Принятие управленческих решений

Автор работы: Пользователь скрыл имя, 27 Марта 2011 в 14:53, курсовая работа

Описание работы

Цель: изучить сущность принятия управленческих решений, типологию и нормативные требования к ним, организационные факторы и модели.

Задачи:

1. Изучить необходимые источники информации для определения сущности принятия управленческих решений, их типологию, организационные факторы и модели.

2. Рассмотреть на конкретном примере типовой алгоритм процесса выработки и реализации управленческих решений.

3. Проанализировать полученные в ходе анализа принятия решения данные.

Содержание работы

Введение 3

1. Понятие и технология принятия управленческого решения

1.1 Управленческое решение, уровни решений 4

1.2 Типология управленческих решений и нормативные требования к ним 6

1.3 Организационные факторы управленческих решений 11

1.4 Модели принятия решения 14

1.5 Процесс принятия решения 16

2. Анализ процесса принятия управленческого решения в Руководстве компании «Олкрет»

2.1 Постановка задачи 21

2.2 Экспертная оценка по основным вопросам 22

2.3 Экспертная оценка дополнительных затрат 31

2.4 Принятие решения 35

Заключение 36

Литература 37

Файлы: 1 файл

Доронина,курсовая по менеджменту.doc

— 410.00 Кб (Скачать файл)
 

       Вопросы анкет имеют оценочный характер. Поэтому удобно использовать дисперсионный  анализ. При использовании дисперсионного анализа положительный ответ эксперта оценивается 1, отрицательный 0. Основными характеристиками являются значения P, q, σ.

        , где M – число единиц (положительные ответы);

                           N – общее число параметров.

       

         

        , где L – число нулей (отрицательные ответы).

         

       Дисперсия, характеризующая отклонение от средней  величины определяется:

       

         

       Проведем  классификацию ответов экспертов, используя приемы таксономии. Для  этого определяем коэффициент близости между ответами. Воспользуемся формулой Роджерса и Танимото:

       

,

       где: nij(1,1) – число совпадающих единиц между сравниваемыми рядами;

              ni(1) – число всех единиц в i-том сравниваемом ряду;

              nj(1) – число единиц в j-том сравниваемом ряду.

       Сравнивается  первый ряд последовательно со всеми  остальными, заполняется первая строка матрицы, затем вторая строка со всеми  остальными и т.д. В результате получим  матрицу (табл.2).

       

       

       

       

       

       

       

         

                                                                                                               Таблица 2

       Определение коэффициентов близости между ответами экспертов

  I II III IV V VI VII VIII
I - 1 0,8 0,33 0,33 0,6 0,6 0,66
II 1 - 0,8 0,33 0,33 0,6 0,6 0,66
III 0,8 0,8 - 0,4 0,16 0,6 0,4 0,5
IV 0,33 0,33 0,4 - 0,5 0,5 0,2 0,6
V 0,33 0,33 0,16 0,5 - 0,2 0,2 0,6
VI 0,6 0,6 0,6 0,5 0,2 - 0,5 0,33
VII 0,6 0,6 0,4 0,2 0,2 0,5 - 0,5
VIII 0,66 0,66 0,5 0,6 0,6 0,33 0,5 -
 

        Выделим произвольно какое-либо число в матрице, например 1 (I строка, II столбец). Теперь по II столбцу ищем наибольшие числа – это 0,8 на пересечении с II строкой. Затем ищем наибольшие числа по II строке, берем значение 0,8 по VI столбцу и т.д. Встречаются одинаковые числа, поэтому получаемый граф разделяется и каждая ветвь рассматривается отдельно. Получаем следующий граф (рис.1): 

       Рис.1. Дерево поиска экспертной оценки с использованием эвристических приемов и логического анализа прогнозной модели 

       Мнение  экспертов можно представить  следующим образом:

       S (коэффициент близости)                         P

       1 – I,II                                                       I – 0,83

       0,8_ III                                                       II-   0,83

       0,60 –VI                                                    III – 0,67

       0,5 – IV,V,VII                                           IV – 0,5

                                                                           V – 0,5

                                                                          VI – 0,5

                                                                          VII – 0,5

                                                                          VIII – 0,83

       Эти данные позволят нам составить следующий  график (рис.2): 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

       Рис. 2 График экспертной оценки с использованием эвристических приемов и логического анализа прогнозной модели 

       Чтобы определить, насколько существенные различия между мнениями экспертов  и сгруппировать эти мнения в  таксоны составим матрицу коэффициентов Фишера (табл.3).

       Коэффициент Фишера определяется через отношение  дисперсий, т.е. (большее значение дисперсии всегда берется в числителе). 

       

       

       

       

       

       

       

       

       Матрица коэффициентов Фишера получена следующим  образом: берется отношение дисперсий  ответов на вопросы анкет первого  эксперта последовательно к дисперсиям ответов всех остальных (заполняется первая строка матрицы), затем дисперсии мнений второго ко всем остальным и т.д. 

                                                                                                                Таблица 3

       Коэффициенты  Фишера по вариантам определения мнений экспертов

  I II III IV V VI VII VIII
I - 1 1,57 1,78 1,78 1,78 1,78 1
II 1 - 1,57 1,78 1,78 1,78 1,78 1
III 1,57 1,57 - 1,14 1,14 1,14 1,14 1,57
IV 1,78 1,78 1 - 1 1 1 1,78
V 1,78 1,78 1,57 1,57 - 1 1 1,78
VI 1,78 1,78 1,57 1,57 1 - 1 1,78
VII 1,78 1,78 1,14 1 1 1 - 1,78
VIII 1 1 1,57 1,78 1,78 1,78 1,78 -
 

       Данные  этой матрицы сравним с критическим  значением Fкр (табл. Приложение 1). В нашем случае степени свободы k1 и k2 равны семи (степени свободы определяются как n-1, где n – число параметров), значения пограничных показателей достоверности F (критерий Фишера) берем при вероятности P’=0,8, Fкр=1,945. Сравнивая коэффициенты Фишера из матрицы с его критическим значением видим, что эти показатели меньше, следовательно, отличия в мнениях экспертов несущественны и при классификации их можно объединить в один таксон. Чтобы выработать далее единую точку зрения на вопрос можно использовать метод «мозговой атаки» или метод Дельфи и придти к единому мнению. Суть этого метода Дельфи в том, чтобы с помощью серии последовательных действий добиться максимального консенсуса при определении правильного решения. Анализ с помощью дельфийского метода проводится в несколько этапов, результаты обрабатываются статистическими методами. Базовым принципом метода является то, что некоторое количество независимых экспертов лучше оценивает и предсказывает результат, чем структурированная группа (коллектив) личностей. Позволяет избежать открытых столкновений между носителями противоположенных позиций т.к. исключает непосредственный контакт экспертов между собой и, следовательно, групповое влияние, возникающее при совместной работе и состоящее в приспособлении к мнению большинства. Метод мозговой атаки — оперативный метод решения проблемы на основе стимулирования творческой активности, при котором участникам обсуждения предлагают высказывать как можно большее количество вариантов решения, в том числе самых фантастичных. Затем из общего числа высказанных идей отбирают наиболее удачные, которые могут быть использованы на практике.

 

        2.3 Экспертная оценка дополнительных  затрат 

       В продолжении поставленной проблемы было выяснено, что существует сложный  и важный вопрос – возможность строительства перевалочной базы нефтепродуктов. Было выяснено, что для улучшения работы необходимы дополнительные капиталовложения. Ознакомившись с проектной документацией эксперты предложили свои варианты расчетов основываясь на благоприятном (Kmin) и неблагоприятном (Kmax) прогнозах. Результаты их прогнозов представлены в табл.4. 

                                                                                                                Таблица 4

       Варианты  прогнозов дополнительных затрат для  обеспечения работы Руководство компании « Олкрет»

Эксперты Значения  характеристик дополнительных капиталовложений (млрд. руб.)
Вариант 1 (Kmin) Вариант 2 (Kmax)
1 0,7 1,0
2 0,5 0,9
3 0,8 1,0
4 0,3 0,5
5 0,4 0,8
6 0,5 0,6
7 0,3 0,6
8 0,4 0,5
 

       Проведем  анализ полученных данных, определим  меры близости мнений экспертов.

       Для нахождения коэффициентов используется евклидово расстояние:

         или

       

       

       

       

       

       

       

       

       

       Результаты  расчетов представлены в матрице  коэффициентов близости мнений экспертов (табл.5).

       Каждая  строка матрицы рассчитывается следующим  образом, от значения Kmin (I эксперт) вычитается значение Kmin (II эксперт), разность возводится в квадрат, затем от значения Kmax (I эксперт) вычитается значение Kmax (II эксперт), разность возводится в квадрат. Из суммы полученных величин извлекается квадратный корень. Таким же образом находится величина коэффициентов близости между показателями первого и третьего экспертов, первого и четвертого и т.д. Вторая строка матрицы определяется подобными операциями для второго и последующего экспертов. 

Информация о работе Принятие управленческих решений