CC BY
28
Доклады БГУИР
2014 № 8 (86)
УДК 658.511
ОЦЕНКА РИСКА ВЫПОЛНЕНИЯ ЛОГИСТИЧЕСКИХ ПРОЕКТОВ
НА НАЧАЛЬНОЙ СТАДИИ
А.И. КУЗЬМИЧ
Белорусский государственный университет информатики и радиоэлектроники П. Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 24 сентября 2014
Рассмотрена задача оценки риска при выполнении логистических проектов. Представлено решение для BOL-стадии в рамках методологии СЬ2М. В результате построена теоретическая основа для автоматизации оценки риска проекта на начальной стадии проектирования, что снижает вероятность ошибок на других стадиях.
Ключевые слова: сложные технические объекты, оценка риска.
Введение
Жизнеспособность экономики любого государства во многом зависит от эффективности логистических проектов (ЛП), обеспечивающих перемещение грузов от производителей к потребителям с использованием мобильных гетерогенных объектов (МГО) (железнодорожных составов, автопоездов, танкеров и т.д.) [1]. Данная группа проектов отличается сложностью, большим объемом затрат и высокими требованиями к персоналу. Вопросы повышения эффективности и безопасности проектов активно исследуются ведущими научными учреждениями. В частности, 22 организации из Евросоюза, Швейцарии, Японии, Австралии и США разработали методологию Closed Loop Lifecycle Management (CL2M), соответствующую современным требованиям бизнеса и экологической безопасности с использованием преимуществ информационной среды [2]. Согласно CL2M жизненный цикл проекта должен включать три стадии: начальную (Beginning of life, BOL) - проектирование и создание объектов; среднюю (Middle of life, MOL) - применение, техническое обслуживание; конечную (End of life, EOL) - утилизация или восстановление и повторное применение компонентов объекта.
Применение методологии CL2M на практике вызывает ряд проблем, основная из которых заключается в отсутствии механизмов анализа риска на начальной стадии проекта [3]. В результате руководитель проекта не может объективно оценить возможность выполнения проекта, что неизбежно приводит к росту неопределенности и снижает эффективность стадий MOL и EOL.
В данной работе рассматривается метод оценки риска ЛП на этапе BOL в рамках парадигмы CL2M на основе экспертных знаний и теории нечетких множеств.
Основные понятия и определения
Для обеспечения однозначного понимания тематики статьи приведем определения основных терминов.
Проект - совокупность задач и мероприятий, обеспечивающих достижение запланированной цели. В данном случае рассматриваются проекты, относящиеся к логистике. Жизненный цикл проекта - комплекс процессов реализации проекта с момента его инициализации до завершения. В данном случае - BOL, MOL, EOL. Акторы - одушевленные и искусственные участники проекта. В данном случае к акторам относятся менеджер (C),
диспетчер (D), исполнитель (P) и МГО. МГО - сложный мобильный гетерогенный технический объект с изменяемой структурой, используемый для перемещения грузов. Неопределенность -отсутствие или недостаток информации для реализации проекта. Риск - оценка опасности снижения эффективности или невыполнения проекта. Внешняя среда (среда) - комплекс внешних факторов, влияющие на возможность выполнения проекта. Приведенные выше термины используются в литературе для проектировщиков и программистов, поэтому их в известной степени можно считать универсальными.
Постановка задачи
Стадия BOL является важной частью проекта, т.к. от нее зависит возможность и эффективность реализации стадий MOL и EOL. Спектр возможных рисков при ее выполнении непредсказуем и полностью их избежать в принципе невозможно. Однако учесть наиболее значимые риски, приводящие к тяжелым последствиям, можно, что значительно повысит вероятность успеха.
Постановку задачи оценки риска на стадии BOL сформулируем следующим образом. Дано: проект proj реализуется в среде с различным уровнем неопределенности Z. В реализации участвуют факторы C, D, P и МГО M, состоящий из N компонентов, принадлежащих к m типам. Требуется разработать механизм оценки риска выполнения проекта на стадии BOL в рамках парадигмы CL2M. Основное требование к решению - унификация представления разнородных исходных данных и алгоритмов их обработки.
Факторы риска
На основе анализа теоретических работ [1, 3-5], можно сделать вывод, что среди прочих на эффективность ЛП влияют три основных фактора риска: уровень неопределенности проекта в целом, уровень компетентности акторов и уровень сложности МГО. Совокупность этих факторов опишем кортежем: rBOL = (rZ, rC, rD, rP, rM)
Фактор неопределенности проекта. Первым фактором является неопределенность проекта. Поэтому основным условием выполнимости проекта является возможность уменьшения неопределенности на основе знаний акторов. Соответственно неопределенность можно подразделить на три типа: Zp, Zd, Zc. Если неопределенность выходит за уровень акторов, проект не следует начинать. Неопределенность выражается словами, текстом, цифрами, сигналами. Несмотря на столь большое разнообразие, все эти способы относятся к компетенции акторов. Соответственно, в рамках каждой компетенции неопределенность можно ранжировать и отобразить на континуум 0..1. Например: rZC ^ 0,00 - 0,50 - 1,00. Этот очень удобный способ, предложенный Л.Заде [6], будем также применять для оцифровки других факторов риска. В данном случае используется три уровня градации, но в зависимости от специфики проекта может быть пять и более градаций, например: rZC ^ 0,00 - 0,25 - 0,50 - 0,75 - 1,00.
В результате появляется возможность формального описания неопределенности для каждого актора и обработки формальными методами.
Фактор компетентности акторов. Второй фактор - компетентность акторов - является краеугольным фактором успеха любого проекта. Риск включения в проект некомпетентного актора велик, поэтому задаче выбора персонала уделяется столь много внимания в литературе и на практике. Для этого, в частности, используются многочисленные профессиональные тесты, дорогостоящие тренажеры и т.д. Независимо от способа проверки, результаты сводятся к некоторым численным оценкам. В нашем случае с учетом требования унификации, классифицируем уровень компетентности каждого актора на три класса и отобразим на континуум [0..1]. Например, «высший» - 0,00, «средний» - 0,05, «низкий» - 1,00.
Фактор сложности МГО. МГО, применяемые для перемещения грузов, являются сложными техническими устройствами, потенциально опасными для человека и природной среды. В [4] показано, что оценка риска тесно связана со сложностью объекта. Для определения сложности необходимо построить модель, формирующую цельный взгляд на объект на основе анализа наиболее значимых сущностей объекта. В качестве модели МГО используем кортеж:
M = (proj, id, FL, N, <i. T. q.>, com), (1)
где id - идентификатор; FL - отношения компонентов ^ - жесткие; L - гибкие); N - общее количество компонентов; i - порядковый номер компонента; q - количество компонентов данного типа; com - коммуникации.
В кортеже имеются четыре параметра, определяющих сложность МГО. В данном случае сложность является синонимом риска Первый фактор сложности - это изменение структуры МГО, например: Б-Ь-Б. Такие операции, включая разъединение объекта на компоненты с последующим их объединением в единое целое, относятся к высшему уровню сложности. Соответственно, минимальная сложность будет у объекта, не изменяющего свою первоначальную структуру. Сложность существенно растет при одном изменении и резко увеличивается при двух и более изменениях. Формализуем эти факты и отобразим результат на шкале 0..1:{количество изменений : сложность} ^ 0 - 0,00, 1 - 0,50, > 2 - 1,00. Количество изменений оказывает столь значимое влияние на сложность, что в некоторых случаях значение параметра умножается на некоторый коэффициент, который изменяется в зависимости от типа МГО и значимости проекта.
Второй фактор сложности - количество типов компонентов. Чем больше типов, тем сложнее организация управления, мониторинга, ремонта и, соответственно, выше затраты. Соответственно, минимальная сложность будет при использовании одного типа и будет расти при увеличении их количества. Усредняя множество мнений в литературе, получим следующую картину: {количество типов : сложность} ^ 1 - 0,00, 2-3 - 0,50, > 4 - 1,00.
Третий фактор - количество компонентов. Чем их больше, тем выше вероятность возникновения аварийных ситуаций. Поэтому важно выбрать то количество, которое соответствует условиям траектории движения и возможностям ремонта в пути. В результате усреднения данных, представленных в литературе, получим следующую шкалу: {количество компонентов : сложность} ^ 1-20 - 0,00, 20-40 - 0,50, > 40 - 1,00.
Четвертый фактор - связь. При перемещении грузов на большие расстояния с изменяющимся уровнем неопределенности важнейшую роль играют средства и каналы связи. Неопределенность Zp исполнитель снижает сам, знания для уменьшения неопределенности ZD и Zc он должен получать дистанционно по каналам связи от акторов D и С Поэтому коммуникационная сложность прямо зависит от количества типов коммуникаций. Соответствующую шкалу можно представить строкой: {количество видов связи : сложность} ^ 1 - 0,00, 2 - 0,50, >3 - 1,00.
Таким образом, факторы риска с различным генезисом удалось привести к одному типу данных и детерминировать рамками шкалы [0..1] по принципу увеличения риска. Результат представлен в табл. 1.
Таблица 1. Факторы риска
Фактор риска Класс Нормализованное значение риска
Низкая 0,00
X1 Неопределенность Средняя 0,50
Высокая 1,00
Высокая 0,00
X2 Компетентность Средняя 0,50
Низкая 1,00
0 0,00
X3 Изменение структуры 1 0,50
>2 1,00
1 0,00
X4 Типы компонентов 2-5 0,50
>5 1,00
1-9 0,00
X5 Количество компонентов 10-30 0,50
>30 1,00
1 0,00
X6 Тип коммуникации 2 0,50
>3 1,00
Очевидно, что при построении таблицы должны использоваться экспертные знания, статистика отказов, аварий и т.д. В данном случае риск классифицируется на три уровня. При необходимости список факторов, их количество можно детализировать до пяти, семи или более уровней.
Алгоритм оценки сложности
На практике оценка риска на начальной стадии проекта является более искусством, чем объективным процессом. Найти истинного эксперта не всегда удается, поэтому многие компании пытаются формализовать этот процесс. К сожалению, их результаты описаны в литературе в самых общих чертах, что затрудняет их применение. Для решения в некоторой степени этой проблемы предлагается интуитивно понятный и легко проверяемый алгоритм
оценки риска на основе данных таблицы, написанный на языке C#: {
double porog = 0.40; // порог
double [] X = { 1.00, 0.00, 0.00*7, 1.00, 0.50, 0.00 }; // исходный вектор
double sr = Math.Round (X.Sum() / X.Length, 3);
if (sr > porog) ConsoleWriteLineCPKR = " + sr + " Высокий уровень.");
else ConsoleWriteLineCPKR = " + sr + " Допустимый уровень.");
Console.ReadKey();
}
На вход алгоритма подается вектор параметров риска X, который строится на основе данных таблицы, требований проекта и ресурсов компании, и порог (porog), разделяющий допустимый риск от высокого, который может отличаться в зависимости от оперативности, стоимости и других особенностей проекта. В рассматриваемом случае используется коэффициент 7 для параметра изменчивости структуры, порог равен 0,40. В результате выполнения алгоритма будет выведено сообщение:
Риск = 0,417 Высокий уровень.
Таким образом, любой специалист среднего уровня, знающий требования проекта, может формально оценить риск его выполнения.
Для практического применения алгоритм должен быть интегрирован в графический интерфейс, обеспечивающий ввод элементов вектора X простым указанием курсора в списке вариантов, представленных в табл. 1.
Для проверки правильности выбранного подхода и алгоритма необходимо сравнить формальный и экспертный результаты. В табл. 2 приведен результат эксперимента для семи векторов c различным значением порога.
Таблица 2. Результаты эксперимента
Вектор Порог Формальная оценка Экспертная оценка
0,50, 0,00, 0,00*7, 1,00, 0,00, 0,50 0,50 0,333 Допустимый уровень риска
0,00, 1,00, 0,00*7, 0,50, 0,00, 0,00 0,50 0,250 Допустимый уровень риска
1,00, 0,00, 0,00*7, 0,50, 1,00, 0,00 0,60 0,417 Допустимый уровень риска
0,50, 1,00, 0,00*7, 0,50, 0,50, 1,00 0,40 0,583 Высокий уровень риска
1,00, 0,00, 1,00*7, 0,50, 1,00, 1,00 0,80 1,750 Высокий уровень риска
0,00, 0,00, 1,00*7, 0,50, 0,00, 0,50 0,50 1,333 Высокий уровень
0,00, 0,00, 0,00*7, 1,00, 1,00, 1,00 0,30 0,500 Высокий уровень риска
Сравнив третий и четвертый столбцы, несложно заметить, что оценка эксперта совпадает с формальной оценкой. Если выполнить типизацию проектов, можно получить унифицированный тандем: <тип проекта - значение порога>. Целесообразно так же установить коэффициент для X3 в зависимости от типа компонентов и свойств среды (воздушной, наземной, водной), где они будут использоваться. В результате уровень достоверности и стандартизации процесса оценки риска существенно повысится.
Заключение
Разработан метод оценки риска на стадии BOL в рамках концепции CL2M. Применение метода позволяет существенно сократить время оценки риска и повысить достоверность результата. Разработан интуитивно понятный алгоритм, инвариантный количеству входных параметров и позволяющий адаптировать параметры с помощью коэффициентов и порогового значения риска к специфическим требованиям проекта.
RISK ASSESSMENT OF LOGISTICS PROJECT IMPLEMENTATION IN THE INITIAL STAGE
A.I. KUZMICH
Abstract
The problem of risk assessment in the logistics projects implementation is studied. The solution for BOL-step in the methodology CL2M is presented. As a result, a theoretical basis for automating the risk assessment of the project in the initial stage, which reduces the likelihood of errors in other stages, is offered.
Список литературы
1. Рушкевич А.В. // Беспроводные технологии. 2010. № 3. С. 56-60.
2. Stark J. Product Lifecycle Management. New York, 2004.
3. Kuzmich A.I., Shakah G., Valvachev A.N. // Proceedings of The 10-th International Conference on Pattern Recognition (PRIP'2011). Minsk, May, 18-20, 2011. P. 272-275.
4. RausandM. Risk Assessment: Theory, Methods, and Applications. San Francisco, 2011.
5. Casti J. Connectivity, Complexity and Catastrophe in Large-scale Systems. San Francisco, 1979.
6. Zadeh L., Klir G., Yuan B. Fuzzy Sets, Fuzzy Logic, and Fuzzy Systems. Singapore, 1996.
