Отправляет email-рассылки с помощью сервиса Sendsay

Эконометрика

Подписаться Бесплатная «Серебряная» новостная рассылка Подписчиков 938 RSS
←   Июнь 2014   →
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30


За последние 60 дней 8 выпусков (3-4 раза в месяц)


Сайт рассылки: http://orlovs.pp.ru/ivst.php
Открыта: 29-06-2000
Адрес автора: science.humanity.econometrika-owner@subscribe.ru

Автор
Орлов А.И.

Статистика

938 подписчиков
0 за неделю
←   Все выпуски   →

Эконометрика - выпуск 700


"Эконометрика", 700 выпуск, 23 июня 2014 года.

Здравствуйте, уважаемые подписчики!
*   *   *   *   *   *   *

Предлагаем подборку тезисов докладов А.И. Орлова:

1. Примеры методологических ошибок при управлении научной деятельностью.

2. Солидарная информационная экономика как основа управления развитием крупномасштабных систем.

3. О новой парадигме математического моделирования при управлении развитием крупномасштабных систем

4. Разработка системы прогнозирования уровня безопасности полетов и поддержки принятия решений на основе факторного анализа показателей (совместно с В.Д. Шаровым).

5. Теория измерений и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном анализе и системе "Эйдос" (совместно с Е.В. Луценко).

6. Математическое моделирование в организации производства

Все вышедшие выпуски доступны в Архиве рассылки по адресу subscribe.ru/catalog/science.humanity.econometrika.

*   *   *   *   *   *   *

Примеры методологических ошибок при управлении научной деятельностью

А.И. Орлов

Попытки административного управления научной деятельностью зачастую опираются на неверные предположения, а потому приносят вред развитию науки. Настоящий доклад посвящена предварительному обсуждению двух типов методологических ошибок при управлении научной деятельностью. Показан вред методов, использующих число публикаций и цитирований в научных журналах. Продемонстрирована нелепость сложившейся системы научных специальностей.

В электронном научном периодическом издании Института проблем управления им. В.А. Трапезникова РАН "Управление большими системами" (входит в "список ВАК") по предложению главного редактора член-корр. РАН Д.А. Новикова нами (д.ф.-м.н. П.Ю. Чеботарев, к.т.н. М.В. Губко, автор настоящего доклада) организована дискуссия по проблемам наукометрии, оценки и управления научной деятельностью:

Управление большими системами / Сборник трудов. Специальный выпуск 44. Наукометрия и экспертиза в управлении наукой / [под ред. Д.А. Новикова, А.И. Орлова, П.Ю. Чеботарева]. М.: ИПУ РАН, 2013. - 568 с.

По нашему мнению, большой вред приносит упор на число публикаций и цитирований в научных журналах. На примере развития ряда научных областей показано, что, наиболее естественная цепочка развития научного результата такова: тезисы доклада - тематический сборник - монография - учебник - широкое использование. В частности, для развития нового направления публикации в научных журналах не нужны.

При оценке и управлении научной деятельностью зачастую используется число публикаций и цитирований в научных журналах. Какой именно индекс цитирования применяется (Web of Science, Scopus, РИНЦ) - не столь важно. Важны используемые базы данных, в которых делается упор на статьи в журналах. Особняком стоит Google Scholar - считает все книги и статьи, имеющиеся в Интернете. К сожалению, многие ценные издания до сих пор не попадают в Интернет, например, межвузовский сборник научных трудов "Статистические методы оценивания и проверки гипотез" (хотя переводится в США) и Материалы научных чтений памяти К.Э. Циолковского. Еще более 40 лет назад В.В. Налимовым было обращено внимание на опасность использования индекса цитирования (импакт-фактора) для оценки деятельности научных организаций и отдельных работников, особенно при принятии решений о финансировании.

Сопоставление с реальностью информации, содержащейся в наукометрических (библиометрических) базах данных, приводит к выводу о явной неполноте указанной информации, по крайней мере в настоящее время. Кратко проанализируем отображение в Google Scholar и РИНЦ публикаций автора настоящего доклада. Перечень "Основные научные и методические работы А.И.Орлова" - это базовый список публикаций, без тезисов, трудов и материалов конференций, резюме семинаров, "Комментариев" к статьям, диссертаций, авторефератов, отчетов по НИР, статей в энциклопедиях, а также без научно-популярных и научно-организационных статей, отчетов о конференциях, рецензий, статей в газетах, программ учебных курсов и др. На 15 июня 2013 г. он включает 281 название научных трудов - 46 книг и 235 статей (см. Интернет-ресурс http://forum.orlovs.pp.ru/viewtopic.php?f=5&t=271). В scholar.google.ru/citations отмечено 148 публикаций А.И. Орлова, 1456 цитирований. Индекс Хирша - 16, не менее 10 раз процитированы 32 работы. Первые 5 источников по числу цитирований - книги, 6-й - статья (обзор по экспертным оценкам), источники 7-10 - снова книги, т.е. из первых 10 по числу цитирований - 9 книг и только 1 статья. В РИНЦ (elibrary.ru) отмечены 111 публикаций (только статьи), 844 цитирований, индекс Хирша - 10. Кроме того, видны разнообразные неточности и противоречия в представленной в базах информации.

По нашему мнению, развернутая в последнее время пропаганда использования наукометрических показателей и баз данных, необходимости публикации статей в зарубежных журналах является маркетинговой кампанией определенных коммерческих структур, имеющей целью создание и захват отечественного рынка указанных услуг с целью получения прибыли.

На ряде примеров продемонстрировано, что действующая в России официальная номенклатура специальностей научных работников нуждается в модернизации. В частности. в рамках социологической науки создать специальность "Математические и инструментальные методы в социологии", аналогичную экономической специальности "Математические и инструментальные методы в экономике".

Публикация:

824. Орлов А.И. Примеры методологических ошибок при управлении научной деятельностью // Чрезвычайная конференция научных работников РАН (29-30 августа 2013 г., Москва) "Настоящее и будущее науки в России. Место и роль Российской академии наук". Тезисы участников http://rasconference.ru

*   *   *   *   *   *   *

Солидарная информационная экономика как основа управления развитием крупномасштабных систем

А.И. Орлов

Московский государственный технический университет им. Н.Э. Баумана, г. Москва, prof-orlov@mail.ru

Ключевые слова: управление, экономика, крупномасштабные системы, информационные технологии, принятие решений, экспертные оценки, математическое моделирование, рынок, плановое хозяйство

Качество жизни граждан, успешность осуществления государственной политики в разных сферах жизнеустройства страны во многом, если не в основном, определяются методами управления народным хозяйством. Практика экономической жизни опирается на экономическую теорию. В МГТУ им. Н.Э. Баумана долго использовали чужеродную "economics" в качестве базовой теории, на основе которой выполнялись конкретные разработки. Осознав ее неадекватность, в 2007 г. на основе научной школы МГТУ им. Н.Э. Баумана в области экономики и организации производства приступили к разработке новой базовой организационно-экономической теории - солидарной информационной экономики. Она построена на основе экономики предприятия, теории управления (современного менеджмента, теории активных систем и принятия решений), информационных технологий и является методологической основой конкретных исследований в области организационно-экономического моделирования, экономики и управления народным хозяйством, менеджмента, инноваций. Организационно-экономические механизмы управления предприятиями, интегрированными производственно-корпоративными структурами, регионами и страной в целом предлагаем конструировать на основе солидарной информационной экономики.

По нашим наблюдениям, основное течение (мейнстрим) в современной экономической науке - обоснование несостоятельности рыночной экономики и необходимости перехода к плановой системе управления хозяйством. Дискуссии идут о выборе наиболее адекватного варианта плановой системы. Например, внутри предприятия или корпорации план должен быть жестким и одновременно позволяющим адекватно реагировать на нештатные ситуации, в рамках региона или страны в целом - индикативным. Перевыполнение плана, планирование от достигнутого недопустимы. К мейнстриму плановой экономики относится солидарная информационная экономика (СИЭ). Ранее мы применяли термин "неформальная информационная экономика будущего". На 12 марта 2013 г. основной Интернет-ресурс по СИЭ просмотрен более 57,6 тыс. раз, нами издано 27 статей и тезисов докладов.

Общепризнано, что управленческие решения, прежде всего стратегические, необходимо принимать на основе всей совокупности социальных, технологических, экономических, экологических, политических факторов. Для практически работающих руководителей очевидно, что экономическая теория - часть менеджмента как науки об управлении людьми. Наш опыт работы в Группе авиакомпаний "Волга-Днепр" подтвердил это.

Согласно СИЭ информационные технологии и теория принятия решений (включая экспертные технологии) позволяют построить информационно-коммуникационную систему, предназначенную для выявления потребностей людей и организации производства с целью их удовлетворения. Для реализации этой возможности необходима лишь воля руководства хозяйственной единицей.

Эффективному решению проблем управления мешают широко распространенные неадекватные представления о рациональном ведении хозяйства. По оценке П. Друкера, 1873 г. - "конец эры либерализма - конец целого столетия, на протяжении которого политическим кредо была политика невмешательства в экономику" [1]. Но и сейчас архаичное представление о "невидимой руке рынка" распространено в России и мешает модернизации систем управления. Говоря о моделях, на которых базируется "экономическая теория", нобелевский лауреат по экономике Джозеф Стиглиц констатирует, что они "провалились полностью, и решения, на них основанные, оказались неверными". Стиглиц признал неадекватность "economics". Следствие - ее надо заменить на новую теорию, соответствующую XXI в. В качестве новой теории предлагаем использовать СИЭ.

Термин "солидарная" подчеркивает необходимость и возможность совместной деятельности независимых экономических агентов, отсутствие формальной иерархической схемы, добровольность совместной деятельности, принятие удовлетворяющих всех решений в результате переговоров и компромиссов, преобладание синергетической самоорганизации и роевых структур, отсутствие формального принуждения. Вслед за П.А. Кропоткиным мы рассматриваем взаимную помощь как двигатель прогресса. Термин "информационная" отражает роль информационно-коммуникационных технологий, в том числе сетевых. Термин "экономика" означает, что рассматривается производственная, организационно-экономическая сторона деятельности общества (под экономикой вслед за Аристотелем понимаем управление хозяйством). В первоначальном варианте названия СИЭ был термин "будущее". Он подчеркивал ориентацию исследований на целеполагание, прогнозирование и конструирование будущего развития хозяйственных систем, без привязки к сложившимся традициям. Мы отказались от использования термина "будущее" потому, что наша задача - выработка рекомендаций для руководителей хозяйственных структур, государственных и муниципальных органов, предназначенных для применения сейчас, а не в неопределенном будущем.

Обсудим исходные идеи СИЭ. Экономика в целом - служанка общества, выполняет его требования. Цели общества первичны, экономические механизмы вторичны, предназначены для реализации потребностей общества. Несмотря на очевидность сказанного, иногда пытаются экономические факторы считать основными, например, ставить во главу угла прибыль.

Цели общества определяются его потребностями. Эти потребности могут быть сформулированы и согласованы обществом. Из множества индивидуальных и групповых предложений в результате обсуждений и компромиссов формируются потребности общества в целом. По мере роста масштаба человеческой общности применялись различные варианты агрегирования потребностей - сходка общины, власть самодержца, представительная демократия, власть государственных органов. Решение общегосударственных задач должно сочетаться с обеспечением прав и свобод отдельных граждан и групп. Однако до недавнего времени не было видно путей решения основной проблемы крупномасштабных систем - учета и согласования мнений всех заинтересованных лиц из-за большого их числа. Развитие информационных технологий обеспечивает необходимые вычислительные ресурсы. Теория и практика разработки и принятия управленческих решений, в частности, методы экспертных оценок, дают возможность применять эффективные справедливые процедуры выявления общественных потребностей. Нужны работы (к ним относится и наша), нацеленные на развитие методов принятия решений в крупномасштабных системах.

При управлении хозяйственной системой (предприятием, корпорацией, государством) самое сложное - целеполагание. Фантасты предложили различные варианты решений. Так, И.А. Ефремов описал будущее общественное устройство, подобное структуре человеческого мозга: постоянно действующий форум со своими исследовательскими и координационно-ассоциативными центрами. Спроектировать подобную систему разработки и принятия управленческих решений - задача современной теории принятия решений. Если цель поставлена, то для ее достижения можно и нужно разработать оптимальный план (в натуральных единицах измерения) и отследить его выполнение. Методологически это более простая задача, чем выявление потребностей. Но до недавнего времени не хватало вычислительных мощностей. Критика плановой системы в масштабах государства базировалась на невозможности произвести необходимое количество вычислений, в результате плановые решения запаздывали и не могли охватить необходимую номенклатуру товаров и услуг. Шотландские экономисты В. Пол Кокшотт и Аллин Ф. Коттрелл, опыт крупных транснациональных компаний показывают, что современные информационные технологии снимают эти проблемы.

Весьма актуальными для разработки СИЭ являются взгляды Аристотеля об управлении хозяйствующими субъектами разного уровня - предприятие, город (полис), регион (сатрапия), государство. Аристотель ввел термин "хрематистика", под которой он понимал деятельность, направленную на извлечение прибыли, на накопление богатства, в отличие от экономики - деятельности, направленной на удовлетворение потребностей людей. Хрематистику как форму организации хозяйства Аристотель считал противоестественной. И не только он. Генри Форд писал: "...Задача предприятия - производить для потребления, а не для наживы или спекуляции... Работу на общую пользу ставь выше выгоды..." [2].

Эффективные механизмы принятия и реализации плановых решений должны опираться на современные информационные технологии. В 1960-х гг. В.М. Глушков предложил руководству СССР создать Общегосударственную автоматизированную систему управления экономикой страны (ОГАС), дающую возможность построить самую эффективную экономику в мире. Он писал:

"Отныне только "безмашинных" усилий для управления мало. Первый информационный барьер или порог человечество смогло преодолеть потому, что изобрело товарно-денежные отношения и ступенчатую структуру управления. Электронно-вычислительная техника - вот современное изобретение, которое позволит перешагнуть через второй порог. Происходит исторический поворот по знаменитой спирали развития. Когда появится государственная автоматизированная система управления, мы будем легко охватывать единым взглядом всю экономику. На новом историческом этапе, с новой техникой, на новом возросшем уровне мы как бы "проплываем" над той точкой диалектической спирали, ниже которой, отделенный от нас тысячелетиями, остался лежать период, когда свое натуральное хозяйство человек без труда обозревал невооруженным глазом" [3].

Один из основоположников кибернетики Ст. Бир разработал автоматизированную систему управления национализированными предприятиями Чили [4], дающую возможность управлять производством всей страны в реальном времени (каждым конкретным предприятием), сразу же видеть результаты принятых решений и при необходимости вносить поправки.

В современных работах решают конкретные проблемы развития информационных технологий управления, позволяющих разработать и внедрить интегрированные системы, предназначенные для координации людей, ресурсов, потребностей, предложений; объединения в рабочие группы по реализации экономических проектов; установления прямых связей между производителями и потребителями; оптимальной координации инициатив и проектов в масштабе всего общества. К конкретным функциям в рамках экономического блока можно отнести: учет и распределение ресурсов, обмен экономическим опытом и технологиями, выявление потребностей населения в товарах и услугах, формирование коллективов новых хозяйствующих субъектов, аккумулирование и распределение инвестиций, координация действий трудовых коллективов, оценка потребителями работы хозяйствующих субъектов, ведение диалога между потребителями и производителями товаров и услуг, выработка схем оптимального ресурсообмена и планов экономического развития. Новым по сравнению с временами В.М. Глушкова и С. Бира является широкое распространение сетевых технологий, позволяющее аппаратно реализовать право граждан на участие в принятии касающихся их решений. Это, в частности, формирование общественных советов и рабочих групп по коллективному изучению и решению тех или иных социальных проблем, оценка качества работы должностных лиц, разработка, обсуждение и оценка нормативных документов, выдвижение собственных предложений и доведение их до управленческих структур, организация публичного диалога между административными органами и населением, обсуждение кандидатов на выборные должности, публикация сведений о характеризующих личность граждан совершенных ими социально значимых действиях, мобилизация населения на акции прямого гражданского волеизъявления... Качественно новым уровнем по сравнению с разрозненными сайтами фирм и административных учреждений должны стать интегрированные порталы целых секторов экономики и территорий. Они должны обладать выраженной обратной связью, формироваться по единым стандартам, подчиняться принципу "открытой архитектуры", быть соединенными между собой каналами регулярного обмена данными и находиться под контролем формируемых населением общественных советов различных уровней. Открытый процесс создания реальных организационных модулей системы, привлечения участников, прокладывания горизонтальных связей, осуществления операций с ее помощью, вслед за И.А. Герасимовым назовем Open P2P Society, "Открытое сетевое общество", где топология связей не иерархическая, а "от каждого к каждому", или "Peer to Peer".

Одним из основных направлений развития современной экономической и управленческой мысли являются информационные технологии управления, как на уровне предприятия, так и на макроуровне. Их математической основой являются теория управления организационными системами, прежде всего теория активных систем, теория принятия решений, в том числе на основе экспертных технологий. Возникла возможность реализации идей В.М. Глушкова и Ст. Бира.

Литература

1. Друкер П.Ф. Новые реальности в правительстве и политике, в экономике и бизнесе, в обществе и мировоззрении. - М.: Бук Чембэр Интернэшнл, 1994.

2. Форд Г. Моя жизнь. Мои достижения. - М.: Попурри, 2009.

3. Глушков В.М. Макроэкономические модели и принципы построения ОГАС. - М.: Статистика, 1975.

4. Бир Ст. Мозг фирмы. - М.: Радио и связь, 1993.

Публикация:

831. Орлов А.И. Солидарная информационная экономика как основа управления развитием крупномасштабных систем // Управление развитием крупномасштабных систем (MLSD'2013). Материалы Седьмой международной конференции, 30 сентября - 2 окт. 2013 г., Москва, в 2 т. / Ин-т проблем управления им. В.А. Трапезникова Российской академии наук: под общ. ред. С.Н. Васильева, А.Д. Цвиркуна. - Т.1. Пленарные доклады, секции 1 - 3. - М.: ИПУ РАН, 2013. - С.205 - 207. ISBN 978-5-91450-137-9

*   *   *   *   *   *   *

О новой парадигме математического моделирования при управлении развитием крупномасштабных систем

А.И. Орлов

Московский государственный технический университет им. Н.Э. Баумана, г. Москва, prof-orlov@mail.ru

Ключевые слова: математическое моделирование, новая парадигма, управление, экономика, крупномасштабные системы, статистические методы, экспертные оценки

Во второй половине 80-х гг. в нашей стране развернулось общественное движение по созданию профессионального объединения специалистов в области математического моделирования - организационно-экономического и экономико-математического моделирования, эконометрики и статистики (кратко - статистиков). Аналоги такого объединения - британское Королевское статистическое общество (основано в 1834 г.) и Американская статистическая ассоциация (создана в 1839 г.). К сожалению, деятельность учрежденной в 1990 г. Всесоюзной статистической ассоциации (ВСА) [1] оказалась парализованной в результате развала СССР.

В ходе организации ВСА проанализировано состояние и перспективы развития рассматриваемой области научно-прикладных исследований и осознаны основы уже сложившейся к концу 1980-х гг. новой парадигмы математического моделирования при управлении развитием крупномасштабных систем.

В течение следующих лет новая парадигма развивалась и к настоящему времени оформлена в виде серии монографий и учебников для вузов. Проведем сравнение старой и новой парадигмы.

Типовые исходные данные в новой парадигме - объекты нечисловой природы (элементы нелинейных пространств, которые нельзя складывать и умножать на число, например, множества, бинарные отношения), а в старой - числа, конечномерные векторы, функции. Ранее для расчетов использовались разнообразные суммы, однако объекты нечисловой природы нельзя складывать, поэтому в новой парадигме применяется другой математический аппарат, основанный на расстояниях между объектами нечисловой природы и решении задач оптимизации.

Изменились постановки задач анализа данных и экономико-математического моделирования. Старая парадигма математической статистики исходит из идей начала ХХ в., когда К. Пирсон предложил четырехпараметрическое семейство распределений для описания распределений реальных данных. В это семейство как частные случаи входят, в частности, подсемейства нормальных, экспоненциальных, Вейбулла-Гнеденко, гамма-распределений. Сразу было ясно, что распределения реальных данных, как правило, не входят в семейство распределений Пирсона (об этом говорил, например, академик С.Н. Бернштейн в 1927 г. [2]. Однако математическая теория параметрических семейств распределений (методы оценивание параметров и проверки гипотез) оказалась достаточно интересной, и именно на ней до сих пор основано преподавание во многих вузах. Итак, в старой парадигме основной подход к описанию данных - распределения из параметрических семейств, а оцениваемые величины - их параметры, в новой парадигме рассматривают произвольные распределения, а оценивают - характеристики и плотности распределений, зависимости, правила диагностики и др. Центральная часть теории - уже не статистика числовых случайных величин, а статистика в пространствах произвольной природы, т.е. нечисловая статистика [3].

В старой парадигме источники постановок новых задач - традиции, сформировавшиеся к середине ХХ века, а в новой - современные потребности анализа данных (XXI век), т.е. запросы практики. Конкретизируем это общее различие. В старой парадигме типовые результаты - предельные теоремы, в новой - рекомендации для конкретных объемов выборок. Изменилась роль информационных технологий - ранее они использовались только для расчета таблиц (информатика находилась вне математической статистики), теперь же они - инструменты получения выводов (датчики псевдослучайных чисел, методы размножение выборок, в т.ч. бутстреп, и др.). Вид постановок задач приблизился к потребностям практики - от отдельных задач оценивания и проверки гипотез перешли к статистическим технологиям (технологическим процессам анализа данных). Выявилась важность проблемы "стыковки алгоритмов" - влияния выполнения предыдущих алгоритмов в технологической цепочке на условия применимости последующих алгоритмов. В старой парадигме эта проблема не рассматривалась, для новой - весьма важна.

Если в старой парадигме вопросы методологии моделирования практически не обсуждались, достаточными признавались схемы начала ХХ в., то в новой парадигме роль методологии (учения об организации деятельности) является основополагающей. Резко повысилась роль моделирования - от отдельных систем аксиом произошел переход к системам моделей. Сама возможность применения вероятностного подхода теперь - не "наличие повторяющегося комплекса условий" (реликт физического определения вероятности, использовавшегося до аксиоматизации теории вероятностей А.Н. Колмогоровым в 30-х гг. прошлого века), а наличие обоснованной вероятностно-статистической модели. Если раньше данные считались полностью известными, то для новой парадигмы характерен учет свойств данных, в частности, интервальных и нечетких. Изменилось отношение к вопросам устойчивости выводов - в старой парадигме практически отсутствовал интерес к этой тематике, в новой разработана развитая теория устойчивости (робастности) выводов по отношению к допустимым отклонениям исходных данных и предпосылок моделей.

В 1992 г. на базе секции статистических методов Всесоюзной статистической ассоциации была организована Российская ассоциация статистических методов, а в 1996 г. - Российская академия статистических методов. В соответствии с новой парадигмой проводились научные исследования, публиковались статьи, по этой тематике были организованы семинары и конференции. Однако размах работ сокращался, как и число участвующих в них исследователей. Поэтому на рубеже тысячелетий нами было принято решение сосредоточить усилия на подготовке учебной литературы, соответствующей новой парадигме.

Первым был учебник по эконометрике [4] 2002 г., переизданный в 2003 г. и в 2004 г. Четвертое издание [5] существенно переработано. Оно соответствует первому семестру курса, в отличие от первых трех изданий, содержащих материалы для годового курса. В [5] включены новые разделы, полностью обновлена глава про индекс инфляции, добавлено методическое обеспечение.

В фундаментальном курсе 2006 г. по прикладной статистике [6] в рамках новой парадигмы рассмотрены как нечисловая статистика, так и классические разделы прикладной статистики, посвященные методам обработки элементов линейных пространств - чисел, векторов и функций (временных рядов).

В том же году в рамках новой парадигмы был выпущен курс теории принятия решений [7]. Его сокращенный (в 1,5 раза) вариант вышел годом раньше [8].

В соответствии с потребностями практики в 2005 г. в России введена новая учебная специальность 220701 "Менеджмент высоких технологий", относящаяся к тогда же введенному направлению подготовки 220700 "Организация и управление наукоемкими производствами", предназначенному для обеспечения инженерами-менеджерами высокотехнологичных предприятий. Большинство студентов научно-учебного комплекса (факультета) "Инженерный бизнес и менеджмент" МГТУ им. Н.Э. Баумана обучаются по этой специальности. Общий взгляд на нее представлен в учебнике [9].

Государственным образовательным стандартом по специальности "Менеджмент высоких технологий" предусмотрено изучение дисциплины "Организационно-экономическое моделирование". Одноименный учебник выпущен в трех частях (томах). Первая из них [3] посвящена сердцевине новой парадигмы - нечисловой статистике. Ее прикладное "зеркало" - вторая часть [10], современный учебник по экспертным оценкам. В третьей части [11] наряду с основными постановками задач анализа данных (чисел, векторов, временных рядов) и конкретными статистическими методами анализа данных классических видов (чисел, векторов, временных рядов) рассмотрены вероятностно-статистические модели в технических и экономических исследованиях, медицине, социологии, истории, демографии, а также метод когнитивных карт.

В названиях еще двух учебников есть термин "организационно-экономическое моделирование". Это книги по менеджменту [12] и по теории принятия решений [13], в которых содержание соответствует новой парадигме, в частности, подходам организационно-экономического моделирования. Например, в учебнике [13] значительно большее внимание по сравнению с [7] уделено теории и практике экспертных оценок, в то время как проблемы менеджмента выделены для обсуждения в отдельное издание [12].

К рассмотренному выше корпусу учебников примыкают справочник по минимально необходимым понятиям теории вероятностей и математической статистики [14] и книги по промышленной и экологической безопасности [15] и [16], в которых большое место занимает изложение научных результатов в соответствии с новой парадигмой. Научные основы новой парадигмы содержатся в монографиях [17-19] и статьях. Все перечисленные учебники имеются в Интернете в свободном доступе (см. ссылки на персональной странице автора на сайте МГТУ им. Н.Э. Баумана и на аналогичной странице форума сайта "Высокие статистические технологии").

Информация о новой парадигме появилась в печати недавно - в 2012 г. (см. ссылки на соответствующие статьи в [20]). Мы не без оснований опасались, что нам могут помешать довести работу до конца. В этом мы следовали Гауссу, который предостерегал от "крика беотийцев" [21].

На основе сказанного выше полагаем, что к настоящему моменту рекомендация Учредительного съезда ВСА по созданию комплекта учебной литературы на основе новой парадигмы выполнена. Предстоит большая работа по внедрению новой парадигмы организационно-экономического моделирования, эконометрики и статистики в научные исследования и преподавание.

Литература

1. Орлов А.И. Создана единая статистическая ассоциация // Вестник Академии наук СССР. 1991. No.7.

2. Бернштейн С.Н. Современное состояние теории вероятностей и ее приложений // Труды Всероссийского съезда математиков в Москве 27 апреля - 4 мая 1927 г. - М.-Л.: ГИЗ, 1928.

3. Орлов А.И. Организационно-экономическое моделирование. Ч.1. Нечисловая статистика. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2009.

4. Орлов А.И. Эконометрика. - М.: Экзамен, 2002 (1-е изд.), 2003 (2-е изд.), 2004 (3-е изд.).

5. Орлов А.И. Эконометрика. Изд. 4-е, доп. и перераб. - Ростов-на-Дону: Феникс, 2009.

6. Орлов А.И. Прикладная статистика. - М.: Экзамен, 2006.

7. Орлов А.И. Теория принятия решений. - М.: Экзамен, 2006.

8. Орлов А.И. Принятие решений. Теория и методы разработки управленческих решений. М.: - ИКЦ "МарТ"; Ростов н/Д: Издательский центр "МарТ", 2005.

9. Колобов А.А., Омельченко И.Н., Орлов А.И. Менеджмент высоких технологий. Интегрированные производственно-корпоративные структуры: организация, экономика, управление, проектирование, эффективность, устойчивость. - М.: Экзамен, 2008.

10. Орлов А.И. Организационно-экономическое моделирование. Ч.2. Экспертные оценки. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2011.

11. Орлов А.И. Организационно-экономическое моделирование. Ч.3. Статистические методы анализа данных. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2012.

12. Орлов А.И. Менеджмент: организационно-экономическое моделирование. - Ростов-на-Дону: Феникс, 2009.

13. Орлов А.И. Организационно-экономическое моделирование: теория принятия решений. - М. : КноРус, 2011.

14. Орлов А.И. Вероятность и прикладная статистика: основные факты: справочник. - М.: КноРус, 2010.

15. Орлов А.И., Федосеев В.Н. Менеджмент в техносфере. - М.: Академия, 2003.

16. Орлов А.И. Проблемы управления экологической безопасностью. Итоги двадцати лет научных исследований и преподавания. -Saarbrücken: Palmarium Academic Publishing. 2012.

17. Орлов А.И. Устойчивость в социально-экономических моделях. - М.: Наука, 1979.

18. Колобов А.А., Омельченко И.Н., Орлов А.И. и др. Проектирование интегрированных производственно- корпоративных структур: эффективность, организация, управление. - М.: Изд-во МГТУ им. Н. Э. Баумана, 2006.

19. Орлов А.И. Устойчивые экономико-математические методы и модели. - Saarbrücken: Lambert Academic Publishing, 2011.

20. Орлов А.И. Новая парадигма организационно-экономического моделирования, эконометрики и статистики // Вторые Чарновские Чтения. Материалы II международной научной конференции по организации производства. Москва, 7 - 8 декабря 2012 г. - М.: НП "Объединение контроллеров", 2012.

21. Клейн Ф. Лекции о развитии математики в XIX столетии. Часть I. - М.-Л.: Объединенное научно-техническое издательство НКТП СССР. Главная редакция технико-теоретической литературы, 1937.

Публикация:

832. Орлов А.И. О новой парадигме математического моделирования при управлении развитием крупномасштабных систем // Управление развитием крупномасштабных систем (MLSD'2013). Материалы Седьмой международной конференции, 30 сентября - 2 окт. 2013 г., Москва, в 2 т. / Ин-т проблем управления им. В.А. Трапезникова Российской академии наук: под общ. ред. С.Н. Васильева, А.Д. Цвиркуна. - Т.1. Пленарные доклады, секции 1 - 3. - М.: ИПУ РАН, 2013. - С.297 - 299. ISBN 978-5-91450-137-9

*   *   *   *   *   *   *

Разработка системы прогнозирования уровня безопасности полетов и поддержки принятия решений на основе факторного анализа показателей

Орлов А.И., Шаров В.Д.

Наличие Системы управления безопасностью полетов (СУБП), соответствующей Стандартам и Рекомендуемой практике Международной организации гражданской авиации (ИКАО) [1], является обязательным сертификационным требованием для авиакомпании (АК) РФ, которое закреплено в Воздушном Кодексе РФ, и в Федеральных авиационных правилах.

В СУБП ИКАО важное место отводится показателям уровня безопасности полетов (БП) и их использованию при принятии управленческих решений (УР).

В настоящее время отсутствует единая система таких показателей для АК, и каждая АК разрабатывает собственные показатели. В результате невозможно сравнивать уровни БП в разных АК, а сами АК сталкиваются с проблемой адекватности показателей реальному уровню БП, и, соответственно, с проблемой мониторинга уровня БП, прогнозирования и оценки по факту эффективности УР.

В данной работе предлагается новая система показателей и метод их использования при принятии решений в области БП (см. также [2-4]).

В соответствии с рекомендациями Руководства по управлению безопасностью полетов ИКАО [5] предлагается двухуровневая система.

Показатель "верхнего уровня" - это традиционное количество авиационных инцидентов на 1000 полетов.

Показатели "второго уровня" должны отражать реальную значимость зафиксированных событий для БП в деятельности АК. Эта значимость определяется как потенциальным, так и фактическим ущербом от событий. Соответственно, предлагаются два показателя "второго уровня": показатель потенциального ущерба и показатель фактического ущерба. Отметим, что показатели "второго уровня" фактически могут быть основными для малых АК, в которых авиационные инциденты случаются крайне редко.

Для расчета показателя потенциального ущерба используется методология европейской группы по безопасности полетов Airline Risk Management Solution (ARMS) [6]. Показатель для каждого события Event Risk Classification (ERC) рассчитывается по специальной методике.

Показатель фактического ущерба от зафиксированных событий LOS рассчитывается в стоимостном выражении с учетом прямого и косвенного ущерба для АК.

Разработка системы прогнозирования уровня БП и поддержки принятия решений со стоимостной оценкой их эффективности на основе методологии факторного анализа показателей БП состоит из ряда этапов.

1. Для каждой из трех групп факторов опасности "Человек-Машина-Среда" выбираем с помощью экспертов по 3-4 укрупненных фактора опасности (УФО), всего 9-12 УФО.

2. На основе данных АК за 3 года рассчитываем значения ERC и LOC для каждого из произошедших событий и суммарные значения показателей за месяц.

3. Проводим экспертную оценку влияния каждого из УФО на уровень БП каждого месяца.

4. Формируем исходный набор статистических данных - 36 векторов, составленных из значений УФО и показателей ERC и LOS по 36 месяцам. Размерность векторов - от 10 до 15, в зависимости от числа используемых УФО. Численные значения координат векторов получаем на основе результатов п.2 и.3.

5. С помощью регрессионного анализа находим зависимости показателей ERC и LOS от УФО. Серия вариативных расчетов исходит из базовой линейной модели зависимости с выбором информативного подмножества регрессоров и возможным введением дополнительных слагаемых, например, квадратичных или периодических членов [7-9]. В результате по значениям УФО можем прогнозировать значения показателей ERC и LOS. Рассчитываем точечные оценки и доверительные границы для прогностических значений ERC и LOS.

6. Разрабатываем методы прогнозирования значений УФО на следующие моменты времени (например, на квартал вперед). Прогнозирование состоит из двух этапов. На первом этапе прогноз делается методом наименьших квадратов с учетом непараметрической периодической составляющей или иными статистическими методами. На втором этапе с помощью экспертов вводятся поправки, исходя из намеченных к реализации планов авиакомпании по изменению значений УФО.

7. На основе прогнозных значений УФО и ранее найденной зависимости ERC и LOS от УФО рассчитываем прогнозные значения этих показателей в течение выбранного интервала прогнозирования (находим точечные оценки и доверительные границы).

8. Переходим к планированию оптимального набора УР с целью максимально возможного улучшения показателей ERC и LOS при заданной суммарной стоимости проводимых мероприятий. Прежде всего необходимо сформировать определения используемых экономических величин, таких, как "ресурсы, направленные на БП", "эффект от мероприятий, направленных на обеспечение БП", "сопутствующие затраты", "ущерб прямой и косвенный", "эффективность использования ресурсов (финансовых, кадровых, материальных, временных)".

9. Разрабатываем методы расчета используемых экономических величин на основе данных управленческого и бухгалтерского учета, проводим анализ существующей в авиакомпании системы учета расходов на БП и возможностей для ее совершенствования, разрабатываем методы оценки сопутствующих затрат, прямого и косвенного ущерба.

10. Разрабатываем перечень используемых в авиакомпаний УР и метод расчета эффективности реализованных УР с учетом стоимостных оценок, математическую модель прогнозирования эффективности и выбора приоритетных УР по БП по воздействию на факторы опасности, методы и методику оптимизации выбора УР.

11. Разрабатываем методику апробирования метода, с ее помощью осуществляем апробацию методики факторного анализа показателей БП и методики выбора мероприятий в авиакомпании, в частности, рассчитываем прогноз на очередной год (по данным за предыдущие годы) и сравниваем полученных результатов с фактическими данными, оцениваем точность прогнозирования и эффективности мероприятий, реализованных в предыдущие годы с учетом стоимостных оценок.

Литература:

1. ИКАО Приложение 19 к Чикагской конвенции о международной гражданской авиации, "Управление безопасностью полетов", Монреаль, 2013г.

2. Орлов А.И., Шаров В.Д. Система прогнозирования показателей безопасности полетов и поддержки принятия решений на основе методологии факторного анализа // Системы управления жизненным циклом изделий авиационной техники: актуальные проблемы, исследования, опыт внедрения и перспективы развития : Тез. докл. III Международной научно-практической конференции (1-2 ноября 2012 г., г. Ульяновск) : в 2 т. - Т.1 - Ульяновск : УлГУ, 2012. - С.77-78.

3. Орлов А.И., Шаров В.Д. Разработка системы прогнозирования показателей безопасности полетов и поддержки принятия решения на основе методологии факторного анализа // Гражданская авиация на современном этапе развития науки, техники и общества: сборник тезисов докладов Международной научно-технической конференции, посвященной 90-летию гражданской авиации. - М.: МГТУ ГА, 2013. - С.87-87.

4. Шаров В.Д. Об автоматизации процесса управления безопасностью полетов в авиакомпании // Вторые Чарновские чтения. Сборник трудов. Материалы II международной научной конференции по организации производства. Москва, 7 - 8 декабря 2012 г. - М.: НП "Объединение контроллеров", 2013. - С.164-175.

5. ICAO, Safety Management Manual, 3-d Edition, Montreal, 2012.

6. Nisula J. Operational Risk Assessment. Next Generation Methodology, 2009. Эл. Ресурс. URL: http://www.easa.europa.eu/essi/documents/ (дата обращения 23.09.2013).

7. Орлов А.И. Прикладная статистика. - М.: Экзамен, 2006. - 671 с.

8. Орлов А.И. Непараметрический метод наименьших квадратов: учет сезонности // Статистические методы оценивания и проверки гипотез: межвуз. сб. науч. тр. Вып. 21. - Пермь: Перм. ун-т, 2008. - С.135-148.

9. Орлов А.И. Непараметрический метод наименьших квадратов с периодической составляющей: условия применимости // Статистические методы оценивания и проверки гипотез: межвуз. сб. науч. тр. Вып. 22. - Пермь: Перм. ун-т, 2010. - С.92-104.

Публикация:

852. Орлов А.И., Шаров В.Д. Разработка системы прогнозирования уровня безопасности полетов и поддержки принятия решений на основе факторного анализа показателей // Проблемы управления безопасностью сложных систем: Т руды ХХI Международной конференции. Москва, декабрь 2013 г. / Под ред. Н.И. Архиповой, В.В. Кульбы. М.: РГГУ, 2013. С.360-363.

*   *   *   *   *   *   *

Теория измерений и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном анализе и системе "Эйдос"

Е.В. Луценко, А.И. Орлов

профессор, д.э.н., к.т.н., профессор, д.э.н., д.т.н., к.ф.-м.н.

Кубанский государственный аграрный университет, г. Краснодар,

МГТУ им. Н.Э.Баумана, г. Москва

prof.lutsenko@gmail.com , prof-orlov@mail.ru

Согласно новой парадигме математических методов экономики анализируемые данные должны быть отнесены к той или иной измерительной шкале. Корректно могут быть проведены лишь вполне определенные математические преобразования, допустимые в данной шкале. Предлагается 7 способов метризации всех типов шкал, обеспечивающих совместную сопоставимую количественную обработку разнородных факторов, измеряемых в различных единицах измерения, за счет преобразования всех шкал к одним универсальным единицам измерения, в качестве которых выбраны единицы измерения количества информации. Все эти способы метризации реализованы в системно-когнитивном анализе и интеллектуальной системе "Эйдос".

Measure theory and joint comparable quantitative processing of heterogeneous factors in system-cognitive analysis and the EIDOS system

E.V. Lutsenko, A.I. Orlov

full professor, DSc(Econ), PhD(Tech); full professor, DSc(Econ), DSc(Tech), PhD(Math),

Kuban State Agrarian University, Krasnodar,

Bauman Moscow State Technical University, Moscow

prof.lutsenko@gmail.com , prof-orlov@mail.ru

According to the new paradigm of Mathematical Methods in Economics analyzed data must be assigned to a particular measurement scale. Correctly can only be carried out well-defined mathematical transformations that are valid in this scale. It proposes 7 ways of metrization of all the types of scales, providing a joint comparable quantitative processing of heterogeneous factors measured in different units of measure due to the conversion of all scales to one universal unit of measurement in which the measurement number of information is selected. All of these methods of metrization have been implemented in the system-cognitive analysis and in the Eidos intellectual system.

Для решения задач организации производства на современном уровне целесообразно применить подход, принятый в теории управления, основанный  на использовании математической модели объекта управления для прогнозирования и принятия решений [1]. Целью управления производством является получение высоких натуральных и финансово-экономических показателей. На эти результаты производства оказывает влияние большое количество разнородных по своей природе факторов: природных, социально-экономических и даже психологических. Для построения модели, учитывающей влияние всех этих факторов в сопоставимой форме, может быть применен подход, основанный на их приведении к одной форме - количества информации. Данный подход развит в системно-когнитивном анализе и реализован в его программном инструментарии - универсальной когнитивной аналитической системе "Эйдос" [2].

В соответствии с новой парадигмой математической статистики [3] и системной нечеткой интервальной математикой [4] анализируемые данные должны быть отнесены к измерительной шкале определенного типа - наименований, порядковой, интервалов, отношений, разностей, абсолютной (известны и иные классификации шкал). С данными эмпирических измерений, полученными с помощью измерительной шкалы определенного типа, корректно могут быть проведены лишь вполне определенные математические преобразования, допустимые в данной шкале, тогда как другие преобразования над ними являются некорректными, которые можно использовать лишь на предварительном этапе, при разведочном анализе данных [5].

В докладе измерительные шкалы рассматриваются как инструмент создания формальных моделей реальных объектов и инструмент повышения степени формализации этих моделей до уровня, достаточного для их реализации на компьютерах.

Описываются различные типы измерительных шкал, позволяющие создавать модели различной степени формализации; приводятся типы преобразований, допустимые при обработке эмпирических данных, полученных с помощью шкал различного типа; ставится задача метризации шкал, т.е. преобразования к наиболее формализованному виду; предлагается 7 способов метризации всех типов шкал, обеспечивающих совместную сопоставимую количественную обработку разнородных факторов, измеряемых в различных единицах измерения за счет преобразования всех шкал к одним универсальным единицам измерения в качестве которых выбраны единицы измерения количества информации [6]. Все эти способы метризации реализованы в системно-когнитивном анализе и интеллектуальной системе "Эйдос" [2] и применялись для решения различных задач организации производства, прежде всего для принятия решений по применению (тех или иных) агротехнологий в аграрном производстве.

Литература

1. Орлов А.И. Организационно-экономическое моделирование: теория принятия решений : учебник.- М. : КноРус, 2011. - 568 с.

2. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с.

3. Орлов А.И.  Основные черты новой парадигмы математической статистики / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - No.06(090). С.188-214. - IDA [article ID]: 0901306013. - Режим доступа: http://ej.kubagro.ru/2013/06/pdf/13.pdf. Дата обращения: 10.11.2013.

4. Орлов А.И. Системная нечеткая интервальная математика (СНИМ) - перспективное направление теоретической и вычислительной математики / А.И. Орлов, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - No.07(091). С. 255 - 308. - IDA [article ID]: 0911307015. - Режим доступа: http://ej.kubagro.ru/2013/07/pdf/15.pdf. Дата обращения: 10.11.2013.

5. Орлов А.И. Теория измерений как часть методов анализа данных: размышления над переводом статьи П.Ф. Веллемана и Л. Уилкинсона // Социология: методология, методы, математическое моделирование. 2012. No. 35. С. 155-174.

6. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном анализе и системе "Эйдос" / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - No.08(092). С. 859 - 883. - IDA [article ID]: 0921308058. - Режим доступа: http://ej.kubagro.ru/2013/08/pdf/58.pdf. Дата обращения: 10.11.2013.

Публикация:

846. Луценко Е.В., Орлов А.И. "Эйдос" и организация производства // Третьи Чарновские Чтения. Сборник тезисов. Материалы III международной научно-практической конференции по организации производства. Москва, 6-7 декабря 2013 г. - М.: НП "Объединение контроллеров", 2013. - С.92 - 96.

*   *   *   *   *   *   *

Математическое моделирование в организации производства

А.И. Орлов

Зав. Лабораторией экономико-математических методов в контроллинге НОЦ "Контроллинг и управленческие инновации", профессор кафедры "Экономика и организация производства", профессор, д.э.н., д.т.н., к.ф.-м.н.

МГТУ им. Н.Э.Баумана, г. Москва

prof-orlov@mail.ru

Продемонстрировано широкое применение математических методов и моделей при решении задач организации производства. Необходимо опираться на новую парадигму математических методов экономики.

Mathematical modelling in the organization of production

A.I. Orlov

Head of Laboratory of economic-mathematical methods in controlling, full professor of department "Economy and manufacture organisation", DSc(Econ), DSc(Tech), PhD(Math),

Bauman Moscow State Technical University, Moscow

prof-orlov@mail.ru

Demonstrated widespread use of mathematical methods and models for solving problems of the organization of production. Must be based on a new paradigm of Mathematical Methods in Economics.

При решении задач организации производства используются разнообразные математические методы и модели. Проанализируем учебник [1], подготовленный кафедрой "Экономика и организация производства" Московского государственного технического университета им. Н.Э. Баумана. В нем более 20 раз используются математические методы и модели, прежде всего эконометрические.

Приведем примеры. Методы восстановления зависимости (регрессионного анализа) используются при изучении динамики производственных затрат в период освоения производства [1, с.95-97]. В частности, для выявления закономерностей изменения трудоемкости изготовления единицы продукции, снижения себестоимости и других показателей с течением времени или с ростом объемов изготовления и др. При нормировании труда косвенные методы основаны на регрессионном анализе. Более того, разработанная НИИтруда формула для определения численности специалистов по функции "организация и оплата труда" также получена с его помощью [1, с.308-309]. Интегральный критерий эффективности проекта, применяемый при планировании инновационных процессов, строится с помощью многомерного статистического анализа [1, с.101]. Постоянно возникает необходимость строить те или иные интегральные показатели (критерии), объединяющие значения частных (единичных или групповых) показателей. Упомянем суммарный показатель качества продукции или проекта [1, с.244], коэффициент качества инженерного труда [1, с.269].

В производственном менеджменте (другое название организации производства) часто используются задачи оптимизации. Так, с целью рационального расположения на территории завода складских помещений, заготовительных цехов, участков, оборудования решают задачу минимизации суммарных грузопотоков. Для максимально возможного совмещения отдельных производственных процессов во времени, что может существенно сократить время от запуска в производство до выпуска готовой продукции, решают соответствующую оптимизационную задачу [1, с.121-122]. Методы сокращения производственного цикла, в том числе снижения затрат труда на основные технологические операции, сокращения затрат времени на транспортные, складские и контрольные операции, предполагают применение методов оптимизации, в том числе дискретной оптимизации [1, с.134-136].

Особенно заметна роль оптимизации в задачах планирования производственно-хозяйственной деятельности предприятия. В качестве одного из основных принципов планирования выдвигается принцип оптимальности. Предполагается построение экономико-математической модели объекта планирования, включающей целевую функцию по принятому критерию оптимальности и систему ограничений [1, с.339]. Среди основных методов планирования указаны экономико-математические методы [1, с.342]. Подробно рассматривается математическая модель построения оптимального плана реализации продукции, сводящаяся к задаче линейного программирования [1, с.352-354]. При планировании рыночных цен на продукцию решается задача максимизации прибыли как функции цены [1, с.409]. Расчет оптимальных размеров партии деталей основан на минимизации суммарных затрат [1, с.428].

Отметим важную роль математической теория оптимального управления запасами как части логистики. Эта теория используется для организации и управления материально-производственными запасами организации материально-технического снабжения и складирования [1, с.223-236], в том числе для организации материально-технического снабжения и складирования [1, с.217], организации обеспечения основного производства технологической оснасткой [1, с.208]. Есть и устоявшиеся неточности - "экономичный объем заказа" [1, с.227] является оптимальным лишь при большом интервале планирования [2, разд.16.3].

В производственном менеджменте широко применяются разнообразные математические методы экономики, относящиеся к "статистическому" (эконометрическому) крылу этой научно-практической дисциплины. Например, хронометраж [1, с. 311-316] - это типовое статистическое исследование. Отметим использование медианы для вычисления нормы времени [1, с.312], что совпадает с рекомендациями эконометрики, основанными на теории измерений и теории устойчивости статистических процедур [3]. На основе теории выборочных исследований указывается количество наблюдений, позволяющее сделать обоснованные выводы о структуре затрат рабочего времени [1, с.315].

Большой раздел эконометрики - статистические методы управления качеством продукции. Согласно международному стандарту ИСО 9004 в системах качества должно быть предусмотрено использование статистических методов [1, с.253]. При рассмотрении видов контроля качества продукции выделяются "выборочный" и "статистический" контроль [1, с.268]. Описываются методы статистического приемочного контроля и статистического контроля процессов (другими словами, статистического регулирования технологических процессов) [1, с.271-274]. В качестве одного из четырех основных методов определения показателей качества продукции указан экспертный метод [1, с.275]. Экспертные методы предлагается использовать и при построении причинно-следственной диаграммы (диаграммы Исикавы) для ранжирования факторов по их значимости и выделении наиболее важных [1, с.276]. Из методов обработки статистических данных разобрана методика анализа качества продукции машиностроения с помощью диаграмм Парето [1, с.277].

В производственном менеджменте большую роль играют методы принятия решений [1, с.25-28], различные специализированные эконометрические модели, например, модель минимизации сроков выполнения заказов на основе использования сетевого графика со случайными сроками выполнения отдельных работ [1, с.110-112].

Таким образом, математические методы постоянно используются менеджерами, в том числе контроллерами.

При решении задач организации производства необходимо применять математические методы и проводить математическое моделирование в соответствии с новой парадигмой в этой области, рассмотренной в докладе [4] и статье [5].

Литература

1. Организация и планирование машиностроительного производства (производственный менеджмент) / К.А. Грачева, М.К. Захарова, Л.А.Одинцова и др.: Под ред. Ю.В. Скворцова, Л.А.Некрасова. - М.: Высшая школа, 2003. - 470 с.

2. Орлов А.И. Организационно-экономическое моделирование: теория принятия решений. - М. : КноРус, 2011. - 568 с.

3. Орлов А.И. Эконометрика. Изд. 4-е, доп. и перераб. - Ростов-на-Дону: Феникс, 2009. - 572 с.

4. Орлов А.И. Основные положения новой парадигмы организационно-экономического моделирования, эконометрики и статистики // Вторые Чарновские чтения. Сборник трудов. Материалы II международной научной конференции по организации производства. Москва, 7 - 8 декабря 2012 г. - М.: НП "Объединение контроллеров", 2013. - С.106-117.

5. Орлов А.И. Новая парадигма математических методов экономики // Экономический анализ: теория и практика. - 2013. - No. 36 (339). - С.25-30.

Публикация:

847. Орлов А.И. Математическое моделирование в организации производства // Третьи Чарновские Чтения. Сборник тезисов. Материалы III международной научно-практической конференции по организации производства. Москва, 6-7 декабря 2013 г. - М.: НП "Объединение контроллеров", 2013. - С.108 - 111.

*   *   *   *   *   *   *

На сайте "Высокие статистические технологии", расположенном по адресу http://orlovs.pp.ru, представлены:

На сайте есть форум, в котором вы можете задать вопросы профессору А.И.Орлову и получить на них ответ.

*   *   *   *   *   *   *

Удачи вам и счастья!
В избранное