45. Хозяйствование как процесс прогрессирующего разделения труда. Разделение труда в менеджменте

Разделение труда – это процесс обособления различных видов трудовой деят-ти, развивающейся вместе с развитием производительных сил. Рост производительных сил способствует разделению труда, в свою очередь, разделение труда способствует прогрессу производи-тельных сил. Разделение труда внутри общества опред-ся уровнем развития производительных сил, производственными отношениями, демографическими и историческими условиями.

Разделение труда внутри предприятия, задаваемое в форме его производственной структуры, определяется номенклатурой выпускаемой продукции и ее конструктивными особенностями, масштабом выпуска и трудоемкостью изделий, техн-ким уровнем производства, характером и уровнем сложившегося общественного разделения труда. Каждая производственная структура характеризуется определенной степенью специализации, концентрации, комбинирования и кооперирования.

Известно, что управление - это дитя разделения тру¬да. Сама потребность в управлении производством воз¬никает лишь в связи с тем, что все большее число работников и кол¬лективов участвуют в каждом конкретном производственном процессе. С другой стороны, само управление является результатом выделения труда по управлению непосредственно из производительного труда.

Возрастающие масштабы производства и связанное с этим увеличение объема работ по управлению требуют дальнейшего разделения труда в управлении. Такое разделение может осуществляться двумя путями:

- во-первых, чле¬нением единого объекта управления на части, при сохранении единства самого управления каждой такой частью;

- во-вторых, разделением единого процесса управления на отдельные виды работ (функции управления), при сохранении целостности самого объекта управления.

Первый путь приводит к линейной организационной структуре, а второй к функциональной.

38. Ценность информации. Ценность полной и неполной информации

Перспективным представляется подход к измерению ценности информации в рамках байесовской теории принятия решений. Рассмотрим его особенности на условном примере.

Имеется монета и специально изготовленная игральная кость, четыре стороны которой помечены словом "герб" и остальные две словом "решетка". Наблюдать бросание монеты и кости не разрешается. Один из предме¬тов накрывается чашкой.

Введем обозначения для следующих утверждений: "не накрыта монета" - To; "не накрыта кость" – T1; "выпал герб" - a; "выпала решетка" - b.

Если принимающий решение правильно угадает, какой именно предмет не накрыт, он получит приз - 1 рубль. В противном случае он не получа¬ет ничего. Вероятности событий To и T1 на начало эксперимента представляются равными p (To) = p (T1) = 1/2.

Очевидно, что в этом случае ожидаемый выигрыш Co = 1/2 руб. Если же точно известно, какое событие произойдет, то ожидаемый выигрыш при наличии полной и надежной информации Cnu = 1 руб.

Увеличение дохода принимающего решение по сравнению с доходом, который он получил бы на основе решений, принятых с помощью априорной информации, будем называть ожидаемой ценностью полной информации. В нашем примере

Qnu = Cnu – Co = 1*0,5=0,5 руб.

Следовательно, максимальная сумма, которую имеет смысл заплатить за совершенно надежную информацию в нашем случае - 0,5 руб. Поскольку Qnu представляет собой прирост дохода от полного исключения неопреде¬ленности, эту величину иногда называют стоимостью неопределенности.

Попробуем теперь определить ценность неполной или выборочной информации. Для этого разовьем описанный выше пример с костью и монетой.

Лицо, производящее эксперимент, сообщает принимающему решение, "гербом" или "решеткой" помечена верхняя сторона не накрытого чашкой предмета. Ясно, что такое сообщение существенно повлияет на мнение принимающего решение о том, какой предмет накрыт чашкой. Интуитивно понятно, что при выпадении "герба" то, что не накрыта кость, более вероятно. Для количественной оценки степени устранения неопределенности исполь¬зуется теорема Байеса, утверждающая, что условная вероятность события А, если известно, что событие В наступило, равна P (A / B) = P (B / A) * P (A) / P (B).

Предположим, что в нашем эксперименте не накрыта монета. Тогда условная вероятность события а Р (а / То) = 1 / 2. Если же не накрытая кость – события Т1 , то Р ( а / Т1) = 2 / 3. Отсюда безусловная вероятность события а равна P (a) = P(a / To) P(To)+P (a / T1)P(T1)=7/12

В соответствии с теоремой Байеса вероятность того, что не накры¬та кость, если известно, что выпал "герб", определится из выражения

P (T1/a) = P (a / T1)P(T1) / P (a) =4/7

Аналогично P (To / a) =3/7

Точно таким же образом найдем условие вероятности событий To и T1 после сообщения о том, что выпала "решетка" Р(T1 / b) = 3 / 5; Р(To / b) = 2 / 5; а Р(b)=1- P(a) =1-7 / 12 - 5 / 12.

Следовательно, при сообщении "герб" наилучшей догадкой является "кость", а ожидаемый доход равен 4 / 7 руб., при сообщении "решетка" на¬илучшая догадка - "монета", а ожидаемый доход – 3 / 5 руб. Ожидаемый до¬ход при данной выборочной информации

Cbu=7/12*4/7+5/ 12*3/5=7/12 руб.

Ожидаемая ценность выборочной информации в нашем случае:

Qbu =7/ 12-1/ 2=1/12 руб.

При организации системы обработки информации в управлении производством часто оказывается удобно оперировать не количеством информации, а ее объемом, измеренным в той или иной системе единиц.