Управление инновационными проектами

раметров могут принимать значения из ограниченного набора, который определяется из методик, которые используются при построении обобщенного критерия:

mij D; j 1,l; i 1, nl ,

где D – множество альтернативных значений параметров целевой функции.

Находя и применяя оптимальные решения для управления инновационным проектом на каждом шаге или последовательности шагов, кроме решения задачи поиска параметров, можно построить нормативный прогноз по любой из переменных. Причем исходными данными для расчета могут оказаться полученные реальные данные на предыдущих шагах. Используя полученные данные, можно применять методы математического моделирования и прогнозирования при расчете изыскальских прогнозов.

Таким образом, применение описанного выше гибридного подхода позволяет осуществлять все виды прогнозирования и решение задачи параметрической оптимизации. Кроме этого, такой подход позволяет учитывать быстро протекающие изменения в изучаемой среде, учитывать мнения экспертов (которые заложены в используемых методиках). Более того, использование предложенной методики было бы интересно для группы проектов и на этой основе формирования долгосрочных отраслевых и технологических прогнозов.

10.5. Логическая модель данных для решения задачи поддержки принятия решений

при управлении инновационными проектами

Наличие хорошего ПО в соответствующей организации или фирме и хороших аппаратных средств – это лишь необходимое, но не достаточное условие успешного решения задачи.

242

Обязательной является высокая профессиональная подготовка лица, принимающего решение (ЛПР).

Как показывает практика, широко распространенное мнение о том, что достаточно иметь хорошее ПО из соответствующей области, чтобы с успехом приступать к решению практических задач, оказывается принципиально неверным. В простейших случаях (например, «проблемы», решаемые бухгалтерами) трудностей может и не быть, но в таких алгоритмически сложных областях, как принятие решений, управление, системное проектирование и т.д., ситуация совершенно иная.

При разработке логической модели данных для учета различных факторов применяется способ использования моделирования данных или математической модели для принятия решения. Решение проблемы моделирования основано на анализе важнейших свойств моделируемого процесса. Выбранный метод и способ моделирования должен позволить: во-первых, решить актуальную задачу повышения эффективности прогнозирования и управления за счет создания и использования математической модели и ее элементов; вовторых, учитывать при принятии решений по планированию и управлению факторы риска, неопределенности, ограничений на ресурсы. В теории принятия решений установилось мнение, что адекватное управление может осуществляться когда удается совместить два источника данных: модель и данные, получаемые с объекта управления [7]. Таким образом, для адекватного управления инновационным проектом требуется совместить управление на модели и управление на основе данных (рис. 53).

Для этого может быть разработана модульная модель данных, которая могла бы использовать имеющийся опыт применения существующих методик и представления информации. Совмещение этих подходов возможно в случае, если удастся построить универсальную иерархическую

244

структуру целей и решений наподобие предложенной Томасом Саати [12].

Принятие решения может осуществляться на каждом из выделенных этапов. Для понимания проблемы необходимо построить дерево (рис. 54), похожее на то, которое используется в методе анализа иерархий (МАИ) [12]. Причем, так же как и в МАИ, процесс декомпозиции (разбивки критериев на составляющие критерии) может продолжаться столько, сколько необходимо. Основное отличие и невозможность использования МАИ при управлении инновационными проектами состоит в том, что заранее не известны возможные исходы. Таким образом, решение не может быть сразу сведено к выбору одного из вариантов.

При реализации проекта известно, какие ресурсы имеются в распоряжении, а также то, какие ресурсы могут быть привлечены дополнительно (рис. 55). Особенностью методов принятия решений является то, что они фактически не принимают решение, а помогают грамотно структурировать задачу принятия решения и предоставить информацию в удобном для лица, принимающего решение, виде. Такой подход реализуется на основе специфических структур данных, которые и помогают организовать работу по структуризации и анализу имеющейся в наличии информации. Структура данных представляет из себя, как правило, отражение древовидной структуры (см. рис. 55) или в виде графа, если логика предметной области предполагает перекрестные связи на реляционную модель данных и является дальнейшей детализацией иерархии, представленной на рис. 55.

При таком подходе листья приведенного дерева будут являться максимальной детализацией проекта, а соответствующие им древовидные структуры могут рассматриваться как измерения (в терминологии систем аналитической обработки данных), а сопоставляемые им численные величины – как меры. Кажущаяся простота представления усложняется

245

245

Рис. 54. Схема принятия решения при использовании современных методов управления

246

Принятие управленческого решения

Рис. 55. Иерархия для принятия решения при управлении инновационным проектом

тем, что некоторые решения являются взаимосвязанными, а именно, могут иметь зависимости (например, или одно решение, или другое, или оба вместе). Учесть такого рода зависимости можно, если узлы связи элементов рассматривать как логические операции «И» или «ИЛИ». Тогда мы получим известное в теории проектирования морфологическое дерево. К сожалению, взаимосвязи могут быть сложнее, чем логические операции. Например, для инновационных проектов все-

247

Как известно, в продукционной экспертной системе применение логических правил может быть последовательным, что прекрасно укладывается в древовидную структуру. Это означает, что при такой логике можно строить самые сложные зависимости, основанные на логике (рис. 57).

ПРАВИЛА ФАКТЫ

Рис. 57. Схематическая логика работы продукционной экспертной системы

Правила продукции интерпретируются с помощью конструкции «если αi , то βi ».

Можем иметь продукцию вида: если α1 и α2 , и α3 ,

и α4 , то α5 .

Или в схематическом виде:

α2 αα4 α5 .

3

Однако простой логики для оценки инновационных проектов не достаточно. Управление осуществляется на основе выбора из ограниченного количества некоторых числовых характеристик. Эти характеристики могут иметь разные значения и разный состав в зависимости от листа или узла на графе, которому они сопоставлены.

Таким образом, с каждым элементом дерева или графа мы сопоставляем некоторую дискретную таблицу характеристик или функцию. При этом набор сопоставленных характеристик с однотипными элементами должны быть одинаковыми. Если этого достичь, то в этом случае могут быть при-

249

менимы критериальные методы оценки, а структура становится достаточной для анализа и выработки решения, так как совмещает в себе элементы продукционных и фреймовых экспертных систем, систем аналитической обработки данных (OLAP), систем, основанных на анализе иерархий, а также методов математического программирования. Перечисленные методы являются всеми известными способами поддержки принятия решений, а описанная структура системы позволит как совмещать себе черты отдельных способов поддержки принятия решений, так и совмещать их в произвольных комбинациях в зависимости от стоящей задачи.

Реализация данных функций c использованием традиционных методов многомерного хранения данных сталкивается со сложностями, основанными на том, что традиционная технология предъявляет требования к организации взаимосвязей в данных по одной из известных схем («снежинка» или «звезда») и не позволяет строить направленные друг на друга иерархии, имеющие общие нижние элементы, как на

и рис. 56. Такая структура может быть реализована с использованием двух схем «звезда», у которых конечные таблицы (листья) будут общими. Для того чтобы реализовать работу с такой структурой данных, необходимо ввести новую операцию, которая будет выбирать главную таблицу фактов и тем самым сводить новую схему данных к одной из существующих схем «звезды» или «снежинки». Либо объединить таблицы фактов и получить структуру, представленную на рис. 57.

Как было показано выше, для принятия решения и управления необходима модель или алгоритм, которые смогут работать с данными. Для этого можно использовать один из подходов, применяемый в DataMining, а именно, деревья решений [13]. Такой подход позволяет работать с пред-

250