Отправляет email-рассылки с помощью сервиса Sendsay

Эконометрика

  Все выпуски  

Эконометрика - выпуск 1324


"Эконометрика", 1324 выпуск, 8 июня 2026 года.

Электронная газета кафедры "Экономика и организация производства" научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им.Н.Э. Баумана. Выходит с 2000 г.

Здравствуйте, уважаемые подписчики!

*   *   *   *   *   *   *

Познакомьтесь с работой Чернявской А.Ю., Орлова А.А. и Орлова А.И. "Методы активации интуиции для решения задач управления промышленным предприятием".

По мнению директора Института проблем управления РАН академика РАН Дмитрий Александровича Новикова, "вокруг искусственного интеллекта складывается очень тревожная структура знаний и компетенций".

По мнению официального информационного агентства правительства Китайской Народной Республики (КНР) "Синьхуа", искусственный интеллект следует рассматривать как "катализатор" рабочих мест в Китае.

Все вышедшие выпуски доступны в Архиве рассылки по адресу subscribe.ru/catalog/science.humanity.econometrika.

*   *   *   *   *   *   *

УДК 330.46123; JEL Classification: D81

Методы активации интуиции для решения задач управления промышленным предприятием

Чернявская А.Ю. 1, Орлов А.А.2, Орлов А.И. 3

1 студент магистратуры МГТУ им. Н.Э. Баумана, nastya.andreevna.2018@inbox.ru

2 ассистент кафедры "Экономика и организация производства" МГТУ им. Н.Э. Баумана, antorlov-mstu@mail.ru

3 профессор, доктор экономических и технических наук, профессор кафедры "Экономика и организация производства" МГТУ им. Н.Э. Баумана, prof-orlov@mail.ru

Аннотация. Разработана процедура определения и ранжирования ключевых показателей успеха (на примере предприятия "ДС-Групп"). Проведён анализ экспертных мнений специалистов предприятия о значимых конечных точках с использованием коэффициента конкордации Кендалла. Разработан и реализован метод нахождения медианы Кемени, позволяющей определить приоритетные направления развития предприятия. Полученные результаты демонстрируют высокую согласованность экспертных оценок, что свидетельствует о единой корпоративной культуре.

Ключевые слова: производственная система, предприятие, производство, экспертные оценки, интуиция, конечные точки, медиана Кемени, коэффициент конкордации Кендалла.

Methods of intuition activation for solving problems of industrial enterprise management

Anastasia Chernyavskaya1, Anton Orlov, Alexander Orlov3

1 graduate student of Bauman Moscow State Technical University, nastya.andreevna.2018@inbox.ru

2 assistant of the Department of Economics and Organization of Production at Bauman Moscow State Technical University, antorlov-mstu@mail.ru

3 Professor, Doctor of Economics and Technical Sciences, Professor of the Department of Economics and Organization of Production at Bauman Moscow State Technical University, prof-orlov@mail.ru

Abstract. A procedure has been developed for determining and ranking key success indicators (using the example of the DS-Group enterprise). The analysis of the expert opinions of the company's specialists on significant endpoints using the Kendall concordance coefficient is carried out. A method for finding the Kemeni median has been developed and implemented, which makes it possible to determine the priority directions of the company's development. The results obtained demonstrate a high consistency of expert estimators, which indicates a unified corporate culture.

Key words: production system, enterprise, production, expert estimation, intuition, endpoints, Kemeny median, Kendall concordance coefficient.

Введение

В современных условиях высокой конкуренции и быстро меняющейся бизнес-среды промышленные предприятия сталкиваются с необходимостью принятия решений в условиях неопределённости и ограниченного времени. В таких ситуациях традиционные аналитические (расчётные) методы не всегда эффективны, что актуализирует поиск альтернативных подходов к управленческим решениям. Всё большее распространение получают экспертные методы сбора и анализа субъективных мнений специалистов, полученных интуитивным путём [1]. Методы принятия решений, основанных на использовании интуиции, проанализированы в [2]. Присущую специалистам интуицию можно и нужно развивать с целью повышения качества применяемых ими управленческих решений. Для этого разработан ряд технологий [3]. Методы сравнения технологий активации интуиции разработаны в [4].

Цель данной статьи - разработать подходы к определению ключевых показателей успеха промышленного предприятия и оценить эффективность методов активации интуиции для повышения результативности их достижения (на примере предприятия "ДС-Групп").

Для достижения цели необходимо решить следующие задачи:

1) разработать методы идентификации и систематизации ключевых показателей успеха (конечных точек) предприятия на основе экспертных оценок;

2) создать систему ранжирования и взвешенной оценки значимости выявленных показателей с применением статистических методов согласования мнений экспертов;

3) разработать методы расчёта медианы Кемени для получения итогового согласованного ранжирования конечных точек;

4) сформировать экспериментальную и контрольную группы сотрудников с использованием подхода стратифицированной рандомизации;

5) разработать и провести программу тренингов по активации интуиции для экспериментальной группы;

6) провести сравнительный анализ изменений в достижении конечных точек между экспериментальной и контрольной группами;

7) выполнить статистическую оценку эффективности применения методов активации интуиции с использованием критерия Вилкоксона проверки однородности двух независимых выборок;

8) предложить практические рекомендации по внедрению эффективных методов активации интуиции в деятельность предприятия "ДС-Групп".

Практическая значимость исследования заключается в эмпирической проверке эффективности методов активации интуиции в корпоративной среде, что вносит вклад в теорию принятия решений и управления персоналом.

Описание предприятия ООО "ДС-Групп"

Вид деятельности - разработка проектной документации для различных новых и модернизируемых систем, поставка, монтаж и наладка оборудования, сборка и программирования систем автоматизации технологического процесса.

Основные цели предприятия: увеличение количества заказов и повышение качества и количества предоставляемых услуг. Задачи предприятия: увеличение количества специалистов в области АСУТП, снижение издержек, уменьшение количества ошибок среди сотрудников в рабочих процессах.

Среди выполненных предприятием проектов: АСУТП люберецких очистных сооружений, системы промышленных вентиляций на теннисных кортах в Лужниках, АСУТП складов ГХН на западной станции водоподготовки, модернизация АСУТП на восточной станции водоподготовки и др. Ключевым клиентом предприятия ООО "ДС-Групп" является АО "Мосводоканал" - крупнейшая водная компания в России.

Производственные мощности: предприятие располагает собственным производственным участком площадью 850 кв. м., оснащённым современным оборудованием для сборки и программирования систем автоматизации. Производственная мощность составляет до 200 систем автоматизации малых и средних объектов в месяц.

Устойчивое финансовое положение предприятия подтверждается ростом основных экономических показателей: за период 2020-2023 гг. выручка увеличилась на 78%, а численность персонала возросла в 2,1 раза, что свидетельствует об активном развитии компании и расширении сферы деятельности.

Основные цели предприятия: увеличение количества заказов и повышение качества и количества предоставляемых услуг. Задачи предприятия: увеличение количества специалистов в области АСУТП, снижение издержек, уменьшение количества ошибок среди сотрудников в рабочих процессах.

Сценарий сбора и анализа экспертных оценок

Опишем процедуру сбора и анализа экспертных оценок, которая была использована в исследовании. Она включает этапы формирования экспертной комиссии, сбора индивидуальных оценок, их кластеризации и согласования с использованием медианы Кемени.

Для проведения исследования была сформирована экспертная комиссия из сотрудников компании "ДС-Групп". Основные критерии отбора экспертов [1]:

1. Компетентность в области автоматизации технических систем.

2. Опыт работы в компании не менее 3 лет.

3. Представительство различных подразделений компании.

Сбор данных осуществлялся в два этапа:

1. Первичный опрос: экспертам было предложено сформулировать 5-6 ключевых показателей успеха (конечных точек согласно [4]), которые они считают важными для достижения целей предприятия. Ответы собирались в свободной форме.

2. Вторичный опрос: после систематизации ответов экспертов был составлен список из 15 обобщённых конечных точек. Экспертам было предложено ранжировать конечные точки по степени их важности и распределить 100 баллов между конечными точками, отражая их относительную значимость.

Для обработки собранных данных была применена процедура кластеризации, которая включала следующие этапы:

1. Группировка схожих показателей: показатели, имеющие схожий смысл (например, "Финансовое благополучие компании" и "Рентабельность проектов"), были объединены в группы.

2. Определение центроидов кластеров: для каждого кластера был вычислен центр (центроид), представляющий среднее значение всех показателей внутри кластера.

3. Проверка согласованности внутри кластеров: для оценки согласованности мнений экспертов внутри каждого кластера использовались коэффициенты ранговой корреляции Спирмена и Кендалла [5, 6].

В качестве коллективного мнения комиссии экспертов была использована медиана Кемени. Её получают методом агрегирования индивидуальных ранжировок в единую коллективную ранжировку, для которой минимально суммарное расстояние до всех индивидуальных ранжировок [7].

Алгоритм применения медианы Кемени включал следующие этапы:

1. Построение матрицы попарных сравнений для каждого эксперта.

2. Суммирование индивидуальных матриц для получения групповой матрицы предпочтений.

3. Поиск итогового ранжирования, минимизирующего суммарное расстояние до всех индивидуальных ранжировок.

Для расчёта медианы Кемени был использован программный пакет MATLAB R2023b с собственным скриптом, реализующим алгоритм ветвей и границ. Выбор MATLAB обусловлен его эффективными возможностями для работы с матрицами и решения оптимизационных задач, что критически важно при поиске медианы Кемени, поскольку данная задача является NP-трудной.

Выбранная процедура сбора и анализа экспертных оценок обладает следующими преимуществами:

1. Гибкость: позволяет учитывать широкий спектр мнений экспертов.

2. Анонимность: исключает влияние авторитетных мнений на результаты.

3. Структурированность: использование кластеризации и медианы Кемени обеспечивает объективность итоговых результатов.

4. Простота интерпретации: Итоговое ранжирование легко интерпретируется руководством компании для принятия решений.

Процедура исследования

В данном разделе представлена процедура исследования результативности методов активации интуиции (для решения задач предприятия "ДС-Групп"). Она включает формирование выборки, определение конечных точек, их ранжирование и взвешивание, а также описание проведённых тренингов.

Формирование выборки. Целью формирования выборки является обеспечение репрезентативности данных для оценки эффективности методов активации интуиции [4]. Выборка должна включать сотрудников компании "ДС-Групп", представляющих различные категории специалистов, чтобы результаты исследования можно было обобщить на всю организацию.

Для проведения исследования была сформирована выборка из сотрудников компании "ДС-Групп" со следующими характеристиками:

1. Целевая аудитория: сотрудники компании "ДС-Групп", работающие в различных подразделениях (инженеры, руководители проектов, технические специалисты).

2. Размер выборки: 20 человек, разделённых на две группы:

∙Экспериментальная группа (10 человек): участвует в тренингах по активации интуиции.

∙Контрольная группа (10 человек): не участвует в тренингах, продолжает работать в обычных условиях.

Тип исследования: рандомизированное контролируемое испытание с экспериментальной и контрольной группами.

Для формирования выборки была использована стратифицированная рандомизация с блоковым методом:

1. Стратификация по ключевым параметрам.

Каждый сотрудник был классифицирован по следующим характеристикам:

∙Пол (мужской/женский).

∙Возраст (до 30 лет / 30-45 лет / старше 45 лет).

∙Должностной уровень (руководители / специалисты / технический персонал).

∙Стаж работы в компании (до 3 лет / более 3 лет).

∙Образование (высшее техническое / высшее гуманитарное / среднее специальное).

2. Процедура блоковой рандомизации.

Участники были разделены на блоки по 4 человека. Это позволяет обеспечить равномерное распределение характеристик между экспериментальной и контрольной группами.

В каждом блоке использовался генератор случайных чисел для распределения участников: AABB или ABBA (где A - экспериментальная группа, B - контрольная группа). Следует пояснить, что последовательности AABB и ABBA были выбраны намеренно, поскольку они обеспечивают сбалансированную блочную рандомизацию, которая имеет ряд преимуществ:

∙Снижение временных эффектов: последовательности AABB и ABBA обеспечивают равномерное распределение экспериментальных и контрольных условий во времени, что минимизирует влияние временных трендов.

∙Контроль эффекта переноса: при использовании последовательности ABBA (в отличие от BABA) обеспечивается симметричный дизайн, что позволяет лучше контролировать эффекты переноса между условиями.

Последовательности типа BABA не использовались, поскольку они могут создавать систематическую погрешность из-за частой смены условий эксперимента, что потенциально увеличивает эффект интерференции между экспериментальными воздействиями.

После завершения рандомизации была проведена проверка сбалансированности групп по ключевым параметрам, т.е. сравнение распределения пола, возраста, должностей и стажа между группами. Установлено, что статистически значимых различий между группами нет.

Обоснование выбора метода:

1. Репрезентативность: Стратификация позволяет учитывать разнообразие характеристик сотрудников и минимизировать влияние случайных факторов.

2. Сравнимость групп: Рандомизация обеспечивает сопоставимость экспериментальной и контрольной групп.

3. Эффективность: Блоковый метод упрощает процесс распределения участников и гарантирует равномерное представительство.

Формирование выборки было проведено с соблюдением всех требований к научным исследованиям [1]. Полученные группы обеспечивают возможность объективного сравнения результатов между участниками тренингов и сотрудниками, работающими в обычных условиях.

Определение конечных точек. Конечные точки (endpoints) - это измеримые критерии успеха, используемые для оценки эффективности методов активации интуиции. Процедура их определения включала три этапа, которые рассмотрены далее.

1. Первичный опрос экспертов.

Цель: выявление индивидуальных показателей успеха, значимых для сотрудников предприятия.

Метод: анкетирование 20 экспертов (руководителей, инженеров, техников) с открытыми вопросами.

Для определения конечных точек был проведён первичный опрос всех участников исследования, который включал следующие этапы:

1.1. Каждому участнику было предложено сформулировать 5-6 конкретных показателей, достижений или ситуаций, которые он считает успехом в контексте работы компании.

1.2. Для каждого из указанных показателей участники оценивали его важность по 10-балльной шкале (где 1 - совсем не важен, 10 - крайне важен).

1.3. Также участники указывали факторы, которые, по их мнению, мешают достижению указанных показателей успеха.

Примеры ответов участников приведены в табл.1.

Таблица 1. Ответы участников (примеры)

No. п/п

Профиль

Показатели успеха

Оценка важности (по 10-бальной шкале)

1

мужчина, 42 года, высшее техническое образование, руководитель отдела разработки, стаж работы в компании 7 лет

1) Выполнение проектов в срок без срывов дедлайнов

2) Отсутствие рекламаций от клиентов по реализованным проектам

3) Увеличение прибыли компании минимум на 15% в год

4) Получение патентов на разработанные системы автоматизации

5) Снижение зависимости от импортных комплектующих на 30%

6) Формирование команды высококвалифицированных специалистов

1) Выполнение проектов в срок - 9

2) Отсутствие рекламаций - 8

3) Увеличение прибыли - 10

4) Получение патентов - 7

5) Снижение зависимости от импорта - 9

6) Формирование команды - 8

2

женщина, 38 лет, высшее экономическое образование, финансовый директор, стаж работы в компании 5 лет

1) Рост чистой прибыли компании на 20% за год

2) Снижение операционных расходов на 10%

3) Привлечение крупных клиентов с долгосрочными контрактами

4) Отсутствие претензий со стороны налоговых органов

5) Повышение рентабельности проектов на 15%

1) Рост прибыли - 10

2) Снижение расходов - 9

3) Привлечение клиентов - 8

4) Отсутствие претензий от налоговой - 10

5) Повышение рентабельности - 9

2 Систематизация ответов на основе применения алгоритма группировки схожих по смыслу ответов:

2.1. Сбор 112 индивидуальных показателей от экспертов.

2.2. Объединение в смысловые группы (кластеры) методом иерархической кластеризации:

В качестве расстояния между кластерами использовался коэффициент сходства Жаккара. Это расстояние между множествами выведено из некоторой системы аксиом в статье [8] (см. также [9, разд. 1.8]). Затем проводилась визуализация дендрограммы для определения оптимального числа кластеров.

Результат: выделено 15 обобщённых конечных точек, представленных в табл. 2.

Таблица 2. Систематизация конечных точек

No.

Обобщённые конечные точки (показатели успеха)

1

Финансовое благополучие компании (рост прибыли, увеличение объема продаж, снижение расходов)

2

Технологическое лидерство (создание инновационных решений, превосходящих импортные аналоги)

3

Качество и надёжность продукции (минимум рекламаций, соответствие стандартам)

4

Профессиональное развитие сотрудников (обучение, освоение новых технологий)

5

Комфортные условия труда (гибкий график, возможность удаленной работы)

6

Достойная оплата труда (конкурентоспособная зарплата, премии за успешные проекты)

7

Благоприятный психологический климат в коллективе

8

Отсутствие претензий со стороны контролирующих органов

9

Расширение клиентской базы и выход на новые рынки

10

Оптимизация производственных и бизнес-процессов

11

Карьерный рост и возможность влиять на принимаемые решения

12

Баланс между работой и личной жизнью

13

Признание достижений компании профессиональным сообществом

14

Информационная безопасность и стабильность ИТ-инфраструктуры

15

Снижение зависимости от импортных комплектующих

Формирование матрицы значимости. После кластеризации индивидуальных показателей успеха, предложенных экспертами, формируется матрица значимости - инструмент количественной оценки важности конечных точек.

Этап 1: сбор исходных данных. Процедура включает:

1. Фиксацию частоты упоминаний каждого показателя: для каждой конечной точки подсчитывается, сколько экспертов включили её в свой список.

2. Расчёт средней оценки важности по 10-бальной шкале: для каждого показателя вычисляется среднее арифметическое оценок, данных экспертами.

Этап 2: расчёт индекса важности (значимости). Индекс важности i-й конечной точки равен числу упоминаний этой точки, умноженному на среднюю арифметическую оценок важности и делённому на число экспертов. Число упоминаний точки - это количество экспертов, назвавших эту точку. Общее число экспертов - 20 человек. Результаты приведены в табл. 3.

На основе ранжирования выделяются три категории конечных точек:

∙Высокий индекс важности (>5,0): критические показатели, требующие приоритетного внимания.

∙Средний индекс важности (2,0-5,0): значимые, но не первостепенные показатели.

∙Низкий индекс важности (<2,0): показатели с относительно низкой значимостью.

Анализ матрицы значимости показывает четкую дифференциацию конечных точек по их важности для предприятия "ДС-ГРУПП":

1. Ключевые приоритеты (индекс > 5,0):

∙Финансовое благополучие компании (8,25)

∙Технологическое лидерство (6,85)

∙Качество и надежность продукции (6,45)

∙Профессиональное развитие сотрудников (5,40)

2. Вторичные приоритеты (индекс 2,0-5,0):

∙Оптимизация производственных процессов (3,95)

∙Расширение клиентской базы (3,80)

∙Информационная безопасность (3,80)

∙Комфортные условия труда (2,60)

∙Достойная оплата труда (2,55)

3. Дополнительные факторы (индекс < 2,0):

∙Благоприятный психологический климат (1,95)

∙Карьерный рост (1,85)

∙Снижение зависимости от импорта (1,75)

∙Отсутствие претензий от контролирующих органов (1,45)

∙Баланс работа-личная жизнь (1,30)

∙Признание профессиональным сообществом (1,05)

Такое ранжирование имеет практическую ценность для руководства компании при распределении ресурсов и разработке стратегических программ развития, позволяя сосредоточиться на наиболее значимых для сотрудников аспектах деятельности.

Таблица 3. Индексы важности (значимости) конечных точек

Ранг

Конечная точка

Число упоминаний

Средняя оценка

Индекс важности

1

Финансовое благополучие компании

18

9,17

8,25

2

Технологическое лидерство

15

9,13

6,85

3

Качество и надежность продукции

14

9,21

6,45

4

Профессиональное развитие сотрудников

12

9,00

5,40

5

Оптимизация производственных и бизнес-процессов

10

7,90

3,95

6

Расширение клиентской базы и выход на новые рынки

9

8,44

3,80

7

Информационная безопасность и стабильность ИТ-инфраструктуры

8

9,50

3,80

8

Комфортные условия труда

7

7,43

2,60

9

Достойная оплата труда

6

8,50

2,55

10

Благоприятный психологический климат

5

7,80

1,95

11

Карьерный рост и возможность влиять на принимаемые решения

5

7,40

1,85

12

Снижение зависимости от импортных комплектующих

4

8,75

1,75

13

Отсутствие претензий со стороны контролирующих органов

3

9,67

1,45

14

Баланс между работой и личной жизнью

4

6,50

1,30

15

Признание достижений компании профессиональным сообществом

3

7,00

1,05

Ранжирование и взвешивание конечных точек. Для определения относительной значимости выявленных конечных точек предприятия "ДС-Групп" был проведён вторичный опрос экспертов. Экспертам (n = 20) было предложено выполнить две задачи:

1. Ранжирование - расположить 15 конечных точек в порядке их важности от 1 (наиболее важная) до 15 (наименее важная).

2. Распределение баллов - распределить 100 баллов между всеми конечными точками пропорционально их значимости для предприятия.

Данный подход позволяет получить как порядковые данные (ранги), так и метрические (баллы), что обеспечивает более точную оценку относительной важности показателей.

Для проведения опроса была разработана специальная анкета, включающая полный список из 15 конечных точек с описаниями; столбец для указания ранга (от 1 до 15), столбец для распределения баллов (в сумме 100). Для экспертов была составлена инструкция по заполнению анкет.

Для определения степени согласованности мнений экспертов был рассчитан коэффициент конкордации Кендалла [5, 6]. Коэффициент конкордации оказался равным 0,9311.

Для проверки статистической значимости коэффициента конкордации используется критерий хи-квадрат (χ²). Для полученных в ходе данного исследования данных χ² = 260.4.

Для определения статистической значимости полученного значения необходимо сравнить его с критическим значением для заданного уровня значимости α = 0.01 и числа степеней свободы: df = 15 - 1 = 14. Для рассматриваемого случая критическое значение равно 29.14 (табличное значение согласно [6]). Так как рассчитанное значение критерия (260.4) значительно превышает критическое значение (29.14), то нулевая гипотеза об отсутствии согласованности мнений экспертов отвергается. Коэффициент конкордации Кендалла W = 0.93 является статистически значимым на уровне α = 0.01.

Интерпретация результатов. Полученный коэффициент конкордации Кендалла W = 0.93 и подтверждение его статистической значимости позволяют сделать ряд важных выводов о согласованности мнений экспертов и надёжности результатов ранжирования. Основные выводы данного раздела таковы.

1. Уровень согласованности: значение W = 0.93 свидетельствует об очень высокой согласованности мнений экспертов предприятия "ДС-Групп" относительно важности различных конечных точек (согласно шкале Чеддока [10]).

2. Достоверность ранжирования: высокий коэффициент конкордации указывает на то, что полученное ранжирование конечных точек отражает коллективное мнение экспертов, а не является результатом случайных факторов.

3. Организационная культура: такая высокая согласованность может свидетельствовать о наличии единой корпоративной культуры и общего понимания приоритетов компании среди экспертов.

4. Приоритетные направления: анализ сумм рангов показывает, что эксперты единодушно признают первостепенную важность:

- финансового благополучия компании;

- технологического лидерства;

- качества и надёжности продукции.

Второстепенные направления: с высокой степенью согласованности эксперты относят к наименее важным точкам:

- снижение зависимости от импортных комплектующих;

- признание достижений профессиональным сообществом;

- отсутствие претензий от контролирующих органов.

Практическое значение полученных результатов:

1. Принятие управленческих решений: результаты можно использовать в качестве обоснованной базы для распределения ресурсов, разработки стратегии компании и формирования системы KPI.

2. Планирование развития: компания может сосредоточить усилия на развитии направлений, получивших наивысшие приоритеты, с уверенностью, что эти приоритеты отражают согласованное мнение экспертной группы.

3. Организационные изменения: выявленные приоритеты могут служить основой для реорганизации структуры предприятия и оптимизации бизнес-процессов.

4. Система мотивации: результаты ранжирования можно интегрировать в систему вознаграждения сотрудников, стимулируя достижение целей, признанных наиболее важными.

Ограничения исследования:

1. Изменение приоритетов: следует учитывать, что приоритеты могут изменяться с течением времени, особенно в условиях быстро меняющейся внешней среды.

2. Состав экспертной группы: результаты отражают мнение конкретной группы экспертов и могут отличаться при изменении состава экспертной комиссии.

Полученное значение коэффициента конкордации W = 0.93 согласно шкале оценки корреляционных связей характеризует очень высокую согласованность мнений экспертов [10]. Это делает их ценным инструментом для стратегического планирования деятельности предприятия "ДС-Групп".

Нахождение медианы Кемени

После подтверждения высокой согласованности мнений экспертов был произведён расчёт медианы Кемени для определения итогового ранжирования конечных точек.

Поскольку задача нахождения медианы Кемени является NP-трудной, для ее решения был использован алгоритм ветвей и границ, реализованный в программном пакете MATLAB R2023b. Программа последовательно строила возможные ранжирования и отсекала неперспективные ветви, если их штраф (расстояние) превышал уже найденное лучшее решение.

В процессе решения задачи алгоритм исследовал 42 810 807 возможных частичных ранжировок. Из них только 51 были доведены до полных перестановок. Время выполнения расчётов составило 311,15 секунд (около 5.2 минут). Эффективность алгоритма подтверждается тем, что из 15! ≈ 1.3 триллиона возможных перестановок, алгоритм проверил полностью только 51, что стало возможным благодаря эффективному механизму отсечения неперспективных ветвей.

В результате была найдена медиана Кемени. Полученная ранжировка конечных точек (итоговое мнение комиссии экспертов) представлена в табл. 7.

Медиана Кемени - одно из центральных понятий нечисловой статистики (статистики объектов нечисловой природы, статистики нечисловых данных) [9] и современной теории экспертных оценок [1]. Разработанный в ходе описанного в статье исследования алгоритм нахождения медианы Кемени может найти широкое применение в научных и прикладных исследованиях, а также использоваться в учебном процессе.

Таблица 4. Итоговое ранжирование конечных точек методом медианы Кемени

Ранг

Конечная точка

1

Финансовое благополучие компании

2

Технологическое лидерство

3

Качество и надежность продукции

4

Профессиональное развитие сотрудников

5

Расширение клиентской базы

6

Оптимизация производственных процессов

7

Достойная оплата труда

8

Комфортные условия труда

9

Информационная безопасность

10

Карьерный рост

11

Психологический климат в коллективе

12

Баланс работа-личная жизнь

13

Отсутствие претензий от контролирующих органов

14

Признание достижений профессиональным сообществом

15

Снижение зависимости от импортных комплектующих

Анализ полученного ранжирования позволяет сделать следующие выводы:

1. Приоритетные направления: Полученный порядок подтверждает выявленные ранее приоритеты компании. Финансовое благополучие, технологическое лидерство, качество продукции и профессиональное развитие сотрудников занимают первые четыре позиции, что согласуется с ранее рассчитанным коэффициентом конкордации Кендалла.

2. Средний приоритет: Конечные точки со средним приоритетом (ранги 5-9) включают расширение клиентской базы, оптимизацию процессов, условия труда и информационную безопасность, что отражает тактические цели предприятия.

3. Низший приоритет: наименее важными признаны конечные точки, связанные с внешним признанием (ранг 14) и импортозамещением (ранг 15). Это что может указывать на более практический, ориентированный на внутренние потребности подход компании ДС-Групп.

4. Согласованность с ранее полученными результатами: Высокое значение коэффициента конкордации Кендалла (W = 0.93) нашло отражение в чёткой структуре итогового ранжирования без существенных противоречий между различными методами оценки.

Полученное ранжирование представляет собой надёжную основу для установления весовых коэффициентов значимости конечных точек, которые могут быть использованы при разработке системы комплексной оценки эффективности деятельности предприятия "ДС-Групп".

Выводы

В ходе выполнения данной научно-исследовательской работы, продолжающей исследование [11], была разработана и частично реализована процедура исследования эффективности интуитивных методов принятия решений в корпоративной среде.

Основные результаты исследования:

1. Разработан комплексный метод экспертного оценивания. Создана система сбора и анализа экспертных мнений, включающая формирование репрезентативной выборки из сотрудников предприятия с использованием стратифицированной рандомизации и блокового метода распределения на экспериментальную и контрольную группы.

2. Идентифицированы ключевые показатели успеха предприятия. На основе первичного опроса экспертов выявлены и систематизированы 15 обобщённых конечных точек, отражающих приоритеты развития компании "ДС-Групп". Сформирована матрица значимости с расчётом интегральных индексов важности для каждого показателя.

3. Получено согласованное ранжирование приоритетов (конечных точек). Применение коэффициента конкордации Кендалла продемонстрировало очень высокую согласованность экспертных мнений (W = 0,93), что свидетельствует о единой корпоративной культуре и общем понимании стратегических целей предприятия.

4. Предложен метод нахождения Кемени. Разработан и программно реализован в MATLAB R2023b алгоритм поиска медианы Кемени с использованием метода ветвей и границ. Получено оптимальное итоговое ранжирование конечных точек с минимальным суммарным расстоянием до всех индивидуальных экспертных оценок.

5. Выявлены приоритетные направления развития компании "ДС-Групп". Установлено, что ключевыми приоритетами предприятия являются: финансовое благополучие компании, технологическое лидерство, качество и надёжность продукции, профессиональное развитие сотрудников.

Научная и практическая значимость: разработанная процедура определения и ранжирования ключевых показателей успеха может быть адаптирована и применена на других предприятиях технического профиля. Высокий коэффициент конкордации подтверждает надёжность полученных результатов и их пригодность для стратегического планирования.

Полученное ранжирование представляет собой обоснованную основу для распределения ресурсов, разработки системы KPI и формирования программ развития предприятия "ДС-Групп".

Ограничения и направления дальнейших исследований: данное исследование ограничивается этапом определения и ранжирования конечных точек. Для полной реализации поставленной цели необходимо:

1. Провести серию тренингов по активации интуиции для экспериментальной группы с применением методов синектики, ТРИЗ и деятельностных игр.

2. Осуществить повторную оценку достижения конечных точек участниками обеих групп после завершения тренингов.

3. Выполнить статистический анализ различий между экспериментальной и контрольной группами с применением критерия Вилкоксона.

4. Провести взвешенный анализ результатов с учётом установленной значимости конечных точек.

5. Сформулировать практические рекомендации по внедрению методов активации интуиции в деятельность предприятия.

Выполненная часть исследования создаёт надёжную методологическую основу для завершения экспериментальной работы и получения окончательных выводов об эффективности методов активации интуиции в корпоративной среде (на примере предприятия "ДС-Групп").

Литература

1. Орлов А.И. Организационно-экономическое моделирование: учебник: в 3 частях. Часть 2: Экспертные оценки. М.: Изд-во МГТУ им. Н. Э. Баумана, 2011. 486 с.

2. Орлов А.И., Орлов А.А. О методах принятия решений, основанных на использовании интуиции // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2022. No. 179. С. 178-196.

3. Орлов А.А., Орлов А.И. Методы развития интуиции для принятия управленческих решений // Инновации в менеджменте. 2022. No. 2 (32). С. 40-47.

4. Орлов А.А. Методы сравнения технологий активации интуиции в принятии управленческих решений // Инновации в менеджменте. 2023. No. 1(35). С. 22-30.

5. Кендэл М. Ранговые корреляции. М.: Статистика, 1975. 216 с.

6. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. Изд. 3-е. М.: Наука, 1983. 417 с.

7. Кемени Дж., Снелл Дж.Л. Кибернетическое моделирование: некоторые приложения. М.:Советское радио, 1972. 192 с.

8. Орлов А.И., Раушенбах Г.В. Метрика подобия: аксиоматическое введение, асимптотическая нормальность // Статистические методы оценивания и проверки гипотез. Межвузовский сборник научных трудов. - Пермь: Изд-во Пермского государственного университета, 1986. С. 148-157.

9. Орлов А.И. Искусственный интеллект: нечисловая статистика. М.: Ай Пи Ар Медиа, 2022. 446 c.

10. Орлов А.А., Орлов А.И. Коэффициенты корреляции: шкала Чеддока и значимость // Контроллинг. 2024. No.4(94). С. 28-37..

11. Орлов А.И., Чернявская А.Ю. Методы идентификации и ранжирования ключевых показателей успеха предприятия (на примере "ДС-Групп") // Контроллинг в экономике, организации производства и управлении: сборник научных трудов XIV международного конгресса по контроллингу (Коломна, 24 мая 2025 г.). М.: НП "Объединение контроллеров", 2025. С.148-154.

Публикация:

1323. Чернявская А.Ю., Орлов А.А., Орлов А.И. Методы активации интуиции для решения задач управления промышленным предприятием // Пятнадцатые Чарновские Чтения. Сборник трудов XV Всероссийской научной конференции по организации производства. Москва, 5 декабря 2025 г. - М.: МГТУ им. Н. Э. Баумана, НП "Объединение контроллеров", 2025. - С. 642- 655.

*   *   *   *   *   *   *

Вокруг искусственного интеллекта складывается очень тревожная структура знаний и компетенций, - академик Новиков

Директор Института проблем управления РАН академик РАН Дмитрий Новиков рассказал, почему искусственные нейронные сети не используются в системах управления критически важными объектами и в чем состоит главная опасность нездорового ажиотажа вокруг искусственного интеллекта.

В последнее время звучит все больше разговоров о важности технологий искусственного интеллекта. Его применение считают чуть ли не главным трендом развития человечества. Интересно ваше мнение по этому вопросу как руководителя головной научной организации по системам управления. Когда искусственный интеллект станет управлять у нас всем?

Начнем с последнего вопроса - никогда в обозримом будущем. Я считаю, что искусственный интеллект является очень вредным термином, потому что для обывателей он создает иллюзию действительно чего-то сравнимого с человеком. Определений искусственного интеллекта есть тысячи, но, если взять какой-нибудь нормативный документ нашего правительства, программу по развитию искусственного интеллекта, то там будет сказано, что искусственный интеллект - это нечто, имитирующее деятельность человека. Определение очень туманное, и нет четких границ, что относить к искусственному интеллекту.

А что такое искусственный интеллект, по-вашему?

Можно сказать, что с точки зрения теории управления - это раздел математики. Традиционно есть несколько областей науки, как правило - методов прикладной математики, которые считают относящимися к искусственному интеллекту. Они возникли в разное время, и некоторые из них появились еще до 1956 года, когда этот термин возник. Те же столь безумно модные сейчас искусственные нейронные сети берут начало от математической модели искусственного нейрона Мак-Каллока-Питтса - а это 1943 год. Первая практическая реализация нейронной сети - это перцептрон Розенблатта (1957 год). Традиционно к методам искусственного интеллекта, помимо сетей, относят: нечеткие множества (которыми начали заниматься в 1965 году), эволюционные алгоритмы и экспертные системы (возникшие в 1960-70-е годы), мультиагентные системы (1974 год), различные логические средства и многое другое.

Периодически наблюдались всплески интереса к этим областям, но надо понимать, что это весьма эклектичная область знаний, развивающаяся скачками, и каждый из этих скачков сопровождается завышенными ожиданиями, которые сменяются разочарованиями. На протяжении почти 70-летней истории развития этой области таких скачков было несколько и еще много будет, но все это зачастую лишь "пена".

То есть нельзя сказать, что основная задача ИПУ РАН, как головной научной организации в области систем управления, состоит в скорейшем внедрении искусственного интеллекта в управление всем, чем только можно?

Сказать так было бы в принципе неправильно, хотя об искусственном интеллекте мы тоже не забываем. Если обратиться к истории, то в 1970 году вышла книга трех наших сотрудников - Айзермана, Бравермана и Розоноэра "Метод потенциальных функций в теории обучения машин". Это была первая в стране системная работа по распознаванию образов. А в 1974 году появилась книга наших сотрудников Вапника и Червоненкиса "Теория распознавания образов", получившая признание во всем мире - метод опорных векторов и размерность Вапника-Червоненкиса знает каждый студент. Недаром самый на сегодня мощный в России суперкомпьютер Яндекса называется "Червоненкис". То есть, как "Россия - родина слонов", так и Институт проблем управления РАН - родина искусственного интеллекта, как минимум в России. Поэтому, с одной стороны, мы искусственный интеллект, можно сказать, породили и успешно применяем его, где можно и нужно, но не надо вокруг этого поднимать столько шума и кричать, что наша задача состоит в его повсеместном внедрении. Это обывательская точка зрения, в которой есть определенный вред.

Что же вредного в том, что к научно-технической проблеме наблюдается повышенный интерес в обществе?

Понимаете, в теории управления всегда доминировал модельный подход, который подразумевает, что мы должны достаточно хорошо знать и понимать объект управления, чтобы им управлять. Альтернативой этому является безмодельный подход, частным случаем которого являются те же искусственные нейронные сети. Мы их обучаем, но каким образом при этом выстраиваются связи и как именно принимается сетью то или иное решение, мы не знаем.

Представьте, что у вас есть черный ящик, с одной стороны которого есть кнопка, а с другой - лампочка. Нажимаете на кнопку - загорается лампочка. Мы установили эту связь, но не знаем, что там внутри и почему это происходит, зажжется ли лампочка в следующий раз и не взорвется ли этот черный ящик после определенного числа нажатий на кнопку. С одной стороны, хорошо, что не надо забивать себе голову знаниями об объекте управления и тратить время на его изучение: установил связь между кнопочкой и лампочкой - и задача решена. Но есть у безмодельного подхода и минусы: мы не понимаем, что именно на самом деле происходит, а потому, в том числе, не можем гарантировать безопасного функционирования этого объекта. Именно поэтому один из текущих трендов - это разработка интерпретируемых моделей машинного обучения.

Почему искусственные нейронные сети не используются в системах управления критически важными объектами? Потому что никто не может гарантировать, что система управления не выведет этот объект за границы допустимой области. Именно поэтому нейронных сетей нет в авиации, на атомных станциях, во многих производственных системах. Проблема доверенного (объяснимого) искусственного интеллекта - это интересная научная задача с точки зрения математики и много кто ею занимается, но над ее решением еще работать и работать.

Но есть же области, где искусственный интеллект успешно работает.

Разумеется, искусственные нейронные сети успешно применяются во многих областях, в том числе и в наших разработках, но я говорю о вреде, который приносит ажиотаж, который создается вокруг этого термина. Самая главная здесь опасность - цивилизационно-образовательная. В самом деле, если у нас будет тотально принят безмодельный подход, то зачем нам изучать в школе физику, химию, биологию и даже математику. Вместо этого мы "настроим сетку", как говорит сейчас молодежь, и она сама во всем разберется. В результате в этой области складывается очень тревожная структура знаний и компетенций.

Мы недавно организовывали хакатон с одним из банков по решению задач использования искусственного интеллекта в сельском хозяйстве. Хакатон - это когда предлагается несколько задач, и соревнующиеся команды должны за заданное время решить их, после чего жюри по заранее определенным критериям определяет победителей. Когда мне коллеги рассказали о том, кто там победил, я был сначала очень удивлен, потому что в решении одной из задач победила команда, состоящая из двух старшеклассников и одного студента, при том, что команды были самые разные, начиная от школьников, заканчивая лицами, обремененными высокими учеными степенями. Казалось бы, профессор должен обыграть школьника в интеллектуальной задаче. Но это не всегда так.

Есть несколько порогов вхождения в предметную область, связанную с искусственным интеллектом (точнее - с искусственными нейронными сетями). Первый порог очень низкий. Это уровень пользователя компьютерных программ, для чего достаточно знаний в объеме старших классов физмат школы. Достаточно подобрать параметры и модифицировать программу на Python. Следующий порог, который тоже невысок, требует уровня знаний 2-3 курса инженерного или математического вуза: написать программу самому, подобрать (найти в Интернете) данные для машинного обучения. А следующий уровень - это уже глубокие, по-настоящему научные работы, дающие существенное повышение качества решений системы, включая доказательство теорем и тому подобное. На этот уровень выходит одна сотая процента, а все остальные так и толкутся на двух нижних "ремесленных" уровнях. Но при этом и у них, и у окружающих их обывателей создаётся иллюзия, что они делают науку и продвигают искусственный интеллект. И самое печальное, что эта же иллюзия создаётся не только у обывателей или журналистов, но и у тех, кто выделяет деньги на соответствующие исследования и определяет, чему нужно, а чему не нужно учить подрастающее поколение. И вот очень влиятельные люди уже заявляют, что нам не нужны математические школы или что в обычной школе не надо изучать физику. Вот что самое страшное.

Подготовил Леонид Ситник, редакция сайта РАН, 26 июля 2022 г.
https://new.ras.ru

*   *   *   *   *   *   *

ИИ как "катализатор" рабочих мест в Китае

Автор: Синьхуа.

Сегодня в жизнь китайцев входит всё большее количество продуктов искусственного интеллекта (ИИ), таких как чат-боты и самоуправляемые транспортные средства. Внедрение ИИ-технологий меняет привычные методы труда, способствуя повышению производительности и преобразованию структуры различных секторов экономики страны. Тем не менее их появление и широкое применение усиливает опасения по поводу возможной потери рабочих мест - явление, которое уже проявилось среди специалистов широкого спектра профессий: от операторов сборочных линий до дизайнеров и переводчиков, испытывающих на себе всё возрастающее конкурентное давление.

Признавая кратковременный характер негативного воздействия на занятость, сопутствующего технологическим инновациям, экономисты полагают, что ИИ - это не "терминатор" рабочих мест, а скорее всего "катализатор", который способствует структурной перестройке рынка труда, инициируя возникновение множества новых специальностей и форматов трудовой деятельности.

Китайские власти, с одной стороны, прилагают активные усилия по регулированию в области развития ИИ в целях смягчения его влияния на возможности трудоустройства, а с другой - увеличивают вложения в человеческий капитал, стараясь сформировать трудовые кадры, более гибкие к стремительным переменам, вызванным технологическим прогрессом.

ИИ не является "терминатором" занятости

Опасения относительно замещения рабочей силы технологиями не являются чем-то уникальным, подчёркивают аналитики. Практически каждое значительное технологическое достижение, начиная с изобретения парового двигателя и заканчивая автоматизацией, порождало схожие тревоги.

"С точки зрения функционирования экономики, ИИ способствует увеличению производительности и снижению операционных расходов предприятий. Подобные изменения стимулируют появление новых секторов экономики и создают предпосылки для реорганизации структуры занятости в будущем. Другими словами, кратковременное обострение проблемы занятости является прелюдией к длительной трансформации", - отметила У Цзе, научный сотрудник китайского аналитического центра DRCnet.

В августе 2025 года Госсовет КНР обнародовал "Соображения по углублённой реализации программы "ИИ плюс" - документ, направленный на содействие широкому применению ИИ в различных областях социально-экономической жизни, - акцентируя внимание на использовании преимуществ, возникших благодаря развитию ИИ, для создания новых стимулов, способствующих обеспечению высококачественной и полной занятости населения.

Всемирный экономический форум в своём докладе прогнозирует, что к 2030 году ИИ и технологии обработки данных создадут около 11 млн рабочих мест по всему миру, в то же время примерно 9 млн существующих рабочих мест будут упразднены. Следует отметить, что подобная динамика уже заметна в КНР.

По словам Дин Чжуана, младшего научного сотрудника Института финансовых исследований "Чунъян" при Китайском народном университете, масштаб основной ИИ-индустрии республики в скором времени превысит 600 млрд юаней (около 85,6 млрд долл.), при этом ИИ приведёт к глубокой перестройке структуры занятости населения. "Для решения важных технических задач, касающихся ИИ-моделей, алгоритмов и вычислительных мощностей, а также содействия глубокой интеграции ИИ с обрабатывающей промышленностью, сферой услуг и биотехнологической отраслью требуется большое число квалифицированных кадров", - подчеркнул он.

За последние пять лет министерство людских ресурсов и социального обеспечения КНР признало 72 новые профессии, и более 20 из них связаны с ИИ. Ожидается, что каждая новая профессия в краткосрочный период обеспечит работой 300-500 тыс. человек.

Возьмём в качестве примера сферу автономного вождения. Оно не просто замещает привычные должности традиционных водителей, но и стимулирует появление новых, сочетающих в себе опыт вождения и цифровые компетенции.

Компании, занимающиеся услугами беспилотных такси, привлекают специалистов по безопасности на дорогах, экспертов по тестированию подключённых транспортных средств и разработчиков алгоритмов диспетчеризации. Значительное количество вакансий отдаёт приоритет соискателям с опытом работы водителей такси, автобусов и сервисов по вызову авто через приложение, что свидетельствует о тенденции переквалификации традиционных специалистов.

Одним из таких новых сотрудников стал Чжан Чао, бывший менеджер сферы аренды автомобилей, который сейчас работает оператором по обеспечению безопасности движения роботакси в одной из пекинских компаний. Он отслеживает автономные транспортные средства в режиме реального времени, выявляет и решает потенциальные проблемы, такие как изменение маршрута движения авто в случае перекрытия дорог или других непредвиденных обстоятельств. По его словам, для успешной работы на новом посту требуются как обширные знания о транспортных средствах, так и высокая степень концентрации и терпения.

"В настоящее время всё больше рабочих, которые раньше занимались сборкой, сваркой и ремонтом на автомобильных заводах, становятся тестировщиками и операторами интеллектуальных подключённых транспортных средств", - сказал Ван Хао, исследователь из Китайского центра развития информационной индустрии.

Вложения в человеческий капитал

Поскольку искусственный интеллект приводит к глубокой реструктуризации навыков, разделения труда и форм занятости, власти КНР активизировали усилия по обеспечению стабильной занятости за счёт переподготовки трудящихся и увеличения вложений в человеческий капитал.

В июне прошлого года в Китае приступили к реализации крупномасштабной программы повышения профессиональной квалификации, согласно которой с 2025 года по конец 2027-го субсидированное обучение должно охватить в стране более 30 млн человек. Начальным и средним школам было предписано усилить обучение ИИ.

Недавно в официальных документах в стране появилась новая формулировка: "Инвестиции в человеческий капитал". Она фигурировала в докладе о работе правительства, представленном на рассмотрение сессии ВСНП в марте 2025 года, а также в 15-й пятилетней программе народнохозяйственного и социального развития. Кроме того, эта формулировка была упомянута на Центральном совещании по экономической работе, участники которого определили приоритеты на 2026 год.

По мере развития технологий креативность человека становится основным конкурентным преимуществом, которое помогает республике перейти от трудоёмкого роста к развитию, основанному на интеллекте и креативности, объясняют аналитики. Учитывая старение населения, улучшение человеческого капитала поможет КНР перейти от демографического дивиденда к дивиденду высококвалифицированных кадров, отметил Лю Минси, младший научный сотрудник Института науки и развития при Академии наук Китая.

Эксперт Китайской академии макроэкономических исследований Гун Пимин призвал к оказанию адресной помощи в переходный период группам населения, наиболее пострадавшим от технологических изменений, включая увеличение пособий по безработице, субсидии на переподготовку и стимулы к повторному трудоустройству, чтобы сократить их путь к возвращению к трудовой деятельности.

Республике следует создать многоуровневые программы по подготовке цифровых кадров и внедрить "обучение ИИ для всех" и пожизненное обучение, заявил профессор Пекинского педагогического университета Ли Тао, отметив важность усилий, направленных на адаптацию рабочей силы к революционным изменениям, вызванным ускорением развития ИИ.

https://gazeta-pravda.ru/

*   *   *   *   *   *   *

На сайте "Высокие статистические технологии", расположенном по адресу https://orlovs.pp.ru, представлены:

На сайте есть форум, в котором вы можете задать вопросы профессору А.И.Орлову и получить на них ответ.

*   *   *   *   *   *   *

Удачи вам и счастья!


В избранное