<<
>>

Метод программного прогнозирования

  Советский ученый, академик В.М. Глушков предложил метод программного прогнозирования, являющийся обобщением, с одной стороны, известного метода «Дельфи», а с другой — не менее известного метода «Перт».
Метод программного прогнозирования служит для определения вероятности наступления тех или иных событий и оценки вероятного времени их наступления.

Перед началом работы по этому методу следует иметь классификатор (перечень) типа событий, которые предстоит анализировать, и начальный список экспертов по проблемам. Для каждого типа проблем (событий) указывается априорный «вес» каждого эксперта, например по стобалльной системе. Первоначально эти «веса» определяются самими экспертами, в последующем они могут уточняться с помощью объективных методов.

Первый шаг применения метода — постановка задачи, т. е. перечисление событий, время и вероятность которых мы будем называть заключительными. Эти события классифицируются вручную, и списки их рассылаются тем экспертам, вес которых по данному классу проблем превосходит некоторый (устанавливаемый априори) порог. В задачу эксперта входит прежде всего определение условий, при наличии которых возможна оценка им того или иного события. При этом эксперт должен, по возможности, ставить себя в положение не стороннего наблюдателя, а непосредственного участника событий.

Предположим, например, что событие Si, которое предстоит оценить, есть создание новой автоматической линии. Эксперт должен представить себя в положении конструктора, которому реально поручено выполнять эту задачу. Тогда в качестве условий он может, например, выставить выполнение двух событий Si и S2. Событие Si представляет собой наличие необходимого специального оборудования, а событие S2 — наличие соответствующих технологических процессов.

Для повышения ответственности экспертов можно принять, что факт выставления ими тех или иных условий при оценке события является одновременно и обязательством (в случае выполнения этих условий в будущем) взяться за реальное осуществление оцениваемого события.

Подобное соглашение способствовало бы одновременно повышению объективности оценки экспертами своих собственных весовых коэффициентов.

В общем виде условие Ф может представлять собой произвольную логическую функцию f (Si, S2, .... Sk) от некоторых независимых (с точки зрения эксперта) событий Si, S2, ..., Sk. Эта функция строится с помощью конечного числа дизъюнкций, конъюнкций и отрицаний.

Далее, эксперт должен оценить условную вероятность Рф^) наступления события S при выполнении условия Ф и наиболее вероятную величину времени To(S) между временем выполнения условия Ф и временем наступления события 5 (если оно вообще наступит). При этом, разумеется, не исключается (и даже желательна) возможность оценки безусловной вероятности наступления события S и полного времени (считая от настоящего момента) до его наступления. Этот случай соответствует обращению условия Ф в тождественно истинное событие (полному множеству событий (Si, S2, .... Sk).

Анкеты экспертов служат прежде всего для построения сети событий, аналогичной пертовской сети. При этом каждой оценке эксперта p^(S) и Тф^)] соответствует «работа» на пертовской сети; Тф^) представляет собой оценку продолжительности этой работы. События Si, S2, .... Sk, входящие в условие Ф = f(Si, S2, .... Sk), соединяются с событием S фиктивными работами нулевой продолжительности.

Для упрощения предположим, что получающаяся сеть удовлетворяет обычным пертовским требованиям, в частности требованию отсутствия петель. С этой целью при обработке анкет экспертом принимаются специальные меры (возвращение анкет для исключения тех или иных условий, аннулирование частей анкет и т. п.). Впрочем, в отличие от классического «Перта», предлагаемая методика может быть расширена таким образом, чтобы включить в рассмотрение также и сети с петлями.

Ввиду того, что ответы экспертов вводят, вообще говоря, новые события, последние посылаются для оценок экспертам; при этом участвуют и эксперты, принявшие участие в предыдущем туре; им посылается фрагмент сети, полученной на предыдущем туре.

Этот фрагмент (L-окрестность события S) включает перечень всех элементарных событий Si, S2, .... Sn, выставленных в числе условий хотя бы одним экспертом, принимавшим участие в оценке данного события S. Эксперты по данному событию S в новом туре могут менять свои условия, включая в них любые элементарные события Si, S2, .... Sn

(и меняя соответственно свои оценки). В ряде случаев возможно пользоваться расширенными фрагментами, включая в них не только события Si, S2, .... Sn, но и события, их обусловливающие (г-окрестность события S), и т. д. Полезно также, чтобы эксперт, выставивший в качестве условий те или иные события Si, S2, .... Sn, указывал в анкете имена возможных экспертов для оценки этих событий. Тем самым список экспертов будет расширяться до тех пор, пока не произойдет стабилизация сети.

В стабилизированной сети без петель все события разбиваются на слои. В первый слой входят все события, получившие только безусловные оценки вероятности (и ожидаемого времени) своего наступления. А для оценки событий, лежащих в i-м слое {i gt; 2), в качестве условий используются лишь события из слоев с номерами, меньшими, чем г.

Дальнейшая обработка построенной сети производится следующим образом. Последовательно, слой за слоем, вычисляются абсолютные вероятности выступления всех составляющих слой событий и распределение абсолютного времени ожидаемого их наступления, а также оценки разброса этих величин (среднеквадратичные ошибки или квартили).

Распределение абсолютного времени с практической точки зрения. наиболее удобно задавать, фиксируя заранее конечное число моментов времени (например, ti = 1978, t2 = 1980, t3 = 1982, t4 = 1985, добавляя всегда к ним бесконечное время (в данном случае t3 = да).

Распределение абсолютного времени наступления любого события рассматриваемой сети будет характеризоваться сектором вероятностей (Р1, Р2, ..., Рк, Рда), где P1(S) представляет собой оценку вероятности наступления события S до момента времени h.

В частности, Рда = Р представляет собой оценку безусловной вероятности наступлении события в неограниченный период времени. Через (01, 02, ..., Ok, Ода) будет обозначаться вектор среднеквадратичных погрешностей соответствующих оценок.

Оценка вероятностей Pi производится на основе обычного усреднения (с учетом весов экспертов) оценок, даваемых отдельными экспертами. Что же касается этих последних, то они получаются последовательно, слой за слоем.

Для события S из первого слоя экспертом дается оценка абсолютной вероятности Р и абсолютного времени t наступления этого события. Тогда соответствующие (одиночные) оценки данного эксперта дадут значение Рг = 0 для всех ti lt; t и Рг = Р или всех ti gt; t. Если же событие S не из первого слоя и для него дана оценка условной вероятности q и относительного времени выполнения данного события S при условии Ф = f (S1, S2, ..., Sk), то для событий S1, S2, ..., Sk по принятому нами соглашению должны уже быть известны абсолютные (усредненные) оценки вероятностей их наступления и соответствующие оценки для всех других компонентов вектора вероятностей. Для любой из этих компонент Рг (включая Рда) будут иметь место соотношения:

где Q и R — любая пара независимых событий. Эти соотношения в силу нашего предположения о независимости событий S1, S2, ..., Sk, дают возможность подсчитать значение соответствующей компоненты Рг(Ф) вектора вероятностей для события Ф.

Пусть теперь Рг — вероятность того, что событие Ф произойдет не позже чем в момент времени t; q(o) — вероятность того, что событие S произойдет не позже чем через время с после наступления события Ф. Тогда вероятность r(t) того, что событие S наступит не позже чем в момент времени t, выразится формулой

Используя соответствующую дискретную аппроксимацию этой формулы, мы получаем возможность вычислять значение любой компоненты вектора вероятностей рассматриваемого события S по оценке данного эксперта.

Повторяя этот процесс и проводя необходимые усреднения, мы получим в конце концов оценку вектора вероятностей и разброса его значений для интересующего нас заключительного события.

При дальнейшей работе с сетью опросы экспертов можно систематически повторять. Изучая динамику изменения оценок вместе с информацией о действительном времени наступления тех или иных событий, можно предложить различные приемы внесения поправок в вес экспертов. Выбор того или иного из этих приемов зависит от степени предпочтительности правильности начальных оценок по сравнению с более поздними, от желания учитывать степень правильности не только конечного результата (оценки времени), но и путей его достижения (правильности выбора условий). Поэтому мы не будем пока уточнять этих приемов.

Работа с построенной сетью может предусматривать возможность уточнения тех или иных частных оценок для составляющих ее событий (например, путем привлечения новых экспертов или постановкой новых исследований). Для каждого события это уточнение будет требовать определенных затрат (вообще говоря, тем больших, чем выше слой, которому принадлежит данное событие). Необходимо поэтому разработать методику нахождения рационального выбора этих уточнений.

Предположим, что из каких-либо соображений, находящихся вне сферы наших рассмотрений, установлено, что наибольший интерес представляет уточнение оценки вероятности Pi (S) наступления заключительного события S до момента времени ti. Для каждого события Si, входящего в построенную сеть, определим изменение оценки вероятности Pi(S) при максимальных изменениях компонент вектора вероятностей события S, допускаемых имеющимися экспертными оценками. Стоимость эксперимента по уточнению оценки вектора вероятностей для события S, отнесенную к величине указанного изменения (удельную стоимость), естественно выбрать в качестве критерия для выбора события Si, оценка вектора вероятностей которого подлежит уточнению в первую очередь. 

<< | >>
Источник: В.А. Лисичкин, М.В. Лисичкина. Стратегическим менеджмент Учебно-методический комплекс. 2008

Еще по теме Метод программного прогнозирования:

  1. 8.1. Основные задачи, решаемые программным обеспечением, и используемые при этом методы
  2. 1 МЕТОДЫ ПРОГНОЗИРОВАНИЯ
  3. Методы прогнозирования в стратегическом менеджменте
  4. 2.8. Выбор метода прогнозирования
  5. Экстраполяционные методы прогнозирования
  6. Классификация методов прогнозирования.
  7. ДРУГИЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ
  8. Достоинства и недостатки экспертных методов прогнозирования
  9. Методы прогнозирования
  10. МЕТОДЫ ПРОГНОЗИРОВАНИЯ В МАРКЕТИНГОВОЙ ДЕЯТЕЛЬНОСТИ
  11. Методы прогнозирования
  12. МЕТОДЫ ПРОГНОЗИРОВАНИЯ НАЦИОНАЛЬНОЙ ЭКОНОМИКИ
  13. Методы прогнозирования денежных потоков
- Антикризисное управление - Деловая коммуникация - Документоведение и делопроизводство - Инвестиционный менеджмент - Инновационный менеджмент - Информационный менеджмент - Исследование систем управления - История менеджмента - Корпоративное управление - Лидерство - Маркетинг в отраслях - Маркетинг, реклама, PR - Маркетинговые исследования - Менеджмент организаций - Менеджмент персонала - Менеджмент-консалтинг - Моделирование бизнес-процессов - Моделирование бизнес-процессов - Организационное поведение - Основы менеджмента - Поведение потребителей - Производственный менеджмент - Риск-менеджмент - Самосовершенствование - Сбалансированная система показателей - Сравнительный менеджмент - Стратегический маркетинг - Стратегическое управление - Тайм-менеджмент - Теория организации - Теория управления - Управление качеством - Управление конкурентоспособностью - Управление продажами - Управление проектами - Управленческие решения - Финансовый менеджмент - ЭКОНОМИКА ДЛЯ МЕНЕДЖЕРОВ -