Методология и организация управления инновационным развитием отрасли (1142198), страница 23
Текст из файла (страница 23)
Следует отметить, что использование методовматематической статистики для оценки эффективности управления деятельностью вцелом осложняется большим количеством необходимой исходной информации и невозможностью установления взаимосвязей между всеми показателям. Однако методфакторного анализа может быть применен при построении модели эффективностиуправления в функциональной подсистеме.Эффективность управления деятельностью является сложной многокритериальной характеристикой, поэтому необходимо выбрать такой метод ее оценки, который учел бы все составляющие элементы, дал бы комплексный результат и позволилбы анализировать изменения, происходящие в управлении деятельностью предприятия.
По мнению группы ученых под руководством А.Н. Тищенко, исчерпывающуюхарактеристику многоэлементного явления можно дать путем измерения и оценкиизменений, происходящих во всех его частных проявлениях, охватывая при этом всебез исключения отношения между начальными параметрами. В частности, для изме-120рения эффективности производства У.И. Мересте [131, с.
15 ‒ 37] предложил матричный метод, который опирается на понятие поля эффективности. Он позволяет получить комплексную характеристику не только состояния предприятий и динамикиих развития, но и изменений в процессе и результатах работы, а также выявить резервы улучшения деятельности. Матричный метод используется для обобщеннойоценки эффективности производственно-хозяйственной деятельности предприятийотрасли и ориентирован, прежде всего, на оценку финансовых результатов и является достаточно универсальным инструментом для оперативного проведения в компьютерном режиме укрупненных расчетов по оценке эффективности управления предприятием и его структурными подразделениями. Матричный метод позволяет провести сравнительный анализ управления предприятием в динамике и определить значение обобщенного показателя эффективности управления.
Этот метод дает не только обобщенную характеристику состояния предприятия и динамику его развития, нои позволяет определять изменения в процессе и результатах работы, выявлять резервы повышения эффективности производства. Применение данного метода в оценкеэффективности управления деятельностью предприятия ограничивает то обстоятельство, что он применим только для оценки эффективности управления производственной и финансовой деятельностью, но не может быть использован при оценкеэффективности управления кадровой деятельностью, маркетинговой деятельностью,которые в основном характеризуются с помощью показателей, имеющих качественный характер.И.М. Сироежин предложил метод ранговой оценки эффективности.
Основуметодики представляет нормативная система показателей, которая упорядочиваетпоказатели путем присвоения им соответствующих закономерностей соотношенийтемпов их роста. Чем выше темп роста одного показателя по отношению к темпамроста других, тем выше его ранг. Недостатки этого метода заключаются в следующем.
Во-первых, он не позволяет однозначно оценить уровень эффективностиуправления деятельностью. Во-вторых, всегда есть возможность построить такуюсистему показателей из-за того, что экономические закономерности роста эффективности в условиях нестабильности и неопределенности внешней среды осуществляются не всегда. При оценке эффективности управления деятельностью предприятия121необходимо основываться на большом количестве частных показателей, отражающих различные аспекты управления деятельностью. Задача приобретает многокритериальный характер. В связи с этим ее решение может базироваться на экспертныхоценках. Главным недостатком методов экспертных оценок является то, что в нихприсутствует субъективный элемент и не исключается ошибочное суждение.
В работе [41] авторы указывают на актуальность использования экономических совещательных систем (экспертных систем) при решении многокритериальных задач. Методы, основанные на использовании экспертных систем, условно можно разделить надве группы: системы нейросетевых вычислений и диагностические экспертные системы. Нейронные сети являются новой и очень перспективной вычислительнойтехнологией, дают новые подходы относительно исследования динамических задач вобласти управления деятельностью.
Основным преимуществом использованиянейросетевых вычислений является возможность использования большого количества исходной информации. В то же время существуют следующие недостатки применения нейронных сетей: непрозрачность и отсутствие объяснений полученных результатов; для обучения сети необходимо большое количество данных для того, чтобы можно было построить адекватную нелинейную зависимость. Диагностическиеэкспертные системы предназначены для выявления причин, вызвавших неудовлетворительное состояние предприятия. Кроме того, диагностические экспертные системыпозволяют моделировать механизм мышления людей по решению задач в соответствующей предметной области. Кроме вычислений, экспертные системы формируютвыводы, основанные на имеющейся в них информации, и базируются на эвристических подходах к получению результатов.
Чаще методики построения экспертных систем базируются на анализе и диагностике финансовых показателей деятельностипредприятия, т. е. имеют четкое количественное выражение.Однако при оценке эффективности управления инновационной деятельностьюотрасли, как уже отмечалось ранее, возникает необходимость в получении информации, не имеющей формализованной оценки, т.
е. оценки качественных показателей.В то же время принятие решений об инновационном развитии отрасли осуществляется в условиях априорной неопределенности, обусловленной неточностью или неполнотой входных данных, стохастической природой внешних воздействий, отсут-122ствием адекватной математической модели функционирования, нечеткостью цели,человеческим фактором и др.В таком случае для оценки может быть применен аппарат теории нечеткогомножества, в частности метод нечеткой логики [50].
Построенная на основе методанечеткой логики экспертная система позволяет осуществить оценку эффективностиуправления деятельностью предприятия с учетом не только количественной, но и качественной информации, что позволяет устранить недостатки методов оценки эффективности управления деятельностью, основанных исключительно на расчете иоценке финансовых показателей. В процессе оценки эффективности управления деятельностью встает задача количественной формализации какого-либо высказывания.Таким образом, задача моделирования заключается в том, чтобы адекватно перевестикачественные высказывания эксперта в количественные представления.
С этой точкизрения нечетко-множественные описания являются, с одной стороны, набором адекватных формализмов для моделирования экономических систем в условиях существенной неопределенности, а с другой ˗ выступают мощным математическим аппаратом прогнозирования поведения экономических систем [227]. Теория нечеткой логики позволяет формализовать причинно-следственные связи между входными и выходными переменными. Эти связи определяются с помощью специалистов (экспертов) в данной области знаний и составляют базу знаний в модели прогнозирования.На основе созданной таким образом базы знаний предлагается осуществлять моделирование и прогнозирование уровня инновационного развития отрасли.Построение модели прогнозирования уровня инновационного развития отрасли на основе нечеткой логики целесообразно осуществлять на основе следующихпринципов:1) лингвистичности переменных модели (определенные входящие и исходящие параметры модели рассматриваются как лингвистические качественные переменные);2) лингвистичности высказываний (выводов) при принятии конкретных решений.123Причинно-следственные связи между входящими и исходящими параметрамимодели описываются словесно (вербально), а затем формализуются в виде совокупности нечетких логических высказываний (выводов) типа «если, то», «иначе» и т.
п.;3) иерархичности лингвистических высказываний (заключений);4) классификации входящих переменных (параметров) модели и построении«дерева» вывода, которое является системой вложенных друг в друга высказываний(выводов, знаний) экспертов «меньшей размерности». Это позволяет избежать трудностей, связанных с анализом и формализацией большого количества входных переменных (параметров). Соблюдение этого принципа позволяет учитывать практически неограниченное количество входных переменных, влияющих на формированиеинновационного потенциала отрасли.Таким образом, построение модели прогнозирования уровня инновационногоразвития отрасли на основе использования теории нечеткой логики сводится к следующим этапам:1) определению четких и нечетких входящих переменных (параметров) моделиили получению лингвистических высказываний (заключений) экспертов;2) построению дерева вывода;3) определению границы изменения входящих переменных (параметров);4) оценке лингвистических высказываний экспертов, которые принимаются завходящие переменные (параметры) модели;5) созданию базы знаний;6) формализации базы знаний в виде нечетких логических высказываний (выводов);7) построению системы нечетких логических уравнений;8) выбору метода построения функций принадлежности, которые обеспечатпредставление количественных и качественных переменных (параметров) в виде нечетких множеств для лингвистических термов, входящих в базу знаний [141, с.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
