Управленческое решение

       Для того, чтобы составить себе представление  о том, чем мы рискуем в каждом отдельном случае, желательно, кроме математического ожидания показателя эффективности, оценивать также и его дисперсию (или среднее квадратическое отклонение).

       Наиболее  трудным для исследования является тот случай неопределенности, когда неизвестные факторы Y1, Y2,… не могут быть изучены и описаны с помощью статистических методов: их законы распределения или не могут быть получены (соответствующие статистические данные отсутствуют), или, что еще хуже, таких законов распределения вовсе не существует. Это бывает, когда явление, о котором идет речь, не обладает свойством статистической устойчивости. Например, мы знаем, что на Марсе возможно наличие органической жизни, и некоторые ученые даже считают его весьма вероятным, но совершенно невозможно подсчитать эту вероятность на основе каких-либо статистических данных. Другой пример: предположим, что эффективность проектируемого вооружения сильно зависит от того, будет ли предполагаемый противник к моменту начала боевых действий располагать средствами защиты, и если да, то какими именно? Очевидно, нет никакой возможности подсчитать вероятности этих гипотез — самое большее, их можно назначить произвольно, что сильно повредит объективности исследования.

       В подобных случаях, вместо произвольного  и субъективного назначения вероятностей с дальнейшей «оптимизацией в среднем», рекомендуется рассмотреть весь диапазон возможных условий Y1, Y2,… и составить представление о том, какова эффективность операции в этом диапазоне и как на нее влияют неизвестные условия. При этом задача исследования операций приобретает новые методологические особенности.

       Действительно, рассмотрим случай, когда эффективность операции W зависит, помимо заданных условий а1,a2, ... и элементов решения х1, х2,…, еще и от ряда неизвестных факторов Y1, Y2,… нестатистической природы, о которых никаких определенных сведений нет, а можно делать только предположения. Попробуем все же решить задачу. Зафиксируем мысленно параметры Y1, Y2,…, придадим им вполне определенные значения Y1=у1, Y2=у2,..., и переведем тем самым в категорию заданных условий а1, а2, .... Для этих условий мы в принципе можем решить задачу исследования операций и найти соответствующее оптимальное решение х1, х2, ... Его элементы, кроме заданных условий а1, а2, ..., очевидно, будут зависеть еще и от того, какие частные значения мы придали условиям Y1, Y2,…:

       х1=х1(а1, а2,…; у1, у2,…);

       х2=х2(а1, а2,…; у1, у2,…).

       Такое решение, оптимальное для данной совокупности условий у1, у2,… (и только для нее), называется локально-оптимальным. Это решение, как правило, уже не оптимально для других значений Y1, Y2,….Совокупность локально-оптимальных решений для всего диапазона условий Y1, Y2,… дает нам представление о том, как мы должны были бы поступать, если бы неизвестные условия Y1, Y2,…были нам в точности известны. Поэтому локально-оптимальное решение, на получение которого зачастую тратится много усилий, имеет в случае неопределенности сугубо ограниченную ценность. Совершенно очевидно, что в данном случае следует предпочесть не решение, строго оптимальное для каких-то определенных условий, а компромиссное решение, которое, не будучи, может быть, строго оптимальным ни для каких условий, оказывается приемлемым в целом диапазоне условий.

       В настоящее время полноценной  математической «теории компромисса» еще не существует, хотя в теории решений и имеются некоторые попытки в этом направлении. Обычно окончательный выбор компромиссного решения осуществляется человеком, который, опираясь на расчеты, может оценить и сопоставить сильные и слабые стороны каждого варианта решения в разных условиях и на основе этого сделать окончательный выбор. При этом необязательно (хотя иногда и любопытно) знать точный локальный оптимум для каждой совокупности условий у1, у2, …. Таким образом, классические вариационные и новейшие оптимизационные методы математики отступают в данном случае на задний план.

       В последнюю очередь рассмотрим своеобразный случай, возникающий в так называемых конфликтных ситуациях, когда неизвестные параметры Y1, Y2,… зависят не от объективных обстоятельств, а от активно противодействующего нам противника. Такие ситуации характерны для боевых действий, отчасти для спортивных соревнований, в капиталистическом обществе — для конкурентной борьбы и т. д.

       При выборе решений в подобных случаях  может оказаться полезным математический аппарат так называемой теории игр — математической теории конфликтных ситуаций. Модели конфликтных ситуаций, изучаемые в теории игр, основаны на предположении, что мы имеем дело с разумным и дальновидным противником, всегда выбирающим свое поведение наихудшим для нас (и наилучшим для себя) способом. Такая идеализация конфликтной ситуации в некоторых случаях может подсказать нам наименее рискованное, «перестраховочное» решение, которое необязательно принимать, но, во всяком случае, полезно иметь в виду.

       Наконец, сделаем одно общее замечание. При  обосновании решения в условиях неопределенности, что бы мы ни делали, элемент неопределенности остается. Поэтому неразумно предъявлять к точности таких решений слишком высокие требования. Вместо того, чтобы после скрупулезных расчетов однозначно указать одно-единственное, в точности оптимальное (в каком-то смысле) решение, всегда лучше выделить область приемлемых решений, которые оказываются несущественно хуже других, какой бы точкой зрения мы ни пользовались. В пределах этой области могут произвести свой окончательный выбор ответственные за него лица.

       Лицо, принимающее решение.

ЛПР –  Лицо Принимающее Решение.

В Системах Управления помогает задача о ранце (размещении в нем), похожая на задачу о коммивояжере.

Методы  ППР дают возможность:

• Формализовать процесс нахождения решения на основе имеющихся данных (процесс порождения вариантов решения).
• Ранжировать критерии и давать критериальные оценки физическим параметрам, влияющим на решаемую проблему (дает возможность оценить варианты решений).
• Использовать формализованные процедуры согласования при принятии коллективных решений.
• Использовать формальные процедуры прогнозирования последствий принимаемых решений.
• Выбирать вариант, приводящий к решению проблемы.

          Поддержка Принятия Решений (ППР).

          Процесс ПР – получение и выбор наиболее оптимальной альтернативы с учетом просчета всех последствий.

При выборе альтернатив – надо выбирать ту, которая наиболее полно отвечает поставленной цели, но при этом приходится учитывать большое количество противоречивых требований и, следовательно, оценивать выбранный вариант решения по многим критериям.

          Можно выделить 3 класса неопределенностей:

1. Неопределенности, связанные с неполнотой наших знаний о проблеме по которой принимается решение.
2. Неопределенность, которая возникает в связи с непредсказуемостью реакции окружающей среды на наши действия.
3. Неопределенность – неточно понимаются цели непосредственно самим ЛПР.

Сложности:

          Нельзя свести задачи с неопределенностью к формализованным, поэтому надо делать поправку на субъективность эксперта.

Тенденция. - Количество факторов растет. Время на анализ снижается.

ППР заключается  в следующем:

• Помощь ЛПР при анализе объективной составляющей проблемы.
• Выявление предпочтений ЛПР
• Учет неопределенности в оценках ЛПР.
• Генерация набора решений.
• Оценка возможных решений, исходя из предпочтений ЛПР и ограничений, накладываемых внешней средой.
• Анализ последствий принимаемых решений.
• Выбор лучшего с точки зрения ЛПР решения.

       Список  использованной литературы: 

1. Смирнов  Э.А. Разработка управленческих  решений. М.: ЮНИТИ-ДАНА, 2000.

2. Ременников  В.В. Разработка управленческого  решения. М.: ЮНИТИ-ДАНА, 2000.

3. Балдин К.В., Воробьев С.Н., Уткин В.Б. Управленческие решения. М.: ЮНИТИ-ДАНА, 2003.

4. Литвак  Б.Г. Управленческие решения, 1988.