«УПРАВЛЕНИЕ ПРОЕКТАМИ: ОРГАНИЗАЦИОННЫЕ МЕХАНИЗМЫ Распределение ответственности WBS OBS Сетевой график Распределение Распределение ресурсов полномочий RBS Москва – 2007 Российская академия наук Институт проблем управления ...»

Д.А. Новиков

УПРАВЛЕНИЕ ПРОЕКТАМИ:

ОРГАНИЗАЦИОННЫЕ МЕХАНИЗМЫ

Распределение

ответственности

WBS OBS

Сетевой график

Распределение Распределение

ресурсов полномочий

RBS Москва – 2007 Российская академия наук Институт проблем управления им. В.А. Трапезникова Д.А. Новиков

УПРАВЛЕНИЕ ПРОЕКТАМИ:

ОРГАНИЗАЦИОННЫЕ МЕХАНИЗМЫ

Рекомендовано в качестве учебного пособия Методическим советом Московского физико-технического института Москва – УДК 519. Н Новиков Д.А. Управление проектами: организационные механизмы. – М.: ПМСОФТ, 2007. – 140 с.

ISBN 978-5-903-183-01- Настоящая работа представляет собой введение в организационные механизмы управления проектами – процедуры принятия управленческих решений, основывающиеся на разработке и анализе математических моделей организационного управления проектами. Первая глава посвящена обсуждению общих подходов к моделированию, к постановке и решению задач управления. Вторая глава содержит общие сведения об управлении проектами. Третья и четвертые главы включают качественный обзор собственно организационных механизмов управления проектами, руководствуясь которым можно было бы пользоваться известными в литературе результатами как конструктором (большинство соответствующих работ находятся в открытом доступе в Интернете).

В третьей главе описаны механизмы: финансирования проектов, управления взаимодействием участников проекта, стимулирования, управления договорными отношениями, оперативного управления, а также методика освоенного объема.

В четвертой главе кратко рассмотрена специфика управления проектами различных типов, таких как: корпоративные проекты и программы, портфели проектов, организационные проекты, образовательные проекты, научные проекты и инновационные проекты.

Работа предназначена для студентов ВУЗов и аспирантов управленческих специальностей, а также для научных и практических работников.

Рецензенты:

доктор технических наук, профессор В.Н. Бурков доктор технических наук, профессор А.В. Цветков Рекомендовано к изданию Редакционным советом ИПУ РАН © Новиков Д.А.,

СОДЕРЖАНИЕ

Введение

Глава 1. Моделирование и управление

1.1. Модели и моделирование

1.2. Оптимизация и устойчивость решений

1.3. Управление

Глава 2. Управление проектами

2.1. Проекты и управление проектами

2.2. Календарно-сетевое планирование и управление.. 2.3. «Методология» управления проектами.................. 2.4. Управление проектами в организации

2.5. Информационные системы управления проектами 2.6. Управление знаниями

Глава 3. Организационные механизмы управления проектами

3.1. Классификация организационных механизмов управления проектами

3.2. Механизмы финансирования проектов

3.3. Механизмы управления взаимодействием участников проекта

3.4. Механизмы стимулирования в управлении проектами

3.5. Методика освоенного объема

3.6. Механизмы управления договорными отношениями

3.7. Механизмы оперативного управления проектами Глава 4. Специфика управления проектами различных типов

4.1. Корпоративные проекты и программы................. 4.2. Портфели проектов

4.3. Организационные проекты

4.4. Образовательные проекты

4.5. Научные проекты

4.6. Инновационные проекты

Заключение

Литература

Сведения об авторе

Исторически известны различные типы культуры организации деятельности (см. [67]). Современным является проектнотехнологический тип организационной культуры, который состоит в том, что продуктивная деятельность человека (или организации) разбивается на отдельные завершенные циклы, которые называются проектами1.

Процесс осуществления практически любой нерутинной деятельности можно рассматривать в рамках проекта, реализуемого в определенной временнй последовательности по фазам, стадиям и этапам, причем последовательность эта является общей для всех видов деятельности. Завершенность цикла деятельности (проекта) определяется тремя фазами:

– фаза проектирования, результатом которой является построенная модель создаваемой системы и план ее реализации;

– технологическая фаза, результатом которой является реализация системы;

– рефлексивная фаза, результатом которой является оценка реализованной системы и определение необходимости либо ее дальнейшей коррекции, либо «запуска» нового проекта.

Еще в прошлом веке появились такие понятия как проекты и программы, а к концу ХХ века деятельность по их созданию и реализации стала массовой. Обеспечиваются они не только и не столько теоретическими знаниями, сколько аналитической работой. Профессиональная культура за счет своей теоретической мощи породила способы массового изготовления новых знаковых форм (моделей, алгоритмов, баз данных и т.п.), и это стало теперь материалом для новых технологий. Это – технологии уже не только вещного, но и знакового производства, а, в общем, технологии, На сегодняшний день существуют два определения проекта: проект как нормативная модель некоторой системы и проект как целенаправленное создание или изменение некоторой системы, ограниченное во времени и ресурсах и имеющее специфическую организацию. Мы будем использовать второе определение (см. ниже).

наряду с проектами, программами, стали ведущей формой организации деятельности.

Специфика современных технологий заключается в том, что ни одна теория, ни одна профессия не могут покрыть весь технологический цикл. Сложная организация больших технологий приводит к тому, что бывшие профессии обеспечивают лишь одну-две ступени больших технологических циклов, и для успешной работы и карьеры человеку важно быть не только профессионалом, но и быть способным активно и грамотно включаться в эти циклы.

Отметим следующую особенность. И научное исследование, и создание произведения искусства как завершенные циклы продуктивной творческой деятельности вполне подпадают под определение проекта. И, хотя понятие «проект» в науке и искусстве стало применяться только в последнее время, где-то с середины ХХ века – атомный проект, проект создания художественного фильма, проект театральной постановки и т.д. – но исторически первой стала на проектный тип организационной культуры художественная деятельность (начиная с эпохи Возрождения).

Затем, к концу XIX – началу XX века проектный тип организационной культуры «проник» в науку – когда в научных исследованиях по многим отраслям научного знания стало практически обязательным требованием построение научных гипотез как познавательных моделей [106, С. 116], и научное исследование стало, тем самым, проектироваться. В полную же силу проектнотехнологический тип организационной культуры «заработал» лишь в последние десятилетия – когда он был востребован в массовых масштабах практикой.

В этом новом типе организационной культуры ключевыми становятся понятия: проект, технологии и рефлексия. При этом два из них являются как бы противоположными: проект (дословно – брошенный вперед) и рефлексия (дословно – обращение назад).

Традиционное понимание проекта, существовавшее ранее в технике, в строительстве и т.д. – это совокупность документов (расчетов, чертежей и др.) для создания какого-либо сооружения или изделия (см., например, [102]). На смену ему пришло современное понимание проекта как завершенного цикла продуктивной деятельности: отдельного человека, коллектива, организации, предприятия или совместной деятельности многих организаций и предприятий.

«Проект – это ограниченное во времени целенаправленное изменение отдельной системы с установленными требованиями к качеству результатов, возможными рамками расхода средств и ресурсов и специфической организацией» [19].

Включение в определение отдельной системы указывает не только на целостность проекта, но и подчеркивает единственность проекта, его неповторимость и признаки новизны.

Многообразие проектов, с которыми приходится сталкиваться в реальной жизни, чрезвычайно велико. Они могут сильно отличаться по сфере приложения, предметной области, масштабам, длительности, составу участников, степени сложности и т.п. (классификация проектов приведена во второй главе).

Проект как объект управления изучается в таком разделе современной теории управления как управление проектами (УП).

Исторически сложились четыре обширных раздела теории управления проектами.

1. Календарно-сетевое планирование и управление (КСПУ), использующее методы теории графов для построения и оптимизации сетевого графика проекта и распределения ресурсов [10, 16, 18, 23, 42, 63]. Это направление появилось в начале 50-х годов XX века и долгое время под управлением проектами понималось именно КСПУ.

2. «Методология» управления проектами, отражающая сложившуюся на сегодняшний день терминологию и успешный опыт реализации проектов [30, 96, 104]. Это направление, которое условно можно считать разделом менеджмента, выделилось в самостоятельное в начале 80-х годов XX века, и сегодня большинство, как теоретических исследований, так и практико-ориентированных работ по управлению проектами, относятся именно к этому направлению.

3. Механизмы управления проектами – организационные процедуры принятия управленческих решений, основывающиеся на разработке и анализе математических моделей организационного управления проектами [19, 49, 62]. Это направление появилось в начале 70-х годов XX века и может рассматриваться как раздел общей математической теории управления организационными и социально-экономическими системами.

4. Информационные системы управления проектами (ИСУП), позволяющие получать, хранить, перерабатывать и использовать для принятия решений информацию о проекте и его окружении [34, 104]. Информационное обеспечение УП стало самостоятельным направлением информационных систем с середины 80-х годов XX века, и на сегодняшний день существует множество программных средств управления проектами самого разного масштаба.

В настоящей работе мы не ставим задачи дать сколь-нибудь полное описание методов КСПУ, «методологии» УП (соответствующей литературой переполнены полки любого книжного магазина), а также методов и средств ИСУП – заинтересованный читатель может получить об этих трех направлениях исчерпывающее представление по приведенным в настоящей работе ссылкам.

Основной акцент мы будем делать на механизмы управления проектами.

Книга разбита на четыре главы. Так как ключевыми словами для нас являются «проект», «управление», «организация» и «механизм», а основным методом исследования организационных механизмов управления проектами является математическое моделирование, то первая глава посвящена обсуждению общих подходов к моделированию, к постановке и решению задач управления. Вторая глава носит характер минимального «ликбеза» по современному состоянию теории управления проектами. Третья и четвертая главы посвящены обзору собственно организационных механизмов управления проектами.

Так, в третьей главе вводится классификация механизмов управления проектами и описаны механизмы: финансирования проектов, управления взаимодействием участников проекта, стимулирования, управления договорными отношениями, оперативного управления, а также методика освоенного объема.

В четвертой главе кратко рассмотрена специфика управления проектами различных типов, таких как: корпоративные проекты и программы, портфели проектов, организационные проекты, образовательные проекты, научные проекты и инновационные проекты.

Автор обязан предостеречь уважаемого Читателя, что данная работа не претендует на исчерпывающее детальное описание современного состояния организационных механизмов управления проектами (по каждому из разделов существует множество работ – см. соответствующие ссылки), а представляет собой обзор, руководствуясь которым можно было бы ориентироваться в существующих подходах и пользоваться известными в литературе результатами как конструктором (тем более, что большинство соответствующих работ находятся в открытом доступе в Интернете).

Глава 1. Моделирование и управление В настоящей главе дается определение модели, классифицируются виды моделей и методы моделирования, перечисляются функции моделирования и требования к моделям. Рассматриваются этапы построения и исследования математических моделей, формулируются задачи оптимизации и обсуждаются проблемы устойчивости решений этих задач. Приводится общая постановка и технология решения задач управления.

1.1. Модели и моделирование Важной стадией фазы проектирования любой системы является ее моделирование [67], заключающееся в построении, анализе и оптимизации моделей. Приведем, сначала, определения модели:

Модель – образ некоторой системы; аналог (схема, структура, знаковая система) определенного фрагмента природной или социальной реальности, «заместитель» оригинала в познании и практике [106, C. 382].

Модель – в широком смысле – любой образ, аналог (мысленный или условный: изображение, описание, схема, чертеж, график, план, карта и т.п.) какого-либо объекта, процесса или явления (оригинала данной модели) [102, Статья «Модель», 5-е значение].

Моделью можно назвать искусственно создаваемый образ конкретного предмета, устройства, процесса, явления (и, в конечном счете, любой системы) [40].

Все эти определения не противоречат друг другу. Модель выступает как образ будущей системы. В процессе моделирования задействованы как бы четыре «участника»: «субъект» – инициатор моделирования и/или пользователь его результатов; «объекторигинал» – предмет моделирования, то есть та система, которую хочет создать и/или использовать в дальнейшем «субъект»; «модель» – образ, отображение; «среда», в которой находятся и с которой взаимодействуют все участники. Модели делятся на познавательные и прагматические («практические») [88].

Познавательные модели – это предположительные образы будущего научного знания, то есть научные гипотезы. Таким образом, познавательные модели отражают предположительно существующее (научное знание). Прагматические же модели отражают не существующее (в практике), но желаемое и, возможно, осуществимое.

Прагматические модели проектируемых систем, так же, как и сами системы, могут находиться на разных уровнях иерархии.

Можно говорить, к примеру, о модели урока в школе, о модели технической системы, о модели какого-либо предприятия, фирмы, о региональной модели здравоохранения, о модели железнодорожного транспорта страны и т.д.

Прагматические модели являются способом организации практических действий, способом представления как бы образцово правильных действий и их результатов, то есть являются рабочим представлением, мысленным образцом будущей системы. Таким образом, прагматические модели носят нормативный характер для дальнейшей деятельности, играют роль стандарта, образца, под который «подгоняется» в дальнейшем как сама деятельность, так и ее результаты. Примерами прагматических моделей могут быть планы и программы действий, уставы организаций, должностные инструкции, кодексы законов, рабочие чертежи, экзаменационные требования и т.д.

Моделирование включает в себя три этапа:

- построение моделей;

- оптимизация;

- выбор (принятие решений).

ПОСТРОЕНИЕ МОДЕЛЕЙ. Для создания моделей у человека есть всего два типа «материалов» – средства самого сознания и средства окружающего материального мира. Соответственно этому модели делятся на абстрактные (идеальные) и материальные (реальные, вещественные).

Абстрактные модели являются идеальными конструкциями, построенными средствами мышления, сознания.

Абстрактные модели являются языковыми конструкциями.

Абстрактные модели могут формироваться и передаваться другим людям средствами разных языков, языков разных уровней специализации.

Во-первых, посредством естественного языка (как конечный результат, поскольку в процессе построения моделей человеком используются и неязыковые формы мышления – «интуиция», образное мышление и т.д.). На естественном языке человек может говорить обо всем, этот язык является средством построения любых абстрактных моделей. Универсальность естественного языка достигается еще и тем, что языковые модели обладают неоднородностью, расплывчатостью, размытостью. Многозначность почти каждого слова, используемого в естественном языке любой национальности, а также неопределенность слов (несколько, почти, много и т.д.) при огромном числе вариантов их соединения во фразы позволяет любую ситуацию отобразить с достаточной для обычных практических целей точностью. Эта приблизительность является неотъемлемым свойством языковых моделей. Но рано или поздно практика сталкивается с ситуациями, когда приблизительность естественного языка оборачивается недостатком, который необходимо преодолевать.

Поэтому, во-вторых, для построения абстрактных моделей используются «профессиональные» языки. Их применяют люди, связанные общими для них, но частными для всех остальных людей, видами деятельности. Наиболее ярко это проявляется на примере языков конкретных отраслей наук сильной версии – физики, химии и др. (см. [67]). Дифференциация наук объективно потребовала создания специализированных языков, более четких и точных, чем естественный.

В-третьих, когда средств естественного и профессионального языков не хватает для построения моделей, используются искусственные, в том числе формализованные, языки – например, в логике, математике. К искусственным языкам также относятся компьютерные языки, чертежи, схемы и т.п.

В результате получается иерархия языков и соответствующая иерархия типов моделей. На верхнем уровне этого спектра находятся модели, создаваемые средствами естественного языка, и так вплоть до моделей, имеющих максимально достижимую определенность и точность для сегодняшнего состояния данной отрасли профессиональной деятельности. Наверное, так и следует понимать известные высказывания И. Канта и К. Маркса о том, что любая отрасль знания может тем с большим основанием именоваться наукой, чем в большей степени в ней используется математика.

Математические (в строгом смысле) модели обладают абсолютной точностью. Но чтобы дойти до их использования в какой-либо области, необходимо получить достаточный для этого объем достоверных знаний. Нематематизированность многих общественных и гуманитарных наук не означает их ненаучности, а есть следствие познавательной сложности их предметов. В них модели строятся, как правило, с использованием средств естественного языка.

Функции моделирования. Можно выделить следующие функции моделирования:

- дескриптивная функция;

- прогностическая функция;

- нормативная функция.

Дескриптивная функция заключается в том, что за счет абстрагирования модели позволяют достаточно просто объяснить наблюдаемые на практике явления и процессы (другими словами, они дают ответ на вопрос «почему мир устроен так»). Успешные в этом отношении модели становятся компонентами научных теорий и являются эффективным средством отражения содержания последних (поэтому познавательную функцию моделирования можно рассматривать как составляющую дескриптивной функции).

Прогностическая функция моделирования отражает его возможность предсказывать будущие свойства и состояния моделируемых систем, то есть отвечать на вопрос «что будет?».

Нормативная функция моделирования заключается в получении ответа на вопрос «как должно быть?» – если, помимо состояния системы, заданы критерии оценки ее состояния, то за счет использования оптимизации (см. ниже) возможно не только описать существующую систему, но и построить ее нормативный образ – желательный с точки зрения субъекта, интересы и предпочтения которого отражены используемыми критериями.

Нормативная функция моделирования тесно связана с решением задач управления, то есть, ответе на вопрос «как добиться желаемого (состояния, свойств системы и т.д.)?».

Требования, предъявляемые к моделям. Для того чтобы создаваемая модель соответствовала своему назначению, недостаточно создать просто модель. Необходимо, чтобы она отвечала ряду требований. Невыполнение этих требований лишает модель ее модельных свойств.

Первым требованием является ингерентность модели, то есть достаточная степень согласованности создаваемой модели со средой, чтобы создаваемая модель была согласована со средой, в которой ей предстоит функционировать, входила бы в эту среду не как чужеродный элемент, а как естественная составная часть [26].

Другой аспект ингерентности модели состоит в том, что в ней должны быть предусмотрены не только «стыковочные узлы» со средой («интерфейсы»), но, и, что не менее важно, в самой среде должны быть созданы предпосылки, обеспечивающие функционирование будущей системы. То есть не только модель должна приспосабливаться к среде, но и среду необходимо приспосабливать к будущей системе.

Второе требование – простота модели. С одной стороны, простота модели – ее неизбежное свойство: в модели невозможно зафиксировать все многообразие реальных ситуаций.

С другой стороны, простота модели неизбежна из-за необходимости оперирования с ней, использования ее как рабочего инструмента, который должен быть обозрим и понятен, доступен каждому, кто будет участвовать в реализации модели.

С третьей стороны, есть еще один, довольно интересный и непонятный пока аспект требования простоты модели, который заключается в том, что чем проще модель, тем она ближе к моделируемой реальности и тем удобнее для использования. Классический пример – геоцентрическая модель Птолемея и гелиоцентрическая модель Коперника. Обе модели позволяют с достаточной точностью вычислять движение планет, предсказывать затмения солнца и т.п. Но модель Коперника истинна и намного проще для использования, чем модель Птолемея. Ведь недаром древние подметили, что простота – печать истины. У физиков, математиков есть довольно интересный критерий оценки решения задач: если уравнение и/или его решение простое и «красивое» – то оно, скорее всего, истинно.

Можно привести и такой пример. В книге нобелевского лауреата Г. Саймона [96] рассматривается следующая ситуация. Предположим, что мы наблюдаем за тем, как муравей движется по песку из одной точки в другую. Целью муравья может быть стремление минимизировать затраты своей энергии, поэтому он огибает горки песка. Его «целевая функция» характеризует зависимость затрат энергии, которые он хочет минимизировать, от рельефа (внешней среды), и от его траектории (действия). Пусть мы наблюдаем только проекцию на горизонтальную плоскость траектории муравья. Если рельеф, по которому двигался муравей, неизвестен, то объяснить поведение муравья (сложную, петляющую траекторию) довольно непросто, и придется строить весьма хитроумные модели. Но если «угадать», что цель муравья проста, и включить в модель «рельеф», то все существенно упростится. По аналогии Г. Саймон выдвигает гипотезу, что наблюдаемое разнообразие и сложность поведения людей объясняются не сложностью принципов принятия ими решений (выбора действий), которые сами по себе просты, а разнообразием ситуаций (состояний внешней среды), в которых принимаются решения. С этим мнением вполне можно согласиться. Вопрос только в том, как найти эти простые принципы?

Наконец, третье требование, предъявляемое к модели – ее адекватность. Адекватность модели означает возможность с ее помощью достичь поставленной цели проекта в соответствии со сформулированными критериями (см. также Рис. 2 и обсуждение проблем адекватности математических моделей ниже). Адекватность модели означает, что она достаточно полна, точна и истинна.

Достаточно не вообще, а именно в той мере, которая позволяет достичь поставленной цели. Иногда удается (и это желательно) ввести некоторую меру адекватности модели, то есть определить способ сравнения разных моделей по степени успешности достижения цели с их помощью.

Методы моделирования. Методы моделирования систем можно разделить на два класса. Называются эти классы в разных публикациях по-разному:

– методы качественные и количественные. Смысл разделения понятен. Однако такое разделение не совсем точно, поскольку качественные методы могут сопровождаться при обработке получаемых результатов и количественными представлениями, например с использованием средств математической статистики;

– методы, использующие средства естественного языка, и методы, использующие специальные языки. Смысл разделения также понятен, но тоже не совсем точен, поскольку графические методы (схемы, диаграммы и т.д.) в первый класс не попадают, но широко используются в практике;

– методы содержательные и формальные. Разделение тоже не точно, поскольку компьютерное моделирование может требовать минимальной формализации.

Существует множество более детальных классификаций моделей и/или видов моделирования. Например, на Рис. 1 приведена система классификаций видов моделирования, заимствованная из [102].

Мы не будем рассматривать качественные методы моделирования (см. [26, 67, 88]), а перейдем сразу к количественным.

Рис. 1. Система классификаций видов моделирования Количественные методы моделирования (математическое моделирование). Для исследования характеристик процесса функционирования любой системы математическими методами, включая и компьютерное моделирование, должна быть проведена формализация этого процесса, то есть построена математическая модель.

Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристики рассматриваемого реального объекта. Вид математической модели зависит как от природы реального объекта, так и от задач исследования объекта и требуемой достоверности и точности решения этих задач. Любая математическая модель, как и всякая другая, описывает реальный объект лишь с некоторой степенью приближения к действительности.

Можно выделить следующие этапы построения математической модели (см. также Рис. 2).

1. Определение предмета и цели моделирования, включая границы исследуемой системы и те основные свойства, которые должны быть отражены.

ОБЪЕКТ

Ц И АНАЛИЗ

И АДЕКВАТНОСТИ

Рис. 2. Этапы построения и исследования 2. Выбор языка (аппарата) моделирования. На сегодняшний день не существует общепризнанной классификации методов математического моделирования. Например, в [78] было предложено выделить оптимизационные и теоретико-игровые модели.

Оптимизационные модели могут использовать аппарат теории вероятностей (теория надежности, теория массового обслуживания, теория статистических решений), теории оптимизации (линейное и нелинейное, стохастическое, целочисленное, динамическое и др. программирование, многокритериальная оптимизация), дифференциальных уравнений и оптимального управления, дискретной математики (теория графов, теория расписаний и т.д.) – см. подробности в [16, 23, 92, 95].

Теоретико-игровые модели могут использовать аппарат некооперативных игр, кооперативных игр, повторяющихся игр, иерархических игр, рефлексивных игр (см. подробности в [38, 80]).

Теория игр – раздел прикладной математики, исследующий модели принятия решений в условиях несовпадения интересов сторон (игроков), когда каждая сторона стремится воздействовать на развитие ситуации в собственных интересах. Под игрой при этом понимается взаимодействие сторон, интересы которых не совпадают [38].

Существуют несколько сотен «аппаратов» моделирования (см.

библиографические ссылки выше), каждый из которых представляет собой разветвленный раздел прикладной математики. Описывать всех их подробно в рамках настоящей книги не представляется возможным (да и целесообразным). В качестве примера проиллюстрируем, какого рода модели позволяет строить теория графов.

Теория графов – раздел дискретной математики. Неформальное определение графа таково: графом называется совокупность вершин (изображаемых кружками) и связей между ними, изображаемых ориентированными дугами (со стрелками) или неориентированными ребрами (без стрелок) – см. Рис. 3.

Язык графов оказывается удобным для моделирования многих физических, технических, экономических, биологических, социальных и других систем.

Приведем ряд примеров приложений теории графов (более подробное описание перечисляемых и других задач можно найти в [16, 23]).

а) «Транспортные» задачи, в которых вершинами графа являются пункты погрузки/разгрузки, а ребрами – дороги (автомобильные, железные и др.) и/или другие транспортные (например, авиационные) маршруты. Другой пример – сети снабжения (энергоснабжения, газоснабжения, снабжения товарами и т.д.), в которых вершинами являются пункты производства и потребления, а ребрами или дугами – возможные маршруты перемещения (линии электропередач, газопроводы, дороги и т.д.). Соответствующий класс задач оптимизации потоков грузов, размещения пунктов производства и потребления и т.д., иногда называется задачами обеспечения или задачами о размещении. Их подклассом являются задачи о грузоперевозках.

б) «Технологические задачи», в которых вершины отражают производственные элементы (заводы, цеха, станки и т.д.), а дуги – потоки сырья, материалов и продукции между ними, заключаются в определении оптимальной загрузки производственных элементов и обеспечивающих эту загрузку потоков.

в) Обменные схемы, являющиеся моделями таких явлений как бартер, взаимозачеты и т.д. Вершины графа при этом описывают участников обменной схемы (цепочки), а дуги – потоки материальных и финансовых ресурсов между ними. Задача заключается в определении цепочки обменов, оптимальной с точки зрения, например, организатора обмена и согласованной с интересами участников цепочки и существующими ограничениями.

г) Управление проектами (см. также главу 2). С точки зрения теории графов проект – совокупность операций и зависимостей между ними (сетевой график). Хрестоматийным примером является проект строительства некоторого объекта. Совокупность моделей и методов, использующих язык и результаты теории графов и ориентированных на решение задач управления проектами, получила название календарно-сетевого планирования и управления (КСПУ). В рамках КСПУ решаются задачи определения последовательности выполнения операций и распределения ресурсов между ними, оптимальных с точки зрения тех или иных критериев (времени выполнения проекта, затрат, риска и др.).

д) Модели коллективов и групп, используемые в социологии, основываются на представлении людей или их групп в виде вершин, а отношений между ними (например, отношений знакомства, доверия, симпатии и т.д.) – в виде ребер или дуг. В рамках подобного описания решаются задачи исследования структуры социальных групп, их сравнения, определения агрегированных показателей, отражающих степень напряженности, согласованности взаимодействия, и др.

3. Выбор переменных, описывающих состояние системы и существенные параметры внешней среды, а также шкал их измерения и критериев оценки.

Отметим, что при построении моделей сложных систем часто приходится использовать иерархические наборы переменных, описывающих систему с различной степенью детализации, то есть использующих агрегирование информации. Наличие агрегирования (сжатия) информации неизбежно присуще организационным иерархиям2 [72], агрегирование экономических и других показателей происходит в любых социально-экономических системах [46], в управлении проектами возникает необходимость агрегированного описания подпроектов [6, 49], в задачах управления нельзя обойтись без агрегированного описания состояний управляемой систеТак, например, руководителю крупной организации вовсе не обязательно знать, чем в каждый момент времени занят каждый из сотрудников этой организации; руководителю необходимо иметь общее представление о текущих результатах деятельности более или менее крупных подразделений.

мы (так называемая задача комплексного оценивания3) [78, 88] и т.д. Подробное описание используемых при этом формальных методов можно найти в литературе, ссылки на которую приведены выше.

4. Выбор ограничений, то есть множеств возможных значений переменных, и начальных условий (начальных значений переменных).

5. Определение связей между переменными с учетом всей имеющейся о моделируемой системе информации, а также известных законов, закономерностей и т.п., описывающих данную систему. Именно этот этап иногда называют «построение модели» (в узком смысле).

6. Исследование модели – или имитационное, или/и применение методов оптимизации и, быть может, решение задачи управления (см. описание каждого из этих трех блоков ниже). Именно этот этап иногда называют «моделированием» (в узком смысле).

7. Изучение устойчивости и адекватности модели (см. ниже).

Последующие этапы, связанные с практической реализацией модели и/или внедрением результатов моделирования, мы здесь не рассматриваем.

Приведенные этапы математического моделирования иногда приходится повторять, возвращаясь к более ранним этапам при уточнении цели моделирования, обеспечении точности, устойчивости, адекватности и т.д.

Рассмотрим пример (так называемую дуополию Курно, описывающую конкуренцию двух экономических агентов), иллюстрирующий приведенные выше семь этапов построения математической модели.

1. Предметом моделирования является взаимодействие двух агентов – производителей одного и того же товара, – каждый из которых выбирает свой неотрицательный объем производства (предложение товара), стремясь максимизировать свою прибыль в условиях, когда рыночная цена убывает с ростом суммарного Например, при аккредитации высших учебных заведений анализируется множество параметров, описывающих их деятельность. Решение же об аккредитации принимается на основании агрегированной (комплексной) оценки результатов деятельности ВУЗа.

предложения. Целью моделирования является предсказание рыночного равновесия – объемов производства и цены.

2. В качестве «аппарата» моделирования используется теория некооперативных игр [38].

3. В качестве переменных, описывающих состояние системы, выберем неотрицательные объемы производства x1 и x2 соответственно первого и второго агентов и рыночную цену p.

4. Считается, что известны:

- зависимость цены: p = 5 – (x1 + x2) от суммарного предложения x1 + x2 – чем больше предложение, тем ниже цена;

- затраты 3 (x1)2 и 5 (x2)2 / 4 соответственно первого и второго агентов – чем больше объем выпуска, тем выше затраты;

5. Прибыль каждого агента представляет собой разность между его выручкой (равной произведению цены на его объем производства) и затратами, то есть целевые функции первого и второго агентов равны соответственно 6. Исследование модели заключается в нахождении объемов производства x1 и x2, максимизирующих прибыли агентов (точнее – в нахождении так называемого равновесия Нэша (то есть, таких объемов производства, одностороннее отклонение от которых не выгодно ни одному из агентов) их игры [38]): x1 = 0,5, x2 = 1 и вычислении соответствующей рыночной цены, равной 3,5.

7. Данная модель устойчива (например, малые ошибки в измерении коэффициентов затрат агентов приведут к малым ошибкам в вычислении равновесной цены).

Завершив рассмотрение примера, отметим, что математическое моделирование можно разделить на аналитическое и имитационное [78].

Для аналитического моделирования характерно то, что процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений (например, уравнений – алгебраических, дифференциальных, интегральных и т.п.) или логических условий. Аналитическая модель может быть исследована следующими методами:

- аналитическим, когда стремятся получить в общем (аналитическом) виде явные зависимости для искомых характеристик в виде определенных формул. Оба рассмотренных выше примера построения математической модели были исследованы аналитически;

- численным, когда, не имея возможности решать уравнения в общем виде, стремятся получить (например, с помощью компьютера) числовые результаты при тех или иных конкретных начальных данных;

- качественным, когда, не имея решения в явном виде, можно найти некоторые его свойства. Примером могут служить так называемые «мягкие» модели [3], в которых анализ вида дифференциальных уравнений, описывающих самые разнообразные процессы (экономические, экологические, политические и др.) позволяет делать качественные выводы о свойствах их решений – существовании и типе равновесных точек, областях возможных значений переменных и т.п.

Для имитационного моделирования характерно исследование отдельных траекторий динамики моделируемой системы. При этом фиксируются некоторые начальные условия (начальное состояние системы или параметры модели) и рассчитывается одна траектория. Затем выбираются другие начальные условия, и рассчитывается другая траектория и т.д. То есть, аналитической зависимости между параметрами модели и будущими состояниями системы не ищется. Как правило, при имитационном моделировании используют численные методы, реализованные на компьютере. Плюс имитационного моделирования заключается в том, что оно позволяет проанализировать различные сценарии иногда даже для очень сложных моделей. Его недостаток4 состоит в отсутствии возможности получения, например, ответа на вопрос, в каких случаях (при каких значениях начальных условий и параметров модели) динамика системы будет удовлетворять заданным требованиям. Кроме От этого недостатка свободны аналитические модели, но они редко могут быть построены и исследованы для достаточно сложных систем.

того, обычно затруднителен анализ устойчивости имитационных моделей.

Итак, мы кратко рассмотрели вопрос о построении моделей, в том числе – математических (обсуждение устойчивости и адекватности моделей, а также связанных с моделями проблем оптимизации и задач управления, производится ниже). Тех читателей, которые заинтересуются современными способами формализованного представления моделей, мы отсылаем к достаточно полным их описаниям, выполненным для ряда предметных областей в [16, 23, 26, 31, 38, 40, 58, 78, 84, 87, 88, 91, 95].

Отметим, что, несмотря на то, что на сегодняшний день накоплен значительный опыт разработки и использования самых разных методов моделирования (в том числе – математического), все равно в этом процессе решающую роль играет творчество, интуитивное искусство создания модели.

Следующий этап моделирования – оптимизация.

1.2. Оптимизация и устойчивость решений Оптимизация заключается в том, чтобы среди множества возможных вариантов (моделей проектируемой системы) найти наилучшие в заданных условиях, при заданных ограничениях, то есть оптимальные альтернативы. В этой фразе важное значение имеет каждое слово. Говоря «наилучшие», мы предполагаем, что у нас имеется критерий (или ряд критериев), способ (способы) сравнения вариантов. При этом важно учесть имеющиеся условия, ограничения, так как их изменение может привести к тому, что при одном и том же критерии (критериях) наилучшими окажутся другие варианты.

Понятие оптимальности получило строгое и точное представление в различных математических теориях, прочно вошло в практику проектирования и эксплуатации технических систем, сыграло важную роль в формировании современных системных представлений, широко используется в административной и общественной практике, стало понятием, известным практически каждому человеку. Это и понятно: стремление к повышению эффективности труда, любой целенаправленной деятельности как бы нашло свое выражение, свою ясную и понятную форму в идее оптимизации.

В математическом смысле суть оптимизации, вкратце, заключается в следующем. Пусть состояние моделируемой системы определяется совокупностью показателей: x = (x1, x2, x3,..., xn), принимающих числовые значения. На множество возможных состояний системы наложено ограничение: x X, где множество X определяется существующими физическими, технологическими, логическими, ресурсными и другими ограничениями. Далее вводится функция F(x), зависящая от x1, x2, x3,..., xn, которая называется критерием эффективности и принимает числовое значение.

Считается, что чем бльшие значения принимает функция F(x), тем выше эффективность, то есть, тем «лучше» состояние x системы.

Задача оптимизации заключается в нахождении оптимального значения x*, то есть допустимого состояния системы (x X), имеющего максимальную эффективность: для всех x из множества X выполняется F(x* ) F(x).

Приведем пример простейшей задачи оптимизации. Пусть имеется R единиц ресурса, и n инвестиционных проектов. Каждый проект характеризуется отдачей ai > 0 на единицу вложенных средств. Величина xi 0 описывает, какое количество ресурса инвестируется в i-ый проект. Множеством X в данном примере будет множество таких векторов инвестиций, сумма компонентов x1 + x2 + x3 +... + xn R, то есть, допустимы любые комбинации инвестиций, удовлетворяющих ограничению на первоначальное количество ресурса. Критерием эффективности естественно считать суммарную отдачу от инвестиций:

F(x) = a1 x1 + a2 x2 +... + an xn. Оптимальным в данном примере будет вложение всех средств в тот инвестиционный проект, который характеризуется максимальной отдачей на единицу вложенных средств (с максимальным значением ai).

Такой вывод вполне соответствует здравому смыслу, и для его получения вряд ли стоило формулировать математическую задачу оптимизации. Однако, если усложнить модель (например, учесть риск или тот факт, что проекты могут требовать фиксированных инвестиций и давать фиксированную отдачу, и т.п.), то задача станет не столь тривиальной и без оптимизационных моделей нельзя будет обойтись (см. примеры в [16, 23]). Например, пусть имеются 100 единиц ресурса и два проекта. У первого проекта отдача на единицу вложенных средств равна 1,8, у второго – 1,4.

Вероятность успешного завершения первого проекта равна 0,85, второго – 0,95. Требуется распределить инвестиции между проектами так, чтобы ожидаемый доход был максимален:

1,8 0,85 x1 + 1,4 0,95 x2 ® max, при условии, что расходуется количество ресурса, не большее имеющегося: x1 + x2 100, и ожидаемые потери не должны превышать 9 % от имеющегося ресурса:

(1 – 0,85) x1+ (1 – 0,95) x2 9. Данная оптимизационная задача (являющаяся задачей линейного программирования [92]) имеет следующее решение: x1 = 40, x2 = 60. Значение критерия эффективности при этом равно 141.

Отметим, что при постановке и решении оптимизационных задач существенное значение имеет выбор критерия эффективности и ограничений. Так, если в рассмотренном выше примере в ограничении на ожидаемые потери заменить 9 % на 11 %, то оптимальным будет совсем другое решение: x1 = 60, x2 = 40. Другим (равным 145) станет и значение критерия эффективности.

Мы привели простейший пример задачи оптимизации. Читателей, заинтересованных в более подробном изучении теории оптимизации, отсылаем к [16, 23, 31, 38, 78, 88, 92, 95] и спискам литературы в этих источниках.

Различие между строго научным, математизированным и «общепринятым», житейским пониманием оптимальности, в общемто, невелико [88]. Правда, нередко встречающиеся выражения вроде «более оптимальный», строго говоря, некорректны (нельзя достичь эффективности, больше максимальной).

Если не вдаваться в подробности оптимизации в рамках математических моделей, то интуитивно оптимизация сводится, в основном, к сокращению числа альтернатив и проверке модели на устойчивость.

Если специально стремиться к тому, чтобы на начальной стадии было получено как можно больше альтернатив, то для некоторых задач их количество может достичь большого числа возможных решений. Очевидно, что подробное изучение каждой из них приведет к неприемлемым затратам времени и средств. На этапе неформализованной оптимизации рекомендуется проводить «грубое отсеивание» альтернатив, проверяя их на присутствие некоторых качеств, желательных для любой приемлемой альтернативы. К признакам «хороших» альтернатив относятся надежность, многоцелевая пригодность, адаптивность, другие признаки «практичности». В отсеве могут помочь также обнаружение отрицательных побочных эффектов, недостижение контрольных уровней по некоторым важным показателям (например, слишком высокая стоимость) и пр. Предварительный отсев не рекомендуется проводить слишком жестко; для детального анализа и дальнейшего выбора необходимы хотя бы несколько альтернативных вариантов.

Важным требованием, предъявляемым к моделям, является требование их устойчивости при возможных изменениях внешних и внутренних условий, а также устойчивости по отношению к тем или иным возможным изменениям параметров самой модели проектируемой системы. Проблемам устойчивости математических моделей систем посвящена довольно обширная литература (см., например, [32, 66, 87, 88 и др.]).

Для того чтобы понять роль устойчивости, вернемся (см. также выше) к рассмотрению процесса построения математической модели некоторой реальной системы и проанализируем возможные «ошибки моделирования». Первым шагом является выбор того «языка», на котором формулируется модель, то есть того математического аппарата, который будет использоваться (горизонтальная пунктирная линия на Рис. 2 является условной границей между реальностью и моделями). Как правило, этот этап характеризуется высоким уровнем абстрагирования – выбираемый класс моделей намного шире, чем моделируемый объект. Возможной ошибкой, которую можно совершить на этом шаге, является выбор неадекватного языка описания.

Следующим этапом по уровню детализации является построение множества частных моделей, при переходе к которым вводятся те или иные предположения относительно свойств параметров модели. Возникающие здесь ошибки описания структуры модели могут быть вызваны неправильными представлениями о свойствах элементов моделируемой системы и их взаимодействии.

После задания структуры модели посредством выбора определенных значений параметров (в том числе – числовых) происходит переход к некоторой конкретной модели, которая считается аналогом моделируемого объекта. Источник возникающих на этом этапе «ошибок измерения» очевиден, хотя он и имеет достаточно сложную природу и заслуживает отдельного обсуждения.

Когда для конкретной модели решается задача выбора оптимальных решений, то, если существует аналитическое решение для множества частных моделей, тогда, как правило, частные значения параметров, соответствующие конкретной модели, подставляются в это решение. Если аналитического решения не существует, то оптимальное решение ищется посредством имитационных экспериментов с привлечением вычислительной техники. На этом этапе – при численных расчетах – возникают вычислительные ошибки.

Изучение устойчивости решений в большинстве случаев сводится к исследованию зависимости оптимального решения от параметров модели. Если эта зависимость является непрерывной, то малые ошибки в исходных данных приведут к небольшим изменениям оптимального решения. Тогда, решая задачу выбора по приближенным данным, можно обоснованно говорить о нахождении приближенного решения.

Обсудим теперь, что следует понимать под адекватностью модели. Для этого вернемся к Рис. 2. Оптимальное решение, полученное для конкретной модели, является оптимальным в том смысле, что при его использовании поведение модели соответствует предъявляемым требованиям. Рассмотрим, насколько обоснованным является использование этого решения в реальной системе – моделируемом объекте.

Наблюдаемое поведение модели является с точки зрения субъекта, осуществляющего моделирование (например, полагающего, что модель адекватна), предполагаемым поведением реальной системы, которое в отсутствии «ошибок моделирования» будет оптимально в смысле выбранного критерия эффективности. Понятно, что в общем случае наблюдаемое поведение реальной системы и ее ожидаемое поведение могут различаться достаточно сильно. Следовательно, необходимо исследование адекватности модели, то есть – устойчивости поведения реальной системы относительно ошибок моделирования (см. Рис. 2).

Действительно, представим себе следующую ситуацию. Пусть построена модель и найдено оптимальное в ее рамках решение. А что будет, если параметры модели «немного» отличаются от параметров реальной системы? Получается, что задача выбора решалась не для «той» системы. Отрицать такую возможность, естественно, нельзя. Поэтому необходимо получить ответы на следующие вопросы:

- насколько оптимальное решение чувствительно к ошибкам описания модели, то есть, будут ли малые «возмущения» модели приводить к столь же малым изменениям оптимального решения (задача анализа устойчивости);

- будут ли решения, обладающие определенными свойствами в рамках модели (например, оптимальность, эффективность не ниже заданной и т.д.), обладать этими же свойствами и в реальной системе, и насколько широк класс реальных систем, в которых данное решение еще обладает этими свойствами (задача анализа адекватности).

Качественно, основная идея, используемая на сегодняшний день в математическом моделировании, заключается в следующем [66]. Применение оптимальных решений приводит к тому, что они, как правило, оказываются неоптимальными при малых вариациях параметров модели. Возможным путем преодоления этого недостатка является расширение множества «оптимальных» решений за счет включения в него так называемых приближенных решений (то есть, рациональных, «немного худших», чем оптимальные). Оказывается, что ослабление определения «оптимальность» позволяет, установив взаимосвязь между возможной неточностью описания модели и величиной потерь в эффективности решения, гарантировать некоторый уровень эффективности множества решений в заданном классе реальных систем, то есть расширить область применимости решений за счет использования менее эффективных из них. Иными словами, вместо рассмотрения фиксированной модели реальной системы, необходимо исследовать семейство моделей.

Приведенные качественные рассуждения свидетельствуют, что существует определенный дуализм между эффективностью решения и областью его применимости (областью его устойчивости и/или областью адекватности).

В качестве отступления отметим, что этот эффект характерен не только для математических моделей, но и для различных отраслей науки. С точки зрения разделения наук на науки сильной и слабой версии (см. [67]), эту закономерность можно сформулировать следующим образом: более «слабые» науки вводят самые минимальные ограничивающие предположения (а то и не вводят их вовсе) и получают наиболее размытые результаты, «сильные»

же науки наоборот – вводят множество ограничивающих предположений, используют специфические научные языки, но и получают более четкие и сильные (и, зачастую, более обоснованные) результаты, область применения которых весьма заужена (четко ограничена введенными предположениями).

Вводимые предположения (условия) ограничивают область применимости (адекватности) следующих из них результатов.

Например, в области управления социально-экономическими системами математика (исследование операций, теория игр и т.д.) дает эффективные решения, но область их применимости (адекватности) существенно ограничена теми четкими предположениями, которые вводятся при построении соответствующих моделей. С другой стороны, общественные и гуманитарные науки, также исследующие управление социально-экономическими системами, почти не вводят предположений и предлагают «универсальные рецепты» (то есть область применимости, адекватности широка), но эффективность этих «рецептов» редко отличается от здравого смысла или обобщения позитивного практического опыта. Ведь без соответствующего исследования нельзя дать никаких гарантий, что управленческое решение, оказавшееся эффективным в одной ситуации, будет столь же эффективным в другой, пусть даже очень «близкой», ситуации.

Поэтому можно условно расположить различные науки на плоскости «Обоснованность результатов» – «Область их применимости (адекватности)» и сформулировать (опять же условно, по аналогии с принципом неопределенности В. Гейзенберга) следующий «принцип неопределенности» [109]: текущий уровень развития науки характеризуется определенными совместными ограничениями на «обоснованность» результатов и их общность – см. Рис. 4. Иначе говоря, условно скажем, что «произведение»

областей применимости и обоснованности результатов не превосходит некоторой константы – увеличение одного «сомножителя»

неизбежно приводит к уменьшению другого.

«ПРИНЦИП НЕОПРЕДЕЛЕННОСТИ»

(Область применимости) x («Обоснованность») Const Область применимости Рис. 4. Иллюстрация «Принципа неопределенности»

Сказанное вовсе не означает, что развитие невозможно – каждое конкретное исследование является продвижением либо в сторону повышения «обоснованности», общности, либо/и расширения области применимости (адекватности). Ведь вся история развития науки в целом является иллюстрацией сдвига кривой, приведенной на Рис. 4, вправо и вверх (увеличением константы, фигурирующей в правой части неравенства)!

Возможно и другое объяснение – «ослабление» наук происходит по мере усложнения объекта исследования. С этой позиции можно сильные науки назвать еще и «простыми», а слабые – «сложными» (по сложности объекта исследования). Условно, граница между ними это – живые системы (биология). Изучение отдельных систем организма (анатомия, физиология и т.п.) еще тяготеет к сильным наукам (эмпирика подтверждается повторяемыми опытами и обосновывается более «простыми» науками – биофизикой, биохимией и т.п.), поэтому на ее базе возможны и формальные построения, как в физике и химии. Далее при изучении живых систем опыты в классическом понимании (воспроизводимость и др.) становятся все более затруднительными. А затем, при переходе к человеку и социальным системам, и вовсе становятся практически невозможными.

Отобранные и проверенные на устойчивость и адекватность модели становятся основой для последнего, решающего этапа стадии моделирования – выбора модели для дальнейшей реализации.

ВЫБОР (ПРИНЯТИЕ РЕШЕНИЙ). Выбор одного или нескольких оптимальных (или рациональных) решении является последним и, пожалуй, наиболее ответственным этапом стадии моделирования, его завершением.

Выбор является действием, придающим всей деятельности целенаправленность. Именно выбор реализует подчиненность всей деятельности определенной цели. Рано или поздно наступает момент, когда дальнейшие действия могут быть различными, приводящими к разным результатам, а реализовать можно только одно.

Причем вернуться к исходной ситуации, как правило, уже невозможно.

Способность сделать правильный выбор в таких условиях – ценное качество, которое присуще разным людям в разной степени. Великие полководцы, политики, ученые и инженеры, талантливые администраторы отличались и отличаются от своих коллегконкурентов, в первую очередь, умением делать лучший выбор, принимать правильное решение.

В системном анализе выбор (принятие решения) [88 и др.] определяется как действие над множеством альтернатив, в результате которого получается подмножество выбранных альтернатив (обычно это один вариант, одна альтернатива, но не обязательно). При этом выбор тесно связан с оптимизацией, так как последняя есть ни что иное, как выбор оптимальной альтернативы.

Каждая ситуация выбора может развертываться в разных вариантах:

– оценка альтернатив для выбора может осуществляться по одному или нескольким критериям, которые, в свою очередь, могут иметь как количественный, так и качественный характер;

– режим выбора может быть однократным (разовым) или повторяющимся;

– последствия выбора могут быть точно известны (выбор в условиях определенности), иметь вероятностный характер (выбор в условиях риска), или иметь неопределенный исход (выбор в условиях неопределенности);

– ответственность за выбор может быть односторонней (в частном случае индивидуальной – например, ответственность директора организации, учреждения) или многосторонней (например, когда за решение несут ответственность несколько субъектов);

– степень согласованности целей при многостороннем выборе может варьироваться от полного совпадения интересов сторон до их полной противоположности (выбор в конфликтной ситуации).

Возможны также промежуточные случаи, например, компромиссный выбор, коалиционный выбор, выбор в условиях конфликта и т.д.

Получить первоначальное представление о математических моделях выбора (принятия решений) можно из [38, 58, 88, 95].

Как правило, выбор рационального варианта основывается на последовательном сокращении числа рассматриваемых вариантов за счет анализа и отбрасывания неконкурентоспособных по различным соображениям и показателям альтернатив. При выборе альтернатив следует иметь в виду, что цели могут быть подразделены по их приоритетности на:

– цели, достижение которых определяет успех проекта;

– цели, которыми частично можно пожертвовать для достижения целей первого уровня;

– цели, имеющие характер дополнения.

В любом случае выбор (принятие решения) является процессом субъективным, и лицо (лица), принимающие решение, должны нести за него ответственность. Поэтому в целях преодоления (уменьшения) влияния субъективных факторов на процесс принятия решения используются методы экспертизы [58, 59, 98].

1.3. Управление Переходя к разговору об управлении проектами, нужно корректно определить, что понимается под управлением. Для этого приведем ряд распространенных определений:

Управление – «элемент, функция организованных систем различной природы: биологических, социальных, технических, обеспечивающая сохранение их определенной структуры, поддержание режима деятельности, реализацию программы, цели деятельности.

[106, С. 704; 102, С. 1252]».

Управление – «направление движением кого/чего-нибудь, руководство действиями кого-нибудь» [100, С. 683].

Управление – «воздействие на управляемую систему с целью обеспечения требуемого ее поведения» [78, С. 9].

Существует и множество других определений, в соответствии с которыми управление определяется как: элемент, функция, воздействие, процесс, результат, выбор и т.п.

Мы не будем претендовать на то, чтобы дать еще одно определение, а лишь подчеркнем, что, если управление осуществляет субъект5, то управление следует рассматривать как деятельность.

Такой подход: управление – вид практической деятельности Этим исключаются из рассмотрения ситуации, в которых управление осуществляет техническая система (так как деятельность имманентна только человеку).

Трактовка управления как одной из разновидностей практической деятельности кажется неожиданной. Ведь управление традиционно воспринимается как нечто «высокое» и очень общее, однако деятельность управленца организована так же (по тем же общим законам), как и деятельность любого специалиста-практика: учителя, врача, инженера и т.д. Более того, иногда «управление» (управленческая деятельность) (управленческая деятельность), многое ставит на свои места – объясняет «многогранность» управления и примиряет между собой различные подходы к определению этого понятия.

Поясним последнее утверждение. Если управление – это деятельность, то осуществление этой деятельности является функцией управляющей системы, процесс управления соответствует процессу деятельности, управляющее воздействие – ее результату и т.д.

Другими словами, в организационных (социальноэкономических) системах (где и управляющий орган и управляемая система являются субъектами – см. Рис. 6) управление является деятельностью по организации деятельности [67].

Уровень рефлексии можно наращивать и дальше: с одной стороны, в многоуровневой системе управления деятельность топменеджера можно рассматривать как деятельность по организации деятельности его непосредственных подчиненных, которая заключается в организации деятельности их подчиненных и т.д. С другой стороны, многочисленная армия консультантов (речь идет, прежде всего, об управленческом консалтинге – быстро разросшемся в последние годы институте консультантов, консалтинговых, аудиторских и других фирмах) представляет собой специалистов по организации управленческой деятельности.

Постановка и технология решения задач управления. Обсудим качественно общую постановку задачи управления некоторой системой. Пусть имеется управляющий орган (субъект управления) и управляемая система (объект управления). Состояние управляемой системы зависит от внешних воздействий, воздействий со стороны управляющего органа (управления) и, быть может (если объект управления активен, то есть также является субъектом), действий самой управляемой системы – см. Рис. 5. Задача управляющего органа заключается в том, чтобы осуществить такие управляющие воздействия (жирная линия на Рис. 5), чтобы с учетом информации о внешних воздействиях (пунктирная линия на и «организация» (как процесс, то есть деятельность по обеспечению свойства организации) рассматриваются рядоположенно, но и в этом случае методология как учение об организации определяет общие закономерности управленческой деятельности.

Рис. 5) обеспечить требуемое с его точки зрения состояние управляемой системы.

Отметим, что приведенная на Рис. 5 так называемая входовыходная структура является типичной для теории управления, изучающей задачи управления системами различной природы.

На Рис. 5 представлен простейший двухуровневый «кирпичик» структуры любой сложной многоуровневой иерархической системы управления. Действительно, например, в технических системах техническая система управляет технической системой – см. Рис. 6. В человеко-машинных системах человек (субъект управления) осуществляет управление технической системой. В организационных системах люди руководят людьми. В организационно-технических системах (ОТС) имеют место все три вида взаимодействия.

УПРАВЛЯЮШИЙ ОРГАН

(СУБЪЕКТ УПРАВЛЕНИЯ)

УПРАВЛЯЕМАЯ СИСТЕМА

(ОБЪЕКТ УПРАВЛЕНИЯ)

Внешние воздействия Рис. 5. Структура системы управления Рис. 6. Виды систем в зависимости от субъекта Если подойти чуть более формально, то можно считать, что предпочтения управляющего органа, описываемые критерием эффективности функционирования управляемой системы, зависят от состояния управляемой системы и, быть может, от самих управляющих воздействий. Если известна зависимость состояния управляемой системы от управления (а для поиска и исследования этой зависимости субъект управления может использовать ту или иную модель объекта управления – см. обсуждение моделирования выше), то получаем зависимость эффективности функционирования управляемой системы от управляющих воздействий. Этот критерий называется критерием эффективности управления. Следовательно, задача управления формально может быть сформулирована следующим образом: найти допустимые управляющие воздействия, имеющие максимальную эффективность (такое управление называется оптимальным управлением). Для этого нужно решить задачу оптимизации – осуществить выбор оптимального управления (оптимальных управляющих воздействий).

Мы привели в самом общем виде формулировку задачи управления. Для того чтобы понять, как эта задача ставится и решается в каждом конкретном случае, рассмотрим общую технологию постановки и решения задачи управления, охватывающую все этапы, начиная с построения модели и заканчивая анализом эффективности внедрения результатов моделирования на практике (см. Рис. 7, на котором в целях наглядности опущены обратные связи между этапами).

НАСТРОЙКА

МОДЕЛИ

Рис. 7. Технология постановки и решения (теоретического и практического) задач управления Первый этап – построение модели – заключается в описании моделируемой системы в формальных терминах.

Второй этап – анализ модели (исследование поведения управляемой системы при различных управляющих воздействиях).

Решив задачу анализа, можно переходить к третьему этапу – решению, во-первых, прямой задачи управления, то есть задачи синтеза оптимальных управляющих воздействий, заключающейся в поиске допустимых управлений, имеющих максимальную эффективность, и, во-вторых, обратной задачи управления – поиска множества допустимых управляющих воздействий, переводящих управляемую систему в заданное состояние. Следует отметить, что, как правило, именно этот этап решения задачи управления вызывает наибольшие теоретические трудности и наиболее трудоемок с точки зрения исследователя.

Имея набор решений задачи управления, необходимо перейти к четвертому этапу, то есть исследовать их устойчивость. Исследование устойчивости подразумевает решение, как минимум, двух задач. Первая задача заключается в изучении зависимости оптимальных решений от параметров модели, то есть является задачей анализа устойчивости решений (см. выше). Вторая задача специфична для математического моделирования. Она заключается в теоретическом исследовании адекватности модели реальной системе, которое подразумевает изучение эффективности решений, оптимальных в модели, при их использовании в реальных системах, которые могут в силу ошибок моделирования отличаться от модели – см. Рис. 2 и обсуждение выше.

Итак, перечисленные четыре этапа заключаются в общем теоретическом изучении модели. Для того чтобы использовать результаты теоретического исследования при управлении реальной системой, необходимо произвести настройку модели, то есть идентифицировать моделируемую систему и провести серию имитационных экспериментов – соответственно пятый и шестой этапы. Этап имитационного моделирования во многих случаях необходим по нескольким причинам. Во-первых, далеко не всегда удается получить аналитическое решение задачи синтеза оптимального управления и исследовать его зависимость от параметров модели. При этом имитационное моделирование может служить инструментом получения и оценки решений. Во-вторых, имитационное моделирование позволяет проверить справедливость гипотез, принятых при построении и анализе модели, то есть дает дополнительную информацию об адекватности модели без проведения натурного эксперимента. И, наконец, в-третьих, использование деловых игр и имитационных моделей в учебных целях позволяет участникам системы освоить и апробировать предлагаемые механизмы управления.

Завершающим является седьмой этап – этап внедрения, на котором производится обучение, внедрение результатов в реальной системе с последующей оценкой эффективности их практического использования, коррекцией модели и т.д.

Обсудив технологию управления, в завершение настоящей главы отметим, что получить первоначальное представление об общих подходах к решению теоретических задач управления техническими системами можно в [53], социально-экономическими и организационными системами – в [43, 78, 90, 109], медикобиологическими системами – в [1, 83].

Глава 2. Управление проектами В настоящей главе приводятся общие сведения об управлении проектами. В том числе – классификация проектов; специфика управления портфелями проектов в организации. Кратко описываются такие разделы теории управления проектами, как: календарно-сетевое планирование и управление, «методология» управления проектами, информационные системы управления проектами.

Отдельно обсуждается роль управления знаниями.

2.1. Проекты и управление проектами Как отмечалось выше, «проект – это ограниченное во времени целенаправленное изменение отдельной системы с установленными требованиями к качеству результатов, возможными рамками расхода средств и ресурсов и специфической организацией» [19].

Строительство дома, запуск человека в космос, написание книги, создание новой фирмы, обновление производственного оборудования, проведение научной конференции – все это примеры проектов.

Классификация проектов. Для удобства анализа проектов и систем управления проектами множество разнообразных проектов может быть классифицировано по различным основаниям. Ниже приведена система классификаций по [19]:

Тип проекта (по основным сферам деятельности, в которых осуществляется проект): технический, организационный, экономический, социальный, образовательный, инвестиционный, инновационный, научно-исследовательский, учебный, смешанный.

Класс проекта. В зависимости от масштаба (в порядке его возрастания) и степени взаимозависимости выделяют следующие виды целенаправленных изменений:

- работы (операции);

- пакеты работ (комплексы технологически взаимосвязанных операций);

- мультипроекты (мультипроект – проект, состоящий из нескольких технологически зависимых проектов, объединенных общими ресурсами) [17];

- программы (программа – комплекс операций (мероприятий, проектов), увязанных технологически, ресурсно и организационно и обеспечивающих достижение поставленной цели [93]);

- портфели проектов (набор не обязательно технологически зависимых проектов, реализуемый организацией в условиях ресурсных ограничений и обеспечивающий достижение ее стратегических целей) [48, 62].

Для описания каждого из перечисленных элементов необходимо учитывать цели, ресурсы, технологию деятельности и механизмы управления. Каждый из этих аспектов является определяющим для соответствующего класса целенаправленных изменений:

- для мультипроекта существенным является наличие технологических ограничений (накладываемых на взаимосвязь входящих в него работ и подпроектов) и ресурсных ограничений;

- для программы существенным (системообразующим) является достижение цели при существующих ресурсных ограничениях;

- для портфеля проектов существенным является использование единых механизмов управления (портфель проектов всегда рассматривается «в привязке» к реализующей его организации), позволяющих наиболее эффективно достигать стратегических целей организации с учетом ресурсных ограничений.

Длительность проекта (по продолжительности периода осуществления проекта): краткосрочные (до 3-х лет), среднесрочные (от 3-х до 5-ти лет), долгосрочные (свыше 5-ти лет).

Сложность проекта (по степени сложности): простые, сложные, очень сложные.

Каждый проект от возникновения идеи до полного своего завершения проходит ряд ступеней своего развития. Полная совокупность ступеней развития образует жизненный цикл проекта.

Жизненный цикл принято разделять на фазы, фазы на стадии, стадии на этапы [88].

Здесь нам необходимо еще раз специально оговорить, во избежание дальнейшей возможной путаницы отличие понятий проект и проектирование. Проектирование – это начальная фаза проекта. Действительно, любая продуктивная деятельность, любой проект требуют своего целеполагания – проектирования. В практической деятельности осуществляется проектирование экономических, социальных, технических, экологических и т.д. систем. Проектируется и любое научное исследование, и любое художественное произведение [67].

Перейдем к следующему понятию – «технология». Современное понимание: технология – это система условий, форм, методов и средств решения поставленной задачи [67]. Такое понимание технологии пришло в широкий обиход из сферы производства в последние десятилетия. А именно тогда, когда в развитых странах стали выделяться в отдельные структуры фирмы-разработчики ноу-хау: новых видов продукции, материалов, способов обработки и т.д. Эти фирмы стали продавать фирмам-производителям лицензии на право выпуска своих разработок, сопровождая эти лицензии детальным описанием способов и средств производства – технологиями.

Естественно, любой проект реализуется определенной совокупностью технологий.

Важнейшую роль в организации продуктивной деятельности играет рефлексия – постоянный анализ целей, задач процесса, результатов (см. подробности в [67], а математические модели рефлексии – в [80]).

Все виды человеческой деятельности (научная, практическая, учебная и художественная деятельность [67]) могут рассматриваться в логике категории проекта на триединстве фаз проекта:

– ФАЗЫ ПРОЕКТИРОВАНИЯ;

– ТЕХНОЛОГИЧЕСКОЙ ФАЗЫ;

– РЕФЛЕКСИВНОЙ ФАЗЫ.

Управление проектами. Под управлением проектами (УП), согласно [96], будем понимать совокупность процессов по планированию, координации и контролю работ для реализации целей проектов с учетом ограничений на ресурсы, бюджет и требований качества. В более широком смысле под управлением проектами понимается применение знаний, практического опыта, инструментальных средств и методов для удовлетворения потребностей заинтересованных лиц проекта.

Участники проекта – это физические лица и организации, которые непосредственно вовлечены в проект или чьи интересы могут быть затронуты при осуществлении проекта. Состав участников проекта, их роли, распределение функций и ответственности зависят от типа, вида, масштаба и сложности проекта и от того, на какой стадии/фазе жизненного цикла находится проект в данный момент времени. Как правило, основными (ключевыми) участниками проекта являются:

Заказчик – главная сторона, заинтересованная в осуществлении проекта и достижении его результатов, будущий владелец и пользователь результатов проекта. Заказчик определяет основные требования и масштабы проекта, обеспечивает финансирование проекта за счет своих средств или средств привлекаемых инвесторов, заключает контракты с основными исполнителями проекта, несет ответственность по этим контрактам, управляет процессом взаимодействия между всеми участниками проекта.

Клиент – индивидуум или организация, которая будет использовать продукты проекта. Это могут быть также группы клиентов.

Спонсор – индивидуум или группа, которая обеспечивает финансовые, материальные, человеческие и другие ресурсы для осуществления проекта.

Руководитель (менеджер) проекта – физическое лицо, которому делегируются полномочия по руководству всеми работами по осуществлению проекта: планированию, контролю и координации работ всех участников проекта. Он является персонально ответственным за осуществление проекта.

Команда проекта – специфическая организационная структура, совокупность отдельных лиц, групп и/или организаций, привлеченных к выполнению работ проекта и ответственных перед руководителем проекта за их выполнение. Создается целевым образом на период осуществления проекта. Главная задача команды проекта – выполнение работ по проекту, осуществление функций координации действий и согласование интересов всех участников проекта для достижения целей проекта.

Подчеркнем отличие команды от коллектива. Под командой понимается «коллектив (объединение людей, осуществляющих совместную деятельность и обладающих общими интересами), способный достигать цели автономно и согласованно, при минимальных управляющих воздействиях» [78, С. 315]. Существенными в определении команды являются два аспекта. Первый – достижение цели, то есть, конечный результат совместной деятельности является для команды объединяющим фактором. Второй аспект – автономность и согласованность деятельности – означает, что каждый из членов команды не только демонстрирует поведение, требуемое в данных условиях (позволяющее достичь поставленной цели), но это есть именно то поведение, которого от него ожидают другие члены команды.

Рассмотрим кратко основные разделы теории управления проектами (см. введение).

2.2. Календарно-сетевое планирование и управление Управление проектами (УП), как раздел теории управления, имеет продолжительную историю – начиная с 50-х годов прошлого века (появление метода критического пути – см. выше) и заканчивая современными механизмами и технологиями управления проектами.

Программа реализации модели системы на практике (в данном случае программа рассматривается не в смысле крупного проекта, а в традиционном смысле – как содержание и план действий [102]) – это конкретный план действий по реализации модели в определенных условиях и в установленные (определенные) сроки.

Построение программы начинается с операции «определения основных вех» [60]. Определение вех составляет начальную, наиболее обобщенную часть программы, которая потом развертывается в укрупненный и, наконец, в детальный план.

При определении вех используется информация о ключевых точках, состояниях, через которые будет проходить процесс реализации проекта. Вехи отмечают существенные, определяющие дальнейший ход развития процесса точки перехода. Поэтому вехи позволяют решать проблемы контроля реализации проекта, составляя набор естественных контрольных точек. При анализе выполнения работ вехи становятся эффективным средством управления (самоуправления), помогающим понять, на каком этапе находится процесс реализации проекта, оценить, достигнуты ли основные показатели состояния и сколько осталось времени, средств и конкретных работ до завершения проекта. Вехи не имеют продолжительности. Они используются в качестве дискретной шкалы, которая имеет всего две оценки – «выполнено» или «не выполнено».

Так, например, при принятии решений по финансированию очередного этапа выполнения работ по договору вехи используются для оценки завершенности работ.

Когда основные вехи определены, приступают к детальному планированию процесса реализации системы.

Детальное планирование – это разработка детального графика (графиков в случае сложного проекта) выполнения работ по реализации системы. Детальный график, независимо от размеров проекта и его сложности, должен включать:

– все ключевые события и даты;

– точную последовательность работ. Логика их выполнения должна быть зафиксирована с помощью сетевого графика, который позволяет проследить все виды зависимостей между работами и взаимосвязь событий реализации;

– график служит основой для определения этапов и прочих временных интервалов по реализации системы. Кроме того, он позволяет при необходимости определять потребности в ресурсах для каждой из частей, фрагментов или событий процесса реализации системы.

Форма представления графика, естественно, произвольна. Но она должна быть удобна для пользования, в том числе – наглядна и понятна для всех участников реализации системы.

Метод сетевого планирования. При разработке детального графика реализации системы наиболее удобным и часто используемым является метод сетевого планирования. Суть его заключается в построении сетевого графика, являющегося графическим отображением всех работ по реализации системы и зависимостей (в том числе временных и «пространственных») между ними.

Сетевые графики строятся в виде графа (см. краткое описание областей прикладного использования теории графов выше) – множества вершин, соответствующих работам, и связывающих их линий, представляющих взаимосвязи между работами: например, работа «Б» не может начаться раньше, чем завершится работа «А»

(см. Рис. 8, а также описание диаграмм Ганта – Рис. 9) [16].

Основная цель работы с сетевым графиком заключается в том, чтобы сократить до минимума продолжительность проекта (время реализации системы), в первую очередь – за счет выделения и минимизации так называемого «критического пути». Максимальный по продолжительности путь в сети, связывающий начальную (вершина «А» на Рис. 8) и конечную вершину (вершина «Д» на Рис. 8), называется критическим. Работы, лежащие на этом пути, также называются критическими. Именно длительность критического пути определяет наименьшую общую продолжительность реализации проекта в целом.

Длительность процесса реализации проекта может быть сокращена за счет сокращения длительности работ, лежащих на критическом пути. Соответственно, любая задержка выполнения работ критического пути повлечет увеличение длительности проекта. При этом анализу подлежат не только работы критического пути, но в той или иной степени близкие к нему, так как подобные работы даже при самом незначительном изменении графика могут стать критическими и существенно изменить сроки реализации системы. Для оптимизации сетевых графиков применяют методы календарно-сетевого планирования и управления (КСПУ), основная идея которых заключается в следующем. Предположим, что время выполнения работ зависит от задействованных на них ресурсов.

Количество ресурсов ограничено. Требуется решить оптимизационную задачу – распределить ограниченные ресурсы между работами проекта таким образом, чтобы он был завершен за минимальное время. Методы решения этой и подобных задач подробно описаны в [16, 23, 28, 36, 49].

При разработке детального графика реализации спроектированной системы удобно также использовать так называемую диаграмму Ганта – горизонтальную линейную диаграмму, на которой задачи реализации системы представляются протяженными во времени отрезками, характеризующимися календарными датами начала и окончания выполнения работ, а также, возможно, другими временными параметрами и, быть может, указанием взаимосвязи работ, используемых в них ресурсов и т.д. Пример диаграммы Ганта для такого организационного проекта, как проведение научной конференции, приведен на Рис. 9.

Формирование организационного комитета Формирование программного комитета Рассылка информационных материалов Сбор и обработка тезисов докладов Формирование программы конференции Рис. 9. Временной график организации научной конференции (диаграмма Ганта) На Рис. 9 работы изображены горизонтальными прямоугольниками, пунктиром обозначены временные этапы. Здесь важно подчеркнуть то обстоятельство, что исполнители по тем работам, которые невозможно начать сразу, не дождавшись результатов предыдущих работ, не должны ждать, ничего не предпринимая.

Они могут плодотворно использовать это время для планирования своей деятельности. Кроме того, несколько работ могут выполняться параллельно, если для этого хватает ресурсов.

Существенная особенность составления сетевого графика заключается в том, что он планируется с обеих сторон – и с начала, и с конца. Руководитель проекта, определив список работ (обеспечивающих достижение цели проекта), первым делом задается вопросами: когда следует получить все необходимые результаты (с учетом взаимозависимости работ), и когда могут быть реально получены эти результаты. И затем от баланса этих сроков в первом приближении прикидывается, в какой последовательности выполнять работы, когда следует начинать ту или иную работу, и когда она должна закончиться.

На сегодняшний день классические методы КСПУ получили значительное развитие. Это и обобщенные альтернативные стохастические сети [29], и методы сетевого программирования [22], и др. Получить первоначальное представление о современном состоянии дел в этой области можно на основании монографии [63].

2.3. «Методология» управления проектами Согласно [97], накопление опыта по управлению проектами позволило стандартизировать терминологию и выделить ряд процессов управления проектами, считающихся успешной практикой.

Успешная практика предполагает, что существует общее мнение относительно того, что применение этих процессов управления проектом в соответствующих внешних условиях повышает шансы на успех. Также для этих процессов определена последовательность их выполнения, необходимая входная информация, инструменты, с помощью которых реализуется каждый процесс, методы реализации, а также результаты каждого процесса. Эти процессы относятся к управлению:

- содержанием проекта;

- сроками проекта;

- стоимостью проекта;

- качеством проекта;

- человеческими ресурсами проекта;

- коммуникациями проекта;

- рисками проекта;

- поставками проекта.

В [19] показано, что успешная реализация любого проекта требует последовательного решения следующих общих задач:

- определение и анализ целей проекта;

- построение, оценка и выбор альтернативных решений по реализации проекта (вариантов проекта);

- формирование структуры проекта, выбор состава исполнителей, ресурсов, сроков и стоимости работ;

- управление взаимодействием с внешней средой;

- управление исполнителями (персоналом);

- регулирование хода работ (оперативное управление, внесение корректив).

Перечисленные задачи могут быть успешно решены, если решены следующие задачи управления проектами (см. также Рис.

10):

- прогнозирование и оценка результатов;

- планирование;

- распределение ресурсов;

- стимулирование исполнителей;

- оперативное управление.

Рис. 10. Основные этапы управления проектами Проект в целом и каждый из исполнителей в отдельности характеризуются следующими показателями:

- объем работ;

- качество работ;

- необходимые финансовые, материальные и др. ресурсы;

- состав участников (кадры);

- сроки выполнения.

Каждый проект от зарождения идеи до завершения проходит ряд последовательных фаз, стадий и этапов. Их совокупность называется жизненным циклом проекта. Перечисление фаз стадий и этапов приведено выше.

С точки зрения управления проектами структура проекта включает:

- структуру работ (WBS – Works Breakdown Structure). Под структурой декомпозиции работ понимают иерархическую структуру, позволяющую разделить проект на отдельно либо совместно управляемые части – пакеты работ. Каждый нижестоящий уровень структуры представляет собой детализацию элемента более высокого уровня. Каждый пакет работ характеризуется объективным и измеримым результатом, а также ответственным за достижение этого результата. Пакеты работ могут соответствовать подцелям проекта (структура декомпозиции целей называется деревом целей). С помощью структуры декомпозиции работ описывается содержание проекта.

- организационную структуру (OBS – Organization Breakdown Structure), которая отражает иерархическую взаимную подчиненность участников проекта (руководителя проекта в целом, руководителей подпроектов/работ, исполнителей). Для проектной деятельности характерны матричные организационные структуры, в рамках которых каждый исполнитель одновременно подчинен нескольким руководителям – например, своему функциональному руководителю и руководителю проекта;

- структуру ресурсов (RBS – Resources Breakdown Structure), причем декомпозиция осуществляется как по видам ресурсов (условий осуществления деятельности: мотивационных, кадровых, материально-технических, научно-методических, финансовых, организационных, нормативно-правовых, информационных), так и по «количествам» ресурсов того или иного вида.

- сетевой график, который отражает логику и технологию выполнения работ (см. описание и Рис. 8 выше).

Отметим, что обычно используются сетевые графики нескольких уровней – от детального графика работ, до агрегированного графика основных подпроектов. При этом определенному уровню детализации сетевого графика соответствуют определенные уровни Если речь идет о совокупности проектов, выполняемых организацией, то ей соответствует структура проектов организации – EPS (Enterprise Project Structure).

структуры работ, организационной структуры и структуры ресурсов.

Перечисленные структуры взаимосвязаны – см. Рис. 11: установление соответствия между WBS и OBS дает распределение ответственности8 тех или иных элементов оргструктуры за определенные работы (кто отвечает за выполнение каких работ), WBS и RBS – распределение ресурсов (какие ресурсы задействуются при выполнении каких работ), OBS и RBS – распределение полномочий (кто какими ресурсами распоряжается). Ответы на перечисленные вопросы необходимы для управления любым проектом.

WBS OBS

Распределение Иногда используется термин «матрица ответственности».

2.4. Управление проектами в организации Рассмотрим содержание понятия «организация». В соответствии с определением, данным в [106], организация – 1) внутренняя упорядоченность, согласованность взаимодействия более или менее дифференцированных и автономных частей целого, обусловленная его строением; 2) совокупность процессов или действий, ведущих к образованию и совершенствованию взаимосвязей между частями целого; 3) объединение людей, совместно реализующих некоторую программу или цель и действующих на основе определенных процедур и правил – см. Рис. 12.

ОРГАНИЗАЦИЯ

упорядоченность, процессов или (объединение людей, В настоящем разделе мы используем понятие «организация» в третьем своем значении9. Примерами являются предприятие, фирма, корпорация, школа и т.д.

Проектный и процессный подходы. Портфель проектов.

По организации деятельности проекты отличаются от технологических операций. Операции постоянны и повторяемы, в то время как проекты временны и уникальны. Деятельность любой органиНеобходимо отметить, что термин «организационные механизмы управлении проектами» имеет достаточно широкий смысл – и механизмы управления проектами в организации; и механизмы управления, целью которых является организация (как результат); и механизмы управления, использующие процесс организации.

зации может состоять как из проектов, так и из операций, причем те и другие могут частично совпадать, перекрываться.

Характерными признаками проекта являются:

1) направленность на достижение конечных целей, определенных уникальных результатов;

2) координированное выполнение многочисленных взаимосвязанных работ с поуровневой детализацией по видам деятельности, ответственности, объемам и ресурсам;

3) ограниченная протяженность во времени, с определенными моментами начала и завершения;

4) ограниченность требуемых ресурсов;

5) специфическая организация управления.

Таким образом, ключевым отличием проектной деятельности от процессной деятельности (процесс – совокупность технологических операций, пример – предприятие, осуществляющее регулярную, повторяющуюся, цикличную деятельность, выпуская одну и ту же продукцию) является однократность, то есть нецикличность, проектной деятельности.

Естественно, некоторые частные виды деятельности внутри проекта могут носить циклический характер. С другой стороны, нарушение «регулярного» функционирование предприятия или организации может рассматриваться как совокупность проектов (например, увеличение объема производства, установка нового оборудования, захват новых рынков сбыта, реструктуризация и т.д.).

Так как проект – целенаправленное изменение некоторой системы, протекающее во времени, то для его описания можно использовать «проектную нотацию», делающую акцент на динамике, и «процессную нотацию», делающую акцент на устойчивых состояниях – выполнении стабильных работ (см. Рис.

13), причем «стыковка» процессов в моменты начала и завершения процессов (соответствующие точки называются событиями, вехами – см. выше) определяется логикой и технологией проекта (например, сетевым графиком – см. выше).

ПРОЕКТ

Руководителей любого уровня смущает, а иногда и раздражает противопоставление процессного и проектного подхода в управлении. И тот, и другой нацелен на достижение результата с помощью выполнения некоторого набора работ (действий). Но в процессном подходе действия совершаются до достижения результата, а содержание и технология (последовательность действий), как правило, не меняются (деятельность осуществляется в практически неизменных внешних условиях). Так как процесс предполагает повторяемость и регулярность достижения результата, вероятность каких-то изменений минимальна. В проектном же подходе и технология, и содержание работ могут меняться, если результат недостижим или велика вероятность срыва графика. Кроме того, результаты предыдущих этапов могут стать основанием для разработки и изменения, не только графика, но и содержания последующих работ, что характерно для высокотехнологичных или научных проектов.