Введение 6
1 Аналитическая часть 9
1.1 Показатели бизнес-процесса 9
1.1.1 Показатели эффективности процесса 11
1.1.2 Показатели удовлетворенности клиентов процесса 14
1.1.3 Показатели продукта процесса 16
1.2 Анализ бизнес-процессов 17
1.2.1 Основные этапы анализа бизнес-процессов 18
1.2.2 Методы анализа бизнес-процессов 20
1.3 Сравнительный анализ 23
1.3.1 Многокритериальное сравнение 23
1.3.2 Подходы к многокритериальному выбору альтернатив 25
1.3.3 Методы сравнения объектов 26
1.3.4 Методы экспертных оценок 29
1.4 Бенчмаркинг бизнес-процессов 32
1.4.1 Виды бенчмаркинга 33
1.4.2 Этапы бенчмаркинга 34
1.4.3 Отличия бенчмаркинга от сравнительного анализа 36
2 Научно-исследовательская часть 40
2.1 Особенности целевого программирования 42
2.2 Многоатрибутивный метод принятия решений на основе качественной
информации 44
2.3 Многоатрибутивный метод принятия решений исходя из качественной и
количественной информации 49
3 Практическая часть 52
3.1 Решение задачи качественного программирования 52
3.2 Решение задачи смешанного качественного программирования 55
Заключение 59
Список используемых источников 61
Приложение А Отчет по задаче качественного программирования 65
Приложение Б Отчет по задаче смешанного качественного программирования 66
В условиях небывалого ужесточения конкуренции, вызванного глобализацией, когда компании приходиться соревноваться с лучшими мировыми игроками не только на внешнем, но и на внутреннем рынке, необходимо видеть собственные сильные и слабые стороны, постоянно искать и находить пути усиления своих конкурентных преимуществ, выявлять и устранять причины недостаточной эффективности.
Актуальность. Одним из способов решения этих задач служит бенчмаркинг - относительно новый, но ставший очень популярным в последние годы в управленческих кругах подход к совершенствованию деятельности компании.
Под бенчмаркингом понимают процесс сравнительного анализа и оценки методов и результатов работы компании, процессов, функций, товаров и услуг путём их сопоставления с выбранными образцами для подражания. Использование бенчмаркинга широко распространено в логистике, маркетинге, управлении персоналом, финансовом менеджменте, то есть применительно к предприятию бенчмаркинг охватывает практически все сферы и направления его деятельности.
Технология бенчмаркинга позволяет предприятиям повысить производительность и эффективность бизнес-процессов путем выбора и использования лучших (эталонных) процессов по заданным показателям. В результате, за счет усовершенствования деятельности предприятия, повышается его конкурентоспособность.
Таким образом, тема данной диссертационной работы представляется актуальной.
Но в процессе сравнительного анализа возникает проблема совместного использования количественной и качественной информации, характеризующей бизнес-процесс.
Научная новизна. В работе предлагаются модели для решения задачи сравнения бизнес-процессов, где некоторая часть или вся доступная информация может быть как качественной, так и неполной. Сначала рассматривается метод многоатрибутивного принятия решений, который вовлекает только качественную информацию, как полную, так и неполную. Этот подход назван «качественным программированием». Далее данный метод модифицируется, чтобы включить в постановку и количественные данные, используя численно измеряемые показатели бизнес-процессов. Второй подход назван «смешанным качественным программированием». Данный подход позволяет использовать традиционные методы оптимизации при решении задач выбора, при этом качественная информация также может использоваться в процессе формального решения.
Цель исследования состоит в повышении эффективности реинжиниринга бизнес-процессов предприятия путем разработки и обоснования модельного аппарата для решения задач сравнения бизнес- процессов.
Задачей исследования в данной работе становится разработка методов и моделей, позволяющих учесть как качественные, так и количественные показатели бизнес-процессов в рамках формального процесса оптимизации при решении задач многоатрибутивного выбора с учетом неполной информации.
Методы исследования. При выполнении работы использовался математический аппарат теории оптимизации и сравнительного анализа, методики качественного и количественного анализа бизнес-процессов.
Практическая значимость. Представленные в данной работе модели и методы позволяют учесть как качественную, так и неполную информацию в рамках формального процесса оптимизации при решении задач многоатрибутивного выбора.
Предложена модификация задачи 0-1 целочисленного программирования, цель которой - включить оба типа данных (как количественные, так и качественные) в оптимизационный процесс, что представляется весьма значимым при решении задачи сравнения бизнес-процессов.
Предложенный метод многоатрибутивного принятия решений демонстрирует хорошие возможности своего потенциального расширения (как по классам задач, так и по классам методов), то есть это важно для многих оптимизационных методов, включающих анализ качественной информации.
Результаты диссертации были представлены на Международной научной конференции студентов, аспирантов и молодых учёных «Молодёжь и наука: проспект Свободный - 2016», Международной научной конференции «Актуальные вопросы науки и образования» Российской академии естествознания.
Функционирование любой сложной системы описывается с помощью определенного набора показателей.
Показатели бизнес-процесса - количественные и/или качественные параметры, характеризующие бизнес-процесс и его результат.
Количественные показатели - это факты, которые можно измерить непосредственно. Качественные характеристики процесса являются менее осязаемыми и измеряются, как правило, косвенно, с использованием множества показателей-заменителей. Для качественных показателей характерна субъективная оценка. Количественные показатели используются на практике гораздо чаще. Качественные меры рассматриваются как недостаточно точные, и поэтому их считают менее важными. У.Э. Деминг еще в 1986 году назвал управление компанией на основании лишь очевидных цифр без должного внимания к отсутствующим или не поддающимся учету качественным показателям одной из «смертельных болезней» менеджмента.
Для эффективного построения работы организации руководству или фирме недостаточно иметь информацию лишь о внутренних показателях и особенностях состояния фирмы и производственно-экономической деятельности, такой подход неактуален и не пройдет проверку временем.
В условиях современной жесткой конкуренции ни одна организация не может позволить себе «изобретать велосипед». Лучше заимствовать опыт.
Бенчмаркинг представляет собой надежный метод усовершенствования бизнес-процессов благодаря изучению деятельности других компаний.
Но в отечественной деловой практике имеет место ряд ограничений для использования бенчмаркинга, в частности отсутствие или низкая доступность информации об организации деятельности и методах работы других предприятий, крайне высокие издержки ее получения, недостаточное правовое регулирование конкурентной разведки и других инструментов получения соответствующих данных. Кроме того, бенчмаркинг, основан как на количественных, так и на качественных сравнениях.
Представленные в данной работе модели и методы позволяют учесть как качественную, так и неполную информацию в рамках формального процесса оптимизации при решении задач многоатрибутивного выбора. Фактически осуществляется отображение количественного измерения показателей альтернатив в качественное пространство {<, =, >}. Показано, что это отображение делает возможным применение известных методов оптимизации (0-1 целочисленного программирования совместно с переменными отклонения из постановок целевого программирования) для решения задачи.
Предложена модификация метода, цель которой - включить оба типа данных (как количественные, так и качественные) в оптимизационный процесс, что представляется весьма значимым при решении задачи сравнения бизнес- процессов. Такие средства способны будут работать с любым типом доступной информации, что существенно облегчит выбор принятие решения для ЛПР.
Предложенный метод многоатрибутивного принятия решений демонстрирует хорошие возможности своего потенциального расширения (как по классам задач, так и по классам методов), то есть это важно для многих оптимизационных методов, включающих анализ качественной информации.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
