автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Методы анализа и совершенствования организационных систем управления предприятием в условиях переходной экономики

•Л На правах рукописи

V)'

ЖИВИЛО МИХАИЛ ЮРЬЕВИЧ

МЕТОДЫ АНАЛИЗА И СОВЕРШЕНСТВОВАНИЯ ОРГАНИЗАЦИОННЫХ СИСТЕМ УПРАВЛЕНИЯ ПРЕДПРИЯТИЕМ В УСЛОВИЯХ ПЕРЕХОДНОЙ ЭКОНОМИКИ

Специальность: 05.13.10 Управление в социальных и экономических системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва - 1998

Работа выполнена в Институте системного анализа РАН

Научный руководитель: - д.ф.-м.н., проф. Ю.Н. Иванов Официальные оппоненты - д.т.н., Р.Л. Шейнин

к.т.н. А.В. Кортнев

Ведущая организация: Институт Проблем Управления РАН

Защита состоится <</^>> /Слэ^-сУУ' 1998 г. в часов на заседании диссертационного совета К 003.63.01 в Институте системного анализа РАН по адресу: 117312, Москва, Проспект 60-летия Октября, 9.

С диссертацией можно ознакомиться в библиотеке Института системного анализа РАН

Автореферат разослан « Ж » О&РЛоУЛ 1998 ]

Ученый секретарь диссертационного совета,

доктор технических наук П.М. Хомяков

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Переход к рыночным отношениям, спад 1роизводства, общая экономическая нестабильность в стране резко усложнили условия функционирования промышленных предприятий практически всех отраслей народного хозяйства. Перевод предприятий на эеальную самостоятельность, переход в их взаимоотношениях с эаспределительных на рыночные (договорные) отношения привел к существенному обострению многих проблем управления, прежде всего в финансово-экономической области, в сфере материально-технического обеспечения производства сырьем, комплектующими и т.д., сбыта готовой продукции. В этих условиях чрезвычайно актуальным является создание эффективных методов и процедур анализа и совершенствования организационных систем управления крупным предприятием в условиях перехода к рынку. Существовавшие до сих пор технологии такого анализа и организационного проектирования практически невозможно использовать в новых условиях без серьёзной адаптации. Следует подчеркнуть, что проблема управления крупным предприятием в условиях перехода к рынку представляет и существенный научный интерес. Здесь гребуется разработка новых постановок задач и алгоритмов разработки предложений по совершенствованию управленческих структур в условиях отсутствия достоверной информации о причинах неэффективной работы отдельных подразделений системы управления (или системы в целом).

Указанные обстоятельства определили выбор темы диссертации, круг исследуемых проблем и методы их решения.

Цель работы состоит в разработке методов и алгоритмов анализа и совершенствования организационных систем управления предприятием в условиях перехода к рыночным отношениям.

Методы исследования. В работе использовались методы теории кластерного анализа, теории вероятностей и математической статистики, методы проведения групповой многовариантной экспертизы, методы экспертных оценок.

Связь с планом. Работа по теме диссертации проводилась в рамках темы Института системного анализа РАН "Методологические проблемы микро- и макроэкономического анализа производственной инфраструктуры" (Ы гос. регистрации 15-95).

Научная новизна работы. В работе разработан новый комплексный алгоритм кластерного анализа, предназначенный для эффективной многомерной классификации объектов широкого назначения, прежде всего экспертных оценок (как числового, так и качественного характера).

Для анализа и совершенствования организационных структур управления в диссертации предложено использовать методологию групповой многовариантной экспертизы, позволяющей выделять из общего множества экспертов группы компетентных, неконфликтующих и придерживающихся приблизительно одной и той же точки зрения на исследуемую проблему экспертов. В рамках этой методологии существенно используется разработанный в диссертации комплексный алгоритм кластерного анализа.

В диссертации предложены также процедуры сбора информации числового характера, заполнения пропущенных наблюдений, выбора информативных параметров, используемые при анализе и совершенствовании организационных систем управления.

Практическая ценность работы состоит в возможности широкого использования разработанных методов и алгоритмов в прикладных областях, в том числе для анализа и совершенствования организационных систем управления практически во всех отраслях народного хозяйства.

Реализация результатов работы. Методы и алгоритмы, разработанные в диссертации, были использованы для анализа и совершенствования организационной системы управления АО "НОВОКУЗНЕЦКИЙ АЛЮМИНИЕВЫЙ ЗАВОД" (АО "НКАЗ"). Разработанная система в настоящее время успешно используется на предприятии.

Апробация работы. Материалы диссертации обсуждались на общемосковском семинаре "Экспертные оценки и анализ данных", на Международной научно-практической конференции «Управление большими системами» (1997).

Публикации. Основные результаты диссертационной работы отражены в 3 печатных работах [1-3].

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка литературы, содержит 112 страниц текста, 10 рисунков.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, указана цель работы, отмечена научная новизна и практическая ценность диссертации, кратко изложено основное содержание работы.

В первой главе дается обзор состояния проблемы анализа и совершенствования организационных систем управления. Рассмотрена специфика и основные составляющие организационных систем управления. Приведен обзор работ, характеризующих современное состояние теории и практики исследования организационных систем управления. В заключительном параграфе первой главы рассмотрены проблемы анализа и совершенствования организационных систем управления. Это проблемы сбора информации как числового, так и

экспертного характера; проблемы фильтрации собранной информации, заполнения пропущенных наблюдений, выбора информативных параметров; а также проблемы, связанные с разработкой и внедрением предложений по совершенствованию исследуемой организационной системы управления.

Вторая глава диссертации посвящена методам анализа и совершенствования организационных систем управления предприятием. В первом параграфе этой главы доказана адекватность методов кластерного анализа задачам исследования и совершенствования организационных систем управления предприятием. В связи с этим во второй главе большое внимание уделяется методам кластерного анализа. Во втором параграфе дан обзор постановок задач и методов кластерного анализа, при этом анализируются как детерминированные, так и размытые постановки задач.

Детерминированная постановка. Пусть имеется некоторое множество объектов, описываемых фиксированным набором параметров х(1) ,...,х(к). Вводится в рассмотрение к -мерное пространство параметров Х\ каждому объекту в котором соответствует точка х = (х"1,...,*'*'). Вначале даётся содержательная постановка задачи кластерного анализа -требуется разбить множество исследуемых объектов на г групп (классов), в каждую из которых необходимо отнести сходные (близкие) в определенном смысле объекты. Сходным объектам соответствуют близкие точки в X и задача классификации объектов по сходству сводится к задаче разбиения множества точек в пространстве X на группы (кластеры), в каждую из которых попадают близко расположенные точки. Для формализации задачи необходимо ввести формальный критерий качества классификации, обычно для этой цели вводится в рассмотрение некоторый функционал Ф, зависящий от распределения точек по кластерам (классам) и достигающий экстремального значения на

"хороших" в интуитивном смысле разбиениях. Тогда задача кластерного анализа формально ставится следующим образом: заданы функционал Ф,

выборка х.....точек из пространства X (конечная или бесконечная),

число классов г. Требуется так распределить выборку по г кластерам (классам) Ни...,Нг, чтобы полученное' разбиение доставляло экстремальное значение функционалу Ф. Для конечной выборки чаще всего используется функционал вида

■ (!)

1=1 Х;€Я,

где а, - "центр тяжести" точек, отнесенных к классу Нг Известно достаточно много алгоритмов, в том числе рекуррентных, минимизации этого функционала.

Размытая постановка. Во многих задачах на практике возникают ситуации, когда однозначное (с весом единица) отнесение каждого объекта к одному из классов невозможно. В этих случаях вводится понятие размытой классификации, в которой каждый объект характеризуется не номером класса, к которому он однозначно относится в детерминированной постановке, а набором значений функций принадлежности к классам (равных не только 1 или 0). Здесь рассмотрены различные подходы к построению размытой классификации, проанализированы предложенные в литературе алгоритмы.

В разделе 2.2.3 рассмотрен вариационный подход к решению задач • размытого кластерного анализа; предложенные в литературе итерационные алгоритмы, базирующиеся на вариационном подходе.

Третий параграф второй главы посвящен описанию разработанного в диссертации комплексного алгоритма кластерного анализа,

включающего алгоритм локальной оптимизации выбранного критерия качества кластеризации, алгоритм выбора начального разбиения (начальных условий) и алгоритм выбора числа классов.

Алгоритм локальной оптимизации. В этом алгоритме использовался критерий качества кластеризации (1). Зададим число классов г~ Для простоты изложения описание приведено для случая разбиения на два класса г =2. Пусть известно начальное разбиение всех п точек классифицируемой выборки. Через х с Л, обозначим точки, относящиеся к первому классу, а через xJ а Аг - ко второму. Алгоритм итерационный,

то есть на каждом шаге рассматривается одна точка выборки из последовательности (зацикленная исходная

последовательность). Вводится индекс р{хточки х]:

т.е. />(х;) = 1, если точка х1 принадлежит первому классу, и Дху)= -1,

т.е. на каждом шаге у, используя принадлежность всех точек (кроме точки хк классу А, или А2, полученную на предыдущем шаге, по формуле (1) вычисляется значение Зх для случая, когда xJ относится к первому классу с: А^), и для случая, когда относится ко второму классу (./,(х] с А2)). В итоге точка х] относится к такому классу, для которого

если ху принадлежит второму классу. Тогда алгоритм локальной оптимизации формально записывается следующим образом:

р(х:) = Б1еп[у1(*,. с A2)-J¡((xJ с Л,)], ./ = 1,2,...,и,1,

п...

(3)

значение критерия J] будет меньше. В диссертации показано, что процедура (3) сходится за конечное число шагов. Поскольку в результате работы алгоритма находится лишь один из локальных экстремумов величины то весьма важным является выбор начального разбиения Я0. В диссертации для этой цели разработан специальный алгоритм.

Алгоритм выбора начального разбиения. На первом шаге из всех точек выборки х{,...,хп находится пара наиболее удаленных точек х, и хр.

Одна из них относится к первому классу х, с Л,, а другая - ко второму

На втором шаге ищутся точки и хр+1 - ближаишие

соответственно к точкам х, и х , точка относится к первому классу, а хр+, - ко второму. На третьем шаге ищутся точки х;+2, хр+2, - ближайшие в среднем соответственно к точкам х„ хм и к точкам хр, , т.е:

х г определяется аналогично.

Точка х1+2 относится к первому классу, а хр+2 - ко второму. На (^-1)-ом шаге ищутся точки Х/+5 и хр+1, ближайшие в среднем к уже найденным точкам соответственно первого и второго классов

х^ определяется аналогично. Если возникает "конфликт", т.е. одна и та же точка является ближайшей к первому и ко второму классам

(4)

одновременно, то эта точка относится к тому классу, расстояние до центра которого от нее меньше.

Процедура (4) повторяется до тех пор, пока не будут исчерпаны все точки выборки. Полученное разбиение принимается в качестве начального

До-

Алгоритм выбора числа классов. В этом алгоритме используется критерий

Л =-/1 -4Л. (5)

где функционал ./, является мерой средней удаленности классов друг от друга и определяется выражением

■а=-¿1 (6)

где х, - "центр тяжести" точек из класса Ап т=~г(г~ 1) - число

различных пар классов, по которым идёт суммирование. Величина q в (5) - настраиваемый параметр.

Из содержательных соображений ясно, что, чем меньше среднее расстояние между точками внутри классов и чем больше расстояние между классами, тем классификация лучше. С учетом разного масштаба этих расстояний приходится вводить нормирующий множитель q. В итоге минимизация критерия (5) дает число классов, для которого соблюдён баланс по и У,.

Алгоритм выбора числа классов представляет собой специальную человеко-машинную процедуру. Вначале из содержательных соображений определяется диапазон (2тт, 2тах), в пределах которого заведомо

находится искомое число классов. Затем с помощью описанного выше алгоритма локальной оптимизации (3) находится разбиение исходной выборки последовательно на (2т|Г1,2т1П+1,...,2тм) классов. Для каждого такого разбиения подсчитывается значение' критерия (5). В итоге получается последовательность J(Zmm),...,J(Zm¡x). Определяется такое число классов гор1, которое соответствует минимальному значению

Однако наличие неиспользованной при

классификации (например, ввиду отсутствия данных), но существенной информации часто приводит к тому, что гор, не будет являться

"истинным". Для компенсации этого недостатка в диссертации предлагается использовать специальную экспертную процедуру. Экспертам (специалистам в предметной области) сообщается набор параметров, по которым проводилась классификация; значения Щ),] = -^тт'-^тт+Р-.^ах. представленные для удобства в виде графика; значение гщл (оно соответствует минимальной точке на этом графике).

Эксперты, в случае необходимости, корректируют выбираемое число классов. В подавляющем числе случаев экспертное число классов либо совпадает с гор,, либо незначительно отличается от него.

В процессе этой же экспертизы анализируется принадлежность каждого объекта к тому или иному классу. Для этой цели экспертам сообщается информация о расстоянии от каждой точки до центров классов

_/ = Допускается обоснованный переброс точки (объекта) х1 из 1-го класса в /-ый, если расстояния от х, до центров этих классов отличаются незначительно. Другими словами, переброс (содержательно

(в оптимальной классификации), т.е. матрица

обоснованный) разрешен для точек, расположенных вблизи границы между соответствующими классами.

В диссертации предлагается использовать аналогичную экспертную процедуру перед кластеризацией объектов (точек) для выбора весов параметров, описывающих анализируемые объекты. Особенность задачи выбора весов (коэффициентов важности) параметров состоит в том, что предложенный в диссертации алгоритм кластеризации является весьма устойчивым к их изменению, поэтому экспертам достаточно лишь дать грубую оценку относительной важности каждого параметра. В некоторых случаях достаточно лишь определить попарную относительную важность параметров на языке (в шкале) "существенно больше, больше, приблизительно равны, меньше, существенно меньше".

Четвёртый параграф второй главы посвящен процедурам сбора, фильтрации и формирования матрицы данных в задачах анализа и совершенствования организационных систем управления предприятием. В этом параграфе описан разработанный в диссертации алгоритм заполнения пропущенных наблюдений. Такие пропуски достаточно часто встречаются при анализе организационных систем.

Пусть в матрице Цх^Ц, / = 1,...Д, у' = 1,...« - значение /-го

параметра для /-го объекта) имеются пропуски, т.е. некоторые ее элементы неизвестны. Обычно такие пропуски заполняются оценками средних значений соответствующих параметров, что в большинстве случаев будет малоэффективным.

Чем ближе расположены точки х] и х, в пространстве параметров

X, тем более близкие в среднем значения имеют параметры х0), для /-го и / -го объектов. Таким образом, если выделить в пространстве X группы близко расположенных точек, то дисперсия значений параметров для этих объектов будет существенно меньше общей дисперсии этих же параметров

для всех объектов, а, следовательно, и прогностический эффект среднего (в пределах группы) значения параметра будет существенно выше, чем для всех объектов. Для выделения таких групп точек в многомерном пространстве параметров X предлагается использовать алгоритм кластерного анализа, описанный в параграфе 2.3, на базе которого в диссертации разработана следующая итеративная процедура заполнения пропусков.

Вначале имеющиеся пропуски заполняются средними значениями. Затем все объекты разбиваются с помощью предложенного алгоритма кластерного анализа на г групп А]У...,АГ. Число групп г выбирается так, чтобы в одну группу попало достаточное для оценки среднего значения параметра число объектов. Для этого разбиения все пропуски (до этого заполненные средними значениями параметра по выборке), заполняются числами

где пи - число объектов из группы А, для которых известны истинные значения г-го параметра. Суммирование производится по тем же объектам. Другими словами, на первом шаге итерации пропуски заполняются средними значениями параметра, подсчитанными в пределах соответствующей группы.

Затем процедура повторяется. Все объекты вновь разбиваются на группы. Поскольку некоторые координаты изменили свои значения для части объектов, то разбиение в принципе может отличаться от разбиения, полученного на первом шаге итерации. Для нового разбиения по формуле (7) подсчитываются величины Зс]')(2) и ими заполняются пропуски и т.д.

(7)

Процедура заканчивает свою работу после т шагов, если х^\т) = х{1'\т~\) для всех пропусков, либо если т = т0, где т0 -

заданное число циклов.

В пятом параграфе рассмотрены алгоритмы выбора информативных параметров. Следует подчеркнуть, что проблема выбора информативных параметров весьма актуальна при анализе организационных систем, когда уровень ошибок (шума) достаточно высок, причем ошибки имеют не только статистический характер (как, например, при сборе экспертной информации). В диссертации для выбора информативных параметров предлагается использовать методы экстремальной группировки параметров, являющиеся в определенном смысле аналогами методов кластерного анализа. Алгоритмы экстремальной группировки позволяют выделять близкие в определенном смысле параметры (например, в смысле статистической корреляции), а также определять для каждой группы фактор (аналог центра тяжести группы объектов в кластерном анализе). В качестве информативного предлагается брать (с учётом экспертной корректировки) набор параметров, ближайших к факторам.

В третьей главе методы и алгоритмы, разработанные во второй главе, применяются для анализа и совершенствования организационной системы управления АО "Новокузнецкий алюминиевый завод". В первом параграфе этой главы описана методология использования разработанных в диссертации процедур и алгоритмов при совершенствовании процессов управления АО "НКАЗ". Основное внимание уделено методике групповой многовариантной экспертизы, широко используемой при анализе и совершенствовании организационных систем. Эта методика позволяет при многообразии точек зрения экспертов на причины имеющихся недостатков и пути их преодоления, конфликтности взаимоотношений отдельных экспертов и при различных подходах к оценке компетентности

экспертов получать хорошо проработанные эффективные предложения по совершенствованию различных аспектов деятельности организационных систем. Методика многократно использует процедуры кластерного анализа - при выявлении различных точек зрения, при формировании неконфликтующих групп экспертов и пр. В качестве такой процедуры в третьей главе используется комплексный алгоритм кластерного анализа, разработанный в диссертации и описанный во второй главе. На базе методики многовариантной экспертизы в диссертации была разработана и использована процедура формирования и работы экспертных комиссий, учитывающая специфику исследуемой проблемы. Процедура состоит из следующих этапов.

Этап 1. Выявление существенно различных точек зрения и разбиение множества экспертов на соответствующие группы. Вначале собирается информация, характеризующая точки зрения экспертов на проблемы организации, которая представляется в количественном виде - в виде набора из к чисел (чаще всего в виде качественных переменных типа "да" - "нет"), каждое из которых характеризует точку зрения эксперта по исследуемой проблеме. Тогда ¿-й эксперт представляется точкой XI в к-мерном пространстве характеристик X (пространстве точек зрения) и задача структуризации мнений сводится к задаче кластеризации п точек х,,х2,...,х„ в пространстве X на группы А,,...,АГ. Для этой цели используется предложенный в диссертации комплексный алгоритм кластерного анализа, описанного в разделе 2.3. Считается, что эксперты, попавшие при разбиении в одну группу, имеют сходные точки зрения.

Этап 2. Выявление групп неконфликтующих экспертов. Исходная информация на этом этапе - заполняемые каждым экспертом две специальные анкеты, отражающие его оценки взаимоотношения экспертов. В первой анкете он отвечает на вопросы, характеризующие его

взаимоотношения с другими экспертами, вопросы второй анкеты касаются оценки опрашиваемым экспертом взаимоотношений между другими экспертами. Полученная информация представляется в виде п матриц отношений В} =||б/3||, 1 = 1,...,у'-1,у'+1,...,и, ¿ = 1,...,£2, каждая из которых отражает отношение /-го эксперта к остальным (к2- число вопросов анкеты, п - число экспертов, Ь'а - ответ /-го эксперта на 5-й вопрос анкеты относительно г-го эксперта). Каждая из матриц BJ обрабатывается независимо. Вводится в рассмотрение к2 -мерное пространство Х1]Ъ характеризующее отношение /-го эксперта к остальным, каждая строка х\ = | £>/,,..., матрицы В]> соответствующая г'-му эксперту,

представляется в виде точки в этом пространстве. С помощью алгоритма кластерного анализа, разработанного в диссертации, производится разбиение точек на с1 групп Д,...,Д. Затем полученные группы упорядочиваются по степени "неконфликтности" с/-м экспертом. Для этой цели используется следующая процедура.' В качестве начальной выбирается точка х*, соответствующая "идеально неконфликтному эксперту", т.е. точка, координаты которой принимают максимально возможные значения в выбранных шкалах. Далее ищется группа Д, ближайшая в определенном смысле к точке х*. Обозначим ее через. Д *. Пусть уже упорядочено л групп Д*,...,-О,*, тогда на следующем шаге ищется группа Д+| *, ближайшая к уже упорядоченным 5 группам в среднем. Для этой цели в диссертации вводится мера близости групп Д и й], равная мере близости центров тяжести этих групп. После того как

проведено упорядочивание групп, производится их ранжировка по степени неконфликтности, для этой цели используют некоторую непрерывную шкалу неконфликтности, и каждой группе Д * в этой шкале

присваивается определенное значение показателя неконфликтности. Далее все группы по экспертно выбранному порогу а делятся на две части -конфликтные и неконфликтные. Информация, полученная в результате обработки всех матриц Ву , сводится в матрицу отношений V = 11V^ |[, каждый элемент которой равен значению показателя неконфликтности у-го эксперта по отношению к г-му (в диссертации V. - двоичные числа).

Для выделения групп максимально неконфликтующих экспертов бинарная матрица V рассматривается как матрица смежности некоторого ориентированного графа (орграфа) с п вершинами, который преобразуется в простой граф Геи вершинами по следующему правилу: ¿-я и /-я вершина соединяется дугой в том и только в том случае, когда V,. = у^ = 1. Тогда группе экспертов, каждая пара из которой взаимно

неконфликтна, будет соответствовать некоторый полный подграф графа Г и задача нахождения искомого разбиения У,,...,УГ сводится к выделению полных подграфов графа Г.

Этап 3. Оценка компетентности экспертов. Необходимость этого этапа связана с тем, что оценка компетентности существенно зависит от состава группы, которая ее дает. Поэтому компетентность каждого эксперта должна оцениваться с точки зрения только тех экспертов, которые будут с ним работать в одной комиссии ("условная компетентность"). В диссертации приведена процедура оценки условной компетентности.

Этап 4. Формирование экспертных комиссий. Для формирования экспертных комиссий рассматриваются разбиения по точкам зрения

А = по взаимоотношениям (неконфликтности) V = и

матрица компетентности К. Строится пересечение разбиений А и V, т.е. формируются группы экспертов А,Г\У1, г = _/ = 1,...,г2. Из каждой

группы такого вида, содержащей более одного эксперта, исключаются условно не компетентные эксперты. Для формирования /-ой экспертной комиссии из оставшихся после такой операции групп, каждая из которых содержит более двух экспертов, выбирается такая группа, в которую входит максимальное число экспертов, имеющих одну и ту же _/-ую точку зрения. Эксперты, входящие в эту группу, и составляют _/-ю экспертную комиссию. Так формируются все экспертные комиссии.

Важную особенность методики составляет процедура перекрестной экспертизы, позволяющая выявить объективные преимущества и недостатки каждого из рассматриваемых предложений.

Второй параграф третьей главы посвящен анализу изменений организационной структуры управления АО "НКАЗ" в переходной период. Рассмотрены изменения организационной структуры и методов функционирования на предприятии с 1992 по 1995 годы, описаны причины такого изменения. Кроме того, показано как по мере углубления рыночных отношений возникает необходимость появления новых подразделений структуры управления либо ликвидации некоторых старых функций и блоков.

В третьем, заключительном параграфе описано формирование предложений по совершенствованию организационной системы управления АО "НКАЗ" с использованием разработанных в диссертации методов. Такое формирование проводилось с помощью методики групповой многовариантной экспертизы, описанной в параграфе 3.1. В экспертизе участвовало 22 эксперта; было выявлено три существенно различных точки зрения на пути совершенствования организационной структуры управления АО "НКАЗ"; с помощью комплексного алгоритма кластерного анализа были сформированы три экспертные комиссии, в каждую из которых вошли неконфликтующие, условно компетентные,

придерживающиеся одной и той же точки зрения эксперты. Каждая из трёх комиссий представила свой вариант предложений по совершенствованию организационной структуры управления АО "НКАЗ". Благодаря использованию процедуры перекрестной экспертизы были выявлены объективные преимущества и недостатки каждого из этих предложений. Совокупность итоговых предложений комиссий по реорганизации системы управления с замечаниями исследовательской группы были переданы Совету директоров, который рассмотрел представленные материалы и рекомендовал к внедрению одну из организационных схем, с незначительными добавлениями (в основном из предложений других двух комиссий). В результате внедрения этой схемы управления на АО "НКАЗ" был получен существенный экономический и социальный эффект.

В заключении диссертации излагаются её основные результаты:

1. Проанализировано современное состояние теории и практики исследования организационных систем управления.

2. Выявлены основные проблемы анализа и совершенствования организационных систем управления.

3. Показана адекватность методов кластерного анализа задачам исследования и совершенствования организационных систем управления предприятием.

4. Приведен обзор литературы по методам кластерного анализа.

5. Разработан комплексный алгоритм кластерного анализа, включающий алгоритм локальной оптимизации выбранного критерия качества кластеризации, алгоритм выбора начального разбиения (начальных условий) и алгоритм выбора числа классов.

6. Рассмотрены процедуры сбора, фильтрации и формирования матрицы данных в задачах анализа и совершенствования

организационных систем управления предприятием; в т.ч. процедуры сбора числовых данных и заполнения пропущенных наблюдений, алгоритм выбора информативных параметров.

7. Разработана методология использования предложенных в диссертации процедур и алгоритмов при совершенствовании процессов управления АО "НКАЗ", включающая методику групповой многовариантной экспертизы.

8. Проведен анализ изменений организационной структуры управления АО "НКАЗ" в переходной период.

9. Разработаны предложения по совершенствованию организационной системы управления АО "НКАЗ" с использованием предложенных в диссертации методов.

Ю.Предложения внедрены на АО "НКАЗ", получен существенный экономический и социальный эффект.

ОПУБЛИКОВАННЫЕ РАБОТЫ ПО ТЕМЕ ДИССЕРТАЦИИ.

1. Живило М.Ю. Организационные структуры систем управления производственно-экономическими объектами. В сб. Методы и практика системного регулирования регионального и хозяйственного развития. Сборник трудов Института Системного Анализа РАН. -М.: УРСС, 1997.

2. Живило М.Ю. Методы функционирования систем управления производственно-экономическими объектами в рыночных условиях. В сб. Методы и практика системного регулирования регионального и хозяйственного развития. Сборник трудов Института Системного Анализа РАН. -М.: УРСС, 1997.

3. Живило М.Ю. Система согласованного управления производством в рыночной экономике. В сб. Управление большими системами:

Материалы научно-практической конференции (22-26 сентября 1997 г., Москва, Россия).-М.: СИНТЕГ, 1997.

В работах [1,2] диссертанту принадлежит постановка задачи и разработка алгоритмов, а в работе [3] - разработка методологии и алгоритмического обеспечения.