Экономические события последнего времени: рост конкуренции в сфере образования, последствия мирового экономического кризиса для социальной сферы в настоящее время требуют внедрения новых технологий в современных образовательных учреждениях, в том числе и технологий управления.
Одним из наиболее эффективных методов управления, являющимся инструментом конкретизации, представления и реализации стратегии ВУЗа, является система сбалансированных показателей (ССП). Эффективность данного метода заключается в том, что применение ССП возможно и в случаях, когда стратегия организации сформулирована расплывчато и носит политическую окраску, что часто встречается в некоммерческих организациях.
Концепция сбалансированной системы показателей разработана в 90-е гг. прошлого века Р. Капланом и Д. Нортоном. В настоящее время она широко используется американскими, европейскими предприятиями и организациями и только начинает внедряться в российскую практику.
В основе ССП лежат так называемые «ключевые показатели эффективности». Главное отличие сбалансированной системы показателей эффективности от произвольного набора показателей заключается в том, что все показатели, входящие в сбалансированную систему, во-первых, ориентированы на стратегические цели предприятия и, во-вторых, взаимосвязаны и сгруппированы по определенным признакам. В классическом варианте «ключевые показатели эффективности» должны отражать стратегически важные аспекты предприятия: «Финансы», «Клиенты», «Внутренние бизнес процессы» и «Обучение и рост».[1]
При создании ССП для организации сначала необходимо сформулировать основные цели организации, исходя из накопленного опыта и руководствуясь оценками экспертов. Затем формулируются функциональные цели, достижение которых необходимо для реализации основных целей. Когда установлены функциональные цели, можно перейти к разработке основных показателей. Показатели сбалансированной системы должны представлять собой критические факторы, от которых зависит достижение целей организации, функциональных и основных. Так, к примеру, цели организации «Повышение квалификации персонала» соответствует показатель «Доля докторов и кандидатов наук в общей численности профессорско-преподавательского состава», цели «Развитие материально-технической базы» показатели «Доля расходов на приобретение и модернизацию оборудования в общем объеме внебюджетных средств» и «Фондовооруженность труда».
Когда система показателей разработана и введена в эксплуатацию, перед лицом, принимающим решение, встает задача принятия правильного решения, исходя из соотношения совокупности полученных показателей. Для получения существенных выводов о поведении сложной системы необходимо отказаться от высоких стандартов точности и строгости, которые характерны для сравнительно простых систем, и привлекать к ее анализу подходы, которые являются более приближенными по своей природе.
Для решения этой проблемы можно применить аппарат нечеткой логики. Нечеткая логика основана на использовании таких оборотов естественного языка, как «далеко», «близко», «холодно», «горячо». Диапазон ее применения очень широк – от бытовых приборов до управления сложными промышленными процессами.
Относительно несложная математическая модель нечеткой логики, а также наличие доступных средств программного обеспечения делают возможным создание экспертных систем на основе методологии ССП для комплексной оценки функционирования организаций любого уровня.
В общем случае механизм логического вывода включает четыре этапа: введение нечеткости - фазификация, нечеткий вывод, композиция и приведение к четкости, или дефазификация.
Рисунок 1. Система нечеткого логического вывода[2]
К примеру, организация поставила перед собой цель повышения уровня квалификации персонала. Для начала необходимо оценить уровень квалификации персонала на настоящий момент. Проблема будет заключаться в том, как получить качественные показатели («Высокий», «Средний», «Низкий», «Очень низкий» и пр.) из количественных показателей ССП.
Основными понятиями нечеткой логики являются лингвистическая переменная, функция принадлежности и нечеткий вывод.
Значения лингвистической переменной в нечеткой логике представляют собой слова естественного языка. Так, например, переменная «Доля расходов на приобретение и модернизацию оборудования в общем объеме внебюджетных средств» может здесь принимать значения «Высокая», «Низкая» и пр. При этом переменная «Доля расходов на приобретение и модернизацию оборудования в общем объеме внебюджетных средств» имеет точные количественные характеристики в ССП.
Нечеткое множество характеризуется функцией принадлежности. Функция принадлежности MFy(x) ставит в соответствие каждому х из множества Х число из интервала [0,1], характеризующее степень принадлежности значения показателя к подмножеству эффективных значений.
Тогда нечетким множеством X будет называться множество упорядоченных пар вида:
Y={MFy(x)/x}, MFy(x) ? [0,1].
Во многих практических ситуациях функция принадлежности должна быть оценена исходя из частичной информации о ней. То есть при задании функции принадлежности показателей к нечеткому множеству необходимо заранее определить какие значения будет принимать новая функция на конечном множестве опорных точек х1,…,хn.
Рассмотрим пример с переменной «Доля расходов на приобретение и модернизацию оборудования в общем объеме внебюджетных средств», формализуя неточное определение “Высокая”. Здесь определяются степени истинности. В качестве области рассуждения Х будет выступать доля расходов от 0 до 100%. Нужно решить, какая доля будет являться «высокой» и какова степень принадлежности от 0 до 1. Нечеткое множество будет выглядеть следующим образом:
Y={0/0; 0/2; 0/4; 0,15/6; 0,30/8; 0,60/10; 0,80/12; 0,90/14; 0,95/16; 1/18; 1/20}.
Из примера видно, что доля расходов на модернизацию в 14% принадлежит к множеству «Высокая» со степенью принадлежности 0,90.
Принятие решений в нечеткой логике осуществляется при помощи нечетких правил. Каждое нечеткое правило связывает между собой значения лингвистических переменных. Нечеткие правила могут использовать различные логические операции для осуществления нечеткого выбора – основы принятия решений. Нечеткие правила формируют некоторую систему знаний, которая отражает знания экспертов в данной области.
Нечеткое правило логического вывода представляет собой упорядоченную пару (А, В), где А — нечеткое подмножество пространства входных значений X, В — нечеткое подмножество пространства выходных значений Y. В случае определения уровня развития материально-технической базы организации нечеткое правило будет выглядеть так:
Если «Доля расходов на приобретение и модернизацию оборудования в общем объеме внебюджетных средств» – «Высокая» И «Фондовооруженность труда» – «Выше Среднего», то «Уровень развития материально-технической базы» – «Средний». Подобные нечеткие правила должны создаваться на основании мнения экспертов, накопленном опыте функционирования организации.
Особенность высказываний вида «если…– то…» состоит в том, что их адекватность не изменяется при незначительных колебаниях условий эксперимента. В результате структурной идентификации мы построим чистую экспертную систему, базирующуюся на знаниях эксперта и выбранных нечетких правилах.[3]
Видно, что путем нечетких расчетов из лингвистических переменных рассчитываются функции принадлежности – нечеткие множества, которые определены на множествах нечетких переменных. Здесь можно пронаблюдать взаимозависимость сбалансированных показателей: без определения рассчитываемых показателей доли расходов на оборудование и фондовооруженности невозможно определить уровень развития материально-технической базы, а соответственно и функциональной цели организации.
Набор таких правил формирует базу правил. В нечеткой управляющей системе, в отличие от традиционной, работают все правила одновременно, но степень их влияния на результат может быть различной.
Результат нечеткого вывода будет нечетким. Для эксперта, который должен представить окончательное числовое выражение, это ничего не значит. Для того чтобы избавиться от неопределенности, производится третий этап операции – дефаззификация. В настоящее время существуют различные методы устранения нечеткости, например метод среднего центра.
Результат, полученный в процессе дефаззификации, будет иметь числовое выражение, что позволит использовать его в дальнейшем в качестве точно выраженного показателя.
Таким образом, аппарат нечеткой логики позволяет формализовать процесс принятия решений при использовании методологии ССП в организациях любого масштаба. Методы применения ССП в ВУЗе в данном случае оказываются аналогичны методам, применяемым в торгово-промышленных организациях.
Сложность структуры объекта анализа, а также расплывчатость сформулированной стратегии организации оправдывает приближенность проводимых операций. Использование нечеткой логики в качестве механизма проведения экспертных оценок в системах, построенных на методологии ССП, является на сегодняшний день эффективным и перспективным.
[1] Коновалова Л.В. Система сбалансированных показателей как инструмент реализации стратегии ВУЗа. Экономические науки №11(60), 2009г. Москва
[2] Н.Паклин Нечеткая логика – математический аппарат. Basegroup Labs: http://www.basegroup.ru
[3] И.В.Вешнева Математические модели в системе управления качеством высшего образования с использованием методов нечеткой логики. – Саратов, 2010