Гольдштейн Г.Я. Стратегический инновационный менеджмент (2004) (1142164), страница 36
Текст из файла (страница 36)
3 организация выполнения ОКР в таком НИИ иллюстрируетсяагрегированным сетевым графом работ.12.6. Проблема оптимального управления потоком НИОКРПредыдущие параграфы относились к разработке отдельных проектовНИОКР или выбора сфер деятельности и их организации в глобальноммасштабе. Практически каждой фирме надо выбрать или управлятьоптимальным в некотором смысле набором (портфелем) НИОКР.Обилие частных критериев, перечисленных выше, проблемыоднозначного свертывания многокритериальных оценок, необходимостьустановления отдельных оценок делает эту проблему достаточно сложной длярешения. Общие подходы к оценке наборов бизнес-единиц фирмысформулированы в [5]. Ясно, что эти принципы следует применять и дляНИОКР, как стратегических инструментов развития бизнес-единиц.Математически такие задачи сводятся к направленному перебору вариантов.Имеется довольно большая литература, посвященная этому вопросу.
Одна изпоследних работ [51], опирающаяся на перечисленные выше, положена воснову дальнейшего изложения. В статье [51] представлен эвристическийалгоритм отбора проектов в мультикритериальном процессе. Эвристикабазируется на так называемом “поиске фильтрующим лучом” (FBS – Filteredbeam search). Традиционные алгоритмы отбора базируются на ранжировании188проектов по рангам, определенным менеджментом. Отбор заканчивается приистощениибюджетаНИОКР,взаимодействиепроектовиихвзаимозависимость не учитываются.Модели выбора портфеля с использованием техники математическогопрограммирования отбирают оптимальную группу проектов НИОКР, однакоони отметают само планирование как цель или ограничение. Таким образом,планирование осуществляется после выбора группы проектов.В [51] в качестве критериев отбора используются максимизацияожидаемой прибыли, максимизация вероятности успеха и минимизация общеговремени выполнения портфеля проектов.
В качестве правила приоритетовиспользуется кратчайшее время процесса. Это позволяет оптимизироватьобщее время выполнения портфеля НИОКР (хотя в общем случае и не даеттакой гарантии). Ресурсные ограничения в [51] делятся на бюджетные, понаучному персоналу, двум выбираемым дополнительно ресурсам (например,материалы и оборудование). Целевые функции и ограничения – линейны.Пространство решений визуализируется деревом поиска, где каждыйпуть в ветвях – потенциальное решение, а узлы представляют отдельныепроекты.
Основная идея состоит в использовании при лучевом поискеоценочных функций для определения, по каким ветвям следует продолжатьпоиск. Процедура состоит из ряда шагов.Шаг 1 – генерация начальных узлов (то есть списка проектов).Шаг 2 – оценка узлов на текущем уровне по задаче 1 ранга. На этом этапеостаются только лучшие узлы.Шаг 3 – наилучшие узлы по шагу 2 оцениваются в соответствии с задачейфильтрации 2 ранга.Шаг 4 – узлы, прошедшие фильтрацию, снова оцениваются по задачеранга 1. Лучшие узлы сохраняются, а остальные ветви аннулируются (проектысохраняются).Шаг 5 – генерируется следующий уровень поиска и ветвей, отобранныхна шаге 4.Шаг 6 – узлы отсеиваются по бюджетным ограничениям.Шаг 7 – если нарушения остаются, процесс возвращается к шагу 2.Процедура FBS хороша в том смысле, что она позволяет менеджеруподстраивать вариант списков проектов и использовать эвристику, котораяотражает его мнение по действительному рыночному окружению фирмы.В общем случае сложности решения подобных задач объективны.Традиционный подход к отбору НИОКР или других типов уникальныхпроектов состоит, во-первых, в выборе ряда проектов, которые отвечаютэкономическим целям и ресурсным ограничениям, а затем в попыткахспланировать выполнение этого ряда при различных научных иликонструкторских особенностях.
Подходы к выбору проектов обычно не189содержат планирование как часть процесса выбора. Когда невозможноспланировать выбранные проекты в рамках приемлемых сроков, проекты могутбыть исключены, рассмотрены альтернативные проекты, увеличены ресурсыснижения, экономические цели или желательное планирование может бытьослаблено. Ни одна из этих альтернатив не представляет сгруппированногоподхода к решению, которое бы обеспечило лучший или даже хороший выборпроектов.Причина исключения планирования как части моделей выбора проектовясна. Проекты НИОКР как объекты планирования принадлежат к большомуклассу известных в нейропроцессорной технике (NP-hard) задач планирования,вычислительные затраты в которых растут экспоненциально с увеличениемразмера проблемы.
Если размер проблемы растет, время, требуемое дляполучения оптимального решения, становится чрезмерным даже для самыхбыстрых компьютеров. Проблемы NP-hard планирования, относящегося кНИОКР, требует решения проблем мультипроцессорного планирования,планирования по приоритетам с учетом ограничений, трудового планированияи т.д. Поэтому большинство практических плановых задач решается сиспользованием эвристических алгоритмов. Однако наиболее эффективные исущественные модели численного выбора не могут включить в себя эвристику.Трудно создать удобные модели, которые включали бы одновременно выбор ипланирование проектов.Литература по выбору проектов НИОКР включает несколько сотенстатей, описывающих качественные и количественные модели, большинство изкоторых дает кое-что. Целью этих моделей обычно является выбор портфеляпроектов, которые будут достигать экономических целей субъекта приразличных ресурсных ограничениях.Модели отбора портфеля с использованием техники математическогопрограммирования отбирают оптимальную группу проектов НИОКР, илипортфель, в соответствии с целями и ресурсными ограничениями в процессеразработки.
Эти модели требуют, чтобы процесс отбора формулировался какточные математические уравнения относительно целей и ограничений. Длятаких целей, как максимизация прибыли, использование ресурсов, вероятностьуспеха индивидуальных проектов были разработаны эффективные алгоритмыотбора проектов НИОКР.Однако модели выбора портфеля не учитывают планирование как цельили ограничение из-за математических трудностей включения планирования впроцессе выбора.
В результате мультипроектное планирование осуществлялосьпосле процесса селекции проектов. Если результирующее планированиеудовлетворяет целям организации, процесс отбора проектов достаточен. Еслинет, то проекты должны быть или отброшены, или заменены альтернативными,или ресурсы увеличены, снижены экономические цели и требуемое190планирование ослаблено. Обычной целью при выборе проектов являетсямаксимизация ожидаемой отдачи портфеля проектов. Ожидаемая отдачаотдельного проекта – есть произведение прибыли от проекта на вероятность егоуспеха.
Ожидаемая отдача портфеля – сумма ожидаемых отдач проектов,входящих в портфель.Существует некоторый риск, связанный с проектами НИОКР, такпроекты могут быть неуспешными в зависимости от отрасли либо потехническим, либо по коммерческим причинам. Для минимизации риска впроцессе селекции следует выбирать проекты, которые имеют хорошие шансына успех. Риск или неопределенность, свойственные проектам НИОКР, трудновключить в модель селекции, но было замечено, что «многие моделииспользуют фактор вероятности успеха». Вероятность успеха портфеля естьиндикатор риска, связанного с выбранными проектами, и вычисляется присуммировании вероятностей успеха отдельных проектов.
Аддитивный индексвероятности успеха обеспечивает лучшее ранжирование проектов.Максимизация групповой вероятности успеха будет содействовать выборупроектов с лучшими шансами на успех.Третья цель, минимизация общего времени до окончания работ надпортфелем, включается как репрезентативная цель планирования. ПроектыНИОКР планируются по ресурсам, характерным для различных подразделенийи организационных сфер в процессе разработки проекта. Проекты могутвключать технические, проектные, производственные, испытательные работы,переделки и другие работы.
Частные ресурсы могут быть необходимыми наразличных стадиях проекта.Так как проектное планирование сходно с планированием рабочей силы,эвристика, используемая в минимизации времени выполнения по рабочимресурсам, подходит для решения задач планирования проектов. Многие изэвристик предназначены для управления проектами. Одна из них используетсядля генерации планов без задержек.
В планах без задержек станки загруженытак, что нет простоя в процессе работы [29]. Использование таких плановосновано на работе, которая предлагает использовать планы без задержек впланировании развития, когда целью является сокращение времени работы. Вней также разработаны несколько приоритетных правил загрузкиоборудования, чтобы определить, какую из работ делать следующей послевыполнения предыдущей, когда таких работ много. Приоритетные правила,основывающиеся на правилах наибольшего рабочего остатка (MWKR) икратчайшего времени следования (SPT), дают лучшие планы в различныхситуациях.Целью плановой эвристики является минимизация времени выполненияряда проектов.
Время выполнения есть время, начинающееся с нуля,потраченное на завершение всех групп проектов. Плановая эвристика,191используемая в модели FBS, предполагает, что проекты должны начинаться какможно раньше, и если есть конфликт между проектами, применяется правилоприоритетов. В этой работе в качестве правил приоритетов используетсякратчайшее время процесса (SPT), так как это позволяет минимизироватьобщее время выполнения данной группы проектов (хотя не гарантирует, чтовремя выполнения минимально). Схема с SPT приоритетным правилом даетпланы, которые выполняются строго в соответствии в обусловленнымвременем выполнения, так же как и с другими характеристиками, включаясреднее время выполнения проекта. Эвристика начинается с нулевогораспределения плана и выбора операций с наиболее ранним временем начала извсего ряда операций.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
