполняется по ряду эмпирических точек. Для тестирования ЛПР (с целью построения его профиля) используются алгоритмы активного эксперимента. Применению алгоритмов с пошаговой модификацией ОДР соответствуют траектории (последовательности точек экспериментов) на плоскости (рис. 13). Последовательность действий по учету персональных характеристик ЛПР при выборе решений состоит в следующем:

1. С помощью активного или полуактивного эксперимента построить модель текущих предпочтений (целевую функцию ) ЛПР.

2. Построить профиль ЛПР (линию ) с учетом .

3. Использовать профиль ЛПР для обеспечения согласованного режима в процедурах управления (выбора решений) и/или подстройки оценок .

Использование в системе управления модели, настроенной под предпочтения ЛПР, меняет состав и содержание данных, выводимых лицу, принимающему решение. В традиционных схемах ЛПР получает весь пакет данных, касающихся текущей СТПР. При использовании моделей в процедурах выбора решений объем данных, предъявляемых ЛПР, может существенно варьироваться.

Поскольку задача восстановления целевой функции ЛПР решается, как правило, в режиме нормального функционирования предприятия (ЛПР не изымается из контура управления для проведения с ним каких-либо специальных действий), то процесс сбора данных и настройки модели может проводиться параллельно обычному процессу выбора решений (латентно). Однако по мере настройки модели она может быть подключена к контуру управления. В диссертации рассмотрены различные степени участия модели в процессе выбора решений, при этом наиболее характерны следующие варианты предъявления данных лицу, принимающему решения:

1. Сокращенный список ограничений. Если модель хоть в какой-то степени настроена, то для всякой новой СТПР можно отбрасывать часть ее ограничений, которые явно не войдут в число активных. В предъявлении останутся только актуальные ограничения.

2. Ограничения по частям (полуактивный эксперимент). Система предъявляет лицу, принимающему решение, из текущей СТПР ограничения минимальными и наиболее информативными дозами, каждая из которых согласована с персональными характеристиками ЛПР.

3. Тестовый набор ограничений (активный эксперимент). СТПР конструируется таким образом, чтобы по каждому предъявлению получить максимальное приращение информации о характеристиках ЛПР и/или о его предпочтениях.

4. Наиболее вероятное решение. На основании модели по текущей СТПР система предлагает лицу, принимающему решение, одно наиболее вероятное решение. ЛПР соглашается или нет.

5. Набор субоптимальных решений. По текущей СТПР и с учетом модели система предлагает ЛПР набор субоптимальных решений. ЛПР самостоятельно выбирает одно из них, либо система предлагает вспомогательные процедуры сравнения, оценивания и ранжирования альтернатив.

Важной особенностью разработанной в диссертации методологии является возможность двухконтурного управления экономическими объектами и процессами на предприятии (рис. 2), где в первом контуре выполняется управление потоком предъявлений. Обобщенная функциональная схема выбора решений на основе настроенной модели, с учетом управления потоком предъявлений, приведена на рис. 14.

В диссертации предложены следующие основные режимы использования моделей в системе управления предприятием:

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис. 14. Схема выбора решений на основе настроенной модели

1. Пассивный помощник ЛПР. На основании модели в новых СТПР не выбираются какие-либо решения, а модель используется лишь для некоторого препарирования предъявляемых ЛПР данных.

2. Активный помощник ЛПР (информационно-советующая функция). В этом режиме по текущей настройке модели для новых СТПР вычисляются субоптимальные решения, которые ЛПР может использовать как начальное приближение для собственного выбора решений или для проверки качества настройки модели под его предпочтения.

3. Заменитель ЛПР или автоматический режим. Делегирование модели или другому ЛПР функций выбора решений на время отсутствия основного ЛПР или на интервалах стационарности (аналогия с режимом автопилота в управлении летательными аппаратами).

4. Проверка реальных предпочтений ЛПР. Эта функция в современных условиях важна для контроля деятельности ЛПР-менеджеров заинтересованными сторонами (собственниками, менеджерами более высокого уровня, контролирующими органами).

5. Оценивание значимости частных критериев в интегральном критерии. Это самостоятельная аналитическая функция, которая используется для вычисления оценок значимости частных показателей либо вклада подразделений в общем эффекте работы предприятия.

6. Тестирование персональных характеристик ЛПР (пропускной и разрешающей способности) в целях определения его квалификации и/или для сопряжения с системой управления.

7. Тестирование предпочтений ЛПР для настройки структуры и параметров модели.

В главе 6 «Применение методов адаптивного выбора управленческих решений» рассматривается применение разработанной методологии адаптивного выбора управленческих решений на предприятии в тех практических приложениях, для которых характерна априорная и/или текущая критериальная неопределенность и повторяемость ситуаций выбора.

Для задач оперативного планирования материальных ресурсов на промышленном предприятии построена обобщенная схема цикла управления (рис. 15) на основе моделей адаптивного выбора решений при возникновении необходимости в перепланировании.

Пока модель не настроена, решение может приниматься вручную или на основе традиционных моделей планирования в неадаптивной форме (с заданными критериями). Когда решение построено (готов вариант плана), ЛПР может его откорректировать и/или принять для реализации. Если модель адекватна, но на очередном цикле планирования проявились (в блоке мониторинга) факторы нестационарности, то модель вновь рассматривается как не адекватная и вновь выполняется ее настройка. Если персональные характеристики ЛПР (пропускная и разрешающая способность) не согласуются с потоком данных по СТПР, то производится согласованное их предъявление (в режиме полуактивного эксперимента).

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис. 15. Схема цикла оперативного управления

Настройка модели является синхронной, если ее параметры уточняются синхронно с циклами управления. Если того позволяет ситуация на предприятии, могут быть специально сгенерированы тестовые СТПР и предъявлены ЛПР для выбора решения вне цикла управления. Это асинхронный режим построения модели, он выполняется средствами активного эксперимент (приведены в главе 5) и позволяет существенно ускорить процесс построения модели, адекватной предпочтениям ЛПР.

В рамках схемы цикла управления представлено несколько вариантов применения адаптивной модели в планировании (см. табл. 3). Столбцы в таблице - это варианты конфигурации режима, где (+) означает, что функция используется в данном режиме, а (-) - не используется. Жирной линией выделены те ячейки таблицы, которые являются элементами разработанной в диссертации методологии.

Из всех режимов, предложенных в главе 5, рассматриваются лишь три: пассивный помощник; активный помощник; автоматический режим (в нем план выбирается по адаптивной модели и без участия ЛПР передается к исполнению). Построены также следующие варианты режимов использования адаптивных моделей в цикле планирования:

Таблица 3

Режимы применения адаптивных моделей в оперативном планировании

Операции цикла управления	Активный помощник	Пассивный помощник	Автоматичес-кий режим
	0	1	2	1	2	1	2
Мониторинг стационарности ситуации	-	-	+	-	-	-	+
Проверка качества настройки модели	-	+	+	+	+	+	+
Настройка модели	+	+	+	+	+	+	+
Согласованное предъявление СТПР	-	-	+	-	+	-	-
Планирование по адаптивной модели	+	+	+	-	-	+	+
Планирование вручную	-	-	-	+	+	-	-
Планирование по традиционной модели	-	-	-	+	+	-	-
Принятие решения (ЛПР)	+	+	+	+	+	-	-
Реализация решения (производство)	+	+	+	+	+	+	+
Оценивание качества решения	-	-	+	-	+	-	+

0 - вариант «Всегда». Адаптивная модель используется всегда, вне зависимости от степени ее настроенности;

1 - вариант «Легкий». Он используется в тех случаях, когда ситуация стационарна, а ЛПР заведомо является опытным;

2 - вариант «Полный». Здесь включены в технологическую схему все элементы, отключенные в предыдущем варианте.

Приведены исходные данные производственной ситуации (как упрощенный вариант реальной) и соответствующие расчеты, позволяющие продемонстрировать основные элементы приведенных режимов использования адаптивных моделей в оперативном планировании материальных ресурсов. Данные сформированы для минимального количества ингредиентов (10) и продуктов (2), что не приводит к потере общности результатов. Структурно задача распределения ограниченных ресурсов представлена в виде задачи линейного программирования (ЗЛП) - выражения (1)-(3), формализованная постановка которой приведена в главе 2 диссертации.

На производственных предприятиях исходные данные, необходимые для решения задачи о выделении материальных ресурсов при запуске очередной партии изделий в производство хранятся в базе данных учетных систем предприятия. И могут быть предъявлены соответствующему менеджеру (ЛПР) для работы. Рассмотрены 20 шагов моделирования (СТПР), которые отличаются остатками материалов на складе и объемами заявок от покупателей. Принято допущение о стационарности условий планирования - целевая функция (ЦФ), калькуляция изделий и цена материалов остаются неизменными на протяжении рассматриваемого количества циклов управления.

Данные, получаемые из учетной системы предприятия - это спецификации продукции, определяющие коэффициенты левых частей ограничений, которые остаются неизменными во всех наблюдаемых циклах управления, а правые части ограничений изменяются от цикла к циклу (т.е. по шагам наблюдений) - они отражают остатки материалов на складе и заявки покупателей.

Для сформированных данных рассмотрены варианты применения наиболее существенных элементов разработанной методологии адаптивного выбора управленческих решений:

1. Настройка модели по данным ряда наблюдений (СТПР и принятые ЛПР хорошие решения).

2. Проверка качества модели на каждом шаге наблюдений.

3. Согласованное предъявление данных (асинхронный вариант - на основе планирования эксперимента).

Настройка модели выполнены с помощью точечного алгоритма (приведен в главе 3). В нем учтены веса наблюдений по циклам управления. Расчеты дали оценки коэффициентов ЦФ (табл. 4), сходящиеся к фактическим значениям.

Таблица 4

Пошаговые оценки коэффициентов целевой функции

№ цикла	1	2	3	4	5	6	7	8	9	10	11	12
Вес	0.062	0.963	0.851	0.949	0.383	0.882	0.987	0.851	0.066	0.276	0.875	0.276
	-0.062	0.706	0.628	0.656	0.744	0.762	0.772	0.740	0.746	0.772	0.787	0.807
	0.998	0.708	0.778	0.755	0.668	0.648	0.635	0.672	0.666	0.636	0.617	0.591

Приведены два действенных индикатора качества пошаговой настройки модели - один основан на скользящей средней невязке двух соседних (по шагам настройки) векторов оценок коэффициентов ЦФ (рис. 16), а второй показывает сходимость решений на тестовой ситуации (специально построенный полигон ограничений - рис. 17). В реальных практических условиях более удобным может оказаться тот или другой. Эти индикаторы позволяют выбрать тот шаг настройки, начиная с которого ЛПР уже может доверять модели, настроенной по его предпочтениям.



Рис. 16. Индикатор - скользящее среднее невязки соседних векторов оценок ЦФ (в %)

Рис. 17. Индикатор - решения на полигоне

Рассмотрены варианты настройки модели в асинхронном режиме в двух вариантах (алгоритмы приведены в главе 5):

· Рандомизированный активный эксперимент.

· Композиционный активный эксперимент.

Рассмотренные (и рассчитанные) варианты настройки модели и оценки ее качества обеспечивают выполнение основных режимов применения. На основе этого материала приведены пошаговые операции (см. табл. 3) для нескольких циклов управления (принятию решений по возникшим СТПР) для режима «Активный помощник - Всегда». Типовой цикл адаптивного управления имеет такой вид (например, второй, поскольку в первом цикле еще нет оценки ЦФ):

1. Возникла СТПР, данные по которой представлены в таблице спецификации продукции и во второй (т.к. рассматривается второй цикл) строке таблицы текущих остатков материалов на складе и заявок покупателей.

2. На основе последней оценки коэффициентов ЦФ информационная система, решив прямую задачу линейного программирования (ЗЛП), предлагает в качестве плана точку, образованную линиями ограничений № 7 и № 13. Однако ЛПР с этим вариантом не соглашается и, действуя сообразно своим представлениям, выбирает точку, образованную ограничениями № 7 и № 1 - решение (3.02; 30.64). Т.е. со склада следует выделить в производство материалы согласно спецификациям для производства продукта № 1 в количестве 3.02 единиц и продукта № 2 - в количестве 30.64 единиц.

3. Решается обратная задача по данным второго наблюдения (ограничения в форме (2), (3) и решение, образованное пересечением линий 7-го и 1-го ограничений). Значения оценки ЦФ используется для оценки качества настройки на шаге № 4 данного цикла и для подготовки варианта решения в следующем цикле.

4. Вычисляется показатель качества настроенной модели одним из двух, указанных выше способов.

Начиная с некоторого цикла, ЛПР может «прислушиваться» к мнению модели, заметив, например, что показатель качества настройки «застыл» в одной точке полигона (см. рис. 17). Если условия стационарности ситуации планирования не нарушаются, то ЛПР (или менеджер более высокого уровня) может перевести планирование в режим «Автоматический режим - Легкий» либо делегировать свои полномочия по оперативному планированию на необходимый период времени другому лицу, которое должно действовать «с оглядкой» на решения, предлагаемые Активным помощником. Такой режим взаимодействия информационной системы предприятия с ЛПР прежде называли (например, В.М. Глушков) информационно-советующим.

В данной главе приведены также некоторые общие рекомендации по применению технологии выбора управленческих решений на основе использования в практике оперативного управления предприятием адаптивных моделей.

Основная рекомендация заключается в том, что при разработке проекта интеграции методологии адаптивного управления в существующую информационную систему предприятия следует использовать пошаговую стратегию «от простого к сложному». Следует применять на первом этапе режим «Активный помощник - Всегда», постепенно переходя к более сложным режимам, как по функциям, так и по реализации.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ, ВЫВОДЫ И РЕКОМЕНДАЦИИ

1. Выявлены экономические ситуации, возникающие в процессе функционирования промышленного предприятия, в которых при формировании управленческих решений целесообразно использовать адаптивный механизм построения оптимизационных экономико-математических моделей. Показано, что важную группу таких решений составляет распределение ограниченных финансовых и материальных ресурсов в повторяющихся ситуациях при дефиците времени.

2. Обоснована необходимость использования адаптивных механизмов, позволяющих переложить часть функций подготовки решений на информационные системы предприятий, содержащие модели предпочтений менеджеров. При этом в качестве основного фактора адаптации предложено рассматривать критериальную неопределенность, как неполноту отображения в информационной системе предприятия реальных целевых установок менеджеров.

3. Установлено, что важными элементами, определяющими эффективность выбора управленческих решений при распределении ограниченных ресурсов, являются персональные характеристики менеджеров (разрешающая и пропускная способности), которые следует выявлять и использовать для обеспечения согласованного режима в рамках адаптивной технологии управления.

4. Предложено формировать управленческие решения по трехфазной схеме: выявлять персональные характеристики менеджеров, их предпочтения и формировать варианты решений на основе оптимизационных моделей, что позволит накапливать опыт управления и эффективно его использовать.

5. Показано, что адаптивная методология формирования управленческих решений позволяет вышестоящим уровням иерархии управления вести мониторинг позиции, целевых (критериальных) установок менеджеров и принимать более обоснованные организационные и кадровые решения на предприятии в условиях изменяющейся рыночной среды.

6. Обоснована необходимость двухконтурного управления с использованием адаптивных оптимизационных моделей в составе корпоративных информационных систем современных промышленных предприятий.

7. Предложена технология адаптации ряда экономико-математических моделей к текущим целям и критериям менеджеров, позволяющая включить модели в состав обеспечивающих подсистем информационной системы предприятия.

8. Разработанные в диссертации методы и программные средства внедрены и использованы на: Ульяновском авиационном промышленном комплексе в подсистеме АСАД; ряде предприятий ракетно-космической отрасли (г.Королев, Московской области); авиапредприятиях Кемеровского авиаотряда; производственных предприятиях, разрабатывающих и производящих радиоэлектронную, пищевую, строительную и программную продукцию - АОЗТ СКБ «Термоприбор», ООО «Русский каравай», ООО «Королевхлеб», ООО «Дорсервис», ООО «Инфо».

9. Материалы диссертации использовались при проведении 3 хоздоговорных работ в научно-исследовательском секторе Московского авиационного института (технического университета) и в учебном процессе. Имеется шесть документов о внедрении.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ ОТРАЖЕНО В СЛЕДУЮЩИХ ПУБЛИКАЦИЯХ

Монографии и учебные пособия

1. Вилисов В.Я. Методы выбора экономических решений. Адаптивные модели. - М.: Финансы и статистика, 2006. - (13.96 п.л.)

2. Вилисов В. Я. Адаптивные модели исследования операций в экономике. - М.: Энит, 2007. - (17.51 п.л.)

3. Вилисов В.Я. Алгоритмы принятия решений при испытании ЛА. - М.: Изд-во МАИ, 1982. - (3.25 п.л.)

4. Вилисов В.Я. Адаптивные модели в АСУ / В.Я. Вилисов, Ф.Н. Вилисова. - М.: Изд-во МАИ, 1983. - (3.00/2.50 п.л.)

5. Вилисов В.Я. Экспертные методы в АСУ производством и отработкой ЛА. / В. Я. Вилисов, А.Я. Вовнобой, Д.П. Карпов, В.А. Лапушкин. - М.: Изд-во МАИ, 1984. - (4.50/1.50 п.л.)

6. Вилисов В.Я. Введение в проектирование АСУ / В.Я. Вилисов, О.Ю. Здановский, В.В. Лепехин. - М.: Изд-во МАИ, 1982. - (3.00/1.00 п.л.)

Статьи в ведущих рецензируемых научных журналах и изданиях, рекомендованных ВАК

7. Вилисов В.Я. Адаптивный подход к распределению ограниченных материальных ресурсов в производственных системах // Менеджмент в России и за рубежом, выпуск 5, 2007. - (0.60 п.л.).

8. Вилисов В.Я. Позиция лица, принимающего решения, и ее роль в системе управления предприятием // Вестник МГУЛ, выпуск 4, 2008. - (0.46 п.л.).

9. Вилисов В.Я. Эффективная процедура обучения модели предпочтениям ЛПР // Открытое образование, выпуск 3, 2008. - (0.32 п.л.).

10. Вилисов В.Я. Об одном способе определения степени антагонизма предприятий-участников рынка // Вестник Самарского ГЭУ, выпуск 5, 2008. - (0.31 п.л.).

11. Вилисов В.Я. Адаптивный подход к управлению запасами дефицитных материалов для производства // Вестник МГУЛ, выпуск 4, 2008. - (0.40 п.л.).

12. Вилисов В.Я. Выявление позиции менеджера в процессе управления предприятием // Вестник ИНЖЭКОНа, выпуск 3, 2008. - (0.40 п.л.).

13. Вилисов В.Я. Согласованное управление запасами материалов для производства // Вестник МАДИ, выпуск 2, 2008. - (0.38 п.л.).

14. Вилисов В.Я. Оперативное управление трудовыми ресурсами комплексной смены на основе адаптивных моделей линейного программирования / В.Я. Вилисов, А.Я. Вовнобой // Вестник Самарского ГЭУ, выпуск 5, 2008. - (0.30/0.25 п.л.).

15. Вилисов В.Я. Адаптивная игровая модель управления конкурентоспособностью продукции // Открытое образование, выпуск 6, 2008. - (0.37 п.л.).

Другие публикации

16. Вилисов В.Я. Адаптивные модели принятия управленческих решений (на уровне предприятия). Материалы XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, май 2006). Приложение к журналу «Открытое образование», 2006. - (0.30 п.л.)

17. Вилисов В.Я. Выявление позиции лица, принимающего экономические решения в условиях неопределенности. Материалы XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, октябрь 2006). Приложение к журналу «Открытое образование», 2006. - (0.30 п.л.)

18. Вилисов В.Я. Игровая адаптивная модель управления конкурентоспособностью продукции. Материалы XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, октябрь 2006). Приложение к журналу «Открытое образование», 2006. - (0.30 п.л.)

19. Вилисов В.Я. Оптимальное зондирование ЛПР при аппроксимации предпочтений линейной целевой функцией. Материалы XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, октябрь 2006). Приложение к журналу «Открытое образование», 2006. - (0.30 п.л.)

20. Вилисов В.Я. Оценивание значимости частных критериев выбора решений на основе адаптивных моделей. Материалы XXXIII Международной конференции «Информационные технологии в социологии, экономике, образовании и бизнесе» (Украина, Гурзуф, октябрь 2006). Приложение к журналу «Открытое образование», 2006. - (0.30 п.л.)

21. Вилисов В.Я. Решение задач линейного программирования методом игровых итераций (Скат ЛП). Программа для ЭВМ. Зарегистрировано в реестре программ для ЭВМ Российского агентства по патентам и товарным знакам (РОСПАТЕНТ), г. Москва. Свидетельство № 2006613688, 24 октября 2006 г.

22. Вилисов В.Я. Идентификация предпочтений ЛПР в задачах линейного программирования (Дисав ЛП). Программа для ЭВМ. Зарегистрировано в реестре программ для ЭВМ Российского агентства по патентам и товарным знакам (РОСПАТЕНТ), г. Москва. Свидетельство № 2006613689, 24 октября 2006 г.

23. Вилисов В.Я. Оптимальное управление предъявлениями данных ЛПР в задачах линейного программирования (Эксперимент ЛП). Программа для ЭВМ. Зарегистрировано в реестре программ для ЭВМ Российского агентства по патентам и товарным знакам (РОСПАТЕНТ), г. Москва. Свидетельство № 2006613716, 24 октября 2006 г.

24. Вилисов В.Я. Комплекс имитационного моделирования адаптивного распределения ресурсов (Имитация ЛП). Программа для ЭВМ. Зарегистрировано в реестре программ для ЭВМ Российского агентства по патентам и товарным знакам (РОСПАТЕНТ), г. Москва. Свидетельство № 2006613690, 24 октября 2006 г.

25. Вилисов В.Я. Принятие решений в АСУ на основе настраиваемых моделей / В.Я. Вилисов, Д.П. Карпов // Динамическое моделирование сложных систем: Матер. Всесоюз. конф. - М., 1982. - (0.12/0.10 п.л.)

26. Вилисов В.Я. Адаптивная модель оперативного распределения ресурсов в АСУП / В.Я. Вилисов, В.Н. Виноградов, А.Я. Вовнобой, В.В. Лепехин // Динамическое моделирование сложных систем : Сб. материалов Всесоюз. науч.-техн. конф. - М.: НТО им. акад.Вавилова, 1982. - (0.12/0.10 п.л.)

27. Вилисов В.Я. Управление экспериментом в процессе разработки технических систем / В.Я. Вилисов, М.Ф. Росин // Техническая кибернетика Изв. АН СССР. - М.,1976. - № 6. - (0.50/0.45 п.л.)

28. Вилисов В.Я. Экспертные системы в военных приложениях (Интеллектуальные средства поддержки принятия решений в системах командования и управления): Обзор по материалам зарубежной печати. - М.: ГОНТИ-1, 1989. - (4.00 п.л.)

29. Вилисов В.Я. Система автоматизированного выбора вариантов на основе многоуровневого направленного зондирования и адаптивных моделей предпочтений (СКАТ) / В.Я. Вилисов, А.А. Рубцов // Создание и применение гибридных экспертных систем: Тез. докл. Всесоюз. конф. - Рига: Рижский технический университет, 1990. - (0.12/0.10 п.л.)

30. Вилисов В.Я. ДИСАВ - диалоговая система анализа и выбора вариантов, построенная на основе типовых пакетов прикладных программ / В.Я. Вилисов, Д.А. Муртазин, А.А. Рубцов // Проблемы и методы принятия решений в организационных системах управления: Тез. докл. Всесоюз. конф. - М.: ВНИИ систем.исслед., 1988. - (0.12/0.10 п.л.)

31. Вилисов В. Я. Оптимальная процедура выявления предпочтений лица, принимающего решения, в процессе оперативного управления авиапредприятием / В.Я. Вилисов, А.Я. Вовнобой // Автоматизация процессов и систем управления производством в гражданской авиации: Сб. научных трудов. - М.: МИИГА, 1988. - (0.45/0.30 п.л.)

32. Вилисов В.Я. Оперативное управление транспортной деятельностью авиапредприятий в условиях острого дефицита авиатоплива // Совершенствование управления и анализа хозяйственной деятельности авиатранспортного производства / В.Я. Вилисов, А.Я. Вовнобой: Сб. научных трудов. - М.: МИИГА, 1987. - (0.62/0.50 п.л.)

33. Вилисов В.Я. Управление развитием сложных игровых систем / В.Я. Вилисов, С.С. Логинов: Сб. науч. тр. РПИ. - Рига, 1986. - (0.36/0.30 п.л.)

34. Вилисов В.Я. О восстановлении критерия лица, принимающего решения // Математическое обеспечение АСУ комплексами ЛА: Сб. науч. тр. МАИ - М.,1984. - (0.45 п.л.)

35. Вилисов В.Я. Особенности взаимодействия ЛПР с адаптивными моделями принятия решений // Проблемы и методы принятия решений в организационных системах управления: Тез. докл. 2-й Всесоюз. конф. - М.-Пущино: ВНИИ систем.исслед., 1984. - (0.12 п.л.)

36. Вилисов В.Я. Адаптивная модель принятия решений при оперативном управлении в АСУ / В.Я. Вилисов, А.Я. Вовнобой // Методы решения задач оперативного управления в АСУ отраслевого и межведомственного уровней: Тез. докл. 2-го Всесоюз. сем. - М, 1982. - (0.12/0.10 п.л.)

37. Вилисов В.Я. Адаптивные модели предпочтений ЛПР, построенные в активном эксперименте // Проблемы и методы принятия решений в организационных системах управления: Тез. докл. Всесоюз. конф. - М.-Звенигород: ВНИИ систем.исслед., 1981. - (0.12 п.л.)

38. Вилисов В.Я. Проблемы автоматизации принятия решений в комплексной АСУ / В.Я. Вилисов, О.Ю. Здановский // Модели планирования и оперативного управления на предприятии: Тез. докл. Всесоюзн. конф. - Киев, 1981. - (0.12/0.01 п.л.)

39. Вилисов В.Я. Об одном аспекте автоматизации процедур принятия решений: Сб. науч. тр. МАИ под ред. С.П.Иноземцева. - М.,1980. - (0.25 п.л.)

40. Вилисов В.Я. Марковская модель структуры системы управления: Сб. науч. тр. МАИ под ред. В.В. Лепехина, В.Д. Тюрина. - М.,1979. - Вып. 499. - (0.25 п.л.)

41. Вилисов В.Я. Байесовские решения в процессе отработки технических систем / В.Я. Вилисов, М.Ф. Росин: Сб. науч. тр. МАИ под ред. Б.Н. Петрова. - М.,1976. - Вып. 367. - (0.12/0.10 п.л.)

Личный вклад соискателя в работы, выполненные в соавторстве, состоит в том, что в [4, 5, 6, 14, 25-27, 29-33, 36, 38, 41] разработаны принципы, методы и алгоритмы выбора решений в условиях критериальной неопределенности.

СПИСОК СОКРАЩЕНИЙ

АСАД - автоматизированная система административной деятельности

АСУ - автоматизированная система управления

ИО - исследование операций

КИС - корпоративная информационная система (комплексная информационная система управления предприятием)

ЛП - линейное программирование

ЛПР - лицо, принимающее решение (как правило, синоним менеджера)

МНК - метод наименьших квадратов

МТЗ - модель транспортной задачи

НВЕД - нормальный вектор единичной длины

ОДР - область допустимых решений

ОЗЛП - обратная задача линейного программирования

ПЗЛП - прямая задача линейного программирования

СППР - система поддержки принятия решений

СТПР - ситуация, требующая принятия решения

ЦЛП - целочисленное линейное программирование

ЦФ - целевая функция

APS - Advanced Planning and Scheduling (синхронное планирование и оптимизация)

DSS - Decision Support System (система поддержки принятия решений - СППР)

ERP - Enterprise Resource Planning (планирование и управление ресурсами предприятия)

MES - Manufacturing Execution Systems (система управления производством)

Размещено на Allbest.ru

...