Любая управленческая деятельность в определенной мере имеет рисковый характер. Это обусловлено многофакторной динамикой управления и его внешнего окружения, а также ролью человеческого фактора в процессе воздействия.
Понятие «риск» имеет многосложную природу, выявить которую реально лишь во взаимосвязи с такими понятиями, как «неопределенность», «вероятность», «условия риска» и др.
В то же время проблема рисков еще изучена слабо, особенно применительно к уровню производственного предприятия.
Риски имеют различное значение для предприятия, от несущественного до полного изменения его статуса. Эти обстоятельства требуют, чтобы риски тщательно прогнозировались и, по возможности, их отрицательные последствия минимизировались.
Поэтому управление риском является одним из наиболее важных элементов управления предприятием, функции управления риском призваны повышать экономическую эффективность деятельности предприятия в условиях изменяющегося состояния бизнес-среды.
Система управления проектными рисками должна учитывать полный комплекс «угроз», которые могут повлиять на достижение поставленной предприятием цели/целей.
Функционально система управления проектными рисками должна быть
универсальным инструментом как для контроля за текущей финансово-хозяйственной деятельностью предприятия, так и для составления прогноза развития предприятия в пределах различных временных интервалов.
Для осуществления своих функций такая система управления рисками должна оценивать риск количественно.
Для количественной оценки риска предлагается использовать подход XOI (exposure, occurrence, impact или угроза, вероятность, последствия)[1].
В данном случае угроза есть не что иное, как количество объектов, подверженных риску в заданном временном интервале; вероятность есть оценка вероятности происхождения заданного события в заданный промежуток времени;
последствия представляют собой оценку потерь в результате реализации заданного события.
Количественная оценка проектного риска происходит в три этапа:
- Разработка модели угроз;
- Разработка модели вероятностей возникновения угроз;
- Разработка модели последствий угроз, т. е последствий их реализации.
Процесс разработки данных моделей происходит почти одинаково и состоит в выделении случайных величин, влияющих соответственно на угрозу/вероятность/последствие, определение распределений этих случайных величин, расчет условных вероятностей.
В результате разработки моделей для каждой из них будут построены диаграммы воздействия. Далее производится объединение диаграмм воздействия в общую диаграмму воздействия, включающую все три модели (рисунок 1).
Рисунок 1 – Диаграмма воздействия
Кроме непосредственно этих трех моделей на общую диаграмму могут включаться действия по уменьшению риска (лекции по безопасности, дополнительные средства защиты от опасностей и т.д.), а так же решения по переносу рисков на третью сторону, в общем случае это страхование. Тогда затраты на перенос рисков будут равны стоимости страховых взносов за выбранный промежуток времени. При оценке множества рисков диаграммы каждого из рисков объединяются в одну общую «глобальную» диаграмму управления рисками. В результате на полученной Байесовской сети производится вывод и получение распределений всех необходимых переменных. Оценка распределений случайных величин и условных вероятностей производиться, как правило, тремя способами:
- Эмпирическая оценка;
- Теоретическая оценка;
- Экспертная оценка.
Эмпирическая оценка представляет собой частоту появления какого-либо события и может быть рассчитана на основе уже имеющихся данных предприятия (исторических) о появлении этого события.
Теоретическая оценка берется из внешних данных о происхождении данного события (например, данные государственной статистики).
Экспертная оценка состоит в выяснении вероятности возникновения события по средствам опроса экспертов.
Для окончательной количественной оценки рисков необходимо воспользоваться методом Монте-Карло и смоделировать множество сценариев[1,2,3].
В результате получим распределение искомой случайной величины (в общем случае доход), сможем оценить математическое ожидание, среднеквадратическое отклонение и дисперсию на основании закона больших чисел.
Очевидно, что результатом разработки станет интегрированная экспертная система[4], основанная на знаниях. Знания могут представлять собой диаграммы взаимодействий, соответственно наиболее подходящей моделью знаний является сетевая модель. Поскольку в процессе разработки диаграмм воздействия требуется множество данных (возможно из разнородных источников данных) то удобнее всего использовать в качестве представления знаний языки OWL/RDF[5] (см. рисунок 2) для объединения данных. Для осуществления же длительных вычислительных операций (например, при работе с БД) может использоваться подход, основанный на интеллектуальных агентах[6], а конкретно с использованием платформы JADE и спецификации FIPA[7]. А поскольку вышеперечисленные технологии (интеллектуальные агенты, онтологии) являются лучше всего разработанными под платформу Java, то и для разработки экспертной системы предлагается использовать этот язык программирования.
Рисунок 2 – Использование OWL/RDF для объединения различных источников данных
Библиографический список
- Condamin, L. Risk Quantification: Management, Diagnosis and Hedging/ L. Condamin, J. Louisot, P. Naim. – England.: John Wiley & Sons, Ltd, 2006. – 288 p.
- Vose, D. Risk Analysis: A quantitative guide/D. Vose. – England.: John Wiley & Sons, Ltd, 2008. – 729 p.
- Mun, J. Modeling Risk: Applying Monte Carlo Simulation, Real Options Analysis, Forecasting and Optimization Techniques/J. Mun. – Hoboken.: John Wiley & Sons, Ltd, 2006. – 623 p.
- Джарратано, Д. Экспертные системы: принципы разработки и программирование/Д. Джарратано, Г. Райли. – 4-е издание. Пер. с англ. – М.: ООО “И.Д. Вильямс”, 2007. – 1152 с. :ил. – Парал. Тит. англ.
- Hebeler, J. Semantic Web Programming/J. Hebeler, M. Fisher, R. Blace. – USA.: Wiley Publishing, 2009. – 650 p.
- Рассел, С. Искусственный интеллект: современный подход/ C. Рассел, П. Норвиг. – 2-е изд..: Пер. с англ. Издательский дом “Вильямc”, 2006. — 1408 с.: ил. — Парал. тит. англ.
- Fabio, B. Developing Multi-Agent Systems with JADE /B. Fabio, C. Giovanni, G. Dominic. – UK.: Wiley Publishing, 2007. – 303 p.
Количество просмотров публикации: Please wait