CC BY
54
♦-------------------------------------------------
должен выполнить определенную работу в интересах потенциального работодателя (в ряде случаев подобные конкурсы являются мошенничеством). В связи с этим необходима юридическая защита (например, договор поручения) в том числе интеллектуальной собственности;
- отсутствие контроля и гарантий качества - проблема агентских издержек и необходимость привлечения экспертных сообществ [4, с. 143].
Таким образом, краудсорсинг - это современный инструмент, позволяющий сгенерировать пакет возможных решений самых разнообразных задач в любых областях информационного пространства. Анализ пакета под различными ракурсами и выбор из возможных путей наиболее оптимальных решений конкретной задачи - это область для экспертов, а принятие окончательного решения для реализации задачи - это удел руководителей соответствующего уровня. Методами краудсорсинга можно решать и кадровые вопросы по подбору пакета кандидатов на должности специалистов и экспертов, предоставляя им возможность воспользоваться дополнительным социальным лифтом, а задачей руководителей останется выбрать из них нужного работника под определенный круг задач.
------------------------------------------------♦
Опыт зарубежных стран показывает, что технологии, в конце концов, можно купить, но людские ресурсы, их знания, интеллект и креативность у страны должны быть свои. И от того, какой масштаб людских ресурсов вовлекается в производство знаний и инноваций, в конечном счете зависит уровень постиндустриализации экономики.
Таким образом, на повестке дня пока остается принципиальный вопрос: как создать в России условия для привлечения к производству знаний, инновационной деятельности миллионов российских граждан, что является необходимым для формирования эффективной инновационной среды и культуры.
1. БаловсякН. Что такое краудсорсинг? // Ведомости. 2011. № 10.
2. Манохина Н.В. Институциональный вакуум как атрибут институциональной среды // Вестник СГСЭУ. 2008. № 5 (24). С. 16.
3. Матвеев Ю.В., Степанова Т.Е. Особенности экономики, основанной на знаниях // Вестник СГСЭУ. 2004. № 8. С. 30.
4. Попов Е.В., Власов М.В. Институциональный анализ процессов производства новых знаний // Montenegrin Journal of Economics. 2006. № 4. С. 135.
5. Славин Б. От краудсорсинга к ноосорсингу // Открытые системы. 2012. № 1.
УДК 658.310.9 Х.Я. Галиуллин
МЕТОДИКА АДАПТИВНОГО РЕГРЕССИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ СИСТЕМ УПРАВЛЕНИЯ ЭФФЕКТИВНОСТЬЮ ТРУДА
В работе предложена продуктивная методика адекватного регрессионного моделирования для систем управления эффективностью труда на основе анализа используемых адаптивных моделей регрессии, целью разработки и применения которого является повышение степени адекватности модели, описывающей зависимость производительности труда (ПТ) от ряда социально-производственных факторов (регрессоров), и точности прогнозирования (планирования, оптимизации, управления). При этом вычислительный сценарий реализован в пакете «Система поиска оптимальных регрессий», содержащем процедуры полного и неполного подбора структур, случайного поиска с адаптацией и возвратом, формирование моделей с заданным уровнем значимости.
Ключевые слова: адаптивное регрессионное моделирование, производительность труда (ПТ), множественная регрессия (МР).
Kh.Ya. Galiullin
METHOD OF ADAPTIVE REGRESSION MODELING FOR MANAGEMENT SYSTEMS OF LABOR EFFICIENCY
The paper presents an efficient method of regression modeling for adequate labor efficiency management systems by analyzing the use of the existing adaptive regression models. The purpose of the method is to improve the adequacy of the model describing the dependence of productivity on a number of socio-production factors (regressors) and accuracy of forecasting (planning, optimization, control). The author uses the scenario realized in "System for optimal regression" which contains the procedures for full and partial selection of structures, random search with adaptation and return, formation of models with a given level of significance.
Key words: adaptive regression modeling, labor productivity, multiple regression.
На предприятиях текстильной и легкой промышленности обычно строятся модели планирования производительности труда (ПТ) в виде обобщенных алгебраических полиномов первой степени от исходных факторов или
функций от них (социальных, косвенных, технических и экономических). Так, например, в работе О.И. Саган «Совершенствование управления производительностью труда рабочих на предприятиях текстильной промышлен-
♦
♦
ности с учетом социальных факторов» [5] рассматривается статистическая модель ПТ вида:
Y = £ в ^ ■ (1)
] =0
где могут быть трансцендентными функциями от исходных факторов х; или совпадать с ними. В статье Г.П. Ермакова и Х.Я. Галиуллина «Оперативное планирование производительности труда рабочих с учетом социальных факторов» [4] приведены первые результаты по разработке динамических моделей, в которых часть обобщенных регрессоров являются тригонометрическими функциями времени и некоторыми функциями от исходных факторов.
Таким образом, в системах управления ПТ математические модели (1) занимают по важности центральное место, определяя по сути подсистему прогнозирования [4].
Постулирование модели. Выдвигается гипотеза о составе регрессоров в виде модели (1), т.е. модель (1) считается моделью-«гипотезой» множественной регрессии (МР). При выборе факторов (регрессоров) обращается, по возможности, внимание на статистическую значимость их влияния на У, независимость между собой, возможность управления ими; вид зависимости (линейность по в) диктуется применяемым вычислительным аппаратом - линейным регрессионным анализом (РА).
Оценивание параметров /3 Как и при стандартном подходе, оценки Щ получаются методом наименьших квадратов (МНК). С целью максимального ослабления влияния взаимозависимости регрессоров (мультиколлинеарности - МК) используются центрирование данных и далее - устойчивые к МК вычислительные схемы МНК (методы Гаусса-Жордана и Хаусхолдера).
Вычисление статистик. Применяемые статистики (случайные величины, зависящие от наблюдений) делятся по назначению на два класса:
1) статистики, используемые для оценки качества МР в целом;
2) статистики, используемые при диагностике нарушений условий РА - МНК [1; 2].
Меры качества МР, оценивающие степень ее адекватности наблюдениям по аппроксимирующим и прогностическим свойствам, делятся на три группы: «внутренние», «смешанные», «внешние».
К внутренним мерам, вычисляемым по рассогласованиям (остаткам) между наблюдаемыми значениями ПТ У и их вычисленными У по модели-«гипотезе»:
<2)
относятся стандартные меры: Г - статистика; И2 - коэффициент детерминации; Б - ошибка аппроксимации (среднеквадратическая ошибка - СКО) и др. В смешанных мерах, к которым можно отнести, например, статистику Меллоуса, отражаются как аппроксимационные свойства МР, так и частично прогностические. Для вычисления внешних мер (внешней СКО и др.) исходная выборка данных делится на две части - обучающую и контрольную. По обучающей выборке строится МР, по контрольной - внешние меры, характеризующие прогностические свойства модели (2).
Для оценки степени нарушений условий применения РА - МНК также используются остатки У - У = е по каждому наблюдению ПТ и набор факторов и различные функции от них; при этом используются как графические, так и аналитические критерии. Например, для оценки статистической значимости фактора вычисляются ^статистики, для оценки степени МК - коэффициенты парной и частной корреляции; нормальность распределения остатков оценивается по набору критериев (в зависимости от объема выборки) и т.д.
Анализ качества модели. В зависимости от поставленной цели и вычислительных возможностей технолог может применить одну или несколько мер (критериев) качества. На первом этапе и далее при отсутствии технологий получения внешних мер следует использовать в первую очередь Г-статистику, позволяющую оценить статистическую значимость МР по известному правилу. На практике модель считается пригодной для прогнозирования, если выполняется неравенство Г > 4ГТ , где Г - наблюдаемое, а ГТ - табличное значения Г-статистики для принятого уровня значимости (риска) а.
Структурно-параметрическая идентификация (СПИ).
После выбора глобального критерия качества, например, меры Бл, характеризующей, что особенно важно, точность прогнозирования, необходимо найти оптимальную структуру МР, которой соответствует т/пЭд. Алгоритм поиска такой модели зависит от размерности р (количества регрессоров в первоначальной МР (1)); условно, при р < 20 применяется метод полного перебора структур, которых насчитывается < 220; при р > 20 - методы пошаговой регрессии, случайного поиска и другие перспективные подходы.
Диагностика нарушения условий РА - МНК.
Для модели-«гипотезы» (1) и МР, оптимальной по критерию т/'пБд, выполняется проверка соблюдения условий применения вычислительной схемы РА - МНК, как уже отмечалось, по вектору в , матрице X, векторам £ и У. Для оптимальной МР эти условия в основном выполняются. Тем не менее оставшиеся регрессоры могут быть в определенной степени взаимосвязаны, т.е. обладать свойством МК; остатки могут не иметь нормального распределения из-за резко отличающихся значений и, кроме того, могут быть коррелированными и гетеро-скедастичными из-за неучета, к примеру, эффекта времени.
Адаптация к нарушениям.
Для нашей модели МР, предназначенной для прогнозирования, реализован достаточно простой сценарий адаптации. Улучшение свойств оценок параметров в оптимальной модели, полученной после структурно-параметрической идентификации (СПИ) по критерию т1пЗй, можно добиться, оценивая эти параметры параллельно или последовательно методами, предназначенными для снижения МК (гребневой регрессии, сжатых оценок, главных компонент и др.) и устойчивого робастного оценивания и т.д. Окончательным результатом считается тот набор оценок в, которому соответствует значение внешнего СКО < т1пБА, полученному на этапе СПИ.
Информационные технологии обработки данных по производительности труда.
Описанный выше вычислительный сценарий реализован в пакете СПОР (система поиска оптимальных регрессий) [1 - 3]. Краткое его описание представлено ниже.
♦----------------------------------------------------
СПОР - программный пакет, который является специализированной системой, реализующей стратегию статистического моделирования с целью получения прецизионных регрессионных моделей процессов и явлений с последующим их использованием для прогнозирования выходных характеристик (откликов) и реализации некоторых функций управления в интерактивном и пакетном режимах работы. Одним из аналогов можно считать пакет «Статистика». В отличие от аналога, СПОР обеспечивает: формирование постулируемой модели на основе не только исходного, но и построенного полиномов. Помимо множественной, пошаговой и гребневой регрессии СПОР содержит процедуры полного и неполного перебора структур, случайного поиска с адаптацией и возвратом, формирование моделей с заданный уровнем значимости, реализует возможность формирования сценария будущего диалога с автоматическим встраиванием диалога в проблемно-ориентированную область пакета.
Область применения включает решение задач МНК (задача восстановления зависимостей по избыточным
-------------------------------------------------♦
косвенным наблюдениям) и регрессионного анализа в любых областях техники, экономики; решение различных технологических задач «черного ящика», требующих восстановления эмпирической зависимости между выходными параметрами процесса и набором входных.
1. Валеев С.Г. Регрессионное моделирование при обработке данных. 2-е изд., доп. и перераб. Казань: ФЭН, 2001.
2. Валеев С.Г. Регрессионное моделирование при обработке наблюдений. М.: Наука, 1991.
3. Валеев С.Г., Кадырова Г.Р., Турченко А.А. Программная система поиска оптимальных регрессий // Вопросы современной науки и практики. Сер. «Технические науки». 2008. № 4 (14). Т. 2.
4. Ермаков Г.П., Галиуллин Х.Я. Оперативное планирование производительности труда рабочих с учетом социальных факторов // Известия вузов. Технология текстильной промышленности. 1993. № 4.
5. Саган О.И. Совершенствование управления производительностью труда рабочих на предприятиях текстильной промышленности с учетом социальных факторов: автореф. дис. ... канд. техн. наук. М., 2007.
УДК 658.5 а.И. Гребенников,
В.И. Долгий
ОРГАНИЗАЦИОННОЕ РАЗВИТИЕ ПРЕДПРИЯТИЙ В УСЛОВИЯХ ФОРМИРОВАНИЯ НОВОЙ ИНДУСТРИАЛЬНОЙ ЭКОНОМИКИ
В статье основное внимание уделено методологии развития предприятия в условиях формирования новой индустриальной экономики. Осуществление организационно-экономических преобразований проходит в условиях модернизации экономики России. В этой связи показана взаимосвязь инновационного вектора развития предприятий и необходимых для этой цели структурных преобразований. Анализ системы управления на промышленных предприятиях позволил проследить эволюцию изменений в менеджменте и отечественном бизнесе. Отмечаются основные проблемы, характерные для построения системы инновационного развития предприятий в новой экономике. Для выбора направлений структурных преобразований предприятий промышленности дается оценка вариантов возможных стратегий развития. В работе рассматриваются стратегические задачи новой индустриализации российских предприятий в целом, а также предлагаются новые подходы к осуществлению структурных преобразований промышленных организаций, в том числе совершенствование структуры, систем и методов управления, внедрение современных технологий менеджмента и учета в рамках основных концепций организационного развития предприятий.
Ключевые слова: индустриальная экономика, инновационное развитие, стратегическая реструктуризация, преобразование, модель проектного управления.
A.I. Grebennikov, V.I. Dolgiy
ORGANIZATIONAL DEVELOPMENT OF COMPANIES DURING THE FORMATION OF A NEW INDUSTRIAL ECONOMY
The paper focuses on the methodology of enterprise development during the development of a new industrial economy. The authors state that implementation of organizational and economic transformation is taking place in the course of modernizing Russian economy. In this regard the paper shows the relationship of the innovation vector of enterprise development and necessary structural reforms. The paper contains an analysis of control systems at industrial plants that allows following the evolution of changes in management and Russian economy. The authors point out major problems specific to the development of innovative enterprises in the new economy. In order to select areas of structural transformation of industrial enterprises the paper provides an assessment of options for possible development strategies. The paper deals with the strategic objectives of new industrialization of Russian companies in general and suggests new approaches to the implementation of structural reforms of industrial organizations, including improvement of structures, systems and management practices, introduction of modern technologies of management and accounting within the basic concepts of organizational development of enterprises.
Key words: industrial economics, innovation development, strategic restructuring, transformation, model of project management.
