Пенза, Россия
Россия
ГРНТИ 06.81 Экономика и организация предприятия. Управление предприятием
ГРНТИ 06.01 Общие вопросы экономических наук
ОКСО 230000 ИНФОРМАТИКА И ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА
ББК 3297 Вычислительная техника
ТБК 5181 Информационные технологии в экономике и управлении
Статья посвящена оценке влияния степени информационного взаимодействия между конкурирующими компаниями, в рамках процесса бенчмаркинга. Математическая модель процесса бенчмаркинга представлена в форме системы связанных уравнений Ван дер Поля, в которой коэффициенты взаимодействия между уравнениями соответствуют степени взаимной информированности предприятий. В результате численного исследования модели показано, что существует оптимальная степень взаимной информированности предприятий, при которой обе компании обладают наибольшей конкурентоспособностью.
взаимная информированность компаний, процесс бенчмаркинга, математическая модель процесса бенчмаркинга, оптимальная степень взаимной информированности компаний.
Информационное обеспечение управленческих решений направлено на синтез информации, позволяющей устранить неопределенности, возникающие в процессе целенаправленной административной деятельности, а также сформировать комплекс возможных мероприятий для повышения конкурентоспособности. Существует три группы неопределенностей: первая включает неопределенности о состоянии предприятия как объекта управления в организационном поле внешней рыночной среды; вторая связана с выбором критериев качества оценки принимаемых решений; третью составляют неопределенности, связанные с прогнозированием результатов принимаемых решений [1].
Применительно к конкурентоспособной деятельности предприятия целенаправленная деятельность ЛПР выглядит следующим образом. До начала решения задачи принятия решений у ЛПР должно быть сформировано представление о хозяйственной деятельности предприятия, финансовом и конкурентном состоянии управляемого объекта, об организационном рыночном поле, о партнерах и конкурентах, об имеющихся ресурсах и способах воздействия на них. Сопоставляя информацию о текущем конкурентном состоянии предприятия и его конкурентов в процессе бенчмаркинга с его желаемым образом как лидирующей компании на рынке ЛПР оценивает расхождение между ними, анализирует и выбирает пути воздействия из возможных альтернатив, устраняющие это расхождение. В итоге принимается управленческое решение о характере воздействия на предприятие, которое содержит информацию о состояниях объекта управления и способах его изменения [2].
Программный инструментарий моделирования конкурентных взаимодействий предприятий в среде «Математика 5.1»
Основным компонентом в комплексе средств поддержки принятия решений является программный инструментарий моделирования и прогнозирования показателей конкурентоспособности предприятий в процессе бенчмаркинга в зависимости от различных сценариев и векторов факторов влияния. Это подтверждается использованием данного инструмента для анализа и прогнозной оценки показателей конкурентоспособности на различных этапах.
В качестве математического обеспечения процесса принятия решений и управления конкурентоспособностью авторами была разработана нелинейная модель в виде модифицированной системы уравнений (осцилляторов) Ван дер Поля, которая была рассмотрена и исследована ранее [3]. Комплекс программ для реализации модификаций системы уравнений по отношению к различным рыночным ситуациям и конкурентным парам предприятий разной сферы деятельности разработан в инструментальной среде универсального прикладного пакета Mathematica (версия 5.1). Система предоставляет возможности написания собственных программ на высокоуровневом языке функционального программирования для расширения функционала и описания новых математических моделей для решения задач в различных областях. Пакет Mathematica компании Wolfram Reseach применяется при расчетах в научных исследованиях. Система обладает функциональной избыточностью и предназначена для автоматизации выполнения математических расчетов любой степени сложности с высокой скоростью символьных преобразований и численных расчетов.
Система Mathematica является лидером среди компьютерных систем символьной математики и обеспечивает возможности выполнения сложных численных расчетов с выводом результатов в графическом виде, проведения трудоемких аналитических преобразований и вычислений. Центральное место в системе Mathematica занимает машинно независимое ядро математических операций, которое позволяет переносить систему на различные платформы с помощью программного интерфейсного процессора Front End. В системе есть возможность расширения набора функций, для чего служат библиотека Library и набор пакетов расширения Add-on Packages. Новый функционал и различные программы могут быть разработаны на языке программирования системы Mathematica. С этой точки зрения пакет представляет собой проблемно ориентированную систему программирования на базе языка функционального программирования высокого уровня, которая предназначена для решения различных задач.
Для экспериментального исследования математических моделей написана программа на данном языке, которая описывает систему уравнений Ван дер Поля как инструмент моделирования процессов взаимодействия конкурирующих предприятий (бенчмаркинг).
Моделирование динамики конкурентоспособности в зависимости от степени взаимной информированности предприятий
Рассмотрим исследования математической модели с помощью разработанных инструментальных программных средств в среде Mathematica для различных сценариев взаимодействия предприятий, конкурирующих в организационном рыночном поле. Основной целью данных исследований являются синтез и оценка механизмов управления конкурентоспособностью для применения в автоматизированной СППРиУК.
Приведены результаты моделирования и исследования конкурентоспособности предприятий торговой сферы в процессе бенчмаркинга при изменении степени информированности предприятий друг о друге. В качестве критерия конкурентоспособности будем рассматривать объем продаж.
В процессе моделирования проанализируем два вида информированности. В первом случае компании получают информацию друг о друге из открытых источников в процессе проведения маркетинговых исследований ситуаций на рынке. Во втором случае предприятия получают конфиденциальную информацию путем шпионажа, взлома закрытых информационных источников через хакерские действия или инсайдерскую деятельность сотрудников предприятия-конкурента. В системе уравнений Ван дер Поля эти виды информированности представлены двумя разными коэффициентами, выраженными в процентах [3].
Модель отсутствия взаимной информированности предприятий друг о друге приводит к почти аналогичным графикам динамики изменений продаж при одинаковых начальных условиях (рис. 1) [3]. НЕТ РИСУНКА
Рис. 1. Графики продаж предприятий без информации друг о друге
На графиках по вертикальной оси откладывается количество продаж, по горизонтальной – дни. Для визуальной оценки динамики продаж двух сравниваемых предприятий на верхнем и нижнем графиках расположены симметрично относительно горизонтальной оси.
Если ситуация изменится и знание открытой информации первого предприятия о втором станет 10%, а второго о первом - 100%, то это приведет к увеличению уровня продаж более информированного предприятия (рис. 2) [3].
Рис. 2. Графики увеличения уровня продаж у более информированного предприятия (верхний график)
Если в результате инсайдерских (или других) действий одно предприятие получит 50% конфиденциальной информации, а второе не будет иметь к ней доступа при равном количестве повседневной информации друг о друге, то это приведет к уменьшению уровня продаж предприятия, не имеющего такой информации (рис. 3) [3].
Рис. 3. Уменьшение уровня продаж предприятия (нижний график), не обладающего конфиденциальной информацией
Предположим, что оба предприятия имеют одинаковый уровень (60%) информированности о повседневной и конфиденциальной информации. Тогда графики продаж становятся резко нелинейными, что в определенный момент времени приводит к нарушению рабочего цикла одного из них (рис. 4) [3].
Рис. 4. Резкий колебательный характер графиков продаж при нарушении предела степени владения конфиденциальной информацией
Перебор значений коэффициентов для исследования разных вариантов степени информированности предприятий позволил определить оптимальные значения показателя информированности для двух видов информации, при которых характер колебаний продаж становится относительно стабильным. Оказалось, что для большинства пар рассматриваемых предприятий стабильный характер флуктуаций продаж достигается при несимметричном характере информированности предприятий друг о друге. В частности, для одного предприятия владение должно быть: повседневной информацией на уровне 100% и конфиденциальной информацией о предприятии - 40%. Для другого предприятия - соответственно 50% повседневной информацией и 30% конфиденциальной. При таком соотношении в модели были получены стабильные результаты динамики продаж при меньшей амплитуде продаж для второго предприятия (рис. 5) [3].
Рис. 5. Достижение стабильного характера флуктуаций продаж конкурирующих предприятий
Данное исследование позволило разработать ряд рекомендаций для подсистемы принятия решений для управления конкурентоспособностью путем изменения степени взаимной информированности предприятий.
Выводы
Рассмотрены методические и практические аспекты разработки и применения математического, информационного и программного обеспечения инструментальных средств принятия решений для повышения конкурентоспособности предприятий, которые в совокупности представляют собой систему поддержки принятия решений и управления конкурентоспособностью. Комплекс инструментальных средств разрабатывается на основе клиент-серверной архитектуры, где в качестве серверной платформы выбран сервер приложений JBoss Application.
1. Для синтеза математической модели, алгоритмизации процесса моделирования, программирования, отладки программы, выполнения моделирования и прогнозирования, верификации полученных результатов выбрана инструментальная среда прикладного пакета «Математика 5.1».
2. Разработан и реализован алгоритм работы с инструментальными средствами поддержки принятия решений в процессе управления конкурентоспособностью, который включает решение следующих задач: анализ рыночной ситуации, сбор информации, выбор и анализ данных о конкурентах на основе технологии BigData, отбор конкурентных пар, моделирование и прогноз работы предприятий, анализ, оценка и отбор факторов влияния на конкурентоспособность, синтез сценариев развития предприятия, прогностическое моделирование динамики показателей конкурентоспособности, анализ результатов моделирования, отбор векторов значений факторов для оптимальной стратегии развития, выбор рекомендаций для достижения оптимальных значений показателей конкурентоспособности, синтез правил выбора рекомендаций, предоставление рекомендаций для ЛПР.
3. Разработан и реализован программный инструментарий моделирования конкурентных взаимодействий предприятий в среде универсального прикладного пакета «Математика 5.1» и прогнозирования показателей конкурентоспособности предприятий в процессе бенчмаркинга в зависимости от различных сценариев и векторов факторов влияния. В качестве математического обеспечения СППРиУК выбрано множество модификаций осциллятора Ван дер Поля.
4. Проведены экспериментальные исследования математической модели с помощью разработанных инструментальных программных средств в среде "Mathematica 5.1" для различных сценариев взаимодействия конкурентной пары предприятий в организационном рыночном поле с целью синтеза и оценки механизмов управления конкурентоспособностью. Синтез моделей, программ, моделирование и прогнозирование выполнены для изменения степени информированности предприятий о деятельности друг друга.
1. Федулов А.А., Федулов Ю.Г., Цыгичко В.Н. Введение в теорию статистически ненадежных решений. – М.: Статистика, 1979. – 340с.
2. Лаптырев Д.А. Система управления финансовыми ресурсами банка: Процессы - задачи - модели - методы. – М.: БДЦ-пресс, 2005. – 230с.
3. Березин. А.А. Инновационно-инструментальный механизм повышения конкурентоспособности. Математическая модель конкурентоспособности. [Книга]/ А.А. Березин // LAP LAMBERT Academic Publishing. ISBN: 978-3-659-66687-2. 2015.
