3.2 Разработки стратегии структурного реинжиниринга промышленного предприятия на основе использовании методов нечеткой логики

В последнее время нечеткая технология завоевывает все больше сторонников среди разработчиков систем управления. Взяв старт в 1965 году из

* работ профессора Лотфи Заде [7], за прошедшее время нечеткая логика прошла

путь от почти антинаучной теории, практически отвергнутой в Европе и США, до банальной ситуации конца девяностых годов, когда в Японии в широком ассортименте появились «нечеткие» бритвы, пылесосы, фотокамеры.

Основным понятием нечеткой логики является понятие нечеткого множества. Нечеткая логика основана на использовании таких оборотов естественного языка, как «далеко», «близко», «холодно», «горячо» [6].

*■ Диапазон ее применения очень широк - от бытовых приборов до управления

сложными промышленными процессами. Многие современные задачи управления просто не могут быть решены классическими методами из-за очень большой сложности математических моделей, их описывающих. Вместе с тем, чтобы использовать теорию нечеткости на цифровых компьютерах, необходимы математические преобразования, позволяющие перейти от

лингвистических переменных к их числовым аналогам в ЭВМ [88].

А

На рисунке 3,4 показаны области наиболее эффективного применения современных технологий управления. Классические методы управления, как

видно из рассмотрения данных рисунка 3.4., хорошо работают при полностью детерминированном объекте управления и детерминированной среде, а для систем с неполной информацией и высокой сложностью объекта управления оптимальными являются нечеткие методы управления.

объект управления „

Сложность объекта управления

Рисунок 3.4 - Области наиболее эффективного применения современных технологий управления

Представляет интерес рассмотрение таких понятий, как «нечеткие правила», «нечеткий вывод» да и сам термин «нечеткое управление».

Классическая логика развивается с древнейших времен. Ее основоположником считается Аристотель. Логика известна нам как строгая и сугубо теоретическая наука, и большинство ученых (кроме разработчиков последнего поколения компьютеров) продолжают придерживаться этого

Ill

мнения. Вместе с тем классическая или булева логика имеет один существенный недостаток - с ее помощью невозможно описать ассоциативное мышление человека. Классическая логика оперирует только двумя понятиями: ИСТИНА и ЛОЖЬ, исключая любые промежуточные значения. Аналогично этому булева логика не признает ничего кроме единиц и нулей. Решить эту проблему и призвана нечеткая логика. С термином «лингвистическая переменная» можно связать любую физическую величину, для которой нужно иметь больше значений, чем только ДА и НЕТ. В этом случае вы определяете необходимое число термов и каждому из них ставите в соответствие некоторое значение описываемой физической величины. Для этого значения степень принадлежности физической величины к терму будет равна единице, а для всех остальных значений - в зависимости от выбранной функции принадлежности [77].

Получившие наибольшее развитие из всех разработок искусственного интеллекта, экспертные системы завоевали устойчивое признание в качестве систем поддержки принятия решений. Подобные системы способны аккумулировать знания, полученные человеком в различных областях деятельности. Посредством экспертных систем удается решить многие современные задачи, в том числе и задачи управления.

Одним из основных методов представления знаний в экспертных системах являются продукционные правила, позволяющие приблизиться к стилю мышления человека. Любое правило продукций состоит из посылок и заключения. Возможно наличие нескольких посылок в правиле, в этом случае они объединяются посредством логических связок И, ИЛИ. Обычно продукционное правило записывается в виде: «ЕСЛИ (посылка) (связка) (посылка)... (посылка) ТО (заключение)».

Главным недостатком продукционных систем остается то, что для их функционирования требуется наличие полной информации о системе [82, 89].

Нечеткие системы тоже основаны на правилах продукционного типа, однако в качестве посылки и заключения в правиле используются

лингвистические переменные, что позволяет избежать ограничений, присущих классическим продукционным правилам.

Целевая установка процесса управления связывается с выходной переменной нечеткой системы управления, но результат нечеткого логического вывода является нечетким, а физическое исполнительное устройство не способно воспринять такую команду. Необходимы специальные математические методы, позволяющие переходить от нечетких значений величин к вполне определенным. В целом весь процесс нечеткого управления можно разбить на несколько шагов: фаззификация, разработка нечетких правил и дефаззификация [96, 91].

Фаззификация (переход к нечеткости). Точные значения входных переменных преобразуются в значения лингвистических переменных посредством применения некоторых положений теории нечетких множеств, а именно - при помощи определенных функций принадлежности.

* Лингвистические переменные. В нечеткой логике значения любой

величины представляются не числами, а словами естественного языка и называются ТЕРМАМИ. Так, значением лингвистической переменной ДИСТАНЦИЯ являются термы ДАЛЕКО, БЛИЗКО и т. д. [83, 86].

Конечно, для реализации лингвистической переменной необходимо определить точные физические значения ее термов.

> до 60 метров. Согласно положениям теории нечетких множеств, каждому

значению расстояния из диапазона в 60 метров может быть поставлено в соответствие некоторое число, от нуля до единицы, которое определяет СТЕПЕНЬ ПРИНАДЛЕЖНОСТИ данного физического значения расстояния (допустим, 10 метров) к тому или иному терму лингвистической переменной ДИСТАНЦИЯ. Конкретное определение степени принадлежности возможно только при работе с экспертами. В настоящее время сложилось мнение, что для большинства приложений достаточно 3-7 термов на каждую переменную. Минимальное значение числа термов вполне оправданно. Такое определение

содержит два экстремальных значения (минимальное и максимальное) и среднее. Для большинства применений этого вполне достаточно. Что касается максимального количества термов, то оно не ограничено и зависит целиком от приложения и требуемой точности описания системы. Число же 7 обусловлено емкостью кратковременной памяти человека, в которой, по современным представлениям, может храниться до семи единиц информации [114].

Функции принадлежности. Как уже говорилось, принадлежность каждого точного значения к одному из термов лингвистической переменной определяется посредством функции принадлежности. Ее вид может быть абсолютно произвольным. Сейчас сформировалось понятие о так называемых стандартных функциях принадлежности (рисунок 3.5) [87].

Рисунок 3.5 - Стандартные функции принадлежности

Z - функция П - функция Л - функция S - функция

Стандартные функции принадлежности легко применимы к решению большинства задач. Однако если предстоит решать специфическую задачу,

•> можно выбрать и более подходящую форму функции принадлежности, при

этом можно добиться лучших результатов работы системы, чем при использовании функций стандартного вида.

Этапы фаззификации [92].

Шаг 1. Для каждого терма взятой лингвистической переменной найти числовое значение или диапазон значений, наилучшим образом характеризующих данный терм. Так как это значение или значения являются «прототипом» нашего терма, то для них выбирается единичное значение функции принадлежности.

Шаг 2. После определения значений с единичной принадлежностью необходимо определить значение параметра с принадлежностью «О» к данному терму. Это значение может быть выбрано как значение с принадлежностью «1» к другому терму из числа определенных ранее.

Шаг 3. После определения экстремальных значений нужно определить промежуточные значения. Для них выбираются П- или Л-функции из числа стандартных функций принадлежности.

Шаг 4. Для значений, соответствующих экстремальным значениям параметра, выбираются S- или Z-функции принадлежности.

Разработка нечетких правил. На этом этапе определяются продукционные правила, связывающие лингвистические переменные. Совокупность таких правил описывает стратегию управления, применяемую в данной задаче.

Большинство нечетких систем используют продукционные правила для описания зависимостей между лингвистическими переменными. Типичное

* продукционное правило состоит из антецедента (часть ЕСЛИ ...) и консеквента

(часть ТО ...). Антецедент может содержать более одной посылки. В этом случае они объединяются посредством логических связок И или ИЛИ.

Процесс вычисления нечеткого правила называется нечетким логическим выводом и подразделяется на два этапа: обобщение и заключение [78, 81].

На первом шаге логического вывода необходимо определить степень принадлежности всего антецедента правила. Для этого в нечеткой логике

* существуют два оператора: MIN(...) и МАХ(...). Первый вычисляет

минимальное значение степени принадлежности, а второй - максимальное значение. Когда применять тот или иной оператор, зависит от того, какой связкой соединены посылки в правиле. Если использована связка И, применяется оператор MIN(...). Если же посылки объединены связкой ИЛИ, необходимо применить оператор МАХ(...).

Аналогично действиям с обычными множествами нам потребуется определить пересечение, объединение и отрицание нечетких множеств. В своей

самой первой работе по нечетким множествам Л. А. Задэ предложил оператор ^V минимума для пересечения и оператор максимума для объединения двух

нечетких множеств.

Следующим шагом является собственно вывод или заключение. Подобным же образом посредством операторов MIN/МАХ вычисляется значение консеквента. Исходными данными служат вычисленные на предыдущем шаге значения степеней принадлежности антецедентов правил.

После выполнения всех шагов нечеткого вывода мы находим нечеткое значение управляющей переменной. Чтобы исполнительное устройство смогло отработать полученную команду, необходим этап управления, на котором мы избавляемся от нечеткости и который называется дефаззификацией.

Дефаззификация (устранение нечеткости). На этом этапе осуществляется переход от нечетких значений величин к определенным физическим параметрам, которые могут служить командами исполнительному устройству [85].

* Результат нечеткого вывода, конечно же, будет нечетким. Для устранения

нечеткости окончательного результата существует несколько методов. Так как результатом нечеткого логического вывода может быть несколько термов выходной переменной, то правило дефаззификации должно определить, какой из термов выбрать. Рассмотрим некоторые из них. Аббревиатура, стоящая после названия метода, происходит от сокращения его английского

эквивалента.

* Метод наибольшего значения (МоМ) При использовании этого метода

правило дефаззификации выбирает максимальное из полученных значений выходной переменной [84].

Метод центроида (СоА) В этом методе окончательное значение определяется как проекция центра тяжести фигуры, ограниченной функциями принадлежности выходной переменной с допустимыми значениями.

Метод центра максимума (СоМ).

Использовании нечеткой логики при проектировании систем управления предприятия [9] не столь широко как в технике, однако затрагивает именно те

сферы где привычные математические методы бессильны. Так, например, Посметным А.В. [10] предлагается модель стратегического планирования, использующая элементы нечеткой логики. Основным элементом данной модели является граф критериев, построенный с использование нечетких соотношений. При этом стратегическое планирование осуществляется с использованием правил нечеткого управления. Данная модель обладает тремя преимуществами [79, 80]:

- модель интуитивно понятна экспертам (лицам, принимающим и формирующим решения) для эффективного использования в практических приложениях;

- модель позволяет формализовать на алгебраическом уровне переход от стратегического уровня планирования к тактическому и оперативному;

- модель использует достаточно простые алгоритмы для реализации ее в виде практического приложения.

Использование нечеткого управления рекомендуется [11]:

- для очень сложных процессов, когда не существует простой математической модели;

- для нелинейных процессов высоких порядков;

- если должна производиться обработка (лингвистически сформулированных) экспертных знаний.

Использование нечеткого управления не рекомендуется, когда:

- приемлемый результат может быть получен с помощью общей теории управления;

- уже существует формализованная и адекватная математическая модель.

Существуют программные продукты, реализующие алгоритмы нечеткой логики применительно к задачам экономического характера

CubiCale (Hyper Logic) Наиболее мощный пакет, реализующий методы нечеткой логики в виде экспертной системы с нечеткими правилами. Применяется для ситуационного моделирования в сфере политики, экономики

и финансов, для управления в условиях неполноты и неточности информации. С помощью CubiCalc успешно решаются задачи динамического управления в финансовом планировании, управления технологическими процессами и динамического моделирования в сложных предметных областях с качественно изменяющимися параметрами. Программа CubiCalc может работать как в пакетном, так и в интерактивном режиме. Встроенные средства проектирования позволяют редактировать нечеткие правила как в исходном тексте - подобие

* языка "С", так и в графическом представлении [90].

FuziCalc (FuzeWare) Первая электронная таблица на основе нечеткой

логики. Единственный пакет, позволяющий быстро проводить вычисления с неточно известными данными без накопления ошибки. Исключительно прост в использовании. Используется специалистами по критическим ситуациям, политическими аналитиками, а также руководителями [12].

Как уже ранее отмечалось, предприятие может быть рассмотрено как совокупность различных структур (производственной, финансовой, организационной и т.д.). В связи с этим говорить о структурном реинжиниринге можно в широком смысле, как о изменении соотношения структурных компонент предприятия (структура активов, товарная структура и т.д.), направленных на оптимизацию его функционирования, и в узком смысле, как изменении организационной структуры. Структурный реинжиниринг в широком смысле, по сути, является синонимом управления изменениями, так

«ц как затрагивает всю совокупность процессов, протекающих на предприятии и

ставит своей задачей найти точку оптимального соотношения между ними, их структурными элементами, характеристиками структурных элементов [93]. Рассмотрение структурного реинжиниринга в столь расширенном толковании выходит за рамки данной работы.

В дальнейшим, говоря о структурном реинжиниринге, мы будем иметь

ввиду систему мероприятий, направленных на совершенствование

V

организационной структуры предприятия.

Организационная структура - один из самых противоречивых элементов предприятия. Если попытаться проанализировать эффективность предприятий с различной организационной структурой, то мы увидим, что выделение какой либо группы «эффективных» структур практически невозможно. Предприятия сходных сфер деятельности имеют, как правило, аналогичные организационные структуры. Однако, одни из них работают стабильно на протяжении многих лет, другие находятся на грани банкротства и исчезают. С одной стороны организационная структура ограничивается целым рядом объективных факторов: технология, география рынков, способность человека воспринимать и интерпретировать информацию. С другой стороны именно организационная структура определяет такие жизненно важные способности предприятия как быстрота и адекватность реакции на изменение окружающей среды, способность к восприятию инноваций и т.д. Таким образом, говоря об «эффективности» организационной структуры предприятия, как и в случае выбора «эффективных стратегий» следует говорить не об эффективности как таковой, а об адекватности применения подхода к текущим параметрам внешней и внутренней среды [125].

Мультипликативный подход к определению понятия бизнес-процесса, предложенный автором, при выборе различных базовых параметров модели позволяет получать различные срезы предприятия, различные варианты организации бизнес-процессов на предприятии.

Было бы неправильно считать, что какие-то модели, построенные на различных базовых параметрах, отражают деятельность предприятия лучше или хуже. Это просто различные ракурсы единой системы.

При проектировании организационной структуры предприятия можно рассмотреть три типичные ситуации:

- типичное предприятие;

- нетипичное новое предприятие;

- существующее предприятие в изменившихся условиях.

Первый вариант не представляет особой сложности - за основу принимается аналогичное успешно функционирующее предприятие и вносятся коррективы соответствующие местной специфике. В плане реакции на изменения среды организационные изменения могут так же осуществляться с оглядкой на лидера (так называемая стратегия преследования). Этот вариант не представляет особого интереса, так как в данном случае вся сложность задачи сводится к выявлению наиболее важных различий между лидером и конкретной организацией и внесению в структуру проектируемой организации соответствующих изменений.

Предлагаемая далее разработанная автором методика ориентирована на проектирование организационной структуры нетипичных новых предприятий или предприятий, входящих в новые нетипичные сферы бизнеса.

Центральным моментом данной методики является выбор нескольких базовых параметров на основании которых будут построены соответствующие структурные модели предприятия. Ниже представлено несколько примеров моделей верхнего уровня, в которых в качестве базового параметра соответственно выбраны: производство товаров, создание добавочной и потребительской стоимости (рисунки 3.6 — 3.8).

.-''Наличие''^.

Рисунок 3.6 - Диаграмма верхнего уровня - базовый параметр - «производство товара»

Рисунок 3.7 - Диаграмма верхнего уровня - базовый параметр - «прибавочная стоимость»

Рисунок 3.8 - Диаграмма верхнего уровня - базовый параметр - «потребительская стоимость»

Очевидно, что диаграмм может быть построено так же много, как много будет принято базовых параметров. Необходимости строить все диаграммы нет, равно как и детализировать их до элементарных процессов. Следующий шаг - определение «степени жесткости» представленных схем, то есть уяснение того, насколько представленные схемы могут быть изменены, «приведены к общему знаменателю».

Рассмотрим основные ограничения, «степени жесткости» рассматриваемых структур:

- технологические (структура технологического процесса подчиняется

^V физическим законам и не может быть произвольно изменена);

- географические (ограничения накладываемые степенью развития коммуникаций и стоимостью транспортировки материальных объектов либо информации);

- законодательные (например, антимонопольное законодательство накладывает определенные ограничение на масштабы предприятия, в

* некоторых странах запрещены предприятия со стопроцентным

иностранным капиталом);

- социальные;

- товарные;

- физиологические и др.

В простейшем случае выбирается одно наиболее жесткое ограничение. Оно становится базовым параметром при построении диаграмм дальнейшей

X детализации и в результате мы имеем предприятие построенное по какому либо

принципу департаментизации: географическому, функциональному или товарному. Принятие в качестве наиболее жесткого ограничения финансового и построение диаграмм при базовом параметре «создание прибавочной стоимости» обычно приводит к возникновению предприятий костяк которых составляют хозрасчетные подразделения, функционирующие либо как самостоятельные юридические лица, либо на основе внутрихозяйственного расчета.

В более сложном случае, специфика функционирования предприятия не сводима до стандартного типа и для различных групп подразделений (функциональных процессов) структурные диаграммы строятся на основании различных «базовых параметров». Это приводит к созданию многомерных производственных структур. Задача высшего менеджмента организации в данном случае состоит не в «управлении» в классическом понимании данного термина, а в «координации», создании системы стимулов и индикаторов,

«сшивающих» разные по целям, функциям и организации подразделения в ^v единый производственный организм.

Как уже отмечалось, организационная структура не связана напрямую с

эффективностью функционирования предприятия, однако, тем не менее, является обязательным условием последней. Если структурные новшества в рамках отдельных подразделений, связанные с изменениями технологического процесса, товарной номенклатуры и т.д., как правило, легко корректируются на основании проведения расчетов по нормированию операций и выявлению норм управляемости, то возникновение необходимости изменения общей архитектуры организационной структуры проконтролировать достаточно

сложно.

Когда же неэффективность существующей организационной структуры становится очевидной, организация, как правило, находится в состоянии серьезного кризиса.

Предлагаемая далее авторская методика, основанная на использовании нечеткой логики, при анализе слабых сигналов ориентирована на своевременное выявление тенденций, ведущих к необходимости модернизации организационной структуры предприятия.

Показатели, характеризующие различные аспекты деятельности организации, группируются в соответствии со степенями жесткости (ограничениями). Например:

- технологические;

- географические;

- общесистемные;

- товарные;

- финансовые.

Перечень групп и показателей внутри групп может быть изменен в соответствиями с особенностями анализируемой организации, единственным обязательным отличием от перечня ограничений является наличие группы

«общесистемные». Пример перечня показателей, использовавшихся автором, для ^v оценки организационной структуры предприятия приведен в Приложении В.

Эксперты оценивают показатели, характеризующие внутреннюю и внешнюю среду компании в соответствии со следующей шкалой:

очень сильно, сильно, без изменений, слабо, очень слабо (для показателей с однонаправленной динамикой)

очень сильно, сильно, без изменений, уменьшился, сильно уменьшился • (для показателей с двунаправленной динамикой)

Перечисленные градации являются термами нечеткой переменной изменяющейся согласно следующему закону:

где Y -значение нечеткой функции - «оптимальность организационной структуры компании»;

е - основание натурального логарифма;

х - значение лингвистической переменной (терма), т.е. значение параметра состояния фирмы и ее окружения.

Выбираются следующие функции принадлежности:

- S - функция для терма «очень сильно»;

- Z - функция для терма «очень слабо»;

- для всех остальных термов - П - функция.

Графически фаззификация лингвистической переменной представлена на рисунке 3.9.

Правило, по которому рассчитывается значение нечеткой функции состоит в нахождении средневзвешенного попарного пересечения множеств терм групп показателей. При этом следует учитывать, что разную мощность множеств желательно нормализовать до максимальной путем пропорционального увеличения терм.

Дефаззификация осуществляется методом центроида. Согласно этому методу окончательное значение определяется как проекция центра тяжести фигуры, ограниченной функциями принадлежности выходной переменной. Графически дефаззификация функции «оптимальность организационной структуры компании» представлена на рисунке 3.10.

Рисунок 3.9 - Фаззификация лингвистической переменной

Интерпретация значений функции для принятия управленческих решений:

1 - причин для беспокойства нет;

2 - требуется сбор дополнительной информации;

3 - требуется пересмотр тактики организационного строительства;

4 - требуется пересмотр стратегии организационного строительства;

5 - немедленная реорганизация.

Графически соответствие представлено на рисунке 3.11.

16 і