Анализ полученной визуальной модели позволяет сделать ряд выводов. Наибольшее положительное влияние на систему, не испытывая при этом сильного влияния с ее стороны, оказывают концепты 4 и 9. Воздействуя на данные факторы, можно достичь более эффективного инновационного уровня производственного учета материальных потоков.
В ходе анализа построенной карты выяснилось, что сама система оказывает наибольшее влияние на такие концепты, как 12, 13, 15, 19. Из этого следует, что она способна нейтрализовать высокое отрицательное влияние внешних факторов.
Анализ полученной визуальной модели позволяет сделать ряд выводов. Наибольшее положительное влияние на систему, не испытывая при этом сильного влияния с ее стороны, оказывают концепты 4 и 9. Воздействуя на данные факторы, можно достичь более эффективного инновационного уровня производственного учета материальных потоков.
В ходе анализа построенной карты выяснилось, что сама система оказывает наибольшее влияние на такие концепты, как 12, 13, 15, 19. Из этого следует, что она способна нейтрализовать высокое отрицательное влияние внешних факторов.
Для автоматизации производственного учета материальных потоков убойного цеха стратегические и тактические инструменты развития должны ориентироваться на факторы, оказывающие наиболее сильное воздействие на систему, а именно: технологичность автоматизированной информационной системы и квалификацию персонала.
Отрицательное влияние на систему оказывают концепты 2, 4, 7, 16, 18. С другой стороны, система отрицательно влияет на концепты 5, 9, 16, 17, 18. Поскольку в случае концептов 16 и 18 отрицательное влияние оказывается двусторонним, возникает отрицательный цикл. Это означает, что при положительном внешнем воздействии на этот концепт его негативное влияние на систему с течением времени будет возрастать. Если же на него воздействовать отрицательно, это приведет к положительному эффекту для системы в целом.
Обратим внимание, что фактор 4 находится в узле положительных и отрицательных взаимовлияний, указывая на то, что положительное воздействие на данный фактор желательно, но требует большой осторожности и тщательной оценки последствий.
Для исследования структуры системы и получения прогнозов ее поведения при различных управляющих воздействиях к построенной когнитивной карте следует применять методы аналитической обработки.
При анализе построенной схемы возможны постановки двух тесно взаимосвязанных задач: прямая - как будет развиваться ситуация при существующих внешних воздействиях; обратная - какие воздействия выбрать, чтобы получить требуемое состояние.
Для анализа выделяются целевые факторы - те факторы, изменения которых в нужную сторону необходимо добиться. Затем выделяются рычаги воздействия - те факторы, которые можно менять в определенных пределах. Проводится анализ различных сценариев.
Наиболее распространенным является интерпретация матрицы как преобразования процентных изменений причин в процентные изменения следствий. К примеру, есть на когнитивной карте связь А ^ Б с весом +0,8 - это значит, что если величина фактора возрастет на 10 %, то величина фактора Б возрастет (знак «+») на 8 % ( = 10 % * 0,8). Это позволяет рассматривать на одной модели факторы, не заботясь о единицах измерения [18]. Разумеется, такой подход не слишком точен, но количественные оценки не очень важны для качественных выводов - просто необходимо понять, какой рычаг надо двигать вверх, какой вниз. Или оценить, насколько конечный результат зависит от этого рычага, и насколько от другого [19].
Рис. 2. Модель нечеткой когнитивной карты автоматизации производственного учета материальных потоков в убойном цехе АО «Надежда» [Model of a fuzzy cognitive map of automation of production accounting of material flows in the slaughterhouse of JSC «Nadezhda»]
Для повышения уровня производственного учета материальных потоков убойного цеха целью менеджмента АО «Надежда» является поиск и реализация такого управления (изменения управляемых факторов), которое приводило бы к росту факторов «оперативность», «полнота», «достоверность», «контроль качества» и «конкурентоспособность». На возможность достижения указанных целей влияют:
1) начальное состояние внутренних и внешних факторов, формирующих анализируемый фрагмент стратегии;
2) управление, которое реализуется за счет изменения динамики управляемых факторов.
Рассмотрим сценарий, в котором оперативность обрабатываемой информации должна вырасти на 50 %. Т.е., в качестве целевого фактора выберем переменную «оперативность», а в качестве управляющих факторов примем переменные «технологичность АИС», «требования по работе с Интернет- ресурсами», «аппаратное обеспечение компьютерной техники», «численность управленческого персонала», «лицензионная политика».
Результат эксперимента показывает: для увеличения оперативности обрабатываемой информации на 50 %, необходимо повысить технологичность АИС на 45,0 %, усилить мощность аппаратного обеспечения компьютерной техники на 10,0%, увеличить требования по работе с Интернет-ресурсами (протоколами, которые нужны для передачи данных) на 5,0 %, расширить численность управленческого персонала с функциями подготовки и контроля отчетности на 5,0 % и, соответственно, приобрести дополнительное количество лицензий на рабочие места в АИС на 5,0 % больше от уже имеющегося количества (рис. 3).
При этом, управляющие факторы с течением времени улучшаются.
Для достижения поставленной цели необходимо повышать активность всех факторов, но в разной последовательности и в разной степени. Изменения факторов проводятся по шагам до определения реакции системы, после этого с помощью многокритериального выбора определяется множество благоприятных сценариев, и они ранжируются. Прежде всего, надо значительно увеличивать технологичность используемой АИС. Основные усилия должны быть направлены на опережающий рост этого фактора: активность фактора должна расти быстрее и в большей степени (до уровня 55,2 %) к концу периоде моделирования - 18-му шагу.
Рис. 3. Результаты расчета сценария увеличения оперативности
[The results of the calculation of the scenario of increasing efficiency]
Рис. 4. Результаты расчета сценария при увеличении управляющего фактора «Квалификация персонала» [The results of the scenario calculation with an increase in the controlling factor «Staff qualification»]
Рис. 5. Результаты расчета сценария при увеличении управляющего фактора «Технологичность автоматизированной информационной системы»
[The results of the scenario calculation with an increase in the controlling factor “Technological effectiveness of the automated information system”]
Остальные факторы по степени их влияния не результат распределяются следующим образом. Вторым по значимости является фактор «мощность аппаратного обеспечения». Равнозначное влияние оказывают факторы «требования по работе с Интернет-ресурсами», «численность управленческого персонала», «лицензионная политика».
После шестого шага требования к активности данных факторов можно ослабить, так как после этого момента темпы роста их активности выравниваются - достигают максимума.
Внеся 20%-ное возмущение в вершину графа, соответствующему управляющему фактору «квалификация персонала» (рис. 4), наблюдаем увеличение целевых факторов «аналитичность» на 12 %, «полнота» на 10 %, «достоверность» на 10 %. При этом, наиболее активно растет фактор «достоверность», достигнув в конце моделирования 11,4 %. Требования к активности всех факторов можно ослабить на одиннадцатом шаге моделирования, когда темпы роста их активности выравниваются (все показатели достигают своего максимума).
Внеся 20%-ное возмущение в вершину графа, соответствующему управляющему фактору «Технологичность автоматизированной информационной системы» (рис. 5), наблюдаем увеличение целевых факторов «оперативность» до 21.3 %,«достоверность» до 20,5 %, «полнота» до 11.3 %, «аппаратное обеспечение компьютерной техники» до 4,5 %, «требования по работе с Интернет- ресурсами» - снижение до 2,2 %.
Результаты экспериментов показали, что существенным управляющим фактором для обеспечения роста целевых факторов «оперативность», «полнота», «достоверность» является фактор «Технологичность автоматизированной информационной системы». В свою очередь, факторы «оперативность», «полнота», «достоверность» оказывают существенное влияние на «контроль качества», а «контроль качества» на «конкурентоспособность».
Таким образом, можно сделать вывод о том, что руководству предприятия необходимо рекомендовать обратить первоочередное внимание на повышение фактора «Технологичность автоматизированной информационной системы». Автоматизация производственного учета материальных потоков убойного цеха АО «Надежда» целесообразна.
В случае автоматизации производственного учета материальных потоков в убойном цехе МХБ АО «Надежда» новая модель бизнес-процессов будет в полной мере учитывать требования системы управления качеством и обеспечения безопасности на основе принципов ХАССП [21] и стандартов серии ИСО [22].
От автоматизации ожидаются следующие эффекты:
- на 61 % снижение объема бумажной работы в цеху;
- на 0,85 % снижение потерь убойного веса;
- на 27 % уменьшение количества срыва сроков выполнения плана.
Срок внедрения - 6 месяцев. Срок окупаемости - 6,66 месяцев.
Заключение
Когнитивные инструменты открывают широкие возможности для решения важных для современного менеджмента задач.
Одним из главных достоинств когнитивных инструментов является открываемая ими возможность исследовать структуру управленческих стратегий (последовательность управленческих воздействий, степень их активности, исследование динамической устойчивости и др.). Такими возможностями не обладает ни одно из известных средств поддержки. Когнитивное моделирование существенно расширяет инструментальную базу менеджмента, основывающуюся преимущественно на средствах статического ситуационного анализа и рецептурных схемах принятия решений.
Предложенная модель автоматизации производственного учета материальных потоков в убойном цехе мясохладобойни АО «Надежда» с учетом взаимовлияния факторов на основе использования нечетких когнитивных карт отражает тенденции развития экономической и производственной ситуации на предприятии. Данную модель можно использовать для прогнозирования хозяйственной деятельности и для определения ожидаемых значений ряда параметров, которые необходимо контролировать для диагностики тенденций развития.
Библиографический список
1. Анисимов Ю.П., Журавлев Ю.В., Куксова И.В., Куклинов В.А. Условия развития инновационного потенциала. Воронеж: ВГУИТ, 2011.450 с.
2. Бармашов К.С., Бармашова Л.В., Викторова Т.С. Формирование экономического механизма инновационно-инвестиционного процесса в условиях устойчивого развития предприятия. Вязьма: филиал ФГБОУ ВПО «МГИУ» в г Вязьме, 2013. 120 с.
3. Туккель И.Л. Управление инновационными проектами. СПб.: БХВ-Петербург, 2011.416 с.
4. Шипович Л.Ю. Инновации как инструмент преодоления кризиса и основа экономического развития // Вестник Челябинского государственного университета. 2011. № 32. С. 15-21.
5. Алпеева Е.А, Рябцева И.Ф. Прогресс и инновации: анализ системной обусловленности // Экономический анализ: теория и практика. 2012. № 18(273). С. 37-41.
6. Артемов Р.В., Колмыкова Т.С., Широкова Л.В., Харченко Е.В. Управление развитием малого и среднего бизнеса в регионе в условиях секторальной дивергенции. Курск: Юго-Западный государственный университет, 2015. 151 с.
7. Автоматизация процессов управления: повышаем эффективность компании. URL: https://www. gd.ru/articles/9757-avtomatizatsiya-protsessov- upravleniya (дата обращения: 22.12.2018).
8. Дильман А. Мифы и реальность внедрения MES-систем // Директор информационной службы. 2012. № 1.
9. Загидуллин Р.Р. Управление машиностроительным производством с помощью систем MES, APS, ERP Старый Оскол: ТНТ, 2011.372 с.
10. Маренко В.А., Мальцева М.И. Применение когнитивного моделирования для анализа проблем малого бизнеса // Известия Иркутской государственной экономической академии. 2015. Т. 25. № 6. С. 1014-1024.
11. Караев Р.А., Микаилова РН., Сафарли И.И., Садыхова Н.Ю., Имамвердиева Х.Ф. Когнитивные инструменты для динамического анализа бизнес- стратегий предприятий // Бизнес-информатика. 2018. № 1(43). С. 7-16. DOI: 10.17323/19980663.2018.1.7.16
12. Савчук О.В., Ладанюк А.П., Герасименко Т.М. Нечеткое когнитивное моделирование в системах управления технологическим процессом молокоперерабатывающего предприятия // Новый Университет. Серия: технические науки. 2015. № 1-2(35-36). С. 13-19. DOI: 10.15350/2221-9552.2015.1-2
13. Кулинич А.А. Система когнитивного моделирования «Канва» URL: http://www.raai.org/about/ persons/kulinich/pages/kanva2003.html (дата обращения: 21.01.2019).
14. Максимов В.И., Корноушенко Е.К., Качаев С.В. Когнитивные технологии для поддержки принятия управленческих решений URL: http://www.iis. ru/events/19981130/maximov.ru (дата обращения: 05.01.2019).
15. Силов В.Б. Принятие стратегических решений в нечеткой обстановке. М.: ИНПРО - РЕС, 1995. 228 с.
16. Широкова Л.Ю., АлпееваЕ.А. Совершенствование инструментов и механизмов инновационного развития корпоративных форм бизнеса в регионе. // Социально-экономические явления и процессы. 2014. Т. 9. № 11. С. 185-193.