Проблема оптимального управления потоком НИОКР (Гольдштейн Г.Я.)

Предыдущие параграфы относились к разработке отдельных проектов НИОКР или выбора сфер деятельности и их организации в глобальном масштабе. Практически каждой фирме надо выбрать или управлять оптимальным в некотором смысле набором (портфелем) НИОКР.

Обилие частных критериев, перечисленных выше, проблемы однозначного свертывания многокритериальных оценок, необходимость установления отдельных оценок делает эту проблему достаточно сложной для решения. Общие подходы к оценке наборов бизнес-единиц фирмы сформулированы в [5]. Ясно, что эти принципы следует применять и для НИОКР, как стратегических инструментов развития бизнес-единиц. Математически такие задачи сводятся к направленному перебору вариантов. Имеется довольно большая литература, посвященная этому вопросу. Одна из последних работ [51], опирающаяся на перечисленные выше, положена в основу дальнейшего изложения. В статье [51] представлен эвристический алгоритм отбора проектов в мультикритериальном процессе. Эвристика базируется на так называемом “поиске фильтрующим лучом” (FBS – Filtered beam search). Традиционные алгоритмы отбора базируются на ранжировании проектов по рангам, определенным менеджментом. Отбор заканчивается при истощении бюджета НИОКР, взаимодействие проектов и их взаимозависимость не учитываются.

Модели выбора портфеля с использованием техники математического программирования отбирают оптимальную группу проектов НИОКР, однако они отметают само планирование как цель или ограничение. Таким образом, планирование осуществляется после выбора группы проектов.

В [51] в качестве критериев отбора используются максимизация ожидаемой прибыли, максимизация вероятности успеха и минимизация общего времени выполнения портфеля проектов. В качестве правила приоритетов используется кратчайшее время процесса. Это позволяет оптимизировать общее время выполнения портфеля НИОКР (хотя в общем случае и не дает такой гарантии). Ресурсные ограничения в [51] делятся на бюджетные, по научному персоналу, двум выбираемым дополнительно ресурсам (например, материалы и оборудование). Целевые функции и ограничения – линейны.

Пространство решений визуализируется деревом поиска, где каждый путь в ветвях – потенциальное решение, а узлы представляют отдельные проекты. Основная идея состоит в использовании при лучевом поиске оценочных функций для определения, по каким ветвям следует продолжать поиск. Процедура состоит из ряда шагов.

Шаг 1 – генерация начальных узлов (то есть списка проектов).
Шаг 2 – оценка узлов на текущем уровне по задаче 1 ранга. На этом этапе остаются только лучшие узлы.
Шаг 3 – наилучшие узлы по шагу 2 оцениваются в соответствии с задачей фильтрации 2 ранга.
Шаг 4 – узлы, прошедшие фильтрацию, снова оцениваются по задаче ранга 1. Лучшие узлы сохраняются, а остальные ветви аннулируются (проекты сохраняются).
Шаг 5 – генерируется следующий уровень поиска и ветвей, отобранных на шаге 4.
Шаг 6 – узлы отсеиваются по бюджетным ограничениям.
Шаг 7 – если нарушения остаются, процесс возвращается к шагу 2.
Процедура FBS хороша в том смысле, что она позволяет менеджеру подстраивать вариант списков проектов и использовать эвристику, которая отражает его мнение по действительному рыночному окружению фирмы.

В общем случае сложности решения подобных задач объективны.

Традиционный подход к отбору НИОКР или других типов уникальных проектов состоит, во-первых, в выборе ряда проектов, которые отвечают экономическим целям и ресурсным ограничениям, а затем в попытках спланировать выполнение этого ряда при различных научных или конструкторских особенностях. Подходы к выбору проектов обычно не содержат планирование как часть процесса выбора. Когда невозможно спланировать выбранные проекты в рамках приемлемых сроков, проекты могут быть исключены, рассмотрены альтернативные проекты, увеличены ресурсы снижения, экономические цели или желательное планирование может быть ослаблено. Ни одна из этих альтернатив не представляет сгруппированного подхода к решению, которое бы обеспечило лучший или даже хороший выбор проектов.

Причина исключения планирования как части моделей выбора проектов ясна. Проекты НИОКР как объекты планирования принадлежат к большому классу известных в нейропроцессорной технике (NP-hard) задач планирования, вычислительные затраты в которых растут экспоненциально с увеличением размера проблемы. Если размер проблемы растет, время, требуемое для получения оптимального решения, становится чрезмерным даже для самых быстрых компьютеров. Проблемы NP-hard планирования, относящегося к НИОКР, требует решения проблем мультипроцессорного планирования, планирования по приоритетам с учетом ограничений, трудового планирования и т.д. Поэтому большинство практических плановых задач решается с использованием эвристических алгоритмов. Однако наиболее эффективные и существенные модели численного выбора не могут включить в себя эвристику. Трудно создать удобные модели, которые включали бы одновременно выбор и планирование проектов.

Литература по выбору проектов НИОКР включает несколько сотен статей, описывающих качественные и количественные модели, большинство из которых дает кое-что. Целью этих моделей обычно является выбор портфеля проектов, которые будут достигать экономических целей субъекта при различных ресурсных ограничениях.

Модели отбора портфеля с использованием техники математического программирования отбирают оптимальную группу проектов НИОКР, или портфель, в соответствии с целями и ресурсными ограничениями в процессе разработки. Эти модели требуют, чтобы процесс отбора формулировался как точные математические уравнения относительно целей и ограничений. Для таких целей, как максимизация прибыли, использование ресурсов, вероятность успеха индивидуальных проектов были разработаны эффективные алгоритмы отбора проектов НИОКР.

Однако модели выбора портфеля не учитывают планирование как цель или ограничение из-за математических трудностей включения планирования в процессе выбора. В результате мультипроектное планирование осуществлялось после процесса селекции проектов. Если результирующее планирование удовлетворяет целям организации, процесс отбора проектов достаточен. Если нет, то проекты должны быть или отброшены, или заменены альтернативными, или ресурсы увеличены, снижены экономические цели и требуемое планирование ослаблено. Обычной целью при выборе проектов является максимизация ожидаемой отдачи портфеля проектов. Ожидаемая отдача отдельного проекта – есть произведение прибыли от проекта на вероятность его успеха. Ожидаемая отдача портфеля – сумма ожидаемых отдач проектов, входящих в портфель.

Существует некоторый риск, связанный с проектами НИОКР, так проекты могут быть неуспешными в зависимости от отрасли либо по техническим, либо по коммерческим причинам. Для минимизации риска в процессе селекции следует выбирать проекты, которые имеют хорошие шансы на успех. Риск или неопределенность, свойственные проектам НИОКР, трудно включить в модель селекции, но было замечено, что «многие модели используют фактор вероятности успеха». Вероятность успеха портфеля есть индикатор риска, связанного с выбранными проектами, и вычисляется при суммировании вероятностей успеха отдельных проектов. Аддитивный индекс вероятности успеха обеспечивает лучшее ранжирование проектов. Максимизация групповой вероятности успеха будет содействовать выбору проектов с лучшими шансами на успех.

Третья цель, минимизация общего времени до окончания работ над портфелем, включается как репрезентативная цель планирования. Проекты НИОКР планируются по ресурсам, характерным для различных подразделений и организационных сфер в процессе разработки проекта. Проекты могут включать технические, проектные, производственные, испытательные работы, переделки и другие работы. Частные ресурсы могут быть необходимыми на различных стадиях проекта.

Так как проектное планирование сходно с планированием рабочей силы, эвристика, используемая в минимизации времени выполнения по рабочим ресурсам, подходит для решения задач планирования проектов. Многие из эвристик предназначены для управления проектами. Одна из них используется для генерации планов без задержек. В планах без задержек станки загружены так, что нет простоя в процессе работы [29]. Использование таких планов основано на работе, которая предлагает использовать планы без задержек в планировании развития, когда целью является сокращение времени работы. В ней также разработаны несколько приоритетных правил загрузки оборудования, чтобы определить, какую из работ делать следующей после выполнения предыдущей, когда таких работ много. Приоритетные правила, основывающиеся на правилах наибольшего рабочего остатка (MWKR) и кратчайшего времени следования (SPT), дают лучшие планы в различных ситуациях.

Целью плановой эвристики является минимизация времени выполнения ряда проектов. Время выполнения есть время, начинающееся с нуля, потраченное на завершение всех групп проектов. Плановая эвристика, используемая в модели FBS, предполагает, что проекты должны начинаться как можно раньше, и если есть конфликт между проектами, применяется правило приоритетов. В этой работе в качестве правил приоритетов используется кратчайшее время процесса (SPT), так как это позволяет минимизировать общее время выполнения данной группы проектов (хотя не гарантирует, что время выполнения минимально). Схема с SPT приоритетным правилом дает планы, которые выполняются строго в соответствии в обусловленным временем выполнения, так же как и с другими характеристиками, включая среднее время выполнения проекта. Эвристика начинается с нулевого распределения плана и выбора операций с наиболее ранним временем начала из всего ряда операций. Когда операция выбрана, ее приемник помещается в ряд операций плана, и процесс продолжается до тех пор, пока не будут упорядочены все операции. Плановая эвристика не только вычисляет общий минимум времени выполнения всех проектов, но также генерирует последовательность проектов и план операций по отдельным проектам, которые для этого необходимы.

К подобным заключениям пришли еще тридцать лет назад украинские специалисты по автоматизации управления многономенклатурным производствам [29]. Следует сделать заключение, что предложенные алгоритмы управления потоком НИОКР действуют лишь при значительно ослабленных, по сравнению с практикой НИОКР, допущениях. Например, предполагается, что любой исследователь может работать над любым проектом - цель поиска одна, частные ресурсы взаимозаменяемы и так далее.

Оглавление

Материал предоставлен сайтом AUP.Ru (Электронная библиотека экономической и деловой литературы)