Ляско В.И. Стратегическое планирование развития предприятия

Подождите немного. Документ загружается.

Е4

Мероприятия

М2

МЗ

М4

М2

МЗ

М4

Е5

Мероприятия

М2

МЗ

М4

М2

МЗ

М4

Суммируя полученные матрицы парных сравнений, получа-

ем матрицу Z:

Мероприятия

М2

МЗ

М4

М2

МЗ

М4

Поскольку

число экспертов равно пяти,

результирующую

матрицу можно определить на базе сопоставления с числом 2п / 2 =

5/2 = 2,5.

Мероприятия

М2

МЗ

М4

М2

МЗ

М4

Проведя суммирование элементов результирующей матрицы по

строкам, получим баллы, которые набрали различные варианты сни-

жения

затрат (мероприятия) на основе проведенной экспертизы:

Ml — 3 балла, М2 — 4 балла, МЗ — 1 балл, М4 — 2 балла.

Наибольшее число баллов набрал вариант М2, который по мне-

нию

экспертов представляется наиболее приоритетным.

Достоинство метода парных сравнений заключается в просто-

те опроса и легкости процедуры проведения. Недостаток — в не-

обходимости использования ПЭВМ при большом числе оценивае-

мых признаков.

Метод Дельфи

Метод Дельфи — это один из наиболее перспективных методов

формирования

групповой оценки экспертов. Метод Дельфи был раз-

работан известным экспертом из исследовательской корпорации

«РЭНД» О. Хельмером, математиком по образованию, что обеспе-

чило получение достаточно точного прогноза. Метод Дельфи полу-

чил свое название от греческого города Дельфи и мудрецов, славив-

шихся в древности предсказаниями

будущего,

представляет собой

ряд последовательно осуществляемых процедур, направленных на

формирование группового мнения по проблемам с ощутимым недо-

статком информации. Процедуры, используемые в методе Дельфи,

характеризуются тремя основными чертами: анонимностью,

регу-

лируемой обратной связью, групповым ответом. Анонимность дос-

тигается за

счет

применения специальных вопросников, контактом

с ЭВМ и другими способами. Регулируемая обратная связь осущест-

вляется за

счет

проведения нескольких

туров

опроса, причем ре-

зультаты

каждого

тура

обрабатываются с помощью статистических

методов и сообщаются экспертам. От

тура

туру

мнения экспертов

112

носят все более устойчивый характер, перестают изменяться. Такое

положение служит основанием для прекращения опросов.

Мнения

экспертов

могут

изменяться по следующим признакам:

• некоторые из экспертов в процессе оценки ситуации могли пре-

небречь отдельными моментами или не были о них осведомле-

ны;

• в число экспертов попали специалисты, не занимающиеся глу-

боко какой-либо узкой проблемой, поэтому после оглашения

результатов

тура

опроса они

могут

изменить оценку, признать

мнение

большинства.

Практика

показывает, что трех-четырех туров бывает доста-

точно для получения устойчивой оценки экспертов.

Возможны случаи, когда в результате опроса складываются су-

щественно различные группы мнений с ограниченными внутри-

групповыми колебаниями оценок. Это свидетельствует о наличии

различных подходов к решению проблемы, различных школ или

ведомственных интересов.

Методу Дельфи свойственны и некоторые недостатки, например

большой цикл проведения многотуровой экспертизы, отсутствие

открытой дискуссии, большое влияние на результат состава экспер-

тов, опасность неглубокого анализа ситуации из-за желания опера-

тивно ответить на поставленные вопросы, возможность созна-

тельного искажения оценки первого

тура

опроса (выдача ложной

информации)

заинтересованным лицом и т.д. Большая продолжи-

тельность проведения экспертной оценки методом Дельфи затрудняет

работу самих экспертов, приводит к нестабильности их состава.

Кроме

того, в некоторых случаях отсутствие предварительного об-

суждения проблемы или альтернативность постановки

могут

привес-

ти к тому, что эксперты, не понимая требований организатора опро-

са,

будут

испытывать трудности психологического характера, что

вызовет их отрицательную реакцию и естественно, скажется на вы-

даваемых ими оценках. Этих недостатков можно избежать, если со-

ответствующим образом подготовить экспертизу.

В последнее время появилось множество различных модификаций

метода Дельфи, сохраняющих основные принципы «классиче-

ского» метода. При этом изменяется число туров, предлагаются раз-

личные способы оценок, чередуются туры тайного опроса с опуб-

113

ликованием

результатов

предшествующих

туров

и их открытым об-

суждением (при этом анонимность доводов в пользу той или иной

оценки

исключалась, что значительно ускоряло проведение опроса).

Наряду с методом Дельфи применяются и

другие

методы, на-

пример метод мозгового штурма (мозговой атаки), метод круглого

стола и т.д.

Метод

сценариев

Метод сценариев — один из наиболее мощных методов экспер-

тизы, применяемых для решения сложных социально-экономиче-

ских задач. Он позволяет определить этапы развития большой сис-

темы посредством разработки сценариев ее развития в тот или иной

временной период.

Сценарий

— это описание (каргина)

будущего,

составленное

учетом

правдоподобных предположений. Как правило, в силу

наличия

определенного количества вероятных вариантов разви-

тия,

прогноз включает в себя несколько сценариев (не менее трех):

оптимистический, пессимистический и средний. При графическом

изображении прогноза на перспективу область, расположенная

между

оптимистическим и пессимистическим вариантами, носит

название области допустимых решений.

Социально-экономическое

прогнозирование,

базирующееся на

применении

метода сценариев, осуществляется на основе анализа

физиологии потребностей.

Иерархия потребностей (например, по А. Маслоу) может быть

представлена в виде строгой иерархической структуры.

уровень.

Это фундаментальные, низшие (лежащие в основе)

потребности в самосохранении, в питании, одежде, жилище, со-

хранении

одежды

и т.п.

уровень.

Те же физиологические потребности, но уже опосре-

дованные социальными отношениями, потребностями более высо-

ких уровней. Это потребности, связанные с качеством питания,

одежды

и т.д.

уровень.

Сюда относятся социально-экономические и со-

циально-политические погребности, социально-коммуникативные,

социально-этические погребности. В социально-политические

потребности органически

входят

потребности в безопасности, в со-

циальном обеспечении, свободе, социальной справедливости и т.п.,

а социально-этические (принадлежность к какой-то группе, общест-

114

ву) включают социально-престижные потребности, отражают само-

уважение и уважение со стороны окружающих.

уровень.

Интеллектуальные потребности в знаниях и этиче-

ском сопереживании. Это потребности в научно-технических,

общественно-политических и художественно-этических знаниях,

интеллектуальном и психологическом удовлетворении.

уровень.

Интеллектуальные потребности в содержательном,

творческом

труде,

активности, самодеятельности, самовыраже-

нии.

Подразумеваются умственный и физический

труд,

научно-

техническое творчество, общественно-политическая активность.

Потребности

обладают

способностью к экстенсивному и ин-

тенсивному

росту

(по

объему

и темпам насыщения). Для них ха-

рактерен не только количественный рост, но и качественное разви-

тие. Определяющим является тот или иной

рубеж

насыщения, при

котором начинается процесс возникновения новой потребности.

При

прогнозировании изменений в системе потребностей осо-

бенно важно оценить, какие ожидания и при каких условиях спо-

собны привести к возникновению новых потребностей.

Удовлетворение низших потребностей имеет определенные,

относительно точно установленные пределы насыщения. Извест-

ны

нормы питания, жилья, одежды, обуви и т.д. Недостаточное

удовлетворение низших потребностей способно вызвать голод,

холод,

болезни.

Развитие высших потребностей в принципе беспредельно.

Чем полнее удовлетворяется каждая из них, тем интенсивнее она

развивается. Конечно, должны быть определены нормы

удовлет-

ворения

высших потребностей для каждой социально-экономи-

ческой ситуации, а также шкала предпочтения, включающая та-

кие

оценки, как:

•

самый предпочтительный;

•

наиболее предпочтительный;

•

предпочтительный;

•

наименее предпочтительный;

•

непредпочтительный;

•

совсем непредпочтительный.

Введена система вероятностей предпочтения (например вероят-

ность, равная 90%, 50%, 30%, 10% и т.д.), и подведены итоги ре-

зультатов.

115

Технология составления сценариев обычно включает в себя не-

сколько этапов.

Первый

этап

заключается в структурировании и формулиров-

ке вопроса. На этом этапе должна быть собрана и проанализирова-

на

базовая информация, а поставленная задача — согласована со

всеми участниками.

Второй

этап

состоит в определении и группировке сфер влия-

ния

с выделением критических точек и оценки их влияния на перс-

пективное развитие предприятия.

На

третьем

этапе

устанавливаются вариантно показатели бу-

дущего

развития критически важных факторов среды развития

предприятия.

Четвертый

этап

состоит в формировании и отборе согласую-

щихся наборов предложений, из которых выделяются три набора

по

следующим критериям:

• высокая сочетаемость;

• наличие большого числа переменных;

• высокая вероятность событий.

Пятый

этап

состоит в сопоставлении результатов третьего и чет-

вертого этапов. Повышенные или заниженные показатели корректи-

руются при помощи данных, полученных на четвертом этапе.

Для получения более точного прогноза на тот или иной период

необходимо сокращать интервал в прогнозируемом периоде, же-

лательно, чтобы его величина не превышала

двух

лет для пятилет-

него и

трех

лет для десятилетнего периода прогнозирования.

Для создания сценария группа экспертов проводит глубокий

анализ существующей ситуации. Затем каждый из них предлагает

новое состояние системы в следующем периоде. После этого каж-

дый эксперт оценивает каждую полученную ситуацию и предлага-

ет новое состояние для последующего периода. Таким образом

формируется

«дерево

сценариев», каждый уровень которого при-

вязан

к определенному периоду. Полученное

«дерево

сценариев»

вновь анализируется экспертами с точки зрения вероятности на-

ступления того или иного события. При этом анализе эксперты

рассматривают переход с t-ro уровня на (t +1)-й уровень и задают

вероятности переходов к тому или иному событию в долях едини-

цы.

Полученные от экспертов данные усредняются и нормируют-

ся

по формуле:

116

ij.'

i=l

(*•

t+l,k

i)(t

где а — оценка вероятности перехода от j-го события в перио-

де «t» к k-му событию в периоде (t +1), установленная

i-м экспертом;

— число экспертов.

После того как оценка вероятности перехода от события к со-

бытию экспертами проведена и найдены усредненные значения

вероятностей переходов, можно оценить вероятности наступле-

ния

того или иного события в конечном периоде. Для этого в каж-

дой ветви производят перемножения вероятностей переходов,

максимальное число

укажет

на наиболее вероятное конечное

событие в

«дереве

сценариев». Можно также воспользоваться пос-

ледовательным переходом от начальной вершины

«дерева

сцена-

риев»

(начального события) по максимальной вероятности к пос-

ледующим уровням и событиям.

На

рисунке показано

«дерево

сценариев», построенное для

оценки

изменения экосистемы в регионе. Экспертами уже была

проведена оценка вероятностей перехода, и эти оценки усреднены

нормированы.

Рис.

4.2.

«Дерево

сценариев»

117

Вероятность наступления конечных событий следующая:

= 0,24; S

0,072;

0,288;

= 0,27; S

= 0,03;

= 0,03; S

= 0,02; S

= 0,02.

Исходя из проведенных расчетов, наиболее вероятным собы-

тием является S

, следующие за ним — S

и S

4.6. Статистические методы прогнозирования

Общие

положения

Статистические методы прогнозирования базируются на исполь-

зовании

накопленной статистической информации об изменении по-

казателей, характеризующих анализируемый объем или процесс.

В методическом плане основным инструментом любого прог-

ноза

является

схема

экстраполяции. Различают:

• формальную экстраполяцию;

• прогнозную экстраполяцию.

Формальная экстраполяция базируется на предположении о со-

хранении прошлых и настоящих тенденций развития объема прог-

ноза

будущем.

При

прогнозной экстраполяции фактическое развитие увязывает-

ся

с гипотезами о динамике исследуемого процесса с

учетом

в перс-

пективе его физической и логической сущности.

Для применения статистических методов строятся статисти-

ческие модели прогнозирования, которые можно разделить на трен-

довые и многофакторные.

В трендовых моделях прогнозирования выводятся зависимо-

сти анализируемого показателя от времени.

Многофакторные модели позволяют получить зависимости изу-

чаемого параметра от широкого набора факторов, которые в той

или

иной мере оказывают влияние на его изменения. В этой связи

трендовые модели

требуют

для своего построения меньше инфор-

мации,

чем многофакторные.

Трендовые

модели

Методы экстраполяции трендов основаны на статистическом

наблюдении динамики изменения определенного показателя,

определении тенденции его развития и продолжении этой тенден-

ции

для

будущего

периода. Другими словами, при помощи мето-

дов экстраполяции трендов закономерности прошлого развития

118

переносятся

будущее.

Основу экстраполяционных методов

прогнозирования составляет изучение временных рядов, пред-

ставляющих собой упорядоченные

во

времени наборы измерения

тех или иных характеристик исследуемого объема, процесса.

Временной ряд

«Y

может быть представлен

следующем

виде:

где

(

—

детерминированная неслучайная компонента процесса;

(

—

стохастическая случайная компонента процесса.

Если детерминированная компонента (тренд)

(

характеризует

су-

ществующую

динамику развития процесса

целом,

то

стохастическая

компонента E

отражает случайные колебания или шумы процесса.

Задача прогноза состоит

определении вида экстраполирую-

щих функций

(

и E

на

основе исходных эмпирических данных.

Первым этапом экстраполяции тренда является выбор опти-

мального вида функции, описывающей эмпирический ряд. Для этого

проводится предварительная обработка

преобразование исходных

данных

целью облегчения выбора вида тренда

путем

сглаживания

выравнивания временного ряда. Следующим этапом является расчет

параметров выбранной экстраполяционной функции.

Наиболее распространенными методами оценки параметров

зависимостей являются метод наименьших квадратов (МНК)

и его

модификации,

метод скользящей средней, метод экспоненциаль-

ного сглаживания, метод вероятностного моделирования

метод

адаптивного сглаживания.

Метод

наименьших квадратов (

МНК)

Сущность метода наименьших квадратов состоит

отыскании

параметров моделей тренда, минимизирующих

ее

отклонение

от

точек исходного временного ряда,

т.е.:

I (yj - У

;

) -> min,

—

где

—

расчетные значения исходного ряда;

—

фактическое значение исходного ряда;

—

число наблюдений.

В практических исследованиях

качестве модели тренда

в ос-

новном

используют следующие функции:

• линейную:

ах

Ь;

119

квадратичную: у = ах

+ bx + с;

степенную: у = х

;

показательную: у = а";

экспоненциальную: у = ае

;

логистическую: у= .

а + Ь"

В ряде

случаев

для выбора вида функциональной зависимости

используется прием, основанный на том, что определенные соот-

ношения

между

изменениями входной и выходной величины пред-

полагают ту или иную функциональную зависимость.

Ау

1.Если

выполнено условие — =consi, то принимается ли

Дх

нейная

модель у = а

+ а

(

х, где Ду, Дх — приращения зависимой

независимой переменной.

2. Если —-=const, то принимается модель у = ах° (степенная

функция).

3. Если = const, то принимается модель у = ав

(показатель

Alnx

ная

функция).

Ду

4. Если —Zj =const , то принимается модель у = а + вх + сх

(парабола).

. „ у х

5. Если —— =const, то принимается модель у =

Дх а + Ь"

(гипербола).

Классический метод наименьших квадратов предполагает рав-

ноценность

исходной информации в модели. В реальной же прак-

тике

будущее

поведение процесса значительно в большей степени

определяется поздними наблюдениями, чем ранними.

Это обстоятельство породило т.н. дисконтирование, т.е. умень-

шение ценности более ранней информации. Дисконтирование

можно

учесть

путем

введения в модель некоторых весов В_,

тогда:

Коэффициенты

могут

задаваться заранее в числовой форме

или

в виде функциональной зависимости т.о., чтобы по мере про-

120