И управление проектами теоретические основы и квалификационные требования Новосибирск 2006В. В. Герасимов, А. П. Пичугин Э. В. Круглова управление проектами учебное пособ и

Специфической особенностью экспертной системы является то, что ее базу знаний составляют правила, почерпнутые из теоретических исследований, классифицированные в соответствии с составом описываемых объектов. При всех существующих различиях между отдельными школами и течениями экономическая теория представляет аутентичную информацию о причинно-следственных связях между явлениями хозяйственной жизни, характере влияния различных факторов, устойчивых закономерностях и детерминантах экономических процессов. Любая концепция может быть формализована в виде системы логических высказываний, объединенных в семантическую сеть, что дает возможность использовать ее в качестве теоретического сырья для формирования системы искусственного интеллекта.

В базу знаний такой системы входят: информационная модель проблемной области, отражающая состав потенциально возможных проблемных ситуаций и причинно-следственные связи между ними; информационно-структурная модель хозяйственной системы как объекта управления; дерево целей объекта управления, иерархичность которого отражает соподчиненность целей субъектов хозяйственной деятельности;

- модель субъекта управления и его дерево целей; информация о ресурсных комплексах хозяйственной системы; сетевые графики и альтернативные сценарии проведения типовых регулирующих мероприятий; списки альтернатив управляющих воздействий, предоставляемые ЛПР, в зависимости от специфики проблемной ситуации. Функционирование этой системы позволит: оперативно выявлять проблемные ситуации; прогнозировать последствия принятия альтернативных решений; вырабатывать последовательность мероприятий и следить за их осуществлением; контролировать и оценивать действия всех звеньев управляющей системы в процессе разрешения проблемных ситуаций.

База знаний экспертной системы заполняется знаниями теоретического характера, формализованными в виде: логических правил; семиотических сетей; логико-лингвистических моделей; процедур логического вывода.

Ввиду трудностей практического применения традиционных экономико-математических методов, связанных с количественным расчетом большого числа переменных, их роль в подобной системе искусственного интеллекта призваны играть логико-лингвистические модели, позволяющие оперативно определять качественный характер процессов и устанавливать направления развития региональной экономической системы.

Общая логическая схема процесса принятия решений включает два этапа: определяются условия равновесия на каждом из рынков; на основе этих условий выбирается условие одновременного достижения равновесия на всех рынках.

Процесс отбора вариантов управляющих воздействий алгоритмизируется за счет использования систем правил прямого и обратного логического вывода.

При необходимости производится корректировка системы правил. Наличие такой обратной связи лежит в основе способности систем искусственного интеллекта к самообучению, самосовершенствованию, автоматизации процесса выработки каких-либо долгосрочных программ или сценариев управления экономикой.

Необходимым условием функционирования экспертной системы является заполнение ее базы данных: информацией о текущем состоянии хозяйственной системы региона, структурированной в виде стандартизированных блоков (фреймов), описывающих движение потоков результатов деятельности элементарных объектов регионального хозяйства в виде высказываний о целеполагании (целевых нормативах интенсивности этих потоков); сведениями учетного (фактических и контрольных значений параметров) и прогнозного характера; аналитическими зависимостями и списками альтернативных управляющих воздействий, регулирующих интенсивность потоков межэлементных взаимодействий. Динамический характер этой базы данных подразумевает необходимость непрерывного обновления содержащейся в ней информации.

Процедура принятия решений по управлению инвестициями включает следующие направления использования региональной экспертной системы:

- распознавание проблемных ситуаций в инвестиционной сфере;

• 
  поддержка принятия решений о размещении средств регионального
  бюджета;
  
• 
  поддержка принятия решений по содействию реализации приоритетных
  проектов;
  

• 
  проведение конкурсов инвестиционных проектов;
  
• 
  формирование банка данных с целью информирования потенциальных
  инвесторов о приоритетных и перспективных направлениях инвестирования;
  

• 
  обеспечение роста согласованности решений субъектов инвестиционной
  деятельности и увязка их действий с целевыми нормами развития, фигурирующими
  в региональном индикативном плане;
  
• 
  организация рациональной системы коммуникаций между звеньями
  управляющей структуры, принимающими решения по регулированию
  инвестиционной сферы.
  

Процесс принятия решений, организованный на базе данной системы искусственного интеллекта, обеспечивает принятие организационных решений с учетом интересов взаимодействующих хозяйствующих субъектов в условиях рыночных отношений при соблюдении глобальных приоритетов регионального развития, зафиксированных при разработке индикативного плана.

В распоряжение пользователя поступает программный продукт, позволяющий самостоятельно производить определение структуры данных моделей и ввод необходимой информации. Для некоторых моделей может первоначально использоваться их примерный вид в демонстрационном варианте системы; другие модели должны быть полностью сформированы на

местах в соответствии со спецификой задач по управлению конкретным регионом.

Задача центра управления проектом заключается в том, чтобы разработать такой механизм, который обеспечит максимальный социальный эффект. За конечное число шагов будет получена ситуация равновесия.

Свойства механизмов страхования, возникающие как следствие активного поведения исполнителей, ПМ и/или страховщика (страховой компании): основная цель страхования заключается в перераспределении рисков; "объединить усилия" - создать фонд, используемый для возмещения (как правило, частичного) потерь; каждый исполнитель вносит в страховой фонд взнос, в точности равный ожидаемой нехватке средств.

Требованиями, которым должен удовлетворять механизм страхования, являются следующие: система страхования не должна побуждать исполнителя "способствовать" наступлению страхового случая; страхование должно иметь смысл для исполнителя; значения целевых функций должны быть неотрицательны; страхование должно иметь смысл для страховщика при условии, что выплаты исполнителям не должны превосходить их суммарных страховых взносов; вероятность выплат, превосходящих страховой фонд, не должна превышать некоторой наперед заданной, достаточно малой, величины.

Снижение рисков у страховщиков достигается за счет агрегирования большого числа мелких рисков и их диверсификации.

В случае заключения страхового контракта, предлагаемого центром страхования, ожидаемая полезность будет не меньше, чем без участия в контракте.

Если центру известна верхняя оценка вероятности успешной реализации проекта, то оптимальный контракт может рассчитываться на основании этой оценки, что будет соответствовать использованию страховщиком принципа максимального гарантированного результата.

оптимальную последовательность выполнения операций, т.е. оптимальный

механизм самофинансирования. При введении дисконтирования можно

максимизировать конечную (дисконтированную) прибыль и т.д.

При решении задач сетевого планирования используют методы

целенаправленного перебора, ветвей и границ и др. Рассмотрим в качестве

примера использование для решения задачи следующего эвристического

алгоритма:

- определяются все комбинации операций, которые могут быть начаты в

нулевой момент времени;

- для каждого из допустимых вариантов определяется в момент окончания одной из операций, какие из еще невыполненных операций могут быть начаты. Если ни одна из операций не может быть начата, то для данного варианта ожидается момент окончания следующей операции и т.д. до тех пор, пока все операции не закончатся и/или ни одна не сможет быть начата. Все операции могут выполняться одновременно. Очевидно, что минимуму привлеченных средств будет соответствовать последовательное выполнение операций, а граф инвестиций будет полным и симметричным. Задача минимизации сводится к определению оптимальной последовательности выполнения операций, т.е. такой последовательности, при которой величина привлеченных средств будет минимальной.

Оптимальной является следующая последовательность: выполнять сначала прибыльные операции в порядке возрастания затрат, затем выполнять убыточные операции в порядке убывания дохода.

Эффективность должна расти с ростом эффекта и убывать с ростом себестоимости.

В трудовом контракте оговаривается зависимость выплат исполнителю (его зарплата) от результатов его деятельности. Эта зависимость называется функцией стимулирования (механизмом стимулирования, системой стимулирования). Изменяя выплаты, ПМ может побудить исполнителя предпринять те или иные действия и добиться соответствующих результатов, т.е. повлиять на интересы исполнителя.

Целевая функция ПМ является разностью дохода ПМ и выплат исполнителю.

Целевая функция исполнителя представляет собой разность его доходов (зарплаты) и затрат.

Управляющее воздействие - это функция стимулирования, которая строится таким образом, чтобы обеспечить максимум эффективности управления.

Порядок функционирования системы следующий: ПМ сообщает исполнителю зависимость функции стимулирования; исполнитель выбирает действие, ее максимизирующее; определяются значения целевых функций участников; производятся выплаты и т.д.

Целевая функция ПМ в этом случае определяется доходом ПМ, зависящим от результатов деятельности исполнителей, и суммарными затратами на стимулирование.

Задача стимулирования заключается в поиске таких функций стимулирования (контрактов), которые максимизировали бы целевую функцию ПМ, при условии, что действия, выбираемые исполнителями, максимизируют их собственные целевые функции.

Основная идея, на которой основывается решение задач стимулирования в системах со слабо связанными элементами, заключается в следующем. При фиксированных ограничениях механизма стимулирования ПМ может определить множество тех действий исполнителей, которые им наиболее полезны. Зная эти параметрические зависимости, ПМ может свести задачу стимулирования к стандартной задаче условной оптимизации - выбрать параметры, максимизирующие целевую функцию ПМ при ограниченности суммарного фонда заработной платы.

Под сильно связанными элементами будем понимать исполнителей, у которых стимулирование, доход, множество допустимых действий или другие параметры зависят как от их собственных действий, так и от действий остальных исполнителей. Универсальных подходов к решению задачи стимулирования в этом случае не существует. Важными становятся интуиция и опыт ПМ в решении задач такого рода, а также знание базовых моделей, для которых удается получить оптимальное решение.

Эффект может интерпретироваться как доход от продажи продукции. Какая-то часть этого дохода идет в фонд материального поощрения. Вклад различных исполнителей в общий эффект разный. Стимулирование исполнителя прямо пропорционально общему эффекту. Если целевая функция исполнителя есть разность стимулирования и затрат, то выбираемые исполнителями действия максимизируют целевые функции при заданном стимулировании.

ПМ своим решением стремится минимизировать разность между суммарным дисконтированным доходом от продаж продукции и суммарными дисконтированными затратами на стимулирование.

Метод устранения неопределенности, используемый ПМ и исполнителями, зависит от той информации о неизвестных параметрах, которой они обладают. В частности, различают следующие способы снижения или устранения неопределенности:

- если участнику проекта известен только диапазон возможных значений

неизвестного параметра, то он может использовать метод максимального гарантированного результата (МГР). При использовании метода МГР элемент рассчитывает на наихудшее для него значение неизвестного параметра и стремится сделать все от него зависящее, чтобы максимизировать свою целевую функцию в этой наихудшей для него ситуации. Можно использовать более оптимистичный, чем МГР, подход, т.е. рассчитывать на наилучшую ситуацию и т.д. (задача стимулирования в условиях интервальной неопределенности);

- если элементу известны статистические характеристики неизвестного параметра, то

можно использовать эту информацию и ориентироваться на ожидаемые значения целевых функций. При этом устранение неопределенности происходит путем усреднения целевых функций по известному распределению случайных величин (задача стимулирования в вероятностных системах);

- если участники проекта асимметрично информированы, т.е. один из них обладает

большей информацией, то ПМ может устранить неопределенность, попросив исполнителя сообщить информацию о неизвестном параметре, и использовать эту информацию при принятии управленческих решений. При этом, очевидно, возникает задача манипулирования (задача стимулирования в системах с сообщением информации);

- если имеются несколько одинаковых исполнителей, работающих в одинаковых

условиях, то, используя сравнение результатов их деятельности, ПМ может получить информацию о неизвестных ему условиях деятельности исполнителей. Для этого нужно выбрать соответствующую структуру системы управления, включающую многоканальные механизмы стимулирования.

Целевая функция ПМ зависит от результата деятельности исполнителя и может интерпретироваться как его доход.

Целевая функция исполнителя зависит от его результата и является разностью доходаи штрафов. Информированность участников и порядок функционирования следующие:

- ПМ, зная целевые функции и вероятностное распределение, выбирает функцию

штрафов и сообщает ее исполнителю;

- исполнитель, зная целевые функции и вероятностное распределение результатов,

выбирает соответствующее действие;

• 
  реализуется результат;
  
• 
  ПМ наблюдает результат и взимает штрафы.
  

ПМ выбором системы стимулирования - функции штрафов стремится максимизировать ожидаемое значение своей целевой функции. При этом он должен помнить, что исполнитель выберет действие, максимизирующее ожидаемое значение его собственной целевой функции при известной системе стимулирования.

Надежность исполнителя зависит от критического значения результата деятельности и от выбранного исполнителем действия. Последнее, в свою очередь, зависит от используемой системы стимулирования, т.е. от контракта. Поэтому надежность исполнителя иногда называют надежностью контракта.

Задача максимизации надежности контракта в одноэлементной системе заключается в выборе системы стимулирования, которая бы максимизировала надежность с учетом риска. При достаточно общих предположениях задача максимизации надежности эквивалентна задаче стимулирования, т.е. для широкого класса проектов оптимальное решение задачи стимулирования максимизирует надежность, и наоборот. Для многоэлементных и динамических систем этот замечательный результат в общем случае не имеет места. Соотношение между решениями задачи стимулирования и задачи максимизации надежности в этом случае зависит от целевой функции, допустимой области значений, действий и результатов, распределений вероятности, критических значений и т.д.

Таким образом, после рассмотрения механизмов стимулирования в вероятностных системах фактически замыкается теория управления надежностью проекта. Из решения задачи стимулирования получается зависимость надежности отдельных исполнителей от различных ограничений. Эти зависимости используются при решении задач выбора вариантов, при формировании состава исполнителей и в оперативном управлении.

наблюдаемы ПМ, то имеет смысл пригласить третью сторону, которая сообщит недостающую информацию.

Если величина результата достаточно мала, то следует использовать механизм с платой за информацию, если велика, то приходится платить за результат.

Многоканальные механизмы стимулирования. Использование многоканальной структуры системы является одним из способов устранения неопределенности.

Необходимо сравнивать результаты деятельности различных каналов - исполнителей и стимулировать их на основании этого сравнения.

Одним из путей получения дополнительной информации является использование нормативной модели. Под нормативной моделью понимается идеальная или материальная, как правило, реализованная на ЭВМ, модель управляемого объекта, т.е. первым каналом является непосредственно исполнитель, а вторым - нормативная модель, имитирующая поведение исполнителя в конкретных условиях.

Такое сравнение двух каналов, из взаимонаучение может существенно повысить эффективность управления.

Целевая функция исполнителя по-прежнему равна разности стимулирования, получаемого от его начальника - ПМ, и затрат, т.е. для исполнителей ничего не изменилось. Целевая функция ПМ равна разности стимулирования, получаемого от ПМ, и затрат на стимулирование подчиненных ему исполнителей.

Для динамических моделей теории контрактов, в частности, доказан следующий результат. Как правило, в статических моделях решение задачи стимулирования хотя и является равновесием Нэша, но не эффективно по Парето. В динамических задачах при выполнении ряда условий, в частности на информированность участников и на дисконтирующие множители, может быть достигнуто любое Парето-оптимальное решение соответствующей однопериодной задачи. Этот эффект имеет простую содержательную интерпретацию. Равновесие Нэша - это такой набор стратегий игроков -

действий участников проекта, от которого никому из них невыгодно отклоняться поодиночке. Наличие динамики дает возможность "воспитывать" игроков, побуждая их выбирать коллективно-оптимальные стратегии.

При разработке контракта ПМ и исполнитель использовали и учитывали имеющуюся у них на тот момент информацию. Предположим, что контракт заключен и реализация проекта началась. Если в некоторый момент до окончания проекта ПМ и исполнитель (или один из них) получает дополнительную информацию о существенных параметрах, то не исключено, что с учетом новой информации старый контракт будет неэффективен - не выгоден ни одной из сторон. В этом случае стороны могут пожелать пересмотреть условия контракта.

Задача исследования условий пересоглашения контракта свелась к задаче определения условий того, что с учетом вновь поступившей информации возможно синтезировать контракт, обеспечивающий всем участникам проекта не меньшие полезности.

Если пересоглашение возможно, то следует пересматривать условия контракта. Анализ показывает, что пересоглашение эффективно в широком классе задач, поэтому его использование на практике оправдано и целесообразно. В то же время ПМ следует иметь в виду, что встречаются случаи, в которых "насильственное" пересоглашение может снизить эффективность управления.

Пусть в проекте принимают участие несколько исполнителей, деятельность которых происходит в условиях вероятностной неопределенности. Решая задачу синтеза оптимальной функции стимулирования, ПМ может прогнозировать действия, выбираемые исполнителями. При известных распределениях вероятностей результатов деятельности можно определить надежность каждого исполнителя с учетом ограничений механизма стимулирования. Величина отклонений результатов называется риском исполнителя.

Задача ПМ заключается в синтезе системы стимулирования, минимизирующей риск. Оптимальная стратегия ПМ - в каждом периоде распределять фонд стимулирования только между теми исполнителями, которые еще не выполнили своих заданий. При снижении неопределенности используется пересоглашение, что уменьшает риск.

Если помимо вероятностей заданы стоимости операций и имеется бюджетное ограничение, то перед поиском варианта с максимальной надежностью следует ограничиться множеством вариантов, допустимых с точки зрения бюджетного ограничения.

По мере поступления новой информации задача выбора оптимального варианта может решаться неоднократно. Оперативное управление проектом, понимаемое как многократное решение задачи выбора оптимального управления с учетом всей имеющейся информации, позволяет повысить эффективность управления проектом, особенно в условиях неопределенности. При разработке конкретных механизмов оперативного управления целесообразно использовать модели и

методы теории графов, марковских цепей, динамического программирования и оптимального управления.

При небольшом отклонении фактических от расчетных параметров корректировка плана не производится, поскольку это не выгодно исполнителю. Это не выгодно и руководителю проекта, поскольку небольшие отклонения могут быть ликвидированы в дальнейшем. При больших изменениях риска производится корректировка плана. При этом чем позже будет произведена корректировка, тем больше штраф за нее.

Действительно, боясь большого штрафа за корректировку, исполнитель может провести несколько небольших корректировок в последовательные моменты времени, выигрывая на сумме штрафов.

Компенсационные механизмы. Влияние случайных и неопределенных факторов во многих случаях приводит к нарушению запланированных сроков завершения различных этапов проекта. Для таких случаев руководитель проекта предусматривает финансовые и материальные резервы и соответствующие компенсационные мероприятия. Такие механизмы значительно снижают проектные риски.

Для ликвидации отставания выделяется дополнительное финансирование. Задача руководителя проекта - обеспечить требуемые сроки реализации проекта с минимальной величиной средств на стимулирование исполнителей.

Компенсационный механизм работает следующим образом. Объявляется, что за каждый день (неделю, месяц) сокращения длительности операции назначается дополнительное стимулирование. Каждый исполнитель операции сообщает руководителю проекта величину сокращения продолжительности соответствующей операции при различных значениях величины дополнительного стимулирования.

Процедура принятия решения заключается в определении минимального дополнительного стимулирования, при котором срок реализации проекта будет не более требуемого.