книги / Поддержка принятия решений при управлении инновационными проектами
..pdfиз используемых методик и информации о решаемой задачи при построении обобщенного критерия методик):
mij 6 Gi j ’ J = l’ l’ ' = !.«/;
где G y - множество альтернативных значений параметров для у-й
методики, /-го параметра.
Кроме того, следует помнить, что значения ау матрицы ин
цидентности [Л] из (4) могут принимать ограниченный набор значений, определяемый выражением:
aij е (1’0,—1};/,у = 17-
Таким образом, задача поиска оптимального управленческо го решения записывается в виде задачи минимизации обобщен ного критерия с ограничениями. Полученная математическая за дача относится к классу дискретных многопараметрических задач оптимизации с ограничениями. Полученная задача может быть сведена к классической задаче поиска пути на графе [10 2 ], если определить последовательность применения методик и показате лей внутри них, чтобы получить размеченный граф (сделать это можно произвольно, так как их важность определяется коэффи циентами, которые расставили эксперты, а коэффициенты между показателями внутри методики могут быть заданы в методиках исходно), а также разметить с использованием полученных кри териальных функций (5) ребра графа (рис. 17, рис. 18, рис. 19). Методики представляют собой не что иное, как таблицы возмож ных значений показателей (набор дискретных значений - см., например, прил. 1) [76], поэтому такое преобразование может быть осуществлено (см. рис. 18).
М етод ика оценки эконом ической |
М етодика анализа личны х |
эффективности ( М , ) |
и деловых качеств ( М 2) |
Рис. 17. Декомпозиция задачи на последовательность применения методик
Рис. 18. Декомпозиция задачи по показателям внутри методики
Возможные значе |
Возможные значе |
Возможные значе |
Возможные значе |
ния показателя 1 |
ния показателя 2 |
ния показателя 3 |
ния показателя к |
в 1-й методике |
в 1-й методике |
в 1-й методике |
в п -й методике |
Рис. 19. Пример построения размеченного графа на основе используемых методик без учета весовых коэффициентов методик и составляющих их показателей
Это преобразование позволяет получить граф, с использова нием которого задача поиска оптимального решения сводится к задаче поиска кратчайшего пути между вершинами графа. При менение алгоритма Дейкстры [65] в данном случае невозможно, так как веса ребер (коэффициенты в некоторых методиках) могут
иметь отрицательные значения в целевой функции (5), поэтому следует применять алгоритм более высокого порядка сложности. Одним из самых эффективных алгоритмов для таких задач явля ется алгоритм Беллмана-Форда, представляющий собой адапта цию метода динамического программирования на граф [65].
Для учета ограничений, накладываемых на задачу, связи между вершинами графа с недопустимыми значениями достаточ но разорвать.
Для применения алгоритма Беллмана-Форда необходимо получить рекуррентную формулу. Из теории известно, что такая формула будет выглядеть следующим образом [65,40]:
d f j = ™»(4 г 1)- д а ,< ‘,й Г 1)+wk j » |
|
= |
+ wk j | • |
|||||
где |
минимальный вес пути из вершины / в вершину j , если |
|||||||
рассматривать пути не менее, чем с s ребрами; |
|
|||||||
W ;j- |
вес ребра графа между вершинами / и j |
(это значение |
||||||
равно |
|
значению |
одного |
из |
значений |
показателя |
||
k j ( h j - |
М |
\2 |
|
критериальной |
функции (5)). По |
|||
j у , k jM j , - k jM j |
||||||||
следнее равенство будет использовать |
WJJ |
= 0 . При s = 0 допу |
||||||
стим «путь» без ребер, т.е. |
|
|
|
|
|
Если s > 1, то минимальный вес d-j достигается либо на пу
ти из не более чем5 —1 ребер и равен |
либо на пути из s ре |
бер. В последнем случае путь можно |
разбить на начальный отре |
зок из s —1 ребер, ведущий из начальной вершины i в некоторую вершину к и на последнее ребро (к , j ) .
Работа алгоритма заключается в вычислении матриц
, где D is) =(^/7°) по заданной матрице весов
W = (wz-/). Последняя матрица D {n~l) будет содержать веса крат
чайших путей, а матрица D (1) совпадает с W .
Учет ограничений может осуществляться введением запре щающих переходов в графе путем разрыва дуг или присваивания им больших значений.
Рассмотрим пример использования описанного подхода к выбору проекта на основе решения одной из подзадач при управ лении инновационными проектами - научно-технической экспер тизы проектов. В результате мы должны оценить проекты, кото рыми располагаем, или выработать рекомендации по его даль нейшей модификации. Для этого нам потребуется только одна методика - методика научно-технической экспертизы инноваци онных проектов [71]. Поскольку мы используем только одну ме тодику, оценку значимости можно не производить (в других слу чаях оценку важности следует проводить экспертам), тогда кри териальная функция (4) запишется в следующем виде:
(/?! - к хМх)2 —> min .
где h\ - максимальное значение, которое может быть достигнуто в методике.
О б щ и й и н т егр а л ьн ы й п о к а за т ел ь для н а уч н о -т ех н и ч еск о й эк с п е р т и зы п р о е к т а р а с с ч и т ы в а е т с я с л ед ую щ и м о б р а зо м (к о эф ф и ц и ен т ы зн а ч и м о с т и п о к а за т ел е й эт о й м е т о д и к и в с е г д а р а в н ы е д и н и ц е ):
/Il- M 1= 1 0 0 - Z (m M+m,2+/ni3 +m14+ m15+ m16+ m17) => min.
З а д а д и м |
о гр а н и ч ен и я н а п роект ы , |
п о д в е р га е м ы е научно- |
т ех н и ч еск о й |
эк с п е р т и зе , и сх о дя из т ого, |
каким и п роект ам и м ы |
об л а д а е м :
ти < 1 2 - сведения об аналогах (не известны аналоги проек
та в США и Европе, возможные значения 3, 6, 9, 12, 15);
т 12< 1 - степень усовершенствования (проекты улучшают
характеристики существующих изделий, возможные значения 3 ,
5, 7, 10, 12, 15); т 13 > 4 - сложность решаемой научно-технической задачи
(осуществляется модификация не отдельных деталей, а кон струкции в целом, возможные значения 2,4,10, 12, 15);
т 14 > 6 - предполагаемый технический результат (ожидае
мый результат должен быть четко сформулирован, возможные значения 3, 6 , 9, 12, 15);
ш,5- используемые объекты интеллектуальной собственно сти в разработанных ранее проектах и используемых в текущем проекте (без ограничений, возможные значения 5, 8, 11);
т,6- предполагаемый вид охраны результатов (без ограни чений, возможные значения 6,10, 14);
т П > 6 - научно-технический уровень разработки (должен превышать отраслевой, возможные значения 0, 3, 6, 9, 12, 15).
Для учета ограничений связи между вершинами графа с не допустимыми значениями достаточно разорвать. Поэтому часть узлов (для достижения которых потребуется использовать связи с недопустимыми значениями) будет недоступна. Таким образом,
введение приведенных выше ограничений избавит наш граф от недоступных узлов (рис. 2 0 ).
Рис. 20. Размеченные узлы графа для методики научно-технической
экспертизы
Далее необходимо соединить узлы графа связями исходя из информации по проектам, т.е. соединить вершины графа исходя из оценки характеристик (согласно применяемым методикам) тех проектов, которые имеются в распоряжении, и расставить чис ленные коэффициенты связей в соответствии с выбранным кри терием и описанным методом. В результате, если разные проекты будут иметь разные оценки по отдельным показателям, то после решения задачи можно получить решение (путем применения описанного выше алгоритма Белмана-Форда), не соответствую щее ни одному из оцениваемых проектов. Однако выбрав проект максимально близкий к полученному решению, мы выработаем рекомендацию относительно того, какая часть проекта может быть улучшена. И более того, поскольку рекомендуемые улуч шения были осуществлены в другом проекте, значит, существует потенциал для их выполнения. Таким образом, в результате ре шения задачи на проектах ПермНИПИНефть удалось отобрать
проект магнитной защиты скважин от запарафинивания и выра ботать рекомендации по его улучшению.
В результате испытания полученного устройства выясни лось, что технология магнитной защиты, в отличие от других средств борьбы с парафинами типа химических ингибиторов, растворителей или глубинных дозаторов, является безреагентным средством (устройством) многоразового использования без ка ких-либо энергетических, технических или технологических за трат в течение многих лет (5-10 лет и более).
Дальнейшее развитие этого проекта показало, что он оказал ся удачным. Он успешно развился и был внедрен на предприяти ях группы компаний «ЛУКОЙЛ» в Пермском крае. Четырехлет ний опыт эксплуатации показал, что в условиях Пермской обла сти коэффициент успешности их использования достаточно вы сокий и достигает 90 % .
Может показаться, что полученное решение является элемен тарным. Однако в случае с множеством методик решение уже ста новится более сложным (например, применив несколько экономи ческих методик совместно, мы получим более обоснованную и сложную оценку экономической эффективности). Кроме того, оценка проектов по разным показателям не всегда может оказаться простой задачей. Экспертам бывает сложно произвести объектив ную оценку. Поэтому можно перейти в новый класс моделей, осно ванный на использовании нечетких экспертных знаний о системе. Поскольку эксперты точных оценок дать не могут, переход в не четкую форму (например, к оперированию лингвистическими пе ременными) позволяет повысить точность и учесть риски реализа ции инновационного проекта [36]. Такой подход не будет вносить искажений и допущений при работе с мнениями нескольких экспертов по одному и тому же вопросу; кроме того, эксперт может предоставлять информацию об используемых функ циях принадлежности (лингвистических переменных), если он не
до конца уверен в своих оценках. Таким образом, описанный под ход имеет перспективы дальнейшего развития.
2.7. Использование нечетких переменных для моделирования инновационных проектов
Повысить точность методов можно путем уточнения оце нок. Поскольку эксперты других оценок дать не могут, имеет смысл привлечь теорию вероятностей для оценки степени уве ренности экспертов в своих оценках и тем самым нивелирования погрешностей внесенных экспертами или привлечения дополни тельных экспертов для уточнения оценок. Однако методы не предназначены в явном виде для учета мнений нескольких экс пертов. Для этого применяются подходы, основанные на усред нении значений группы экспертов или интервальные оценки зна чений [17, 21], что снижает точность и вносит дополнительные упрощения и в без того не всегда достаточно точные методы.
Описание комплексных оценок (оценок с учетом степени уве ренности или оценок группы экспертов) возможно при описании их функциями (возможно, даже в табличном виде). Эти функции можно рассматривать как функции принадлежности |1 л(х) из тео рии нечетких множеств (нечеткой логики). Применение теории не четких множеств имеет существенное преимущество по сравнению с другими теориями, так как для теории нечетких множеств могут быть определены все элементарные математические операции. Кроме этого другие теории, основанные на вероятностях, могут быть сведены к теории нечетких множеств [3 7 , 103, 67].
Теория нечетких множеств хороша еще и тем, что многие данные получаемые путем сбора мнений о той или иной пробле мы не могут быть представлены одним числом, а представляют собой некоторые словесные оценки (например: плохо, хорошо, подросток, перспективно и т.п.), которые на практике представ
ляются лингвистическими переменными, которые также описы ваются функциями принадлежности [90]. При этом при учете не скольких мнений даже такие оценки могут различаться, от чего общая оценка «расплывается».
Таким образом, общая схема методов принятия решения при работе в рамках теории нечетких множеств может быть пред ставлена схемой, приведенной на рис. 21 [4].
Рис. 21. Механизм применения метода
Первым этапом будет являтся перевод числовых оценок в нечеткую форму (фазификация). Для этого можно использовать Гауссову функцию. Расчет производится по формуле:
|
ц(х)= exp |
|
\ a J |
где |
- степень принадлежности к нечеткому множеству; о - |
задается как степень уверенности эксперта (от 99 до 1 %, что со ответствует значениям о 0,01 и 0,99 соответственно); х - диапа зон изменения экспертных оценок от минимально возможного до максимально возможного суммарного значения показателя (на рис. 2 2 изменение величины происходит от 0 до 2 ); с - значение экспертной оценки или весового коэффициента.
Рис. 22. Графики Гауссовой функции принадлежности с разной
величиной уверенности эксперта
Также для перевода в нечеткую форму числа можно вос пользоваться заданием нечеткого множества в виде треугольного нечеткого числа [78].
Для работы большинства методик и методов для принятия решений достаточно таких операций, как сложение, вычитание, умножение и деление. Эти операции определены для нечетких множеств и описаны в литературе как для нечетких множеств, за данных по формуле Эйлера, так и для треугольных нечетких чи сел (в том числе описаны операции между переменными в нечет-
90