Webbc.ru

Веб и кризис
1 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Анализ чувствительности дерево решений

Анализ сценариев, имитационное моделирование методом Монте-Карло, анализ дерева решений

Единичный риск проекта сам по себе не представляет большого интереса. Он релевантен только в отношении некоммерческих (неакционерных) фирм с одним проектом или для однопроектных фирм с недиверсифицированными акционерами. Тем не менее, единичный риск – это важный фактор (вместе с коэффициентами корреляции) как внутрифирменного, так и рыночного риска. Поэтому на оценку единичного риска фирмы тратят много времени и усилий.

Анализ единичного риска проекта начинается с установления неопределенности, присущей денежным потокам проекта. Есть ряд путей для проведения такого анализа: от простого высказывания мнений до сложных экономических и статистических исследований с привлечением компьютерных моделей. Характер распределений отдельных денежных потоков и их корреляция друг с другом определяют характер распределений NPV и IRR проекта и, таким образом, его единичный риск. Существует четыре основных метода оценки единичного риска проекта: 1) анализ чувствительности, 2) анализ сценариев, 3) имитационное моделирование методом Монте-Карло и 4) анализ дерева решений.

Анализ чувствительности – это метод, точно показывающий, насколько изменяется NPV и IRR в ответ на данное изменение одной входной переменной при том, что все остальные условия не меняются.

Анализ чувствительности начинается с построения базового варианта, разработанного на основе ожидаемых значений входных величин. Выполняя анализ чувствительности, обычно неоднократно меняют каждую переменную, в определенной пропорции увеличивая или уменьшая ее ожидаемое значение и оставляя другие факторы постоянными. Всякий раз рассчитываются значения NPV, и, наконец, на их основе строится график зависимости NPV от изменяемой переменной. Чем круче наклон, тем чувствительнее NPV к изменению переменной. Проект с более крутыми кривыми чувствительности считается более рисковым, поскольку сравнительно небольшая ошибка в оценке переменной дает большую ошибку в прогнозируемой NPV проекта. Таким образом, анализ чувствительности может помочь проникнуть в суть рисковости проекта.

Необходимо отметить, что, во-первых, для выполнения анализа чувствительности идеально подходят компьютерные модели в среде электронных таблиц, поскольку такие модели автоматически пересчитывают NPV при изменении какой-либо входной величины; во-вторых, можно представить все кривые чувствительности на одном графике — это облегчает непосредственное сравнение чувствительности для разных входных переменных.

Анализ сценариев — это метод анализа риска, который рассматривает как чувствительность NPV к изменениям ключевых переменных, так и диапазон вероятных значений переменных. При этом финансовый аналитик просит менеджера-практика выбрать «плохую» совокупность условий (низкий объем реализации в натуральных единицах, низкая цена реализации, высокие переменные затраты на единицу продукции, например), среднюю, или «наиболее вероятную», совокупность и «хорошую» совокупность. Затем рассчитываются NPV в «плохих» и «хороших» условиях и сравниваются с «наиболее вероятным» NPV.

Например, в проекте по производству компьютеров оросительной системы менеджеры фирмы предполагают развитие ситуации таким образом:

Анализ сценариев предполагает расчет NPV по каждому из трех возможных вариантов – наихудшему, наилучшему и наиболее вероятному. Из таблицы видно, что наиболее вероятная ситуация прогнозирует положительный NPV; наихудшая ситуация дает отрицательный NPV, а наилучшая ситуация ведет к очень большому положительному NPV. Далее рассчитывается ожидаемое значение NPV, среднее квадратическое отклонение и коэффициент вариации. Для этого необходимо оценить вероятность осуществления каждого сценария. Предположим, руководство компании считает, что вероятность возникновения наихудшей ситуации равна 25%, наиболее вероятной – 50% и наилучшей – 25%. Самое сложное здесь — точно оценить вероятность осуществления сценариев.

Коэффициент вариации проекта равен 1,3. Для того чтобы получить представление об относительной корпорационной рисковости проекта, можно сравнить коэффициенты вариации NPV нового и среднего проекта данной компании. Пусть существующие проекты компании имеют совокупный коэффициент вариации, равный приблизительно 1,0. Таким образом, на основании этого показателя единичного общего риска можно сделать вывод, что проект компьютерного управления оросительной системой более рисковый, чем средний проект фирмы.

Хотя анализ сценариев дает полезную информацию о единичном риске проекта, тем не менее он ограничен рассмотрением только нескольких дискретных исходов проекта, в то время как в действительности существует бесконечное число возможностей.

Следующий метод – имитационное моделирование методом Монте-Карло — обязан своим названием городу, известному игорными домами. Он объединяет анализ чувствительности и анализ распределений вероятностей входных переменных. Моделирование требует относительно мощной системы программного обеспечения, в то время как анализ сценариев можно провести на компьютере в среде электронных таблиц.

Процесс моделирования выполняется следующим образом.

1. Программа моделирования случайным образом выбирает значение для каждой исходной переменной, основываясь на ее заданном распределении вероятностей. Например, выбирается значение объема реализации в натуральных единицах.

2.Значение, выбранное для каждой варьируемой переменной, вместе с заданными значениями других факторов, таких как ставка налога и амортизационные отчисления, затем используется в модели для определения чистых денежных потоков по каждому году. Далее рассчитывается NPV проекта в данном конкретном компьютерном прогоне.

3. Этапы 1 и 2 многократно повторяются, скажем 1000 раз, что даст 1000 NPV, которые составят распределение вероятностей; тем самым получают ожидаемые значения NPV и среднего квадратичного отклонения.

Несмотря на привлекательность, имитационный анализ не используется так широко, как этого можно было бы ожидать. Одна из главных трудностей состоит в обосновании распределений вероятностей переменных и корреляций между ними. Еще одна проблема, связанная как с анализом сценариев, так и с имитационным анализом, состоит в том, что даже по завершении вычислительных процедур не появляется четкого критерия принятия решения.

Проекты, структура которых позволяет делать капиталовложения в течение нескольких лет, часто оцениваются с использованием метода дерева решений.

Например, предположим, что «Robotics International, Ltd.» рассматривает возможность производства промышленных роботов для отрасли промышленности, выпускающей телевизоры. Чистые инвестиции по этому проекту осуществляются в три этапа (см. рис.14)

Этап 1. В момент t=0, который в данном случае имеет место где-то в ближайшем будущем, проводится изучение (стоимостью в 500000 дол.) рыночного потенциала для применения роботов на линиях сборки телевизоров.

Этап 2. Если окажется, что значительный рынок для телевизионных сборочных роботов действительно существует, тогда в момент t=1 расходуется 1 млн. дол. на разработку и изготовление нескольких опытных образцов роботов. Эти роботы затем оцениваются инженерами из телевизионной промышленности, и их мнения определяют, будет ли фирма продолжать работу над проектом.

Этап 3. Если опытные образцы роботов хорошо себя покажут, тогда в момент t=2 в строительство производственного предприятия инвестируется 10 млн. дол. Менеджеры прогнозируют, что чистый денежный поток, генерируемый в течение последующих четырех лет, может варьировать в зависимости от спроса на продукцию.

В данном случае считается, что между решениями проходит один год. Каждый кружок означает выбор того или иного решения. Сумма в долларах слева от момента принятия решения означает размер чистой инвестиции, необходимой в случае принятия этого решения, а денежные потоки, показанные под t 3-6, — это денежные поступления, возникающие в случае принятия проекта. Каждая линия представляет собой ветвь дерева решений, и каждая ветвь имеет рассчитанную вероятность. Например, если фирма решит начать работу над проектом, к моменту принятия решения 1 она должна будет потратить 500000 дол. на маркетинговое исследование. По оценке руководства, вероятность того, что исследование даст благоприятные результаты, составляет 0,8. Это приведет к решению перейти к этапу 2. Вероятность того, что маркетинговое исследование даст отрицательные результаты и укажет на то, что от проекта следует отказаться, составляет 0,2. Если работа по проекту прекратится, расходы компании на начальное маркетинговое исследование в размере 500000 дол. будут списаны в убыток.

Если маркетинговое исследование предпринято и его результаты положительны, тогда фирма на следующем этапе потратит 1 млн. дол. на изготовление опытного образца робота. По предварительному подсчету руководства, сделанному еще до начальной инвестиции в 500000 дол., есть 60%-ная вероятность того, что телеинженеры сочтут робот полезным, и 40%-ная вероятность того, что он им не понравится. Это условные вероятности, то есть они зависят от предшествующих решений.

Если инженеры примут робот, тогда фирма потратит заключительные 10 млн. дол. на постройку предприятия и развертывание производства, в противном случае проект будет отвергнут. Если фирма все-таки развернет производство, операционные денежные потоки за 4-летний срок действия проекта будут зависеть от того, насколько хорошо рынок примет конечный продукт. Предполагается, что существует 30%-ный шанс на то, что спрос будет вполне приемлемым, а чистый денежный поток составит 10 млн. дол. в год, 40%-ная вероятность – для 4 млн. дол. в год и 30%-ная возможность ежегодного убытка в 2 млн. дол. Эти денежные потоки показаны под годами с третьего по шестой. Кроме того, не исключена и такая ситуация, когда фирма предпочтет отказаться от проекта даже после развертывания производства.

Читать еще:  Анализ показателей прибыли

Кумулятивные вероятности, представленные на рис.13 и полученные перемножением всех вероятностей на конкретных ветвях дерева, показывают вероятность наступления каждого конечного исхода. Например, вероятность того, что проект будет полностью осуществлен, а среднегодовой приток денежных средств будет на уровне 10 млн. дол., составляет , или 14,4%.

На рис.13 приведен также NPV каждого конечного исхода. Цена капитала компании 11,5%. Кроме того, руководство считает, что проект имеет среднюю степень риска. NPV наиболее благоприятного исхода составляет (в тыс.дол.):

Остальные NPV рассчитываются аналогичным образом.

В последней колонке рис.13 представлены произведения NPV для каждой ветви на объединенную вероятность этой ветви, а сумма этих произведений NPV – это ожидаемое значение NPV проекта. Таким образом, исходя из условий примера, ожидаемое значение NPV проекта равно – 338000 дол.

Поскольку ожидаемый NPV отрицателен, может показаться, что фирме следует отвергнуть проект, однако такое заключение может быть преждевременным. Во-первых, руководство считало риск проекта средним, следовательно, теперь компании следует обдумать, не является ли данный проект более или менее рисковым, чем в среднем. Поскольку среднее квадратическое отклонение ожидаемого NPV равно 7991000 дол., значение коэффициента вариации довольно велико. Это подразумевает, что с точки зрения единичного риска проект является очень рисковым. Вероятность понести убытки равна 0,144+0,320+0,200=0,664. На основании всего этого проект, скорее всего, следует отклонить.

Анализ чувствительности решения

Анализ чувствительности — это определение такого уровня вероятности, до которого данная альтернатива является лучшей. Анализ выполним только для случая двух возможных состояний внешней среды и любого числа альтернатив. В этом заключена его ограниченность, так как на практике разнообразие состояний среды может быть намного больше. В целях выполнения анализа чувствительности строятся графики зависимости значений EMV от распределения вероятностей между состояниями внешней среды.

Одной из задач анализа является определение чувствительности показателей эффективности (ключевых показателей) к изменениям различных параметров. Чем шире диапазон параметров, в котором показатели эффективности остаются в пределах приемлемых значений, тем выше «запас прочности», тем лучше защита от колебаний различных показателей (факторов), оказывающих на него влияние.

Анализ чувствительности позволяет ответить на вопрос: «Что будет, если значение такого-то фактора изменится на столько-то?»

Анализ чувствительности дает возможность провести сравнительный анализ вариантов ключевых показателей хозяйственной деятельности.

Этапы анализа чувствительности:

  • выделение ключевых показателей (операционная прибыль, чистая прибыль, кэш от операционной деятельности и т.д.), изменение которых существенно зависит от факторов текущей деятельности (выручка, себестоимость, зарплата, налоги и т. д.);
  • расчет ключевых показателей при базовых значениях факторов;
  • последовательное изменение факторов и расчет ключевых показателей при новых условиях;
  • проверка чувствительности выбранных показателей при вероятности отклонений (вероятность того, что фактор изменится, то есть станет больше, меньше или останется неизменным);
  • определение наиболее чутких к этим изменениям ключевых показателей и факторов, оказывающих самое большое воздействие;
  • сравнение чувствительности ключевых показателей по каждому фактору.

Анализ чувствительности заключается в определении критических границ изменения факторов. Например, насколько максимально можно снизить объемы продаж или цены на продукцию, работы или слуги, при которых операционная прибыль будет равна нулю.

Анализ чувствительности может быть сформирован по любому сводному показателю (т.е. показателю, который рассчитывается на основании нескольких показателей). Отчет вызывается через отчет по сводному показателю.

Настройки параметра формирования отчета:

· Период — период, на основании данных которого будет производиться анализ.

· Анализируемый показатель — сводный показатель, который будет подвергнут анализу.

· План/Факт — возможность выбора варианта расчета данных: по плановым либо по фактическим показателям.

При выборе анализируемого показателя автоматически формируется список параметров, которые можно использовать в анализе чувствительности в качестве переменных (факторов влияния). В списке показателей отметьте показатели, по которым будет произведен анализ.

Далее необходимо задать относительные величины отклонений значений в процентах, от нижнего порога до максимального значения, а также шаг изменения (чем меньше шаг, тем подробнее будет анализ).

Изменение значения может быть как относительным (в процентах), так и абсолютным (точная цифра). При необходимости провести анализ на основе конкретного значения показателя, значение вводят в колонке «Изм.значение».

По кнопке «Рассчитать» выводится результат расчета сводного показателя при изменении входящих в него показателей. Наглядное отображение зависимости показателя от одного из параметров формируется на закладке «График«.

Анализ чувствительности проекта к изменениям ключевых параметров исходных данных, иными словами, исследуется, каким образом изменяется чистая прибыль или рентабельность инвестиций при различных значениях исходных данных (продажной цены продукции, объема продаж, удельных издержек и т. д.)

Метод анализа чувствительности, аналитические модели риска, а также все методы третьей группы способны давать оценку уровня риска в виде стандартного отклонения (или его производных) либо в виде специальных коэффициентов риска. Эти оценки наряду с критериями эффективности используются для принятия управленческих решений как отдельные показатели.

Выбор конкретных методов анализа риска зависит от возможностей информационной базы, требований к форме представления конечных результатов и к уровню надежности планирования инвестиций. Например, для небольших проектов аналитики могут ограничиться анализом чувствительности и корректировкой дисконта, для крупных проектов — провести имитационное моделирование и построить кривые распределения вероятностей, а в случае зависимости результатов проекта от наступления определенных событий построить дерево событий. Результаты применения различных методов к одному и тому же инвестиционному проекту должны дополнять друг друга, как и результаты различных методов оценки эффективности.

Особое значение в контексте формирования политики финансового оздоровления предприятия приобретает модель управления стоимостью предприятия через анализ чувствительности к отдельным факторам. Данная модель основана на расчете коэффициентов чувствительности и выборе из всего перечня факторов тех, влияние которых на стоимость бизнеса оказывается наиболее значительным (факторы, имеющие наибольшие коэффициенты чувствительности). Данные коэффициенты чувствительности показывают, на сколько процентов изменится стоимость бизнеса при изменении фактора на 1%.

во-вторых, это основа «системного анализа» для решений сложных слабоструктурированных проблем, ибо этапы системного анализа есть не что иное, как перечисленные выше этапы процесса «принятия решений» (точнее «решения проблем»), но с некоторой детализацией, отражающей применение метода моделирования (построение модели, формулировку критерия, анализ чувствительности и т. п.).

Инструментом анализа чувствительности является величина выручки, которая находится за критической точкой. Критическая точка показывает, до какого предела может упасть объем реализации, чтобы не было убытка. Величина прибыли, получаемая организацией, определяется разницей меж­ду выручкой от реализации продукции и суммарными затратами.

Этот метод воссоединяет методы анали­за чувствительности и анализа сценариев на базе вероятностного под­хода. Он достаточно сложен, его реализация возможна только при помо­щи компьютера. Итог такого анализа — распределение вероятностей возможных результатов проекта (например, вероятность получения

Данный вид анализа представляет собой развитие методики анализа чувствительности проекта в том смысле, что одновременному непротиворечивому (реалистическому) изменению подвергается вся группа факторов (переменных). Рассчитывают песси­мистический вариант (сценарий) возможного изменения переменных, наиболее вероятный и оптимистический варианты. В соответствии с эти­ми расчетами определяют новые значения критериев

Как видно, анализ чувствительности до некоторой степени эксперт­ный метод. Кроме того, не анализируется связь (корреляция) между из­меняемыми переменными.

При анализе чувствительности сначала рассчитывают базисный вариант, когда все переменные получают свои предполагаемые значения. Затем только одна из переменных, проверяемых на риск, меняет свое значение (на­пример, на 10%), на основе чего пересчитывают новое значение исполь­зуемого критерия (например,

Анализ чувствительности решения задачи

Анализ чувствительности — это определение такого уровня вероятности, до которого данная альтернатива является лучшей. Анализ выполним только для случая двух возможных состояний внешней среды и любого числа альтернатив. В этом заключена его ограниченность, так как на практике разнообразие состояний среды может быть намного больше. В целях выполнения анализа чувствительности строятся графики зависимости значений EMV от распределения вероятностей между состояниями внешней среды.

Читать еще:  Анализ содержания книги это

Построим такие графики для трех альтернатив из рассмотренной выше задачи (пример 9.1). Порядок их построения представлен на рис. 9.1. График для варианта «ничего не предпринимать» совпадает с осью вероятностей, так как значение его ординаты на всем интервале изменения вероятностей равно нулю. Из рисунка видно, что когда вероятность благоприятного состояния внешней среды высока, лучше строить большой завод (первый вариант), при меньшей вероятности благоприятного состояния среды — малый завод (второй вариант), а при высокой вероятности неблагоприятного исхода лучше деньги в проект не вкладывать (третий вариант). Чтобы найти предельные точки (точки пересечения прямых) следует вывести уравнения прямых и приравнять их друг другу:

Графики прямых пересекаются в точке А:

Графики прямых пересекаются в точке В:

В общем случае некоторые альтернативы при любом разложении вероятностей могут оказаться хуже других. Они должны быть исключены из дальнейшего рассмотрения.

Рис. 9.1. График зависимости платежей от распределения

вероятностей состояния внешней среды:

вариант 1; 2 — вариант 2; 3 — вариант 3

Дерево решений задачи

Кроме использования платежной матрицы для решения данного типа задач, как уже указывалось, можно строить дерево решений. Например, для рассматриваемой в примере 9.1 задачи дерево имеет следующий вид (рис. 9.2).

Рис. 9.2. Дерево решений к примеру 9.1

При построении дерева узлы принятия решений означают выбор альтернатив, который делает менеджер, а узлы состояния внешней среды — возможные ответы среды. Если построение дерева идет слева направо, то расчет и принятие решений — справа налево:

• в узлах состояния внешней среды платежи «сворачиваются» в значения ЕМУ с соответствующими им весами-вероятностями;

• в узлах принятия решений происходит выбор лучших альтернатив, например, по критерию EMV=> max.

При решении простых задач дерево не дает никаких преимуществ, но для решения многоуровневых задач его преимущества неоспоримы. Дерево, как любое графическое представление, более наглядно, поэтому предпочтительнее в более сложных ситуациях.

Построение дерева рассмотрим также на примере решения задачи тактического планирования. Вьщеление только двух состояний внешней среды — благоприятного и неблагоприятного — далеко не единственный и не лучший способ оценки внешней среды, который применяется лишь в случаях, когда информация о среде ограничена. Альтернативных вариантов стратегий в общем случае может быть много. И это позволяет уточнить решение задачи.

Оптовый склад обслуживает кино- и фотолаборатории, в том числе отпускает им проявитель. Статистика уровня продаж: 11 упаковок продаются с вероятностью 45%, 12 упаковок — с вероятностью 35%, 13 упаковок — 20%. Прибыль от реализации одной упаковки — 35 руб. Непроданные упаковки в конце недели уничтожаются, при этом потери составляют 56 руб. с каждой упаковки. Какой недельный запас проявителя является Для склада оптимальным?

Отметим, что сумма вероятностей продажи 11, 12 и 13 упаковок равна 100%. Это означает, что никаких других объемов недельных продаж не зарегистрировано и в расчет они не могут быть включены. Рассчитаем платежи:

а) проданы 11 упаковок: 35 х 11 = 385 руб., при запасе в И упаковок;

б) проданы 11 упаковок при запасе в 12, а одна упаковка уничтожена 1 385-56 = 329 руб.; —

в) проданы 12 упаковок (весь запас): 35 х 12 = 420 руб., наличие спроса из 13 упаковок здесь ничего не меняет;

г) при запасе в 13 упаковок возможны три варианта: продажа 11 упаковок (385 — 56 х 2 = 273 руб., две упаковки уничтожены), продажа 12 упаковок (420 — 56 = 364 руб., одна упаковка уничтожена), продажа 13 упаковок (35×13 = 455 руб.).

Результаты расчета сведены в табл. 9.2. Расчет ЕМУ показывает, что лучший вариант решения — запасать 11 упаковок. Рассчитаем предельную цену полной информации о продажах (алгоритм ее расчета будет показан в следующем разделе):

EVPI = 385 х 0,45 + 420 х 0,35 + 455 х 0,20 — 385 = 26,25 руб. Дерево решений этой задачи имеет следующий вид:

Выбор решения в условиях риска: анализ чувствительности, дерево решения.

Анализ чувствительности — это определение такого уровня вероятности, до которого данная альтернатива является лучшей. Анализ выполним только для случая двух возможных состояний внешней среды и любого числа альтернатив. В этом заключена его ограниченность, так как на практике разнообразие состояний среды может быть намного больше. В целях выполнения анализа чувствительности строятся графики зависимости значений EMV от распределения вероятностей между состояниями внешней среды.

Кроме использования платежной матрицы для решения данного типа задач, как уже указывалось, можно строить дерево решений.

Рис. 1 График зависимости от распределения вероятностей состояние внешней среды

Рис. 2 Дерево решений (пример)

Дерево решений. Схематическое представление выработки наилучшего направления действий с учетом финансовых результатов, вероятности возникновения их позитивного значения при заданных критериях.

При построении дерева узлы принятия решений означают выбор альтернатив, который делает менеджер, а узлы состояния внешней среды — возможные ответы среды. Если построение дерева идет слева / направо, то расчет и принятие решений — справа налево:

узлах состояния внешней среды платежи «сворачиваются», в значения EMV с соответствующими им весами-вероятностями;

в узлах принятия решений происходит выбор лучших альтернатив, например, по критерию EMV => max.

При решении простых задач дерево не дает никаких преимуществ, но для решения многоуровневых задач его преимущества — неоспоримы. Дерево, как любое графическое представление, более наглядно, поэтому предпочтительнее в более сложных ситуациях. Построение дерева рассмотрим также на примере решения задачи тактического планирования. Выделение только двух состояний внешней среды — благоприятного и неблагоприятного — далеко не, единственный и не лучший способ оценки внешней среды, который применяется лишь в случаях, когда информация о среде ограничена. Альтернативных вариантов стратегий в общем случае может быть много. И это позволяет уточнить решение задачи.

Типы управленческих решений: единоличные и коллегиальные, их преимущества и недостатки.

· вид деятельности субъекта управления – определенный этап процесса управления;

· вариант воздействия субъекта управления на объект;

· организационно-практическая деятельность менеджера, связанная с воплощением решения в жизнь — это — процесс подготовки, принятия и исполнения управленческого решения.

УпР представляет собой творческий процесс субъекта управления, определяющий программу мероприятий по решению назревшей проблемы на основе объективных законов функционирования объекта и анализа сложившейся в нем проблемной ситуации.

. По виду лица, принимающего решение (ЛПР), выделяют решения:

· индивидуальные, принимаемые руководителем единолично;

· коллегиальные, принимаемые коллективным органом управления (например, советом директоров компании);

· коллективные, принимаемые всем коллективом предприятия.

В задачах индивидуального выбора ЛПР — это один человек, который осуществляет выбор на основе своих индивидуальных предпочтений и несет полную ответственность за последствия принятых решений. Задачи этого класса сравнительно хорошо изучены, для их решения разработан широкий арсенал методов и, как показывает опыт, такие задачи наиболее часто возникают на практике.

В задачах коллективного выбора решения принимаются группой лиц (коллегиальным органом) на основе выявления и формирования коллективных предпочтений, отражающих мнение всей группы. Как отмечалось выше, в этом случае вместе с термином «лицо, принимающее решение» также используют понятие «группа, принимающая решение». Основная трудность в принятии коллективных решений заключается в том, чтобы согласовать индивидуальные предпочтения всех членов группы и объединить их в единое мнение. К сожалению, несмотря на большое количество работ в этой области, задачи принятия коллективных решений гораздо менее изучены, ив настоящее время не существует общепринятых эффективных методов достижения группового согласия. Поэтому качество коллективных решений в значительной мере зависит от искусства руководителя, который организует обсуждение проблемы, выслушивает мнения своих подчиненных и применяет такую процедуру принятия решения, которая отражает его представления о рациональности и справедливости коллективного выбора.

Читать еще:  Анализ материалоемкости продукции

Метод «дерева» решений и анализ чувствительности решений

Он используется тогда, когда результат одного решения заставляет принять нас следующее; это принятое решение, в свою очередь, влияет на принятие третьего, четвертого и т.д., вплоть до достижения приемлемого результата.
«Дерево» решений — схематическое представление системы решений, иерархически упорядоченных в рамках базовой системы координат.
Использование вероятностной оценки «дерева» решений, когда требуется принять несколько последовательных решений при заранее заданных основных альтернативах и их границах, продиктовано необходимостью учета неопределенности внешней среды. Здесь особое внимание следует уделять чувствительности решений, т.е. их зависимости от изменений вероятностей исходов. Это позволяет знать, насколько можно полагаться на выбранное решение.
Основными структурными элементами «дерева» решений (рис. 9.1), отображающими суть проблемы, являются «узлы» и «ветви». «Ветви» означают возможные альтернативные решения, которые могут быть приняты, и возможные исходы, связанные с принятием этих решений. На схеме используется два вида «ветвей»: первый — пунктирные линии, соединяющие квадраты возможных решений; второй — сплошные линии, соединяющие кружки возможных исходов решений.
Квадратные «узлы» обозначают места, где принимается решение. Круглые «узлы» — появление исходов. Разграничение эти «узлов» необходимо, так как лицо, принимающее решение, может влиять только на выбор решения, а относительно его исходов ему остается лишь вычислять вероятности их появления.
Когда все решения и их исходы указаны на «дереве», просчитывается каждый из вариантов и в конце проставляется его денежный доход или иной показатель, который выбран в качестве целевого. Все затраты, связанные с решением, отражаются на соответствующей «ветви».
Требования в области теории вероятностей для правильного использования метода «дерева» решений сводятся только к знанию того, что вероятности возникновения всех благоприятных и всех неблагоприятных исходов равны единице. Также необходимо иметь в виду, что в бизнесе часто возникают ситуации, в которых экспериментальных данных нет, а, значит, определение вероятности какого-либо события носит субъективный характер.


Рис. 9.1. «Дерево» решений-1

Построение «дерева» решений не может осуществляться вне рамок системноцелевого подхода, предполагающего в том числе применение базовой системы координат. Традиционный же подход формирования «дерева» решений [78, с. 238; 155, с. 105] предполагает лишь логико-временное упорядочение системы решений, тогда как в базовой системе координат необходимо пространственное отображение системы решений. К этому следует добавить, что «дерево» целей разрабатывают [78; 144], в основном в пространственных координатах. В связи с этим необходимо ввести новое требование к использованию данного метода — отражение и выбор системы решений с учетом координатной пространственной оси S и информационной /.

Таким образом, появляется необходимость разработки нового направления в теории принятия решений, связанного с системной разработкой «дерева» целей, «дерева» проблем, «дерева» решений, представленных в базовой системе координат.
Ниже рассматривается пример использования традиционного подхода к построению «дерева» решений и анализу их чувствительности.
Пример
Исходные условия. Предприятие, производящее пряники, предполагает производство нового продукта — овсяного печенья. В результате проведенных маркетинговых исследований выявлено, что в ближайший год будет интенсивно расширяться рынок сбыта овсяного печенья. При этом стоимость производства овсяного леченья повысится по сравнению со стоимостью производства пряника на 140 тыс. руб. Для реконструкции производственного процесса в рамках его универсализации потребуется три месяца, однако существует лишь 55-процентная вероятность, что будет обеспечено должное качество нового продукта. В связи с этим перед предприятием встал вопрос о внедрении человеко-машинной системы, которая будет обеспечивать стабильность качества при переходе оборудования с производства пряника на производство овсяного печенья, и наоборот. Исследования по ЧМС продолжатся три месяца, затраты на их проведение составят 100 тыс. руб. Вероятность получения необходимой человеко-машинной системы составляет 0,75.
Разработку человеко-машинной системы (в рамках которой следует выделить создание компьютерной контролирующей системы, применение экономико-математических методов, внедрение распределенной информационной сети и т.д.) можно или начать немедленно, или подождать три месяца до выяснения причин нестабильности качества продукции (пряника и овсяного печенья). Если разработку начать немедленно, а производственный процесс окажется универсальным, не влияющим на качество продукции, то человеко-машинная система будет убыточной (убыток -100 тыс. руб.). С другой стороны, если отложить разработку и внедрение человеко-машинной системы, а процессы производства пряника и овсяного печенья не будут соответствовать стандартам, то выпуск нового продукта (овсяного печенья) отодвигается на три месяца до окончания исследований. Если невозможно создать универсальное оборудование и работа по внедрению человеко-машинной системы окажется безуспешной, то работы по этому проекту необходимо прекратить.
В случае, если продажа нового продукта начнется в течение трех месяцев, то прибыль составит 500 тыс. руб. без учета амортизации по производственному процессу или стоимости внедрения человеко-машинной системы. Если отложить выпуск овсяного печенья на три месяца, то прибыль упадет до 300 тыс. руб. из-за укрепления позиций конкурентов на рынке. Для облегчения расчетов можно не учитывать расходы на человеко- машинную систему.
Решение осуществляется в несколько этапов.
Этап 1. Построим «дерево» решений, как показано на рис. 9.1.
Этап 2. Рассчитаем ожидаемый чистый доход по «узлам».
Ожидаемый чистый доход (в кружке ?):
(300 • 0,75 + 0 • 0,25) — 100 = 125 тыс. руб.
В кружке D ожидаемый чистый доход равен нулю. Следовательно, если в квадрате 2 решим разрабатывать человеко-машинную систему, то получим чистый доход в размере 125 тыс. руб.
В «узле» исхода А ожидаемый чистый доход равен:
(500.0,55 + 125.0,45) — 140 = 191,25 тыс. руб.
В «узле» дожидаемый чистый доход составит:
(500 • 0,55 + (500 • 0,75 + 0 • 0,25) — 0,45) — 240 = 203,75 тыс. руб.
В результате максимальная величина ожидаемого чистого дохода составит 203,75 тыс. руб. Окончательный вариант «дерева» решений, на котором отражаются все ожидаемые доходы, приведен на рис. 9.2.
На рис. 9.2 зачеркнуты «ветви», отражающие неэффективные решения. Варианты, при которых ожидаемый чистый доход является максимальным, обозначены стрелками.
Этап 3. Определим чувствительность полученного решения. Ожидаемые чистые доходы в «узлах» А и В почти одинаковы: 191,25 и 203,75 тыс. руб. Выбор решения зависит от значения вероятностей, а анализ чувствительности позволяет нам вычислить «разброс» вероятностей, которые меняют наш выбор.
В данном случае рассмотрим только вероятность стабильности качества продукции, однако на математические ожидания повлияло бы также наличие и функционирование человеко-машинной системы. Полный анализ чувствительности включает рассмотрение обоих вопросов.
Обозначим вероятность стабильности качества через р. В данном случае /7=0,55. Ожидаемый чистый доход равен:
• в «узле» А —
500-р+ 125.(1 -р)- 140 = 375 -р- 15;
• в «узле» В —
500-р + 375 • (1 -р) -2’40 = 125 -р + 135.
Приравняв правые части уравнений, получим:
375 .р — 15 = 125 -р + 135;
250.р= 150;
р = 0,6.
Если вероятность стабильности качества продукции равна 0,6, то оба альтернативных решения принесут одинаковый ожидаемый чистый доход Если вероятность стабильности качества больше 0,6, то решение сразу начать реконструкцию без одновременной разработки человеко-машинной системы принесет больший ожидаемый чистый доход


Рис. 9.2. «Дерево» решений-2

В нашем случае вероятность стабильности качества продукции меньше 0,6, что говорит о приоритетности варианта одновременной реконструкции оборудования и разработки человеко-машинной системы.
Так как значение р= 0,55 очень близко к р= 0,6, то выбор решения очень чувствителен к расчетам величины вероятности стабильности качества, и небольшая ошибка может привести к смене выбора, что доказывает важность анализа чувствительности в процессе принятия решений.
В заключение следует еще раз подчеркнуть, что традиционный подход к использованию метода «дерева» решений не учитывает комплексности проблемы. Поэтому необходимо развить данный метод, превратить его в «работающий» на практике метод, где формализованная часть сочетается с интеллектуальным потенциалом’ экспертов. Таким образом, процессный подход в теории разработки управленческих решений предполагает использование системы методов в процессе последовательного снятия неопределенности: «дерева» целей (при построении системы целей), SWOT-анализа (при постановке системы проблем), морфологического метода (при формировании альтернатив). «Дерево» решений является завершающим этапом в базовом процессе разработки управленческих решений.

Ссылка на основную публикацию
Adblock
detector