Содержание к диссертации
Введение
Глава 1. Современные методы идентификации и анализа рисков 13
1.1 Краткая история становления и развития риск–анализа, как части науки управления 13
1.2 Современные подходы к решению задач анализа рисков промышленных предприятий 19
1.3 Основные методы идентификации и анализа рисков на современном этапе развития риск–анализа 22
1.4 Архитектура системы анализа и управления рисками промышленных предприятий 24
1.5 Актуальные подходы к автоматизации процесса идентификации и анализа рисков 26
1.6 Поставки в технологическом процессе изготовления изделий машиностроения 34
1.7 Выводы 36
Глава 2. Риски, вызванные реализацией процесса выбора или смены поставщика, их идентификация и оценка 37
2.1 Оценка поставщика сырья и материалов. Метод многокритериальной экспертной оценки 37
2.2 Идентификация рисков при осуществлении выбора или смене поставщика сырья и материалов. Метод сравнительного анализа многокритериальных оценок поставщика 44
2.3 Построение дерева рисков. Определение риск–факторов и их проявлений методом мозгового штурма 47
2.4 Математическая оценка проявлений риск–факторов 52
2.5 Формирование критериев оценки поставщика сырья и материалов. Особенности применения метода последовательного анкетирования экспертов
2.6 Методика оценки компетентности экспертов 71
2.7 Выводы 78
Глава 3. Анализ сходимости априорной оценки проявлений риск–факторов с апостериорной оценкой 79
3.1 Постановка задачи анализа сходимости априорной оценки проявлений риск–факторов с апостериорной оценкой з
3.2 Реализация процесса анализа сходимости априорной оценки проявлений риск–факторов с апостериорной оценкой 84
3.3 Анализ сходимости результатов идентификации и оценки проявлений риск–факторов с апостериорной идентификацией и оценкой проявлений риск–факторов 107
3.4 Выводы 127
Глава 4. Автоматизация процесса идентификации и анализа рисков поставок 129
4.1 Автоматизированная система идентификации и анализа рисков поставок. Архитектура и основы функционирования 129
4.2 Применение автоматизированной системы идентификации и анализа рисков поставок при реализации процесса проектной деятельности
4.3 Основные проблемы и задачи реализации автоматизированной системы идентификации и анализа рисков поставок 144
4.4 Технико–экономический эффект реализации процесса идентификации и анализа рисков поставок и его автоматизации 146
4.5. Выводы 149
Заключение 151
Список литературы
- Основные методы идентификации и анализа рисков на современном этапе развития риск–анализа
- Построение дерева рисков. Определение риск–факторов и их проявлений методом мозгового штурма
- Реализация процесса анализа сходимости априорной оценки проявлений риск–факторов с апостериорной оценкой
- Применение автоматизированной системы идентификации и анализа рисков поставок при реализации процесса проектной деятельности
Введение к работе
Актуальность работы. В условиях динамически меняющегося
открытого транснационального рынка любая организация в процессе своей
деятельности сталкивается с необходимостью поставки различных
материальных ресурсов, необходимых для реализации технологического
процесса изготовления изделий. Осуществление поставки в условиях
высокоритмичного производства и высоких требований к качеству
выпускаемой продукции является процессом с определенной долей риска.
Применение современных принципов анализа и управления рисками на
стадии планирования поставки и выбора поставщика позволяет
минимизировать возможные негативные последствия. Актуальность
рассматриваемой темы обусловлена существенно возросшей в последние годы необходимостью выбора поставщиков, вызванной различными факторами, к основным из которых можно отнести: санкционные запреты, реализацию курса импортозамещения, существенные колебания валютных курсов, нестабильность на международном рынке сырья и материалов, необходимость минимизации коррупционной составляющей процесса выбора поставщиков.
Применение принципов автоматизации управления производствами при решении задач идентификации и анализа риска поставок позволяет снизить вероятность экспертной ошибки, благодаря применению широкого набора статистических методов оценки и сократить требуемые для реализации процесса идентификации и анализа рисков человекоресурсы до уровня, ограниченного необходимым количеством экспертов.
Подходы и методы идентификации и анализа рисков, автоматизации данных процессов, предложенные в работе, позволяют в достаточной степени снизить возможные риски поставок и сформировать методическую основу для автоматизации данного процесса.
Степень разработанности проблемы. Отдельным аспектам проблемы идентификации и анализа рисков посвящены научные труды многих
современных западных ученых. В мировом сообществе за последние несколько десятилетий существенно расширилась теоретическая база анализа рисков, и целый ряд работ в этой области был отмечен Нобелевскими премиями (в т.ч. Эрроу К., Шарп У., Акерлоф Дж., Найт Ф.). Различным проблемам идентификации, анализа и управления рисками посвящены работы зарубежных авторов: Клейнер Г., Хенли И., Губинелли Г., Канеман Д., Конито Дж.
К вопросам разработки общих и специальных подходов к идентификации, анализу и управлению рисками обращались в своих работах отечественные авторы: Бадалова А.Г., Белов П.Г., Бершадский А.В., Гражданкин А. И., Грачева М.В., Гришина Т.Г., Петренко Ю.В., Савицкая Г.В., Стрижаков Д.В., Уткин Э.А., Феофанов А.Н., Чернова Г.В. и др.
В части автоматизации системы идентификации и анализа рисков от поставщика диссертационное исследование базируется на трудах следующих авторов: Гришиной Т.Г., Капитанова А.В., Корнеевой В.М., Косова М.Г., Митрофанова В.Г., Соломенцева Ю.М.
Проблемы, связанные с идентификацией и анализом рисков поставок, в современной научной литературе исследованы в недостаточной степени. В настоящее время требуется разработка научно обоснованных методических подходов к идентификации и анализу рисков поставок, разработка математического аппарата оценки риска поставки, разработка архитектуры и алгоритмов автоматизированной системы идентификации и анализа рисков поставок. Перечисленные выше проблемы позволили сформулировать цель работы и поставить задачи научного исследования.
Объект исследования. Объектом исследования является
автоматизированная система идентификации и анализа рисков поставок, включающая в себя автоматизированную подсистему комплексной многокритериальной оценки поставщика (к критериям оценки относятся: цена, гибкость ценовой политики, условия платежа, качество продукции, наличие свободных производственных мощностей, уровень надежности,
деловая активность предприятия, скорость поставки), автоматизированную подсистему идентификации и анализа рисков поставок.
Предмет исследования. Совокупность организационно–методических
и управленческих моделей и алгоритмов, которые используются при
реализации процесса идентификации и анализа рисков поставок на
машиностроительных предприятиях. Методологический комплекс
архитектурных решений, моделей и алгоритмов автоматизации систем
идентификации и анализа рисков.
Цель исследования. Повышение эффективности машиностроительного производства на основе разработки автоматизированной системы идентификации и анализа рисков поставок.
Для достижения поставленной цели были сформулированы и решены
следующие задачи:
1. Проанализировать современные методы идентификации и анализа
рисков, применяемые в деятельности российских и зарубежных предприятий,
способы и подходы к их автоматизации.
2. Разработать универсальный метод идентификации и анализа рисков
поставок.
-
Определить экспериментально уровень достоверности результатов прогнозирования и оценки риск-факторов поставок, применяемый в разработанном методе, установить факторы, влияющие на него.
-
Разработать модель и методологические основы автоматизации и применения (в рамках автоматизированных систем управления производством (АСУП)) системы идентификации и анализа рисков поставок, основанной на разработанном в рамках диссертационного исследования методе.
-
Проанализировать возможность реализации предложенной автоматизированной системы современными программно–методическими средствами.
-
Провести апробацию разработанного метода идентификации и анализа рисков поставок на единичном и массовом производстве.
7. Дать оценку технико–экономического эффекта внедрения результатов диссертационного исследования.
Теоретической базой диссертационного исследования явились
научные труды зарубежных и отечественных ученых в области организации производства, управления качеством, экспертных оценок, риск–аналитики, автоматизации производственных процессов, а также нормативно–правовые и методические документы в области управления деятельностью предприятий.
Информационная база диссертационного исследования.
Информационной базой работы послужили нормативно–методические
документы международного и национального уровня, аналитические и
статистические материалы промышленных предприятий Российской
Федерации, статистические материалы поставщиков, научная литература по
теме диссертационного исследования, публикации в научных
специализированных изданиях, ресурсы Интернет, данные, полученные в результате экспертных опросов.
Методы и средства исследования. В процессе работы над диссертацией использовались такие общенаучные методы исследований, как методы системного подхода, экспертный метод, методы статистического, логического и квалиметрического анализа, метод мозгового штурма.
Научная новизна:
-
Выявлены связи между корректировкой технологического процесса и выбором поставщика, особенностью которых является учет статистических данных поставок комплектующих изделий для изделий машиностроения.
-
На основе установленных связей разработан универсальный метод идентификации и анализа рисков поставки, особенностью которого является применение мозгового штурма при генерации дерева рисков на основании многокритериальных экспертных оценок поставщика и
применение комбинированной экспертной оценки проявлений риск– факторов для их анализа.
-
Экспериментально определен уровень достоверности экспертных оценок проявлений риск–факторов от поставщика, особенностью которого является прогноз изменения достоверности экспертных оценок.
-
Разработана модель модульного типа автоматизированной системы идентификации и анализа рисков поставок, отличающаяся возможностью дальнейшей интеграции в комплексную систему управления ими, возможностью пошагового внедрения и распределённостью аппаратной реализации.
-
Предложен алгоритм и организационно–методические основы применения автоматизированной системы идентификации и анализа рисков поставок при осуществлении проектной деятельности, отличающиеся учетом модульности разработанной системы и эффективностью применения на различных стадиях проектной деятельности.
Практическая значимость результатов диссертационной работы
заключается в предложении систематизированного, формализованного
подхода к процессу идентификации и анализа рисков поставок и способа его
автоматизации. Применение принципов, предложенных в настоящем
диссертационном исследовании, может способствовать совершенствованию
системы управления ресурсным обеспечением проектной и
производственной деятельности предприятий.
Предложенные методические и организационные основы процесса
идентификации и анализа рисков поставок имеют существенную
практическую значимость как при осуществлении деятельности с
привлечением различных поставщиков, так и при реализации
производственной и проектной деятельности в целом.
Разработанные подходы к идентификации и анализу рисков поставок и автоматизации данного процесса являются универсальными. Такие подходы могут найти применение в различных отраслях промышленности и народного хозяйства, способствуют реализации процесса импортозамещения в части минимизации рисков промышленных предприятий при переходе на продукцию российских поставщиков, позволяют реализовывать курс на борьбу с коррупционной составляющей процесса выбора поставщика.
Реализация результатов работы. Результаты исследования по теме диссертации внедрены в «КБхиммаш им. А.М. Исаева» – филиале ФГУП «Государственный космический научно–производственный центр им. М.В. Хруничева» (г. Королёв) и применяются при планировании поставок и осуществлении процессов выбора и смены поставщиков при проектировании и производстве, как серийных изделий, так и опытно–конструкторских разработок в области среднего машиностроения.
Результаты диссертационного исследования также внедрены в ООО «АТЛАС ГРУПП» (г. Москва) и применяются при планировании поставок и осуществлении процессов выбора и смены поставщиков при массовом производстве пищевой продукции.
Внедрение результатов диссертационного исследования на
предприятиях различного промышленного профиля доказывает
универсальность разработанного метода идентификации и анализа рисков
поставок, возможность интеграции в уже существующие
автоматизированные системы управления производством.
Достоверность и обоснованность. Обоснованность предложенных выводов обеспечивается использованием научных методов исследования, теории автоматического управления, принципов и приемов теории вероятности и математической статистики, теории экспертных групп и квалиметрического анализа, обуславливается практикой применения разработанного метода, моделей и алгоритмов идентификации и анализа рисков на современных промышленных предприятиях различного профиля.
Апробация результатов диссертационного исследования. Основные положения и результаты диссертационного исследования, докладывались и обсуждались на:
1. VI Всероссийской научно–практической конференции «Машино
строение – традиции и инновации» (МТИ 2013) в период с 28 по 29 ноября
2013 г., организованной Московски государственным технологическим
университетом «СТАНКИН» в городе Москве.
-
Всероссийской заочной научно–практической конференции с международным участием «Техническое регулирование машиностроения в едином экономическом пространстве» 20 мая 2014 г., организованной ФГАОУ ВПО Российским государственным профессионально–педагогическим университетом в городе Екатеринбурге.
-
Молодежной конференции "Новые материалы и технологии в ракетно–космической и авиационной технике" в период с 23 по 26 июня 2014 г., организованной Центром подготовки космонавтов им. Ю.М. Гагарина в Звездном городке.
-
VIII Международной научно–практической конференции «Теоретические и прикладные аспекты современной науки» 27 февраля 2015 г., организованной Агентством прикладных и научных исследований в городе Белгороде.
5. I Международной научно–практической конференции «Современные
тенденции развития науки и технологий» 30 апреля 2015 г., организованной
Агентством прикладных и научных исследований в городе Белгороде.
Положения, выносимые на защиту:
-
Универсальный метод идентификации и анализа рисков поставки.
-
Модель автоматизированной системы идентификации и анализа рисков поставок.
-
Алгоритм и организационно–методические аспекты применения автоматизированной системы идентификации и анализа рисков поставок при осуществлении проектной деятельности.
Публикации. По теме диссертационного исследования опубликовано 9 научных работ общим объемом 9,5 п.л: 3 статьи в изданиях, включённых в перечень изданий, рекомендованных ВАК РФ, 6 публикаций в научных журналах и материалах конференций.
Научная квалификационная работа на соискание степени
кандидата технических наук выполнена в соответствии с паспортом
специальности 05.13.06 – Автоматизация и управление технологическими
процессами и производствами и соответствует пунктам 8 «Формализованные
методы анализа, синтеза, исследования и оптимизация модульных структур
систем сбора и обработки данных в АСУТП, АСУП, АСТПП и др.», 11
«Методы планирования и оптимизации отладки, сопровождения,
модификации и эксплуатации задач функциональных и обеспечивающих
подсистем АСУТП, АСУП, АСТПП и др., включающие задачи управления
качеством, финансами и персоналом» и 16 «Теоретические основы, методы и
алгоритмы построения экспертных и диалоговых подсистем, включенных в
АСУТП, АСУП, АСТПП и др.», так как посвящена актуальным проблемам
реализации процесса идентификации и анализа рисков поставок и его
автоматизации в целях поддержки управленческих решений на
промышленных предприятиях.
Структура и объем диссертационной работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 159 наименований и двух приложений, которые построены по принципу последовательного раскрытия темы исследования. Общий объем диссертации составляет 180 стр. печатного текста. Работа содержит 56 рисунков и 29 таблиц.
Основные методы идентификации и анализа рисков на современном этапе развития риск–анализа
Существует еще один важный момент, содержащийся в приведённом выше определении. Риск–аналитика направлена на минимизацию влияния проявлений последствий, а не обязательно самих последствий. Безусловно, самый эффективный способ подобной минимизации – исключение вероятности и (или) тяжести последствий риска. Но риск–аналитика допускает вероятность реализации неблагоприятных последствий проявлений рисков, если они не окажут неприемлемого воздействия на деятельность организации. Главное, чтобы данное решение было обосновано и осознанно принято руководством организации.
Общей теории возникновения и реализации рисков, которая в полной мере бы описывала причины и процесс их возникновения, на данный момент времени не разработано, что во многом объясняется разнообразием рисков и сфер деятельности, в которых они могут реализовываться. Однако многократно предпринимались попытки разработки теорий, описывающих определенные группы рисков.
Одной из первых подобных теорий была «теория домино», предложенная в первой четверти. ХХ в. американским ученым Г.Хейнрихом, который несколько лет изучал несчастные случаи на различных производствах [146]. Он разработал и научно обосновал процесс реализации риска несчастного случая на производстве как сценарную цепочку событий, каждое из которых, подобно падающим костяшкам домино, провоцирует следующее и так далее до факта причинения вреда жизни или здоровью рабочего.
С точки зрения риск–аналитики эта теория интересна тем, что позволяет предотвратить несчастный случай, исключением из цепочки хотя бы одного события. Хейнрих, в отличие от своих предшественников, полагал, что нарушения трудовой дисциплины работниками являются более распространенной причиной аварийных ситуаций, чем выход из строя оборудования. Повышенное внимание не к техническим факторам риска, а к человеческим являлось для того времени достаточно прогрессивным. Минимизация возможности «опасного поведения» сотрудников организации рассматривалось Хейнрихом как высокоэффективная мера уменьшения риска.
Исследователь Хаддон (Haddon) (США) в 70–е гг. ХХ в. разработал теорию, которая нашла свое применение для установления первопричин реализации рисков в различных областях жизнедеятельности – технической, природной и социальной [26]. Основой теории являлось предположение, что причиной всех случайных неблагоприятных событий является неконтролируемый выход энергии и оказываемое ей воздействие на объекты. При этом, понятие «энергия» имело широкую трактовку, включая в себя не только традиционные «физические» виды энергии (кинетическую, электрическую, ядерную), но и энергию (движущую силу) масс людей, активных живых организмов. Исходя из принципов основной идеи, теория получила название «теория высвобождения энергии» (Energy release theory) и определила несколько общих направлений теории регулирования риска, которые нашли свое применение в различных сферах.
Существует теоретический подход, в основе которого в качестве причины различных неблагоприятных событий в организации, аварийных ситуаций и несчастных случаев, рассматриваются ошибки в системе именно управления. В зарубежных первоисточниках он называется Technique of operation review (TOR), что можно перевести как «Техника анализа операций». Возможные ошибки и недостатки системы управления организацией сгруппированы и классифицированы восемью категориями. Теория предполагает, что устранение ошибок способствует минимизации вероятности реализации большинства возможных внутренних рисков. Имевшие свою реализацию в данной управленческой системе непредвиденные инциденты, вне зависимости от того, способствовали они неблагоприятным последствиям или нет, рассматриваются как признаки недостатков в системе управления.
Впервые термин риск–аналитика был использован в 1950–м г., но широкое распространение он получил лишь с 1970–х гг [82]. К тому периоду времени относится появление в США консалтинговых организаций в области рейтингования и оценки риска. К тому же периоду относится появление квалификации «риск–аналитик».
В 1980–х гг. в крупных организациях стали создаваться отделы риск– аналитики, целью которых была минимизация затрат на страхование [24]. Первоочередной задачей подобных отделов являлся перенос акцента в управлении организацией на превентивные меры минимизации риска, благодаря которым уменьшался риск и страховые тарифы. Поэтому основное внимание на данном этапе развития риск–аналитики уделялось именно страхуемым рискам. Наибольшее распространение риск–аналитика получила в самых технически развитых, сложных и опасных отраслях: тяжелой промышленности, энергетике, транспорте. Определяющей тенденцией в организации системы риск–аналитики того времени являлась его реализация «снизу вверх». Отделы самостоятельно управляли рисками в соответствии со своими функциями и полномочиями. Аналогичная организация процесса риск–аналитики на сегодняшний день считается «традиционной» и несколько устаревшей.
Начиная со второй половины 80–х гг. ХХ в. в западных странах получили развитие частные фирмы, предоставляющие консалтинговые услуги в сфере риск–аналитики. Для небольших организаций, не имеющих своего специалиста по анализу рисков, привлечение стороннего эксперта – возможность создать систему управления рисками. Но руководству организации, как и в случае использования услуг аутсорсинга в любой другой сфере, нельзя не учитывать уровень ответственности за результаты, объективность и квалификацию привлекаемых со стороны экспертов.
Международное общество анализа риска (МОАР) (International society of risk analysis (ISRA)) – основанное в 1981 г. является международной неправительственной организацией в сфере применения методологии идентификации, анализа и управления рисками для целей оптимизации решений в различных областях научной и практической деятельности. Целью МОАР является идентификация различного вида опасностей, их анализ и выявление путей и методов принятия таких решений, которые бы смогли обеспечить безопасное существование и развитие общества.
С середины 1990–х гг. можно отметить следующий этап в развитии риск– аналитики. Перечень управляемых рисков был существенно расширен. Большое внимания стало уделяться редким событиям, реализация которых могла привести к краху компании, а также репутационным и операционным рискам. В крупных западных компаниях определилась тенденция к уменьшению использования страхования и увеличению собственного участия в покрытии убытков от реализации рисков.
Построение дерева рисков. Определение риск–факторов и их проявлений методом мозгового штурма
Вопрос о выборе экспертов – это один из первых вопросов, который следует решать при осуществлении процесса риск–менеджмента. Существует ряд способов формирования экспертных групп, каждый из которых имеет свои достоинства и недостатки. Однако на практике выбор способа ограничен возможностями работы ведущего эксперта в реальной ситуации [122]. В рамках диссертационного исследования был применен способ «взаимных рекомендаций», состоящий в следующем: ведущий эксперт указывает одного– двух специалистов, которые, по его суждению, должны войти в состав экспертной группы. Эти специалисты, в свою очередь, должны назвать других возможных экспертов, включая, может быть, и первого, рекомендовавшего их (при этом способе обычно соблюдают анонимность рекомендаций). Постепенно круг взаимных рекомендаций замыкается, – все возможные эксперты названы.
Как известно, этот способ формирования может привести к созданию экспертной группы, способной выполнить глубокий анализ проблемы [33]. В состав группы вошли 7 экспертов, представителей «КБхиммаш им. А.М. Исаева» и ООО «Атлас групп».
Этапами экспертного метода являются ориентировка и генерация, рассмотрим их поочередно. Ориентировка состоит в снабжении экспертов информацией по анализируемой проблеме, полученной из внешнего источника, например информации, полученной при посещении различных поставщиков и ведении переговоров. Как правило, ориентировку проводят один раз, в начале экспертизы. Назначением ориентировки является создание у экспертов определенной ориентации в отношении проблемы и принципов подхода к ее решению, которые должны быть основополагающими в дальнейшей работе экспертной группы [122].
В случае, когда в связи с условиями работы невозможно собрать экспертов для обсуждения, невозможно проведение с каждым из них разъяснительной работы и т.п., ориентировка выполняется пошагово, от эксперта к эксперту. То есть, первому, эксперту ведущий смог объяснить смысл задачи и способ ее решения. Но далее уже первый эксперт составлял рекомендации следующему специалисту о том, что от него требуется и как это выполнить.
Генерация предназначена для получения от экспертов возможно большего числа предложений, подходов, идей и других сведений, относящихся к предмету анализа.
В результате генерации должен быть получен набор данных, составляющих Основной Информационный Массив (ОИМ). Данные, полученные в результате генерации, сохраняют до конца работы экспертной группы для того, чтобы их можно было использовать в дальнейшем [122].
Генерация может быть осуществлена несколькими различными методами: мозговой атакой, интервью, морфологическим анализом и другими. В условиях, когда специалистов невозможно было собрать вместе, была выбрана методика генерации, так называемая «смешанное анкетирование», при этом эксперту вначале разъясняли цель работы и способ заполнения опросных листов, а затем составляли карту опроса, в которой эксперту были предложены критерии для оценки. По результатам анкетирования ведущий эксперт получал набор анкет с определенными данными.
Методы организации обмена информацией между экспертами предназначены для того, чтобы дать возможность каждому эксперту всесторонне обдумать полученную от других экспертов информацию, учесть их аргументы и предложить обоснованные оценки, или, без ущерба для самолюбия изменить ранее предложенные оценки. Достижение максимальной сходимости оценок иногда рассматривают как основную цель обмена информацией между экспертами. Многочисленные опыты показали, однако [64,79], что добиться полной сходимости оценок почти невозможно. Но даже если это происходит, то полученные согласованные оценки ничуть не более близки к истине, чем усредненные по индивидуальным, имеющим значительное рассогласование, т.к. неясно, насколько сходимость оценок при обмене информацией обусловлена качеством аргументов и насколько – эффектом конформизма.
В нашем случае выбранным видом экспертных оценок являлись «Независимое анкетирование», требующие последовательного опроса каждого эксперта по отдельности, причем ориентирующей информацией для следующего эксперта служат данные, полученные от предыдущего эксперта. То – есть, работу экспертов следовало разнести по времени.
Кроме того, эксперты работали в разных организациях и их невозможно было собрать для работы в одном месте. Это однозначно определяло и способ обмена информацией, – так наз. «мобильное анкетирование», сущность которого состоит в следующем: Ведущий эксперт «подготавливает предварительный перечень критериев оценки поставщика сырья и материалов, т.е. указывает, какие характеристики, показатели, он считает целесообразными использовать для оценки поставщика. Затем подготовленный вариант оценки передают другому эксперту, который дополняет и уточняет его и т.д. Отработанный всеми экспертами вариант вновь получает ведущий эксперт, после чего, цикл может быть повторен.
Рассмотрим процесс анкетирования, проводимый для определения критериев оценки поставщика в настоящем диссертационном исследовании. Для анкетирования привлекались специалисты отделов снабжения «КБхиммаш им. А.М. Исаева» и ООО «Атлас групп», роль ведущего эксперта была отведена главному метрологу «КБ ХИММАШ им. А.М. Исаева». Всего в анкетировании принимали участие 7 экспертов. Обмен анкетами осуществлялся по электронной почте. Эксперты на стадии определения критериев оценки не имели возможности общения между собой, имелась связь только с ведущим экспертом. Ведущим экспертом был предложен перечень критериев оценки поставщика. В этот перечень вошли следующие критерии:
Этот перечень был включен в опросный лист (рисунок 2.5.1) и разослан экспертам для анкетирования, результаты анкетирования и полученные опросные листы приведены в приложении А. Данная процедура является первым кругом анкетирования экспертов.
Пример опросного листа первого круга анкетирования приведен на рисунке 2.5.1, который получен методом сканирования.
В первом кругу анкетирования определяются: – критерии из перечня, предложенного ведущим экспертом, при получении более 70% процентов голосов экспертов из группы (в нашем случае 5 из 7 экспертов); – перечень критериев, предложенных экспертами из группы. Полный перечень критериев для второго круга анкетирования экспертов складывается из оставшихся после первого круга анкетирования критериев, предложенных экспертом, и перечня критериев, предложенных группой экспертов.
Реализация процесса анализа сходимости априорной оценки проявлений риск–факторов с апостериорной оценкой
Параллельно с задачей априорной оценки стояла задача апостериорной оценки поставщиков и проявлений риск–факторов. Для этой цели была создана вторая группа экспертов, идентичная по уровню специалистов первой, оценивающая поставщиков и риск–факторы, с ними связанные, на основании работы с ними за оцениваемый период, то есть осуществляющая апостериорную оценку. основании представленных экспертам данных были получены оценки поставщиков На первом этапе апостериорной оценки группе было предложено оценить 4–х поставщиков расходомеров, основываясь на следующих данных: – статистические данные, полученные в результате работы с поставщиками расходомеров, за 2008 год (статистика представлена в таблицах 3.2.8); – информация о поставщике сырья и материалов из открытых источников за 2008 год (информация с сайтов поставщиков, открытые экономические данные, информация с различных выставок и конференций); – информация о технологических процессах, в которых применялись расходомеры в 2008 году (карты технологических процессов, информация о реализации технологических процессах); – результаты рекламационной работы с поставщиками расходомеров за 2008 г; – отчеты службы качества об отказах и неисправностях в процессе контроля изделий; – информация о предприятии, его инфраструктуре, персонале, производственных мощностях за 2008 год (отчеты подразделений за 2008 год, отчеты службы качества за 2008 год); – информация о внешнем контексте 2008 года (информация из открытых источников). На. Результаты многокритериальной оценки поставщика приведены в таблице 3.2.9. Таблица 3.2.8
Статистические данные об эксплуатации расходомеров за 2008 г. Статистически данные об эксплуатации расходомеров за 2008 год. Марка расходомера Кол–во расходомеровв эксплуатации Кол–востендовыхиспытаний(ч) Кол–во отказовна одинрасходомер Функциональных (явных) Метрологических (скрытых) Средняянаработкана отказ(ч) Средняяпродолж.обработкирекламационного обр.(дн) Поставщик 1 36 1023 0,138888889 5 0 204,6 12
Перед второй группой экспертов, на основании оценок поставщиков и результатов эксплуатации расходомеров, была поставлена задача апостериорной идентификации и оценки последствий проявлений риск–факторов. Результаты этой оценки приведены в таблицах 3.2.10, 3.2.11, 3.2.12, 3.2.13. На основании полученных от двух групп экспертов результатов многокритериальной оценки поставщиков и оценок проявлений риск–факторов был проведен анализ сходимости результатов прогнозирования проявлений риск–факторов и их апостериорной оценки.
Деловаяактивностьпредприятия Высокая продолжительность обработки рекламаций Необходимость закупки излишне избыточного количества расходомеров 0,61 0,29 Возможные перебои в поставкерасходомеров, ведущие к простоямконтрольного оборудования 0,67 0,12 Затруднения в техническом обслуживании расходомеров Невозможность своевременногоустранения неисправностейрасходомеров, ведущая к простоямконтрольного оборудования 0,61 0,11 Высокая стоимость техническогообслуживания, ведущая к повышениюсебестоимости проведения контроля 0,96 0,31 Скорость поставки Задержки в техническом обслуживании расходомеров Невозможность своевременногоустранения неисправностейрасходомеров, ведущая к простоямконтрольного оборудования 0,51 0,11 Продолжительный срок поверкирасходомеров, ведущий к простоямконтрольного оборудования 0,72 0,61 101
Качество продукции Низкое качество расходомеров Высокое количество неявных отказов,ведущих к недостоверности проведенияконтроля 0,89 0,97 Высокое количество явных отказов,ведущих к остановке контроля ипростою контрольного оборудования 0,62 0,61 Необходимость предусмотренной периодической проверки расходомеров 1 0,38 Повышение затрат на испытания 0,91 0,11 102 Продолжение таблицы 3.2. Критерий Риск–фактор Проявление риск–фактора p T Гр
Уровень надежности Невыполнение сроков и условий поставки Простой контрольного оборудования всвязи с отсутствием оплаченныхрасходомеров 0,23 0,18 Техническая некомпетентность сервисного обслуживания Простой контрольного оборудования всвязи с продолжительностьюсервисного обслуживания 0,26 0,29 Вероятность повторения неявного отказа 0,37 0,91 3
Применение автоматизированной системы идентификации и анализа рисков поставок при реализации процесса проектной деятельности
К основным показателям эффективности функционирования процесса идентификации и анализа рисков от поставщика можно отнести следующие: – отсутствие перебоев с поставками сырья и материалов; – отсутствие отрицательных трендов в качестве продукции. Показатели эффективности процесса идентификации и анализа рисков при выборе поставщика сырья и материалов могут варьироваться в зависимости от внешнего и внутреннего контекста, политики компании в области работы с поставщиками и ситуации на рынке сырья и материалов. В качестве примера альтернативных показателей эффективности процесса могут выступать следующие: – отсутствие простоев технологического оборудования по причине отсутствия сырья и материалов; – отсутствие случаев перенасыщения складских помещений сырьем и материалами; – отсутствие увеличения стоимости сырья и материалов; – отсутствие нарушений в сроках поставки; – отсутствие увеличение затрат на доставку сырья и материалов. Одним из управляющих воздействий процесса является установление руководством компаний весовых коэффициентов для критериев оценки поставщика. Весовые коэффициенты могут назначаться как с определенной периодичностью, так и в каждой конкретной ситуации. Количественные значения весовых коэффициентов могут определяться конкретными требованиями к поставщику, сырью, материалам, инфраструктурными особенностями предприятия, экономическим положением компании, технологическими цепочками производства [128].
Ввиду необходимости работы с большими объемами входной информации и необходимости осуществления математических операций целесообразно использовать современные подходы к автоматизации процессов идентификации, анализа и управления рисками [61]. Применение разработанных подходов позволяет автоматизировать процесс математической обработки результатов деятельности экспертных групп идентификации и анализа рисков, существенно сократить затраты времени и трудозатраты на процесс идентификации и анализа рисков при смене поставщика, за счет автоматизации обработки больших объемов статистической информации и машинной реализации современных методик идентификации и анализа рисков.
Необходимо отметить, что процедуру оценки поставщика с последующей идентификацией и анализом рисков целесообразно проводить на различных этапах жизненного цикла продукции. На рисунке 4.2.1 представлена схема применения АСАРП при осуществлении проектной деятельности. На рисунке 4.2.2 приведен алгоритм применения АСАРП при осуществлении проектной деятельности.На различных стадиях проектной деятельности применение АСАРП (АСОП и АСИиАРП) имеет свои цели и особенности.
Первым этапом применения АСАРП является осуществление процесса предварительного выбора поставщика с применением АСОП. Целью применение АСОП, на данном этапе, является определение приоритетного поставщика для осуществления проектной деятельности. Требования и ограничения к поставщику берутся из технического задания, контекстной среды. Поставщиком информации для АСАРП, на всех этапах проектирования, является контекстная среда процесса, включающая в себя: данные о компании, информацию о внешней среде, информацию о поставщиках.
На этапах технического предложения и эскизного проекта информация о предполагаемых к реализации процессах, в которых будут задействованы поставщики, передается в АСИиАРП для последующего анализа. В преддверии этапа технического проекта, реализуется процесс идентификации и анализа рисков поставщика с применением АСИиАРП.
На всех этапах рабочего проекта информация о работе с выбранным поставщиком поступает в АСАРП для анализа. Процедуру повторной оценки поставщика целесообразно проводить перед этапом контроля контрольной партии. При условии изменения его оценок в меньшую сторону более чем на 20% целесообразно рассматривать вопрос о смене поставщика. Если такое решение принято, проводится повторная процедура оценки и выбора поставщика с применением АСОП, но уже учитывая информацию о требованиях и ограничениях для поставщика, полученную в процессе реализации рабочего проекта.
Вне зависимости от решения о смене поставщика, после реализации эскизного проекта, перед этапом сертификации, необходимо провести процедуру идентификации и анализа рисков от поставщика и материалов, с применением АСИиАРП. Необходимость процесса идентификации и анализа рисков от поставщика, после реализации этапа рабочего проекта и перед осуществлением процесса сертификации, вызвана следующим: – возможностью изменения ситуации на рынке сырья и материалов за период реализации рабочего проекта; – возможностью изменений во внутренней среде компании за период реализации рабочего проекта; – различными изменениями в подходах компании к реализации процессов, в которых задействованы поставщики за период реализации рабочего проекта;