Информационное обеспечение процесса управления социально-экономическими системами мезоуровня: теория, методология, инструментарий

Вид материала

Автореферат диссертации

Содержание Основные положения диссертации, выносимые на защиту Апробация и внедрение результатов исследования. Структура работы. Основное содержание работы Возникает вопрос ТЭТ (технические, технологические, эксплуатационные, экономические и экологические требования), принципов построения (pr Рисунок 1 – Этапы синтеза моделей Y – эндогенные переменные yYE А – правило выбора процессов изменения объекта; М Правило (PR) изменения параметров в вершинах в момент t Модель импульсного процесса

Подобный материал:

• Теория и методология управления рисками в туристско-рекреационном комплексе, 758.54kb.
• Теория и методология синергетического подхода в управлении организационными изменениями, 479.52kb.
• Программа проведения письменного экзамена по «Теории менеджмента» с абитуриентами,, 61.66kb.
• Эффективное управление инновационно ориентированной деятельностью российских компаний, 467.24kb.
• 05. 13. 10 Управление в социальных и экономических системах, 91.88kb.
• Развитие системы управления инвестиционной деятельностью в крупных диверсифицированных, 603.87kb.
• Институционально-экономические основы развития некоммерческого сектора, 581.26kb.
• Организационно-экономический механизм регулирования рынка медицинских услуг как социально-экономической, 446.46kb.
• И ОАО «Уралсвязьинформ», 423.91kb.
• Совершенствование управления малым бизнесом в условиях рыночных преобразований экономики:, 502.44kb.

Основные положения диссертации, выносимые на защиту

1. Концепция исследования и управления СЭС мезоуровня на основании структурированной и слабоструктурированной информации в соответствии с принципом «мягких вычислений» для решения задач принятия управленческих решений, что позволяет теоретически обосновать использование всей количественно-качественной информации о функционировании СЭС, основываясь на синтезе когнитивного подхода и методов интеллектуального анализа данных.
   
2. Модель метанабора системы исследования и принятия решений по управлению СЭС, состоящая из различных моделей объекта, полученных в результате параметрической и структурной идентификации; моделей окружающей среды; моделей взаимодействия объекта и окружающей среды; когнитивных моделей, реализующих внешнее описание системы, полученное на основании структуризации знаний экспертов; моделей управления системой; моделей получения сценариев развития на основе импульсного моделирования, что позволяет реализовать системный подход при изучении СЭС и использовать знания о законах и закономерностях развития сложных систем.
   
3. Методология формирования информационного обеспечения исследования состояния СЭС мезоуровня, состоящая из источников информации, информационно-аналитического инструментария оценки состояния социально-экономической системы, основанного на применении разведочного, многомерного, интеллектуального анализа данных и когнитивного моделирования, что позволило осуществить алгоритмический подход к построению математических моделей СЭС для решения задач управления.
   
4. Концептуальный подход к моделированию СЭС мезоуровня, основанный на синтезе когнитивного моделирования и методов изучения структурированных данных, ориентированный на предположение о вероятностной или геометрической природе данных и априорной линейности изучаемых моделей (что позволило показать изоморфность указанных методов задаче параметрической идентификации), а также использовании систем интеллектуального анализа данных (ИАД) для объективного моделирования деятельности СЭС (содержательно-целевой подход), что позволяет перейти к экономике «знаний».
   
5. Программное обеспечение получения моделей по методу группового учета аргументов в виде полиномов авторегрессии второго порядка, позволяющее получать прогноз согласно принципам свободы выбора решений, множественности математических моделей, идеологии бутстреп метода, и получения модели прогноза в виде решения задачи непараметрической идентификации.
   
6. Система когнитивных моделей, идентифицирующих объект исследования, состоящая из укрупненной когнитивной карты экономического механизма АПК Краснодарского края, отражающей взаимосвязь и взаимодействие между вершинами когнитивной карты – блоками внешней среды (федеральные регулирующие системы, межрегиональный и внешнеэкономический обмен, природная среда) с блоками внутренней среды (производство, валовое накопление, конечное потребление, региональная финансовая система, занятость, социальная сфера, население и др.) и блоками-подсистемами внутренней среды (когнитивные карты «Взаимодействие производственной и непроизводственной сфер производства продукции растениеводства», «Рынок труда в АПК», «Схема работы службы занятости населения»), что позволило моделировать на качественном уровне (сценарный анализ) тенденции развития экономики в региональных социально-экономических условиях на когнитивных картах, а при наличии количественных концептов строить модели, реализующие модель в виде функционального графа.
   
7. Система математических моделей взаимосвязи факторных и результативных признаков производства, построенных на основе методов регрессионного анализа и эволюционного программирования, что позволило провести разносторонний анализ влияния производственных затрат и разработать обоснованные управленческие решения по повышению экономической эффективности отрасли растениеводства.
   
8. Выводы об экономической эффективности агротехнологий, полученные на основании математических моделей по результатам многолетних, многофакторных опытов в Кубанском НИИСХ, что позволяет обоснованно принимать управленческие решения (ресурсосберегающие технологии, использование высокоурожайных сортов, комплексное применение удобрений) и на разных стадиях возделывания прогнозировать урожайность зерновых.
   
9. Результаты изучения процессов трудоустройства по данным одной из служб занятости Краснодарского края; это позволяет на современном научном уровне оценивать и выявлять проблемы занятости, социально-экономические структуры и сценарии развития, обосновывать выбор управленческих решений по снижению безработицы, что необходимо для обеспечения роста занятости, приводящего к повышению благосостояния населения края.
   

Апробация и внедрение результатов исследования. Результаты исследований опубликованы в 56 публикациях (общий объем свыше 139 печ. л., из которых 85,6 печ. л. – это авторский вклад).

Основные результаты диссертационного исследования наиболее полно отражены в монографии «Структура и инструментарий системы информационного обеспечения рынка труда и занятости молодежи», а также в целом ряде статей в научных и научно-производственных журналах, сборниках, учебных и методических пособиях.

Результаты исследований на различных этапах представлялись в научных докладах на Первой научно-практической конференции МГТИ (г. Майкоп, 1996), научных конференциях КГАУ (1997–2007 гг.), 4-й региональной научно-практической конференции молодых ученых «Научное обеспечение агропромышленного комплекса» (г. Краснодар, 2002), конференции «Экология, город, почвы» (г. Краснодар, 2003), III Международной научно-практической конференции «Проблемы регионального управления, экономики, права и инновационных процессов в образовании» (г. Таганрог, 2003), IV Международной конференции «Новые технологии в управлении, бизнесе и праве» (г. Невинномысск, 2004), X Международной конференции «Системный анализ в проектировании и управлении» (г. Санкт-Петербург, 2006), Международной конференции «International Conference on Artificial Intelligent Systems. AIS-2006», (г. Таганрог, 2006), XIV Международной конференции «Проблемы управления безопасностью сложных систем» (г. Москва, 2006), XI Международной конференции «Системный анализ в проектировании и управлении» (г. Санкт-Петербург, 2007), XV Международной конференции «Проблемы управления безопасностью сложных систем» (г. Москва, 2007).

Структура работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы. Работа изложена на 379страницах машинописного текста, включает 19 таблиц, 79 рисунков. Список литературы содержит 352 наименования (в том числе 36 – зарубежных авторов). Данная структура отражена в оглавлении диссертации.


ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ


Во введении обоснована актуальность исследования, определена степень изученности проблемы управления экономическими системами мезоуровня в условиях неопределенности, сформулированы цель и задачи исследования, раскрыты научная новизна и практическая значимость работы, ее теоретико-методологические основы и информационно-эмпирическая база.

В первой главе «Региональная социально-экономическая система, предпосылки совершенствования методологии управления» выявлены современные проблемы управления социально-экономической системой, главным образом, проблемы исследования закономерностей функционирования и оценки состояния реальной СЭС. Разработаны требования к методологии исследования социально-экономических систем с точки зрения системного подхода на основании имеющейся информации об объекте (структурированной, слабоструктурированной и неструктурированной). Для их выполнения предложено синтезировать когнитивную методологию и методы анализа структурированной информации. Обоснованы методологические принципы управления социально-экономическими системами на основании имеющейся слабоструктурированной информации. Предложены этапы синтеза моделей для поддержки принятия решений, уточнена схема функций менеджера, а также информационная модель процесса принятия решений.

Управление в СЭС в последние десятилетия качественно изменяет свое содержание (экономическое и социальное), была разрушена вертикаль власти и произошла трансформация парадигмы управления, когда руководящие органы могут лишь контролировать среднюю динамику процессов в экономических системах и реагировать на ее спады различными постановлениями, положениями и льготами.

Переход России к рыночным отношениям существенно повлиял практически на все социально-экономические системы страны. Новые политические и социальные отношения породили целый ряд проблем: организационных, управленческих, политических и т. д. Не сразу была понята необходимость реструктуризации предприятий и вообще СЭС различного уровня с ориентацией их на потребности рынка, изменения принципов управления с директивно-командных на итеративно-оценочные и т. д. Процесс осознания необходимости изменения принципов и подходов к управлению СЭС, по-видимому, ещё не закончен, так как продолжает наблюдаться снижение основных показателей деятельности предприятий, уровня жизни населения, значительны колебания безработицы и т. д. Проведенные исследования показали, что разработка и предложение перспективных направлений развития СЭС (АПК, промышленности, образования и т. д.) обычно не отражает системного подхода к изучаемым проблемам их взаимосвязи и носит лишь характер пожеланий специалистов отдельных областей науки и образования. Органы управления, оставшиеся со времён командно-административной системы управления, перестали выполнять свои функции управления и в настоящее время способны только осуществлять ретроспективный контроль деятельности СЭС (департамент сельского хозяйства, центры занятости населения). Необходима реструктуризация органов управления с наделением их дополнительными возможностями и функциями.

Систему управления СЭС можно представить в виде иерархической структуры: системы сбора информации – системы поддержки принятия решений (системы анализа информации) – лицо, принимающее решение (ЛПР). Оценка современного состояния органов управления на разных уровнях показывает, что среднему звену указанной иерархии практически не уделяется внимания. Основная используемая информация основывается на описательных статистиках, получаемых в службе статистики. Обычно даже речи не идет об исследовании зависимостей в данных и использования их для повышения эффективности управления. Однако многие стороны деятельности экономических систем мезоуровня сопровождаются сбором информации, аккумулирующейся в базах данных (БД), на электронных и бумажных носителях (иногда в базах знаний – БЗ). Анализ этой информации ориентируется на выявление показателей-индексов и средних значений тех или иных показателей, обычно неадекватно отражающих действительную ситуацию в изучаемой системе, которая часто содержит кластеры, поэтому изучать данные следует в соответствующих границах. Кроме того, практически не изучаются взаимосвязь и взаимозависимость в данных, которые могут использоваться для принятия управленческих решений.

В настоящее время управление СЭС осуществляется за счёт специальных экономических и социальных рычагов: ставок налогов, социальных выплат, кредитования и инвестирования сельского хозяйства, выплат за второго ребёнка и т. д. Однако часто эти меры не системны и не позволяют достигать поставленных целей: увеличения бюджета, помощи нуждающимся гражданам, реанимации сельского хозяйства и т. д. В связи с реформированием России и появлением принципиально новых проблем по управлению социально-экономическими системами в целом (например, АПК и рынком труда), в диссертации предлагается разработка и применение новой методологии изучения текущих проблем на основании концепции синтеза методов анализа слабоструктурированной и структурированной информации для решения задач принятия управленческих решений.

Переход к новым технологиям управления (у нас в стране, как и во многих развитых странах) должен осуществляться постепенно – дополняя сложившиеся структуры, системы и методы управления. Смена индустриальной экономики, базирующейся на использовании природных ресурсов, экономикой, базирующейся на знаниях, – это современная парадигма XXI в.

В настоящее время при управлении экономическими системами мезоуровня может рассматриваться два направления: стратегическое (или эффективное), ориентированное на конечные результаты деятельности; активное, предлагающее способы и средства, с помощью которых можно достичь эффективных результатов.

Теория активного управления опирается на использование открытых наукой и практикой причинно-следственных взаимосвязей между факторами и процессами хозяйственной деятельности во избежание нежелательных ситуаций при планировании, а также при развитии желательных ситуаций и инверсии нежелательных ситуаций в желательные. Таким образом, достигается предотвращение потерь от нежелательных и получение эффекта от благоприятных ситуаций.

Возникает вопрос – какие причинно-следственные зависимости и закономерности используются при активном управлении?

В настоящей работе предлагается использовать результаты анализа данных о функционирования СЭС, представленных в виде количественно-качественной информации, для определения обобщенных целей и возможных путей их достижения. Основой этому должны быть математические модели, полученные в результате синтеза нескольких этапов моделирования.

Композицию отображения математического моделирования можно записать в виде

, (1)

которая начинается с формализации ТЭТ (технические, технологические, эксплуатационные, экономические и экологические требования), принципов построения (pr), когнитивной структуризации (с), идентификации (A). Этапы функционального аспекта  предшествуют структурному, поэтому сначала решают функциональные задачи путём построения функций выбора для соответствующего этапа. Очевидно, что и оставшиеся аспекты должны иметь этапы, соответствующие (1), и носить аналогичные названия (рисунок 1).



Рисунок 1 – Этапы синтеза моделей¹


На рисунке 1 стрелками на дугах указано направление моделирования при полном описании требований всех аспектов для каждого из этапов. После решения задач каждого этапа появляются новые данные, необходимые для формирования функции выбора следующих этапов. Как часто бывает, по разным причинам не все ограничения и условия сформулированы и включены в функции выбора, что приводит к невозможности на одном из этапов какого-либо аспекта синтезировать решение, удовлетворяющее соответствующей функции выбора. Поэтому возникает необходимость после уточнения данных для построения функции выбора вернуться по контуру обратной связи на один этап назад. Эти ситуации отображены на рисунке стрелками на линиях аспектов. В результате реализации предлагаемой концепции должна сложиться новая методология информационного обеспечения на основе анализа качественной и количественной социально-экономической информации, которая позволит повысить качество управления и принятия решений.

Общий вывод по первой главе заключается в констатации факта отсутствия методологии изучения СЭС мезоуровня на основе имеющейся количественно-качественной информации для поддержки принятия эффективных управленческих решений. Предложена концепция исследования и управления СЭС мезоуровня на основании структурированной и слабоструктурированной информации.

Во второй главе «Методология исследования социально-экономических систем для поддержки принятия управленческих решений» представлена авторская методология, основанная на синтезе положений теории управления, кибернетики, когнитивного моделирования, статистического и интеллектуального анализа данных. На основании категорного подхода обосновано применение когнитивного моделирования слабоструктурированных проблем для формализации системы исследования и регулирования СЭС. С использованием теоретико-множественного подхода предложена модель метанабора системы исследования и принятия решений. Рассмотрены возможности анализа когнитивных карт, а также получения сценариев развития на основании построения моделей распространения возмущений. На основании требований к методологии исследования СЭС и принципов управления разработана структура системы поддержки принятия решений СЭС, позволяющая объединять в рамках одного исследования методы анализа слабоструктурированной и структурированной информации. Разработан алгоритм, а также соответствующее программное обеспечение прогнозирования социально-экономических процессов на базе метода группового учета аргументов, позволяющие получать прогноз в виде модели авторегрессии.

В основу методологии положено использование в качестве основного аппарата комбинирование когнитивного анализа, методов прикладной статистики и интеллектуального анализа данных, позволяющее осуществить комплексный подход к моделированию и разработке управленческих решений для социально-экономических систем.

При управлении сложным объектом, характеризующимся количественной и качественной информацией, предложена следующая концепция идентификации:

1) когнитивное описание объекта и его структурный анализ;

2) импульсное моделирование когнитивного описания, позволяющее оценить сценарии развития системы;

3) выделение подсистем, характеризующихся количественной информацией;

4) построение моделей с использованием прикладной статистики и интеллектуального анализа данных;

5) согласование когнитивных моделей СЭС мезоуровня и моделей, полученных с использованием методов анализа структурированной информации;

6) при рассогласовании – возвращение к 4);

7) выбор управляющих воздействий;

8) контроль процесса управления;

9) оценка управления и при необходимости возвращение на этапы 1), 3).

Для реализации описанной выше концепции необходимо формализовать систему исследования и регулирования СЭС. Результатом является построение модели метанабора соответствующей системы:

М ={М_O (Y, U, P), M_O(Х), M_YS, M_D(Q), M_MO, M_ME, M_U, А, М_н }, (2)

где М_O (Y, U, P) – идентифицирующая модель системы (например, АПК, рынок труда), в которой вектор Y – эндогенные переменные yYE^m, характеризующий фазовое состояние объекта (например, валовой доход, инвестиции, численность безработных и т. д.), U – вектор управляемых переменных uUE^r, (например, посевные площади, затраты на ГСМ и удобрения, затраты на обновление основных фондов, инвестиции в образование, инвестиции в производство определённых видов сельскохозяйственной продукции и т. д.), P – вектор имеющихся ресурсов pPE^s (например, основные фонды, прибыль, количество экономически активного населения);

M_O(Х) – модель окружающей среды (региональная социально-экономическая система), X – экзогенные величины (например, природная среда, межрегиональный экономический обмен);

M_YS = {M_S, M_YS} – модель взаимодействия объекта и среды (M_S – модели связи со средой на входе, M_YS – модели систем со связями со средой на выходе);

M_D(Q) – модель поведения системы, Q – возмущающие воздействия;

M_MO и М_ME – модели измерения состояния системы и окружающей среды (например, программы, планы получения данных, организация измерений);

M_U – модель управляющей (регулирующей) системы (например, федеральные регулирующие системы) не включается в метанабор, если решаются только задачи исследования объекта;

А – правило выбора процессов изменения объекта;

М_н – модель «наблюдателя» (исследователя, эксперта, инженера-когнитиолога). Наличие в метанаборе М «наблюдателя» позволяет учитывать изменения в понимании (познании) изучаемого объекта исследователем и синтезировать методологию исследования и принятия решений.

Решение задачи управления системой рассматривается в следующей последовательности: определение цели управления и управляющих воздействий Q_n, позволяющих достигнуть поставленную цель; удержание системы в достигнутом состоянии до появления новой цели.

Обычно анализ текущего состояния сложной ситуации ЛПР сопровождается следующими этапами:

1. выбор моделей управления для того, чтобы обеспечить желаемое поведение целевых факторов;
   
2. оценка возможных изменений ситуаций в будущем;
   
3. оценка возможных проблем.
   

Моделирование объекта можно представить как совокупность взаимодействующих между собой динамических процессов, происходящих в реальном времени. Моделирование разными типами графов отражает последовательность изменения состояний, и время фактически не имеет смысла времени. Это происходит в случае рассмотрения орграфов и взвешенных орграфов. Для описания воспользуемся работами Ф.С. Робертса, В.В. Кульбы, Г.В. Гореловой.

Учет в когнитивной модели времени основывается на использовании модифицированных функциональных графов – МФ-графов, в этом случае необходимо определить:

1. множество вершин V графа G, представляющих совокупность факторов моделируемого объекта;
   
2. множество дуг факторов друг на друга;
   
3. Q E графа G, представляющих совокупности воздействия {Imp} – импульсы, представляющие внешние возмущения;
   
4.  – предельная точность вычислений.
   

Возмущение, поступившее в одну из вершин, распространяется по цепочке на остальные, усиливаясь или затухая. Таким образом, значения переменных в вершинах графа могут изменяться под влиянием поступивших возмущений.

Рассмотрим правило изменения параметров в вершинах в момент t_n+1.

Если параметр x_i зависит от времени x_i=x_i(t), то можно определить процесс распространения возмущений по графу, т. е. переход системы из состояния t-1 в t, t+1,…

Если на значение х_i(t+1) в вершине V_i влияют предыдущие значения х_i(t) и вершины, смежные с V_i, и вершина V_i смежна с V_j, причём p_j(t) – изменение в вершине V_j в момент времени t, то влияние этого изменения на параметр x_i в момент t в зависимости от знака дуги, соединяющей V_i и V_j, будет описываться функцией p_j(t).

Пусть имеется несколько вершин V_j, смежных с V_i, тогда процесс распространения возмущения по графу определяется по формуле

, (3)

где x(0) – известные начальные значения во всех вершинах, p(0) – начальный вектор возмущений.

Обычно моделирование проводят по шагам или импульсам, т. е. в одной из вершин задаётся определённое изменение, которое инициирует все связанные с ней вершины. Эти вершины называют активизирующими.

Простейший вариант представления функции f_ij между вершинами V_j, V_i – это коэффициенты _ji, _ji, характеризующие знак (_ji: «+» или «-») и степень влияния _ji параметра вершины V_j на параметр вершины V_i; функцию p_j(t) влияния изменения в смежной с V_j вершине V_i представим в виде импульса:

p(n) = x(n+1) – x(n),

где x(n), x(n+1) – величины показателя в вершине V_i при шагах имитации в момент t=n и следующим за ним t=n+1. Тогда формула (2) преобразуется к виду

. (4)

Коэффициенты ω_ij, характеризующие взаимовлияние смежных вершин, определяются статистически или экспертно.

В подобные модели можно вводить лаги – задержки передачи воздействия по каждой дуге.

Правило (PR) изменения параметров в вершинах в момент t_n+1, если в момент времени t_n в вершины поступили импульсы, выглядит следующим образом:

(5)

. (6)

Модель импульсного процесса – это кортеж <Ф, Q, PR>, где Ф – Ф-граф, Ф=<(V, E), X, W>, Q=Q(t_n) – последовательность возмущающих воздействий, PR – правило изменения параметров.

Модельное представление системы n, S_n, B_n> – это последовательность n), Q(t_n)>.

Рассмотрим математическую модель импульсных процессов в матричном виде (на знаковых графах). Введём следующие обозначения:

, t=0,1, 2,…, – вектор внешних импульсов q_it, вносимых в вершины v_i в момент времени t;

, t=0,1, 2,…, – вектор значений параметров x_it вершин v_i в момент времени t;

– вектор параметров вершин в момент времени t, который задается уравнением:

R_t = X_t – X_t-1, t=1, 2, 3, …

Тогда изменения параметров вершин можно задать следующим уравнением:

X_t = X_t-1 + AR_t-1 + Q_t-1.

Из последнего уравнения получим выражение для R_t:

R_t=A^t-1Q₀ + A^t-2 Q₁+…+ AQ_t-2+ IQ_t-1, (7)

где I – единичная матрица.

Методология моделирования социально-экономических систем на основании качественной и количественной информации должна основываться на следующих принципах: 1) принцип внешних дополнений (критерием построения математической модели является цель моделирования – получение прогноза, описание закономерностей в данных, получение модели для управления); 2) принцип цикличности анализа данных при выдвижении и проверке различных гипотез; 3) принцип свободы выбора решений Д. Габора; 4) принцип неокончательных решений; 5) принцип множественности математических моделей.

На основании этих принципов предлагается следующая структура системы построения моделей (рисунки 2–3).

На первом этапе эксперт формулирует проблемы исследования и предлагает систему концептов. В зависимости от имеющейся информации и её изменения цели и концепты могут изменяться.

На втором этапе проводится идентификация концептов, при этом:

1. Если концепты качественные, то задача сводится к когнитивному моделированию, основанному на алгебро-геометрическом подходе.
   

2. Если концепты количественные, то используются методы анализа табличных данных и проводится идентификация имеющейся информации:
   






0. При наличии базы данных, которая может обновляться, создаются хранилища данных (ХД) и ориентируются на методы Knowledge discovery in databases (KDD)и Data mining (DM).
   

2.2. При наличии небольших объёмов не связанной информации ориентируются на методы прикладной статистики и разведочного анализа данных (РАД).

3. При наличии количественных и качественных концептов необходимо перейти к анализу на качественном уровне (п. 1 и при возможности выделить подсистему с количественными концептами и перейти к п. 2.2).
   

Далее строятся когнитивные – в виде графов и (или) численные модели, происходит их верификация (содержательная оценка), анализ результатов, принятие решений и разработка рекомендаций.

Для прогнозирования социально-экономических процессов предложено использовать метод группового учета аргументов, отличающийся от стандартного варианта возможностью построения моделей прогноза в виде нелинейных моделей авторегрессии.

Во второй главе предложена модель метанабора системы исследования и принятия решений по управлению СЭС, позволяющая использовать знания о законах и закономерностях развития сложных систем и методология изучения СЭС на основе имеющейся количественно-качественной информации, реализованная в виде структуры системы построения моделей для поддержки принятия решений при решении проблем управления.

В