Диссертация (1145511), страница 39
Текст из файла (страница 39)
рис. 5.2.3).По всем остальным составляющим «Миссия» (КК2), «Вовлеченность» (КК3),«Согласованность» (КК4) все расчеты проводятся аналогично.Пользуясь идеологией нечеткого представления и, понимая исследуемый нами имплицитный фактор (корпоративную культуру), как некоторуюлингвистическую переменную, логично определить ее уровни, а также уровниее показателей на всех стратах иерархии:0% - 20% – низкий показатель;21% - 40% – пониженный показатель;41% - 60% – средний показатель;61% - 80% – повышенный показатель;81% - 100% – высокий показатель.237Чтобы привести полученные нами данные к процентному виду, достаточно поделить полученные показатели на 5 – максимальный балл в модели.Используя инструментальные методы оценки имплицитных факторов,реализованные нами в виде web-сервиса «Оценка имплицитных факторов», основой которого явилась модель Денисона, исследуем КК описанных вышекомпаний и сравним полученные результаты.Представив полученные результаты в графо-аналитическом виде покомпании Наноинформ (см.
рис. 5.2.3-5.2.5).Рисунок 5.2.3 – Итоговые показатели по исследованию имплицитного фактора (корпоративная культура) сотрудников ООО «Наноинформ»по уровням иерархии238Рисунок 5.2.4 - Графические результаты по исследованию сотрудников ООО«Наноинформ» по второму уровню иерархииРисунок 5.2.5 - Графические результаты по исследованию сотрудниковООО «Наноинформ» по первому уровню иерархии239На рис. 5.2.6 – 5.2.7 представлены итоговые показатели результатов исследований по компании ООО «ИНВЕСТ ВОТЕР ТЕХНОЛОДЖИ» и ООО"САП СНГ" в г. Екатеринбурге.Рисунок 5.2.6- Итоговые показатели по исследованию имплицитного фактора(корпоративная культура) сотрудниковООО «ИНВЕСТ ВОТЕР ТЕХНОЛОДЖИ» по уровням иерархииРисунок 5.2.7 - Итоговые показатели по исследованию имплицитногофактора (корпоративная культура) регионального офиса ООО "САП СНГ"в г.
Екатеринбурге по уровням иерархииЧтобы проверить адекватность результатов агрегации полученных экспертных оценок с помощью технологий нечеткого логического вывода намибыл использован метод рандомизации сводных показателей (Aggregate Indices240Randomization Method – AIRM). Для этого значения каждого индекса Iij представлялись в виде треугольного нечеткого числа (d(0), Iij, d(3)), где d(0) – нижняя граница, d(3) – верхняя граница.
(см. рис. 5.2.8). Для построения совокупности таких чисел, а на их основе и имитационной модели необходимо определить положение вершины Vij. Для этого диапазон [d(0), d(3)] разбивается натри одинаковые части: [d(0), d(1)]; (d(1), d(2)]; (d(2), d(3)] и задается ординальная информация I = {p3>p2>p1}, где, p1 , p2, p3 – вероятности попадания в соответствующие интервалы ([d(0), d(1)], (d(1), d(2)], (d(2), d(3)]) значения Vij.После задания ординального порядка вероятностей попадания в интервалы 1,2и 3 при помощи программы INEX (beta-версия данной программы расположена по адресу: http://test.ddpgroup.ru/er.aspx) осуществляется генерация в лексикографическом порядке множества всех возможных векторов =(1 , 2 , 3 ) вероятностей c учетом нечисловой информации I и получение числового образа нечисловой информации.VijИнтервал 1Интервал 3Интервал 2d(1)d(2)d(3)d(0)Рисунок 5.2.8.
– Схема рандомизации нечетких треугольных чисел дляоценки имплицитного фактораНа основании полученных вероятностей рассчитывается количество нечетких треугольных чисел каждого вида, путем умножения на количествоимитаций n: {[ ∙ 1 ], [ ∙ 2 ], [ ∙ 3 ] } и далее для каждого набора осуществляется расчет c помощью технологий нечеткого логического вывода. Результаты241имитационного моделирования процессов оценки имплицитного факторапредставлены на рис. 5.2.3, 5.2.6, 5.2.7. и были получены с помощью разработанного программного средства «Fuzzy-арифметика в MS Excel» (Свидетельство об официальной регистрации программы ЭВМ №2013611990. Анализ полученных результатов показал, что предложенный алгоритм более точно рассчитывает параметры оценки имплицитного фактора (корпоративной культуры) и не противоречит традиционному алгоритму расчета Д.
Денисона.Преимущества предложенного алгоритма расчета и интерпретации экспертных данных оценки имплицитного фактора можно сформулировать в видеследующих положений:1. Применение нечеткого логического вывода в расчетах более адекватно отражает сам смысл модели, основанной на вербально-научныхпредставлениях автора о феномене имплицитного фактора, поскольку не отрицает, что помимо перечисленных автором факторовсуществуют и другие, не учтенные в модели, а за счет использованияаппарата мягких вычислений это удается учесть более эффективно.2.
Алгоритм Мамдани, подразумевающий взаимосвязанные шаги фаззификации и дефаззификации (по методу центра масс) безусловно более точно, чем среднее, отражает реальный уровень значений составляющих имплицитного фактора.3. Введенный нами индекс нечеткости, не только отражает степень разброса мнений респондентов, но и служит некоторой числовой оценкой разброса значений полученного результата, позволяющий снизить степень риска неверной оценки исследуемых составляющих,остановившись, например, на нижней границе.4. Представление результатов оценки составляющих в виде интерваловпозволят в дальнейшем провести рандомизацию для построения имитационной модели и получения результатов оценки.2425.
Предложенный алгоритм расчета и агрегаций мнений экспертов более экономичен, чем традиционный, поскольку позволяет исследуемым организациям оценить и отследить необходимые показатели спомощью облачного сервиса.5.3 Реализация методологии оценки влияния имплицитного фактора(на примере корпоративной культуры) на ключевые показателидеятельности организацииНечеткую оценку влияния имплицитного фактора на основные показатели деятельности организации получим, исходя из правил, алгоритмов и процедур нечеткой логики, но за основу возьмем правило нечеткой импликациипо Дж. Гогену3, поскольку именно оно удовлетворяет логике связи наших показателей в рамках построенной каузальной модели.Правила нечеткого логического вывода с помощью которых мы будемоценивать сила связи между показателями, как элементами нечетких множеств, заданных нами в параграфе 5.1.
записываются следующим образом:П1: Если КК1=a1 и КК2=a2 и КК3=a3 и КК4=a4 то PP1=b1 и PP2=b2 иPP3=b3 и PP4=b4.П2: Если PP1=b1 и PP2=b2 и PP3=b3 и PP4=b4 то ОР1=с1 и ОР2=с2 иОР3=с3.Согласно теории нечетких бинарных соответствий, каждое правилопредставимо в матричном виде:П1: = { } = ( {1, }) , где = 1. .4, = 1. .4П2: = { } = ( {1, }) , где = 1. .4, = 1.
.3(5.3.1)(5.3.2)Итоговая матрица оценки влияний находится по правилу минимаксногоумножения матриц:Нечеткой импликацией по Дж. Гогену или просто — импликацией нечетких высказываний в форме(«ЕСЛИ, ТО») называется бинарная логическая операция, результат которой является нечетким высказыванием, истинность которого может принимать значение, определяемое по формуле:Т( → ) = {1, ( )/Т()} где Т( ) > 0.3243∗ = ∙ (5.3.3)Эта матрица и показывает степень влияния показателей имплицитногофактора на ключевые показатели деятельности организации.
С помощью этойматрицы можно будет оценить затраты на улучшение имплицитного фактора(в нашем случае КК) исходя из изменения основных показателей деятельностиорганизации.Заметим, что все показатели , , для нахождения значений силысвязи берутся нами, исходя из текущего положения дел в соответствующихорганизациях в разные моменты времени.С помощью web-сервиса «Оценка влияния имплицитных факторов»представим результаты применения методики для всех 3 исследуемых организаций.Опишем применение механизма влияния имплицитных факторов наключевые показатели деятельности организации на примере ООО «Наноинформ».
В таблице 5.3.1 приведены показатели деятельности ООО «Наноинформ» за октябрь-ноябрь 2014 года. На их основе были построены функциипринадлежности.Таблица 5.3.1 – Показатели деятельности ООО «Наноинформ» за октябрь-ноябрь 2014 годаПодмодельABCПоказатель ЗначениеKK1, баллы4,25KK2, баллы3,35KK3, баллы4,56KK4, баллы4,40PP1, %20PP2, %15PP3, %17PP4, %12OP1, руб.33200OP2, руб.102700OP3, руб.5100 (13%)Для получения значений функций принадлежности нечеткого множества, характеризующих показатели деятельности ООО «Наноинформ», мы по-244делили каждый показатель в каждой группе показателей на максимальное значение в этой группе и, таким образом, получили числа, характеризующие степени принадлежности каждого показателя (табл.
5.3.2). Интерпретация полученных результатов проста и понятна – это степень взаимного влияния показателей внутри группы, что соответствует цели построения нашей модели.Таблица 5.3.2 – Функции принадлежности, построенные на основе показателей деятельности ООО «Наноинформ»Подмодель ПоказательABCKK1KK2KK3KK4PP1PP2PP3PP4OP1OP2OP3Значение функциипринадлежности0,930,7310,9610,750,850,60,310,05Для итогового значения по модели для нечеткого множества С, характеризующего основные показатели хозяйственной деятельности, нами был сделан нечеткий вывод по Мамдани.
Он характеризует комплексный показатель,полученный на базе расчетных показателей – основных для оценки хозяйственной деятельности компании. Правило, на основании которого он получен:Если ОР1=с1 и ОР2=с2 и ОР3=с3, то комплексный показатель =с*.Такое представление будет очень удобным, поскольку позволит рассчитать эффект, полученный в результате изменений имплицитных показателей.245Таблица 5.3.3 – Правила нечеткой логики (по Гогену), устанавливающие нечеткие бинарные соответствия между показателями имплицитного фактора(корпоративная культура) и опосредованными показателями ООО «Наноинформ» за октябрь-ноябрь 2014 года, полученные с использованием формул моделиAxB0,930,7310,96111110,750,8110,750,780,850,9110,850,890,60,650,820,60,63Таблица 5.3.4 – Правила нечеткой логики (по Гогену), устанавливающие нечеткие бинарные соответствия между опосредованными показателями и ключевыми показателями деятельности ООО «Наноинформ» за октябрь-ноябрь2014 года, полученные с использованием формул моделиBxC10,750,850,6111110,30,30,40,350,50,050,050,070,060,08Таблица 5.3.5 – Правила нечеткой логики (по Гогену), устанавливающие нечеткие бинарные соответствия между показателями имплицитного фактора(корпоративная культура) и ключевыми показателями деятельности ООО«Наноинформ» за октябрь-ноябрь 2014 года, полученные с использованиемформул моделиAxC0,930,7310,96111110,30,50,50,50,50,050,080,080,080,08После проведения ряда мероприятий, направленных на улучшение показателей, были получены их новые значения (табл.
5.3.6).246Таблица 5.3.6 – Значения показателей корпоративной культуры ООО «Наноинформ» и функций принадлежности до и после проведения мероприятий,направленных на улучшение показателей корпоративной культурыПоказательЗначение показателя до проведения мероприятий, направленных на улучшение показателейимплицитногофактора (корпоративная культура), баллыKK1KK2KK3KK44,253,354,564,4Значение функции принадлежности показателядо проведения мероприятий,направленных наулучшение показателей имплицитного фактора(корпоративнаякультура)0,930,7310,96Значение показателя после проведения мероприятий, направленных на улучшение показателей имплицитногофактора(корпоративнаякультура), баллы4,293,364,454,44Значение функции принадлежности показателяпосле проведениямероприятий,направленных наулучшение показателейимплицитного фактора(корпоративнаякультура)0,960,7611Обобщая вышесказанное, сведем итоговые показатели по модели и реальные показатели воедино (табл. 5.3.7)Таблица 5.3.7 – Результаты сравнения значения основных показателей деятельности ООО «Наноинформ», полученные реально и по модели.Значение показателя до проведения мероприятий, направленНаименование показа- ных на улучшетеляние показателейимплицитногофактора (корпоративная культура), руб.ОР133200ОР2102700ОР313%Комплексный80926показательОшибка модели, %–Значение показателяпослепроведениямероприятий,направленныхнаулучшение показате- Реальное значениелей имплицитного показателя, руб.фактора (корпоративная культура), поавторской модели,руб.5130048 334102700112 00018%18%85 494324788 303–Данные, приведенные в таблице 5.3.7 свидетельствуют в целом о достоверности выбранной модели, поскольку ошибка составила всего 3%.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
