Диссертация (1152303), страница 38

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 38)

Другими словами, для вуза возможенпереход из одного состояния в следующее, но невозможен обратный переход.Стратегия развития вуза с точки зрения управления переходами в новоесостояние, несмотря на случайность процесса, относится к управляемым цепямМаркова, то есть имеется возможность целенаправленно до определенной степениуправлять параметрами переходных вероятностей. Именно этот момент позволяетэффективноиспользоватьцепиМарковадляподготовкииреализацииэффективных управленческих решений.Исходя из сказанного выше, в дальнейшем процесс стратегического развитиявуза рассматривается как однородная управляемая Марковская цепь с дискретнымвременем.Дляпостроенияинновационнойстратегиивузанаосновематематического моделирования необходимо уточнить несколько имеющихсясоставляющих:K i , – множество решений, или альтернатив, количество которых ограничено,где i S – номер состояния системы;[(sk])– матрицы переходов соответствующие принятому k-му решению;R [(sk])– матрицы прироста показателей от предыдущего года к последующему,позволяющие определить эффективность решения.Имеющиеся показатели являются необходимым условием для примененияметода управляемой цепи Маркова (УЦМ), которые позволяют прогнозироватьслучайные процессы.

Перечисленные составляющие инновационной стратегии K i , [(sk]) , R [(sk]) являются такими результатами случайных процессов, которыемогут быть включены в предложенную математическую модель. Решения,принятые в определенные моменты, называемые шагами процесса математическоймодели, считаем элементами частного управления.Таким образом, в предложенной математической модели на основе УЦМпроцесс функционирования вуза описывается следующим образом.Предположим, что вуз находится в состоянии i  S , при принятых решенияхk  K i организация имеет значение показателей оценки состояния ri( k ) . Состояние214вуза в последующий момент времени или на следующем шаге определяетсявероятностьюPij( k ) ,то есть существует вероятность того, что вуз из состояния i  S0 перейдет в состояние i  S 1, если выбрано решение K i .Результат достижения показателей стратегии вуза, который оценивается взаданные моменты времени, является случайной величиной, однако зависит от егостартового состояния в начале предыдущего шага и качества принимаемыхрешений в течение последующего года.

Следует заметить, что при таком подходекачество управленческих решений приобретает количественную характеристику ввиде величин изменения приростных показателей.Тогда стратегией  вуза будем называть последовательность решений:  f1 , f 2 , ... , f n  ,(4)где f n  k 1 , k 2 , ... , k n  k – вектор управления.Инновационность стратегии означает то, что на всех шагах изменениясостояния вуза принимаются управленческие решения по содержанию программыразвития вуза в виде желаемых приростных значений.Стратегия   f1 , f 2 , ...

, f n  вуза в этом случае рассматривается как Марковскаяцепь, если управленческое решение f n , принимаемое в каждом конкретномсостоянии вуза, зависит только от последнего состояния вуза в момент времени n,но не зависит от предшествующих состояний. Тогда оптимальной будет такаястратегия вуза, которая улучшает состояние вуза, описываемое ожидаемымприростом значений показателей состояния вуза.УЦМ используют два метода определения оптимальных стратегий:рекуррентный и итерационный, выбор которых возможен для прогнозированиядостижения результатов вузом.1. Рекуррентный метод применяется в случае, когда имеется небольшоечисло шагов n и прогноз будущего состояния вуза основан на применениипринципа Беллмана. Последовательная оптимизация прироста показателей215стратегии на каждом шаге с использованием рекуррентного уравнения имеетследующий вид:Nu i (n  1)  max[q ik   ij( k )  Vj (n )] ,(5)j1kгде u i (n  1) – ожидаемое значение показателей стратегии;(n  1) шагов, если система находится в состоянии i;Nq ik   ij( k )  rij( k )j1– непосредственное значение показателей стратегии на данномшаге, если рассматривать i-м каждое начальное состояние;u j (n) – величина показателей стратегии вуза за n прошедших шагов, еслипроцесс рассматривается с j-го состояния (i  j).Рекуррентный метод позволяет осуществлять поиск стратегии вуза, котораяобеспечивает на каждом следующем шаге максимум показателей оценки состояниявуза с учетом значений показателей, достигнутых на предшествующих шагах.2.

Итерационный метод определения стратегии вуза с использованием УЦМпосредствомсвойстваэргодичностипозволяетсчитатьсправедливымприближенное равенство, суть которого сводится к тому, что при разныхстратегиях определяются значения показателей оценки состояния вуза:nq i  Σ Ρ ijVi (n  1)  ng  Vi (0) .(6)i 1NΣ Ρ ij (ng  Vi ) .(7)j1Использованиеитерационногометодапозволяетохарактеризоватьстратегию вуза, оценивая максимум показателей оценки его состояния.

В этихцелях проводятся расчеты изменения показателей объема НИОКР (показатель 1) иизменение доходов от НИОКР в расчете на одного НПР (показатель 2),характеризующихсостояниевузанапримереФГБОУВО«РЭУим.Г.В. Плеханова» (далее – РЭУ им. Г.В. Плеханова) по годам начиная с 2013 г. наоснове данных о мониторинге эффективности вуза. Выбранные показатели216отражают результат реализации научного потенциала вуза, поскольку служатсвоего рода индикаторами наличия потенциала в сочетании с востребованностьюего результатов у внешних заказчиков.Стратегическийпланможновыразитьвприростныхпоказателяхинтегральной оценки научного потенциала посредством реализации его отдельныхсоставляющих. При этом имеются разные факторы, которые влияют на приростпоказателей.

Воздействие на факторы определяет стратегию изменений. Тогдасравнение изменения показателей интегральной оценки с показателями отдельныхсоставляющих научного потенциала показывает факторы, которые определяютсущественное их влияние на общий рост научного потенциала университета.1. Имеются следующие показатели работы организации (в тыс.

руб.):Год20132014201520162017Показатель 1154 934,2138 909,5171 697,00206 460,60167 317,40Показатель 2177,8130,9100,3686,09104,622. Рассчитан прирост показателей, которые характеризуют изменениесостояния организации (в тыс. руб.).К предыдущему году2014/20132015/20142016/20152017/2016Прирост показателя 1–16 02532 78834 763–35 143Прирост показателя 2–14770–1418Расчет значений УЦМ для изменения показателей объема НИОКР(показатель 1):1. Распределяем значения по шкале и задаем области в зависимости отзначений показателя.217Показатель 1, тыс.

руб.154 934,2138 909,5171 697,00206 460,60167 317,402. Распределяем значения показателей по диапазонам шкалы.Области за пределами значений показателей считаем с 0-ми событиями.3. Распределяем показатели по диапазонам шкалы и формируем матрицупопадания показателей в соответствующие диапазоны шкалы.Показатель 1, тыс. руб.154 934,2138 909,5171 697,00206 460,60167 317,40Номер диапазона шкалы212324. Пишем матрицу переходов из одной зоны в другую.Матрица состояний примет следующий вид:0101010105. Поскольку последнее значение состояния прироста показателейорганизации попадает во второй диапазон шкалы, оно соответствует вектору{0, 1, 0}.6.

Матрицу состояний переводим в матрицу вероятностей таким образом,218чтобы сумма вероятностей по строкам составляла 1.Матрица вероятностей примет следующий вид:00,5010100,507. Матрицу вероятностей перемножаем на вектор состояний переходов.{0, 1, 0}00,50= {1, 0, 1}10100,50Вывод: с вероятностью 50% следующее значение показателя будетнаходиться в первом диапазоне значений шкалы от 130 до 150 и с вероятностью50% – в третьем диапазоне значений шкалы от 171 до 206.8.

Делаем то же самое для приростных показателей:К предыдущему году2014/20132015/20142016/20152017/2016Изменение прироста показателя 1, тыс. руб.–16 02532 78834 763–35 1438.1. Распределяем значения показателей по диапазонам шкалы.Области за пределами значений показателей считаем с 0-ми событиями.8.2.Распределяем показатели по диапазонам шкалы и формируем матрицупопадания показателей в соответствующие диапазоны шкалы.219Показатель 1, тыс.

руб.–16 02532 78834 763–35 143Номер диапазона шкалы23318.3. Пишем матрицу переходов из одной зоны в другую.Матрица состояний примет следующий вид:0010000118.4. Поскольку последнее значение состояния прироста показателейорганизации попадает во первый диапазон шкалы, оно соответствует вектору{1, 0, 0}.8.5. Матрицу состояний переводим в матрицу вероятностей таким образом,чтобы сумма вероятностей по строкам составляла 1.Матрица вероятностей примет следующий вид:000,5000010,58.6.

Матрицу вероятностей перемножаем на вектор состояний переходов{1, 0, 0}000,5000= {0, 0, 0,5}010,58.7. Вывод: с вероятностью 50% следующее значение показателя будетнаходиться в третьем диапазоне значений шкалы от 32 000 до 35 000.По последнему значению 167 317,40 следует, что показатель не можетнаходится в первом диапазоне, поскольку изменение показателя с вероятностью50% положительно.

Следовательно, абсолютное значение показателя 2 следует со100% вероятностью ожидать во третьем диапазоне значений шкалы от 171 до 206.2209. Для более точного определения абсолютного значения показателя задаемзначения показателя: 167 317,40 прибавляем 32 000 и 35 000, то есть диапазонзначений показателя будет составлять от 199 317,40 до 202 317,40.Взяв среднее значение диапазона, получим ожидаемое значение 200 817,40.Прирост = 200 817,40 – 167 317,40 = 33 500.Расчет значений УЦМ для изменения доходов от НИОКР в расчете наодного НПР (показатель 2):1. Распределяем значения по шкале и задаем области в зависимости отзначений показателя.Показатель 2, тыс.

Характеристики

Список файлов диссертации