Система оперативного распределения ресурсов при управлении проектами создания и эксплуатации образцов новой техники и ее применение на предприятии аэрокосмической отрасли тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Клейменова, Елена Михайловна

• Клейменова, Елена Михайловна
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Клейменова, Елена Михайловна

ВВЕДЕНИЕ

1 ЗАДАЧА, МЕТОДЫ И СРЕДСТВА ОПЕРАТИВНОГО УПРАВЛЕНИЯ РЕСУРСАМИ В ПРОЕКТАХ НИОКР НА АЭРОКОСМИЧЕСКОМ ПРЕДПРИЯТИИ

1.1 Особенности управления проектами ОАО «РКК «Энергия»

1.2. Новые подходы к организации предприятий и управлению проектами

1.3. Математическая постановка задачи распределения ресурсов при управлении проектами

1.4 Классические методы и средства поддержки принятия решений

1.5 Мультиагентный подход к управлению ресурсами

1.5.1 DCOP алгоритмы

1.5.2 Роевая оптимизация в задачах планирования

1.5.3 Рыночный подход

1.6. Требования к системе

ВЫВОДЫ

2 МЕТОД АДАПТИВНОГО ПЛАНИРОВАНИЯ РЕСУРСОВ В ПРОЕКТАХ РАЗРАБОТКИ И ЭКСПЛУАТАЦИИ ОБРАЗЦОВ НОВОЙ ТЕХНИКИ НА ОСНОВЕ МУЛЬТИАГЕНТНЫХ ТЕХНОЛОГИЙ

2.1 Кратко о мультиагентных технологиях

2.2 Обзор систем производственного планирования

2.3 Концепция ПВ-сетей и метод сопряженных взаимодействий для планирования задач НИОКР

2.4 Метод адаптивного планирования для оперативного распределения ресурсов при управлении проектами НИОКР

2.4.1 Протокол взаимодействия агентов в методе адаптивного планирования

2.4.2 Формализованное описание метода оперативного распределения ресурсов при управлении проектами

2.5 Использование онтологий для описания особенностей предметной области

2.5.1 Подход к построению онтологий на основе модели мира Аристотеля

2.5.2 Инструментальные средства для построения онтологий

2.5.3 Онтология управления проектной деятельностью предприятия

2.5.4 Применение онтологического подхода для управления проектной деятельностью

2.5.5 Применение онтологии для задач управления персоналом

2.6 Пример работы метода адаптивного планирования для оперативного распределения ресурсов при управлении проектами НИОКР

2.7 Оценка эффективности метода адаптивного планирования

2.7.1 Исследование зависимости времени обработки событий от числа событий

2.7.2 Исследование влияния адаптивности планирования на реальные сроки выполнения проектов

ВЫВОДЫ

3 МУЛЬТИАГЕНТНАЯ СИСТЕМА ОПЕРАТИВНОГО РАСПРЕДЕЛЕНИЯ РЕСУРСОВ ПРИ УПРАВЛЕНИИ ПРОЕКТАМИ В РЕАЛЬНОМ ВРЕМЕНИ

3.1 Разработка мультиагентной системы оперативного распределения ресурсов при управлении проектами в реальном времени

3.1.1 Функциональные возможности мультиагентной системы оперативного распределения ресурсов при управлении проектами в реальном времени

3.1.2 Архитектура системы и функции компонент

3.1.3 Интерфейс пользователя

3.1.4 Последовательность работы пользователей с системой

3.2 Метод оценки рисков в мультиагенной системе оперативного распределения ресурсов при управлении проектами НИОКР

3.2.1 Общая постановка и основные подходы к решению задачи

3.2.2 Обзор методов учета рисков

3.2.3 Предлагаемый подход к оценке рисков

3.2.4 Математическая модель оценки риска незавершения в срок для одного проекта105

3.2.5 Математическая модель оценки риска незавершения в срок для нескольких проектов

3.3 Пример применения предлагаемого метода оценки рисков

ВЫВОДЫ

4 ИНТЕГРАЦИЯ МУЛЬТИАГЕНТНОЙ СИСТЕМЫ ОПЕРАТИВНОГО РАСПРЕДЕЛЕНИЯ РЕСУРСОВ ПРИ УПРАВЛЕНИИ ПРОЕКТАМИ В ИНФОРМАЦИОННУЮ СРЕДУ ПРЕДПРИЯТИЯ

4.1 Задача интеграции мультиагентной системы в информационную среду ОАО «РКК «Энергия»

4.2 Планирование проектов в интегрированной информационной среде ОАО «РКК «Энергия»

4.3 Организация взаимодействия между подразделениями предприятия по планированию проектов в интегрированной информационной среде ОАО «РКК «Энергия»

4.4 Пример работы системы на основе деловой игры

4.5 Пример применения системы для планирования работ специалистов НТЦ-1Ц ОАО «РКК «Энергия» по формированию заявки на доставку грузов

ВЫВОДЫ

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ 1. ПРИМЕР ПРИМЕНЕНИЯ МЕТОДА ОПЕРАТИВНОГО РАСПРЕДЕЛЕНИЯ РЕСУРСОВ ПРИ УПРАВЛЕНИИ ПРОЕКТАМИ

ПРИЛОЖЕНИЕ 2. СРАВНЕНИЕ РЕЗУЛЬТАТОВ ПЛАНИРОВАНИЯ ПРОЕКТОВ С ИСПОЛЬЗОВАНИЕМ АДАПТИВНОГО ПЛАНИРОВЩИКА И СТАНДАРТНОГО ОПТИМИЗАТОРА MICROSOFT SOLVER

ПРИЛОЖЕНИЕ 3. АКТ ВНЕДРЕНИЯ РЕЗУЛЬТАТОВ ДИССЕРТАЦИИ В ОАО «РКК «ЭНЕРГИЯ»

ПРИЛОЖЕНИЕ 4. АКТ ВНЕДРЕНИЯ РЕЗУЛЬТАТОВ ДИССЕРТАЦИИ В ФГОБУ ВПО «ПОВОЛЖСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕЛЕКОММУНИКАЦИЙ И ИНФОРМАТИКИ»

ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

НИОКР - научно-исследовательские и опытно-конструкторские работы ПВ-сеть - сеть потребностей и возможностей MAC - мультиагентная система МАТ - мультиагентные технологии

MAC ОУР - мультиагентная система оперативного управления ресурсами проектов в реальном времени БД - база данных

ЛПР - лицо, принимающее решения

ДПГ - директивный план-график

ГПГ - генеральный план-график

АРМ - автоматизированное рабочее место

ERP-система - Enterprise Resource Planning

МКС - Международная космическая станция

KPI - Key Performance Indicator

Введение диссертации (часть автореферата) на тему «Система оперативного распределения ресурсов при управлении проектами создания и эксплуатации образцов новой техники и ее применение на предприятии аэрокосмической отрасли»

ВВЕДЕНИЕ

Настоящая работа посвящена решению проблемы повышения эффективности использования ресурсов при оперативном управлении проектами создания и эксплуатации образцов новой техники за счет поддержки перехода от традиционных иерархических структур управления - к современным сетевым структурам.

Данная проблема для Российских предприятий становится особенно актуальной и значимой в связи с обострением конкуренции в аэрокосмической отрасли, где все больший объем рынка получают предприятия США и Европы, Китая и других стран. Для комплексных проектов эксплуатации сложных изделий, как, например, Международная космическая станция, управление проектами представляет большую сложность, поскольку отличается уникальностью изделий, большим числом поставщиков, высокими требованиями к надежности и т.д. [1].

Кроме того, важнейшей особенностью таких проектов является высокая динамика, связанная с непредвиденными событиями, изменяющими планы, к числу которых могут относиться запуск нового проекта, замены в команде специалистов, пересмотр требований, поступление данных испытаний и т.д. Эти события приводят к необходимости оперативно вовлекать новые или перераспределять имеющиеся ресурсы, что усложняет и затрудняет принятие решений и требует применения специальных подходов, методов и средств для согласованного перераспределения ресурсов в проектах.

Теоретические исследования в этой области начинались с методов исследования операций, а сегодня включают в себя теорию выбора и методы принятия решений, теорию активных систем и ряд других направлений. Следует отметить работы в этом направлении ученых Р.В. Гутча, В.И. Воропаева, В.Д. Шапиро, B.J1. Гуревича, В.Н. Буркова, Д.А. Новикова, H.A.

Коргина, В.И. Городецкого, В.А. Виттиха и других [2-10]. В этом ряду выделяются труды проф. В.Н.Буркова по теории активных систем, в которых в традиционные математические модели расчета и оптимизации ресурсов впервые удалось ввести «человеческий фактор» (например, завышение сроков и т.д.).

Вместе с тем, в классической постановке задачи управления проектами до сих пор доминирует иерархический подход и всем участникам предписывается «оптимальный» план действий «сверху», но сами участники команды проекта «снизу», со своими индивидуальными мнениями, предпочтениями и ограничениями, оказываются вне рассмотрения. Также предполагается, что все задачи и ресурсы априори известны и не меняются с течением времени, хотя реально приходится постоянно иметь дело с непредвиденными событиями, нарушающими планы, которые требуют немедленной реакции в реальном времени для возврата к заданным срокам.

В существующих на сегодняшний день системах для управления проектами (Microsoft Project, PrimaVera, Windchill и многие другие) методы и средства для согласованного оперативного распределения задач по ресурсам в реальном времени отсутствуют в принципе, поскольку эти системы работают в пакетном режиме и задачи автоматически назначаются сотрудникам без какого-либо диалога и согласования.

В этой связи предлагаемая разработка, позволяющая оперативно распределять ресурсы при управлении проектами, представляет собой актуальную и значимую задачу для современной аэрокосмической и других отраслей промышленности.

Цели и задачи исследования. Целью работы является повышение эффективности работы предприятий аэрокосмической отрасли за счет разработки методов и средств поддержки принятия решений по оперативному

распределению ресурсов в проектах разработки и эксплуатации образцов новой техники.

Для достижения этой цели были поставлены и решены следующие задачи:

1) провести системный анализ методов и средств распределения ресурсов при управлении проектами на типовом промышленном предприятии;

2) разработать принципы построения мультиагентной системы поддержки принятия решений по оперативному распределению ресурсов в проектах разработки и эксплуатации образцов новой техники;

3) разработать онтологию распределения ресурсов при управлении проектами для учета особенности задач и компетенций исполнителей;

4) развить метод сопряженных взаимодействий для оперативного планирования задач проектов и согласования планов с участниками;

5) разработать и реализовать архитектуру системы, модель данных, алгоритмы и программное обеспечение мультиагентной системы распределения ресурсов в проектах в реальном времени;

6) разработать и исследовать модель оценки рисков для системы, не требующую значительных вычислительных ресурсов.

Объект и предмет исследования. Объектами исследования являются мультиагентные системы поддержки принятия решений. Предметами исследований являются методы и средства оперативного распределения ресурсов при управлении проектами на промышленном предприятии.

Методы исследования. В качестве методологической основы решения указанных задач в диссертационной работе использовался метод сопряженных взаимодействий в сетях потребностей и возможностей (ПВ-сетях) [11, 12], метод системного анализа, методы управления проектами, методы представления и использования знаний (онтологий) предметной области. Для подтверждения полученных теоретических результатов применялись методы

экспериментальных исследований совместно с методами математического и имитационного моделирования.

Достоверность результатов исследования обеспечивается использованием выводов и рекомендаций теории интерсубъективного управления, применением апробированной концепции ПВ-сетей и метода сопряженных взаимодействий, сравнением результатов исследований диссертанта с результатами планирования проектов ОАО «РКК «Энергия» при использовании традиционных методов и средств, проведением деловых игр специалистов по адаптивному управлению проектами, а также использованием разработанной ранее мультиагентной платформы для управления ресурсами.

Научная новизна результатов работы состоит в следующем:

1) впервые предложены ориентированные на поддержку командной работы и он-лайн коммуникацию с исполнителями принципы построения мультиагентной системы поддержки принятия решений по оперативному распределению ресурсов в проектах на промышленных предприятиях;

2) разработана модификация метода сопряженных взаимодействий на основе концепции ПВ-сетей, позволяющая, в отличие от известных методов, адаптивно перепланировать задачи проектов по событиям в реальном времени;

3) создана онтология распределения ресурсов для управления проектами, позволяющая учитывать индивидуальные особенности задач и ресурсов;

4) разработана мультиагентная система оперативного управления ресурсов в проектах, отличающаяся от известных систем управления проектами (Microsoft Project, PrimaVera и др.) наличием средств адаптивного перераспределения ресурсов по проектам;

5) получены аналитические оценки рисков при управлении проектами для использования в разработанном методе, позволяющие оценивать и снижать риски без значительных вычислительных затрат.

Практическая значимость работы:

1) разработанная система повышает эффективность за счет оперативности, согласованности и гибкости в распределении ресурсов предприятия;

2) за счет использования онтологий система позволяет учитывать индивидуальные особенности проектов, задач и компетенций и т.д.;

3) онтологический подход позволяет расширить область применения системы от аэрокосмической отрасли - на другие отрасли промышленности;

4) результаты эксплуатации системы в двух отделах ОАО «РКК «Энергия» показывают прирост на 12-15% эффективности использования ресурсов.

Основные научные результаты и положения, выносимые на защиту:

1) модифицированный метод сопряженных взаимодействий для оперативного распределения задач на ресурсы в проектах НИОКР, обеспечивающий согласованную, гибкую и эффективную он-лайн работу членов команды;

2) мультиагентная система для поддержки принятия решений по оперативному распределению ресурсов в проектах, интегрируемая с существующими автоматизированными системами поддержки жизненного цикла изделий (Windchili.);

3) онтология распределения ресурсов при управлении проектами НИОКР, позволяющая сформировать базу знаний для построения моделей ситуаций в проектах и настройки на специфику работы промышленных предприятий;

4) аналитические оценки рисков проектов, позволяющие оперативно реагировать на события и сокращать риски без трудоемких вычислений.

Научная значимость исследований заключается в развитии концепции ПВ-сетей за счет реализации метода адаптивного перепланирования задач проектов в реальном времени на основе мультиагентных технологий.

Личный вклад автора состоит в:

- развитии концепции ПВ-сетей и модификации метода сопряженных взаимодействий для адаптивного планирования ресурсов проектов на аэрокосмическом предприятии;

- разработке MAC для поддержки принятия решений по оперативному распределению ресурсов в проектах НИОКР на промышленном предприятии;

- разработке онтологического описания проектной деятельности предприятия аэрокосмической отрасли:

- разработке математической модели риска незавершения проекта в срок в реальном времени;

- интеграции MAC оперативного управления проектами НИОКР в реальном времени в информационную среду ОАО «РКК «Энергия».

Реализация результатов работы. Диссертация выполнена в соответствии с основными заданиями Программы фундаментальных научных исследований государственных академий наук на 2008-2012 гг., п.п. 24 и 25, проект «Онтологические модели ситуаций в процессах коллективного принятия решений» и Программы ОЭММГТУ РАН по проектам 2010-2012гг.

Получено свидетельство об официальной регистрации программы для ЭВМ № 2013615222 от 30 мая 2013 года и имеется акт внедрения в ОАО «РКК «Энергия», результаты работы используются в учебном процессе ФГОБУ ВПО «Поволжский государственный университет телекоммуникаций и информатики» в лекционном курсе и лабораторном практикуме по дисциплине «Мультиагентные системы» специальности 220400.

Апробация работы. Основные положения и результаты диссертационной работы докладывались на XIV Международной конференции «Проблемы управления и моделирования в сложных системах», Самара, 22-25 июня 2012 г., 4-й Международной конференции по теории эволюционных вычислений и ее применениям, Барселона, Испания, 5-7 октября 2012 г. (4th International Conference on Evolutionary Computation Theory and Applications (ECTA'2012), October 5-7, 2012, Barcelona, Spain), 6-й Всероссийской мультиконференции по проблемам управления (МКПУ 2013), Геленджик, Дивноморское, 30 сентября-5 октября 2013 г.

Основные публикации. Результаты диссертации опубликованы в 9 работах, из них: 5 публикаций в журналах, рекомендованных ВАК, 3 работы в трудах Международных и всероссийских конференций, а также получено 1 свидетельство об официальной регистрации программы для ЭВМ.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 118 источников. Текст занимает 168 страниц основной части, содержит 64 рисунка, 5 таблиц и 4 приложения.

Во введении обоснована актуальность и значимость темы диссертационной работы, определены цель и задачи исследований, охарактеризована научная новизна и практическая значимость полученных результатов, приведены сведения по апробации и реализации работы, а также сформулированы основные положения, выносимые на защиту.

В первой главе рассмотрена проблема оперативного распределения ресурсов при управлении проектами НИОКР в аэрокосмической промышленности, показано, что одной из причин разрыва между ожидаемыми и фактическими результатами проектов являются ограничения классических подходов к управлению предприятиями, предложены новые принципы холонической (сетевой) организации, ориентированные на поддержку

командной работы при управлении проектами, показана высокая трудоемкость процесса согласованного принятия решений в реальном времени, выделены основные особенности этого процесса, показаны основные новые тенденции, связанные с переходом от иерархического - к сетевому управлению.

Сформулирована математическая постановка задачи распределения ресурсов при управлении проектами, каждый из которых может иметь собственные критерии.

Рассмотрен мультиагентный подход к управлению ресурсами предприятия.

Во второй главе рассмотрены мультиагентные технологии, концепция сетей потребностей и возможностей (ПВ-сетей) и предложено развитие метода сопряженных взаимодействий для распределения ресурсов в проектах в реальном времени.

В развитие указанного метода расширен перечень классов агентов и протоколов их взаимодействия, разработаны агенты заказа, проекта, подразделения, задачи, исполнителя и некоторые другие.

Предложен метод адаптивного планирования для оперативного управления проектами, который включает фазы начального бесконфликтного и дальнейшего проактивного перепланирования задач (с конца или от начала), последовательно улучшающего результаты на каждой итерации.

Предложен онтологический подход к описанию предметной области распределения ресурсов при управлении проектами.

Выполнена оценка эффективности разработанного метода адаптивного планирования.

В третьей главе для реализации предложенного метода разработана архитектура мультиагентной системы оперативного распределения ресурсов, а также рассмотрена задача исследования возможностей по управлению рисками при перераспределении ресурсов по проектам в реальном времени.

Получены аналитические соотношения для оценки рисков проектов, которые позволяют оценивать риски при обработке непредвиденных событий в реальном времени. В этих целях разработан метод аппроксимации вероятностей завершения работ в срок, который позволяет приближенно оценивать риски незавершения проектов в реальном времени.

В четвертой главе рассмотрены результаты внедрения системы в ОАО «РКК «Энергия», интегрированной с PLM/PDM/PM-системой Windchill и ERP-системой предприятия, приведены практические примеры приложений полученных теоретических и практических результатов для решения задач распределения ресурсов в проектах НИОКР для ОАО «РКК «Энергия».

В заключении диссертации подводятся итоги проведенного и завершенного в рамках поставленных задач диссертационного исследования, и формулируются основные результаты работы.

Приложение 1 содержит пример применения разработанного метода оперативного распределения ресурсов.

Приложение 2 содержит сравнение результатов планирования проектов адаптивным планировщиком и стандартным оптимизатором Microsoft Solver.

Приложения 3 и 4 содержат документы, подтверждающие внедрение системы.

1 ЗАДАЧА, МЕТОДЫ И СРЕДСТВА ОПЕРАТИВНОГО УПРАВЛЕНИЯ РЕСУРСАМИ В ПРОЕКТАХ НИОКР НА АЭРОКОСМИЧЕСКОМ

ПРЕДПРИЯТИИ

1.1 Особенности управления проектами ОАО «РКК «Энергия»

ОАО «РКК «Энергия» - ведущее российское ракетно-космическое предприятие, головная организация по пилотируемым космическим системам. Ведёт работы по созданию автоматических космических и ракетных систем (средств выведения и межорбитальной транспортировки), высокотехнологичных систем различного назначения для использования в некосмических сферах.

Основными направлениями деятельности ОАО «РКК «Энергия» в области НИОКР являются проектные предложения по созданию ракетно-космических комплексов и транспортных межорбитальных систем нового поколения, включая средства межорбитальной транспортировки на основе использования бортовых космических ядерных энергоустановок и электрореактивных двигателей. На период 2011-2020 г.г. в ОАО «РКК «Энергия» планируется выполнение НИОКР по 20 направлениям [13]. В качестве одной из важнейших задач инновационного развития предприятия указано совершенствование системы управления проектами.

Изделия ОАО «РКК «Энергия» характеризуется широкой номенклатурой и большим количеством задач в директивных план-графиках (ДПГ) изготовления изделий (Табл. 1).

В ходе работ план проекта может быть существенно изменен и приходится принимать решения по перераспределению ресурсов в связи с изменениями:

- требований заказчика,

- результатами одного из этапов проектирования или испытаний,

- благодаря инициативе и творческому подходу одного из инженеров, новым идеям и технологиям, и т.д.

Таблица 1 - Объемные требования к планированию типовых изделий аэрокосмической промышленности

Изделиие Количество задач в ДПГ

Космическая система Дистанционного Зондирования Земли (Д33) (без КА) более 3000

Космический аппарат (КА) ДЗЗ около 3940

Наземный комплекс управления более 1100

Центр управления космической системой более 1000

Стационарный наземный комплекс приема и обработки изображений более 250

Мобильный наземный комплекс приема и обработки изображений более 300

Учебно-проектный центр более 220

Количество участников проекта более 650

В настоящее время происходит усложнение организационных структур предприятий от линейной структуры - к сетевой (Рис. 1).

Линейная структура (обычно одно изделие и его модификации, сотрудники распределены по отделам)

Рисунок 1 - Развитие и усложнение организационных структур предприятий

Перечисленные выше факторы затрудняют проведение НИОКР и требуют применения специальных подходов, методов и средств для управления проектами. Требуется согласованное управление как «сверху» (от заказчика и руководства предприятия), так и «снизу» (от команды инженеров) для поиска наилучшего баланса потребностей заказчика и возможностей исполнителя.

1.2. Новые подходы к организации предприятий и управлению проектами

Переход к оперативному распределению ресурсов при управлении проектами НИОКР в реальном времени требует разработки новых подходов, методов и средств для адаптивного управления ресурсами в проектах, поскольку существующие системы (Microsoft Project, PrimaVera и многие другие) ориентированы, прежде всего, на пакетный режим использования, когда все заказы и ресурсы известны заранее и не меняются в ходе выполнения проектов в реальном времени, а мнение, компетенции и опыт даже ведущих сотрудников не учитываются - задачи автоматически назначаются ведущим сотрудникам «сверху-вниз» как рядовым исполнителям [14-16].

Недостатки централизованного планирования - детерминированность и сложность учета быстроменяющихся условий, отсутствие достоверной информации о текущей ситуации, потеря адекватности расписаний с течением времени. Это следствия принципиально недостаточной достоверности исходных данных и сложности систем, состоящих из большого количества подсистем.

Основной причиной усиливающегося разрыва между ожидаемыми и фактическими результатами проектов являются ограничения классических форм организации предприятий, препятствующих переходу к новым современным сетевым формам управления деятельностью команд людей (Табл. 2).

Таблица 2 - Характеристики управленческих функций в традиционных и новых

(сетевых) предприятиях

Управленческая функция Традиционные предприятия Новые (сетевые) предприятия

1. Распределение функций Централизация функций Децентрализация функций

2. Организационная структура деятельности, тип связей Иерархическая структура, жесткие связи Сетевая структура, переменные связи

3.Влияние внешней средой Закрытость к среде Открытость к среде

4. Объем и роль знаний в принятии решений Объем знаний, используемых в принятии решений, строго фиксирован, решения принимаются по формальным правилам бизнес-процессов Объем знаний не фиксирован, приоритет - приобретению новых знаний, решения принимаются не формально, по существу ситуации

5. Управление ресурсами Плановый подход, все ресурсы распределены заранее Рыночный подход, ресурсы распределяются по мере необходимости в реальном времени

6.Распределение функциональных обязанностей и текущих задач Статическое, на основе штатного расписания, статуса и должностных инструкций Динамическое, на основе знаний и опыта, компетенций, конкуренции и кооперации

7. Тип взаимодействия Выдача команд «сверху вниз» по жесткой иерархии Переговоры «равный с равным», круг не ограничен (каждый с каждым), необходимые участники выбираются по ситуации

8. Оперативное планирование работ Пакетное жесткое планирование, следование регламентам и инструкциям Гибкое планирование, поиск компромиссов, принятие решений по ситуации

9. Степень определенности Полная определенность Полная неопределенность

10. Функции коммуникации Коммуникации регламентированы Коммуникации не регламентированы

11. Функции контроля Тотальный внешний контроль Внутренняя мотивация

12. Оценка результатов и оплата труда Постоянная месячная оплата Переменная (сдельная или почасовая) оплата

Говоря простыми словами, не может централизованная организация, даже при отличных начальниках, успевать быть гибкой и эффективной, или отслеживать новые технологии; как правило, члены проектных команд не «исполнители-винтики», которым можно навязывать план или проектные решения «сверху», а полноправные участники процесса принятия решений, ориентированные на достижение результата, при этом экономия, образующаяся от досрочного успешного выполнения проекта разделяется 50% на 50% между

предприятием и командой; знания команд - главный ресурс организаций, оплата должна быть неограниченной и за конечный результат и т.д.

В этой связи, важное значение приобретает интерсубъективная теория управления, базирующаяся на принципах социальной самоорганизации и организационной демократии [10]. В этой теории ключевое значение придается роли акторов - творческих специалистов, активно познающих и созидающих предмет проекта, в отличие от менеджеров-координаторов, лишь «администрирующих» деятельность других людей и не слишком вникающих в суть решаемых вопросов.

Не случайно, как специально отмечалось на Московском международном форуме «Открытые инновации-2012», «многие современные компании, ориентированные на успех и достижение долгосрочных результатов, развивают внутрикорпоративную культуру интрапренерства, стимулирующую проявление в обычной ежедневной деятельности предпринимательского духа, интеграцию предпринимательских возможностей личности и ресурсов предприятия».

Такой подход предполагает стимулирование и поощрение новых идей, снятие ограничений на сферы деятельности подразделений и их сотрудников (ломка барьеров), признание роли знаний в управлении проектами, лояльность к пробам и ошибкам, даже неудачам, обеспечение необходимыми ресурсами, работу в команде, ориентацию на результат, развитие систем вознаграждения за труд, и конечно, требует поддержки со стороны высшего руководства.

Для реализации такого подхода нужны кардинально новые интеллектуальные системы, которые должны не столько распределять задачи между исполнителями на основе знаний начальника, сколько поддерживать взаимодействие акторов в ходе их самоорганизации и согласования решений по

управлению проектами в реальном времени за счет использования распределенного подхода, в частности, мультиагентного подхода к планированию [17-23].

1.3. Математическая постановка задачи распределения ресурсов при управлении проектами

Сформулируем математическую постановку задачи распределения ресурсов при управлении проектами, каждый из которых может иметь собственные критерии (например, уровень вовлекаемых специалистов, сроки, себестоимость, риск и другие), причем важность которых может изменяться в ходе выполнения проекта.

Пусть каждый у-й проект имеет несколько частных критериев х^ например, стоимость, прибыль, опоздание, качество, и предполагаемые идеальные значения этих критериев ху1с1. У каждого агента проекта у подсчитывается оценочная функция (ценность)^(х-х^) по компоненте г. Для каждого проекта определяется свертка оценочных функций с заданными весовыми коэффициентами ау>0.

Надлежащим выбором знаков и вида функций можно свести задачу каждого агента к задаче максимизации ценности у} проекта у:

где V/ весовые коэффициенты нормируются: - 1-

Для всей мультиагентной системы оперативного распределения ресурсов по проектам аналогично может быть сформулирована задача нахождения значений частных критериев (состояний агентов проектов у), максимизирующих суммарную ценность проектов:

у = ^ ßj • У) = ßj Yj ' h"

í j i

y* = max(y],

Xl

где ßy - вес проекта, позволяющий устанавливать и динамически менять приоритеты.

1.4 Классические методы и средства поддержки принятия решений

Область управления проектами представляет собой обширную сферу научных исследований и экспериментальных разработок, которой насчитывается уже более 40 лет.

С практической стороны также накоплен огромный опыт управления проектами, нашедший воплощение в трудах, рекомендациях и стандартах института управления проектами PMI (Project Management Institute) [24], описывающих основные жизненные стадии любого проекта: инициация, планирование, выполнение, контроль и мониторинг, завершение и т.д.

Выпущен также ряд программных продуктов и технологий, обеспечивающих управление проектами, например, де-факто ставшие промышленными стандартами MS Project, PrimaVera и ряд других систем. Имеются многочисленные ассоциации и Интернет форумы, обсуждающие острые проблемы, дающие практические советы начинающим и т.п.

Список литературы диссертационного исследования кандидат наук Клейменова, Елена Михайловна, 2013 год

ЛИТЕРАТУРА

1. Стратегия развития космической деятельности России до 2030 года и на дальнейшую перспективу // Роскосмос. - Режим доступа: http ://www. federalspace .ru/main. php?id=402.

2. Бурков B.H., Новиков Д.А. Как управлять проектами. - М.: Синтег, 1997.

3. Бурков В.Н., Коргин H.A., Новиков Д.А. Введение в теорию управления организационными системами / Под ред. чл.-корр. РАН Д.А. Новикова. - М.: Либроком, 2009.

4. Воропаев В.И. Управление проектами в России. - М.: Алане, 1995.

5. Мазур И.И., Шапиро В.Д., Ольдерогге Н.Г. Управление проектами: Учебное пособие / Под общ. ред. И.И. Мазура. - М.: Омега-Л, 2004.

6. Мир управления проектами: Основы, методы, организация, применение: Посвящается юбилею Р. В. Гутча; Пер.с англ. / Под ред. X. Решке, X. Шелле. - М.: Алане, 1994.

7. Новиков Д.А. Методология управления. - М.: Либроком, 2011.

8. Новиков Д.А., Кузнецов О.П., Губко М.В. (ред.). Сетевые модели в управлении. Сборник статей. - М.: Эгвес, 2011.

9. Новиков Д.А. Управление проектами: организационные механизмы. -М.: ПМСОФТ, 2007.

10. Виттих В.А. Введение в теорию интерсубъективного управления. -Самара: СНЦ РАН, 2013.

11. Виттих В. А., Скобелев П. О. Метод сопряженных взаимодействий для управления распределением ресурсов в реальном масштабе времени // Автометрия. - 2009. - №2. - С. 78-87.

12. Виттих В. А., Скобелев П. О. Мультиагентные модели взаимодействия для построения сетей потребностей и возможностей в открытых системах // Автоматика и Телемеханика. - 2003. - №1. - С. 162-169.

13. Паспорт программы инновационного развития ОАО «РКК «Энергия» имени С.П. Королева» на 2011-2020 годы. - Режим доступа: http://www.energia.ru/rii/news/news-2011/docs/passport.pdf

14. Business Solutions for the Aerospace and Defense Industry. Primavera Project Portfolio Management Applications. - Available from: http://www.oracle.com/us/industries/aerospace/042509.pdf

15. Primavera Enterprise Project Portfolio Management. - Available from: http://www.oracle.com/us/products/applications/primavera/overview/index.html7ori gref=http://ru.wikipedia.org/wiki/Primavera

16. Microsoft Project. - Available from: http://www.microsoft.com/proiect/ru/ru/default.aspx

17. Скобелев П.О., Симонова E.B., Кожевников С.С., Майоров И.В., Феоктистов А.Л., Клейменова Е.М., Полончук Е.В. Обзор систем адаптивного планирования производства // Мехатроника, автоматизация, управление. -2013. №11. - С.29-35.

18. Adler М. [et al]. Conflict resolution strategies for nonhierarchical distributed agents. In Distributed Artificial Intelligence / Eds. L. Gasser and M. Huhns. - San Mateo, CA: Pitman, London and Morgan Kaufmann. - 1989. - Vol. 2.-P. 139-162.

19. Rzevski G., Skobelev P. Emergent Intelligence in Large Scale MultiAgent Systems // Education and Information Technologies Journal. - 2007. - Vol. 1. -Issue 2.-P. 210-216.

20. Skobelev P. Bio-Inspired Multi-Agent Technology for Industrial Applications. Multi-Agent Systems - Modeling, Control, Programming, Simulations

and Applications / Ed. Faisal Alkhateeb, Eslam Al Maghayreh and Iyad Abu Doush. - Austria: InTech Publishers. - 2011. - P. 495-522.

21. Skobelev P. Multi-Agent Systems for Real Time Resource Allocation, Scheduling, Optimization and Controlling: Industrial Application // Proc. of the 10th International Conference on Industrial Applications of Holonic and Multi-Agent Systems (HoloMAS'2011). - Springer Verlag. - 2011. - P. 5-14.

22. Скобелев П. О. Мультиагентные технологии в промышленных применениях: к 20-летию основания Самарской научной школы мультиагентных систем // Мехатроника, Автоматизация, Управление. - 2010. -№12.-С. 33-46.

23. Скобелев П.О. Интеллектуальные системы управления ресурсами в реальном времени: принципы разработки, опыт промышленных внедрений и перспективы развития // Приложение к теоретическому и прикладному научно-техническому журналу «Информационные технологии». - 2013. - №1. -С. 1-32.

24. Руководство к своду знаний по управлению проектами. 4-е издание // Project Management Institute. - 2010. - Режим доступа: http://fmancepro.ru/management/11953-rukovodstvo-k-svodu-znaniii-po-upravleniju.html

25. Handbook of Scheduling: Algorithms, Models and Performance Analysis / Ed. J. Y-T. Leung // CRC Computer and Information Science Series. -Chapman & Hall. - 2004.

26. Kerzner H. Project Management: A Systems Approach to Planning, Scheduling, and Controlling. - John Willey & Sons, 2009.

27. Stratton R. Critical Chain Project Management - Theory and Practice // Journal of Project Management and Systems Engineering. - TOC Special Issue, No 4, 2009. - P.149-173.

28. Kwak Y., Ingall L. Exploring Monte Carlo simulation applications for project management // Risk management. - 2007. - Issue 9. - P. 44-57.

29. Nikoomaram H., Lotfi F. H., Jassbi J. and Shahriari M.R. A New Mathematical Model for Time Cost Trade-off Problem with Budget Limitation Based on Time Value of Money // Applied Mathematical Sciences. - 2010. - No 4(63).-P. 3107-3119.

30. Zeinalzadeh A., Branch T. An Application of Mathematical Model to Time-cost Trade off Problem // Australian Journal of Basic and Applied Sciences. -2011.-No 5(7).-P. 208-214.

31. Resource-Constrained Project Scheduling. Models, Algorithms, Extensions and Applications / (Ed. Christian Artigues, Sophie Demassey, Emmanuel Néron). -WILEY, 2008.

32. Masmoudi M., Hai't A. Project scheduling under uncertainty using fuzzy modelling and solving techniques // Engineering Applications of Artificial Intelligence. - 2013. - Vol. 26, No l.-P. 135-149.

33. Nemuth T. Practical Use of Monte Carlo Simulation for Risk Management within the International Construction Industry // Proc. of the 6th International Probabilistic Workshop. - Darmstadt: Grauber, Schmidt & Proske. -2008.-P. 471-481.

34. Deng L., Lin Y, Chen M. Hybrid ant colony optimization for the resource-constrained project scheduling problem // Journal of Systems Engineering and Electronics. - 2010. - Vol. 21, Issue 1. - P. 67-71.

35. Jaberi M. Resource Constrained Project Scheduling Using Mean Field Annealing Neural Networks // International Journal of Multidisciplinary Science and Engineering. - 2011. - Vol. 2, No 7. - P. 6-12.

36. Zhang H., Xu H., Peng W. A Genetic Algorithm for Solving RCPSP // Proceedings of the 2008 International Symposium on Computer Science and

Computational Technology (ISCSCT '08). - Washington, DC, USA: IEEE Computer Society. - 2008. - Vol. 2. - P. 246-249.

37. Bodea C.-N., Badea I., Mogos R.-I. A Multi-agent System with Application in Project Scheduling // Economic Publishing House: Management & Marketing. - 2011. - Vol. 6, Issue 4. - P. 573-590.

38. Ren H., Wang Y. A Survey of Multi-Agent Methods for Solving Resource Constrained Project Scheduling Problems // Proc. of the Int. Conf. on Management and Service Science (MASS'11). - 2011. - P. 1-4.

39. Wimmer H.and Gtinthner W. Resource Allocation in Construction Scheduling based on Multi-Agent Negotiation // Proc. of the 14th Int. Conf. on Computing in Civil and Building Engineering (ICCCBE ' 12). - 2012. - P. 2-10.

40. Bowring E., Tambe M., Yokoo M. Multiply-Constrained DCOP for Distributed Planning and Scheduling. - Available from: http://teamcore.usc.edu/papers/2006/ss 01 .pdf

41. Meisels, A. Distributed Search by Constrained Agents. - Springer, 2008.

42. Pearce J., Tambe M., Maheswaran R. Solving multiagent networks using distributed constraint optimization // AI Magazine. 2008. - 29(3). - Available from: http://teamcore.usc.edu/papers/2008/K-optimality%20AI%20mag%202.pdf

43. Petcu A., Faltings B. DPOP: A scalable method for multiagent constraint optimization // Proc. of the 19th International Joint Conference on Artificial Intelligence (IJCAI'05). - 2005. - P. 266-271.

44. Bessiere C., Brito I., Maestre A., Meseguer P. The Asynchronous Backtracking Family. - Available from: The Asynchronous Backtracking Family

45. Mertens K., Holvoet T. CSAA: A distributed ant algorithm framework for constraint satisfaction // Proc. of the 17th International Florida Artificial Intelligence Research Society Conference. - 2004. - P. 764-769.

46. Modi, P.J. Distributed constraint optimization for multiagent systems. -Available from: http://imvidal.cse.sc.edu/library/modi03b.pdf

47. Modi, P.J., Shen W., Tambe M, Yokoo M. ADOPT: Asynchronous distributed constraint optimization with quality guarantees // Artificial Intelligence Journal. -2005. - 161 (1-2). - P. 149-180.

48. Lau H., Wang H. A Multi-Agent Approach for Solving Optimization Problems involving Expensive Resources // Proc. of ACM Symposium on Applied Computing. - 2005. - P. 79-83.

49. Petcu A. A class of Algorithms for Distributed Constraint Optimization // IOS Press, 2009.

50. Yokoo M. Distributed Constraint Satisfaction: Foundation of Cooperation in Multi-agent Systems. - Springer. - 2001.

51. Маккаффри Дж. Метод роя частиц. - Режим доступа: http://msdn.microsoft.eom/ru-ru/mag:azine/hh335067.aspx

52. Bäck Т., Fogel D., Michalewicz Z., (Ed.) Handbook of Evolutionary Computation. - IOP Publishing and Oxford University Press, 1997.

53. Trelea I.C. The particle swarm optimization algorithm: convergence analysis and parameter selection. - Available from: The particle swarm optimization algorithm: convergence analysis and parameter selection.

54. Abraham A., Jain L. C., Goldberg R. Evolutionary Multiobjective Optimization Theoretical Advances and Applications. - Springer, 2005.

55. Mekni S., Fayech Chäar В., Ksouri M. TRIBES Optimization Algorithm Applied to the Flexible Job Shop Scheduling Problem // Proc. of the 10th IF AC Workshop on Intelligent Manufacturing Systems. - 2010. - P. 365-370.

56. Tasgetiren. M., Sevkli M., Liang Y.C., and Yenisey M. Particle swarm optimization and differential evolution algorithms for job shop scheduling problem // International Journal of Operational Research. - 2008. - Vol.3. - No 2. - P. 120135.

57. Pinedo M. Scheduling: Theory, Algorithms, and Systems. Springer, 2008.

58. Karlsson M., Ygge F., Andersson A. Market-based Approaches to Optimization. - Available from: http://user.it.uu.se/~arnea/ps/markOpt.pdf

59. Mailler R. and Lesser V. Using cooperative mediation to solve distributed constraint satisfaction problems // Proc. of the 3rd International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS'2004). -NY: IEEE Computer Society. - 2004. - P. 446-453.

60. Drezewski, R. A model of co-evolution in multi-agent system, In: V. Marik, J. Muller & M. Pechoucek, (Ed.), Multi-Agent Systems and Applications III. - Berlin, Heidelberg: Springer-Verlag. - 2003. - Vol. 2691 of LNCS. - P. 314-323.

61. Drezewski R. and Siwik L. Agent-Based Co-Evolutionary Techniques for Solving Multi-Objective Optimization Problems // Advances in Evolutionary Algorithms. - InTech. - 2008. - P. 231-260.

62. Multiprocessor Scheduling, Theory and Applications / Ed. E. Levner. -I-TECH Education and Publishing, 2007.

63. Городецкий В.И., Грушинский M.C., Хабалов A.B. Многоагентные системы (обзор) // Новости искусственного интеллекта. - 1998. - №2. - С. 64116.

64. Городецкий В. И., Иващенко А. В., Карсаев О.В., Скобелев П. О., Царев А. В., Юсупов Р. М. «Мультиагентные технологии для управления ресурсами в практических применениях» // Труды IV Всероссийской мультиконференции по проблемам управления. - Москва-Таганрог: Изд-во ТТИ ЮФУ. - Том 1.-2011.-С. 167-170.

65. Ефименко И. В., Хорошевский В.Ф. Онтологическое моделирование экономики предприятий и отраслей современной России: Часть 3. Российские исследования и разработки в области онтологического инжиниринга и бизнес-онтологий: препринт WP7/2011/08 (ч. 3) [Текст] / И. В.

Ефименко, В. Ф. Хорошевский; Нац. исслед. ун-т «Высшая школа экономики». - М.: Изд. Дом Высшей школы экономики, 2011.

66. Хорошевский В.Ф. Методы и средства проектирования и реализации мультиагентных систем / Материалы семинара «Проблемы искусственного интеллекта». - М.: ИПУ РАН, 1999.

67. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости искусственного интеллекта. - 1998. - №2. - С. 5-63.

68. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. - М.: Эдиториал УРСС, 2002.

69. Теряев Е.Д., Петрин К.В., Филимонов А.Б., Филимонов Н.Б. Агентные технологии в автоматизированных информационно-управляющих системах. Часть 1. Основы агентного подхода / Мехатроника. Автоматизация. Управление. - 2010. - №7. - С. 11 -20.

70. Pechoucek, М., Marik, V. Industrial deployment of multi-agent technologies: review and selected case studies // Autonomous Agents and MultiAgent Systems, vol. 17, no. 3, 2008, pp. 397-431.

71. Leitao P., Barbosa J. Biological Inspiration to Solve Complexity in Intelligent and Adaptive Manufacturing Systems // Proc. of the 10th IF AC Workshop on Intelligent Manufacturing Systems (IMS'10). - 2010. - P. 221-226.

72. Valckenaers P. Enriching manufacturing with bio-inspiration: Reconciling the complex-adaptive and the complicated // Proc. of the 10th IF AC Workshop on Intelligent Manufacturing Systems (IMS'10). - 2010. - P. 379-380.

73. Wooldridge M. An Introduction to Multiagent Systems. - London: John Wiley & Sons. - 2002.

74. Wooldridge M. Intelligent agents: the key concepts // Multi-agent systems and applications // Proc. of the 9th ECCAI Advanced Course (ACAI'2001).

- Springer Verlag. - 2002. - P. 3-43.

75. Leitao Paulo, Vrba Pavel. Recent Developments and Future Trends of Industrial Agents // Proc. of 5th International Conf. on Holonic and Multi-Agent systems in Manufacturing, France, Tolouse, 2011. - Springer. Berlin. - P. 15-28.

76. Kleimenova Elena. Multi-agent solution for '8 QUEENS' puzzle / Ivan Babanin, Ivan Pustovoj, Elena Kleimenova, Sergey Kozhevnikov, Elena Simonova, Petr Skobelev, Alexander Tsarev // Proc. of the 4th International Conference «Evolutionary Computation Theory and Applications (ECTA'2012)». 2012. -SciTePress. - P. 278-281.

77. Клейменова E.M., Скобелев П.О., Ларюхин В.Б., Майоров И.В., Косов Д.С., Симонова Е.В., Царев А.В., Феоктистов АЛ., Полончук Е.В. Мультиагентная технология адаптивного планирования для управления проектами НИР и ОКР в аэрокосмических приложениях // Мехатроника, Автоматизация, Управление. - 2013. - №5 . - С. 58-63.

78. Ефименко И. В., Хорошевский В.Ф. Онтологическое моделирование экономики предприятий и отраслей современной России: Часть 3. Российские исследования и разработки в области онтологического инжиниринга и бизнес-онтологий: препринт WP7/2011/08 (ч. 3) [Текст] / И. В. Ефименко, В. Ф. Хорошевский; Нац. исслед. ун-т «Высшая школа экономики».

- М.: Изд. Дом Высшей школы экономики, 2011.

79. Скобелев П.О. Онтология деятельности для ситуационного управления предприятиями в реальном времени // Онтология проектирования. -2012.-№1(3).-С. 6-38.

80. Bechhofer S., Horrocks I., Goble С., Stevens R. OilEd: A Reason-able Ontology Editor for the Semantic Web // Joint German/Austrian conf. on Artificial

Intelligence (КГ 01). Lecture Notes in Artificial Intelligence. LNAI 2174. - Berlin: Springer-Verlag. - 2001. - P. 396-408.

81. Domingue J. Tadzebao and WebOnto: Discussing, Browsing, and Editing Ontologies on the Web // Proc. of the 11th Workshop on Knowledge Acquisition, Modeling and Management, KAW98. - Banff, Canada, 1998.

82. Farquhar A., Fikes R., Rice J. The ontolingua server: A tool for collaborative ontology construction // International Journal of Human-Computer Studies. - 1997. - 46(6), - P. 707-728.

83. Musen, M. Domain Ontologies in Software Engineering: Use of Protégé with the EON Architecture // Methods of Inform, in Medicine. - 1998. - P. 540-550.

84. Sure Y., Erdmann M., Angele J., Staab S., Studer R., Wenke D. OntoEdit: Collaborative ontology development for the Semantic Web // Proc. of the Inter. Semantic Web Conference (ISWC'2002). - Springer. - 2002. - P. 221-235.

85. Клейменова E.M., Скобелев П.О., Ларюхин В.Б., Косов Д.С., Симонова Е.В. Разработка и использование онтологии интеллектуальной системы управления проектами НИР и ОКР // Вестник Самарского государственного технического университета, серия «Технические науки». -2013.-№2(38) .-С. 18-25.

86. Клейменова Е.М., Скобелев П.О., Ларюхин В.Б., Майоров И.В., Косов Д.С., Симонова Е.В., Царев А.В., Феоктистов А.Л., Полончук Е.В. Интеллектуальная система «Smart Projects» для оперативного управления ресурсами в проектах НИР и ОКР в реальном времени // Информационные технологии. - 2013. - №6. - С. 27-36.

87. Клейменова Е.М. Оперативное распределение ресурсов при управлении проектами НИОКР на промышленном предприятии // Материалы 6-й мультиконференции по проблемам управления МКПУ-2013, 30 сентября-5

октября 2013 г., с.Дивноморское, Геленджик, Россия. Т.З. - Ростов-на-Дону: Изд-во ЮФУ, 2013. - С. 104-109.

88. Ларюхин В.Б. (РФ), Карпов A.C. (РФ), Клейменова Е.М. (РФ), Косов Д.С. (РФ), Лукьянова Е.С. (РФ), Мугинов A.M. (РФ), Скобелев П.О. (РФ), Царев A.B. (РФ). Свидетельство об официальной регистрации программы для ЭВМ № 2013615222 от 30 мая 2013 года, Рос. Федерация. Интеллектуальная система управления проектами в реальном времени: «Smart Enterprise» // Зарегистрировано в Реестре программ для ЭВМ 15.12.2012. Заявка №2011619647, 15.12.2012.

89. Феоктистов АЛ., Клейменова Е.М., Скобелев П.О., Сюсин И.А., Ларюхин В.А., Царев A.B., Симонова Е.В. Разработка принципов построения многоуровневой мультиагентной системы для управления проектами НИР и

I

ОКР РКК «Энергия» // Тр. XIV Между нар. конф. по проблемам управления и моделирования в сложных системах. - Самара: СНЦ РАН, ИПУСС РАН, 2012.-С. 718-723.

90. Клейменова Е.М., Феоктистов Феоктистов А.Л., Скобелев П.О., Ларюхин В.Б., Майоров И.В., Симонова Е.В., Полончук Е.В. Метод оценки рисков в мультиагентной системе управления проектами НИР и ОКР в реальном времени // Информационно-управляющие системы. - 2013. - №2(63). -С. 29-37.

91. Александрова Т.В. Управление инновационными проектами. Учебное пособие в 2-х частях. Часть I. Методология управления инновационными проектами / Т.В. Александрова, С.А. Голубев, О.В. Колосова [и др.] / Под общ. ред. проф. И. Л. Туккеля. - СПб: СПбГТУ, 1999.

92. Арчибальд Р. Управление высокотехнологичными программами и проектами. -М.: ДМК, 2004.

93. Грекул В.И. Управление внедрением информационных систем. Интернет-университет информационных технологий. -М.: ИНТУИТ.ру, 2008.

94. Chiesa V. [et al]. Measuring performance in new product development projects [electronic resource]: a case study in the aerospace industry // Project management journal. - 2007. - Vol. 38. - No. 4. - P. 45-59. - Available from: http ://marketpl ace .pmi. org/Pages/GenieRedirector. aspx? genielD=8932&iss= 1

95. Ильин В. Руководство качеством проектов. Практический опыт. -СПб.: Вершина, 2006.

96. Милошевич Д. Набор инструментов для управления проектами. -М.: Академия АйТи, ДМК Пресс, 2006.

97. Решетнева М.Ф. Анализ реализации проектного подхода на предприятиях ракетно-космической отрасли // Проблемы современной экономики. - 2010. - №1(33). - Режим доступа: http://www.m-economy.ru/art.php?nArtId=2996

98. Moser В., Grossmann W., Murray P. Simulation and visualization of performance across subsystems in complex aerospace projects [electronic resource] // PMI Global Congress 2009-North America. Proceedings, ADV23.PDF. PMI Global Congress 2009—North America. - Available from: http://marketplace.pmi.org/Pages/GenieRedirector.aspx?g;enieID=10308&iss:=::l

99. Товб A.C., Ципес Г.Л. Управление проектами. Стандарты, методы, опыт. — М.: Олимп-Бизнес, 2003.

100. Управление рисками и безопасностью. Сборник научных трудов Российской академии наук / Под ред. Д. С. Черешкина. - М.: Ленанд, 2009.

101. A Guide to the Project Management Body of Knowledge: (PMBOK Guide, 4 Edition) / Project Management Institute. - 2008.

102. Anderson K., Hastings C., Sherman L. Techniques for Managing Project Risk. - Available from: http://www.beca.eom/services/~/media/publications/technical _papers/techniques fo r_managing project_risk.ashx

103. Hillson D. Managing risk in projects. - Available from: http://www.gowerpublishing.com/pdf/SamplePag;es/Managing_Risk_in ProjectsC h2.pdf

104. Hillson D. Managing risk in projects. - Available from: http://www.gowerpublishing.com/pdf/SamplePages/Managing_Risk_in_Projects_C h2.pdf

105. Introducing Project Risk Management. - Available from: http://www.euroi.ktu.lt/lt/images/stories/Paskaitos/chl 1 .pdf

106. Merrit G., Smith P. Techniques for Managing Project Risk. Field Guide to Project Management / Ed. David I. Cleland. - John Willey & Son. - 2004. - P. 202-218.

107. Saleem S., Abideen Z. Do effective risk management affect organizational performance // European Journal of Business and Management. -

2007. - Vol 3. - No.3. - Available from: http://www.iiste.org/Journals/index.php/EJBM/article/view/282/164

108. Berg H.-P. Risk management: procedures, methods and experiences, reliability//Theory & Applications. - 2010. - Vol. 1. - No. 2(17). -P. 79-95.

109. Hongyi C. AI-based project risk management process for a kind of manufacturing alliance // International Journal of Manufacturing Technology and Management.-2008.-Vol. 13.-No. l.-P. 95-110.

110. Nedeljakova I. Review of risk assessment methods // Journal of Information, Control and Management Systems. - 2007. - Vol. 5. - No. 2/1. - P. 277-284.

111. Cox L.A. Jr. What's Wrong with Risk Matrices? // Risk Analysis. -

2008.-Vol. 28.-No. 2. -P. 497-512.

112. Rausand M., Hoyland A. System Reliability Theory: Models, Statistical Methods and Applications. - NY: Wiley, 2004.

113. Srivastava A., Bowles D., Chauhan S. Generalized event tree algorithm and software for dam safety risk assessment // Proc. of the International Conference «Dam Safety' 12» (ASDSO'12). - 2012. -P. 295-324.

114. Иванов В. PMBOK 4й редакции. Революция или Эволюция? -Режим доступа: http://www.microsoftproiect.ru/articles.phtml?aid=158#risk

115. Bowen R., Gundlach M. Project Management Methods & Ideologies, Disadvantages of the PERT Formula. - Available from: http://www.brighthubpm.eom/methods-strategies/l 5188-disadvantages-of-the-pert-formula/

116. Иванов В. Turbo Risk Manager и практические приемы анализа последствий рисков методом Монте-Карло. - Режим доступа: http://www.microsoftproiect.ru/articles.phtml?aid=74

117. Использование метода Монте-Карло для расчета риска. - Режим доступа: http://baguzin.ru/wp/?p=3467

118. Agent Technology: Computing as Interaction. A Roadmap for Agent Based Computing. - Available from: http://www.agentlink.org/roadmap/index.html

ПРИЛОЖЕНИЕ 1. ПРИМЕР ПРИМЕНЕНИЯ МЕТОДА ОПЕРАТИВНОГО РАСПРЕДЕЛЕНИЯ РЕСУРСОВ ПРИ УПРАВЛЕНИИ

ПРОЕКТАМИ

Исходные данные

Требуется запланировать 3 проекта, состоящие не более чем из трех подзадач заданной длительности на 3 исполнителей с номерами 1,2,3. Предельные сроки окончания заданы.

Все проекты имеют одинаковый вес (приоритет) и поступают одновременно в момент времени 0. Номер подзадачи в последовательности соответствует номеру исполнителя.

Стоимости проектов определяются длительностями и выражены в тех же единицах, что и время, для упрощения вычислений.

За опоздания и опережения начисляются штрафы, пропорциональные времени опережения и опоздания.

Характеристики работ приведены в Табл. П1.1.

Таблица П1.1 - Характеристики работ

Project J Weight Release date Оие йа1е Subtasks SubTask duration p ¡1

w i ri d 1 sequences

1 1 0 40 1,2 8Д0

2 1 0 30 3,2,1 6,8,6

3 1 0 32 3,1,2 4,6,10

Постановка задачи: формализация модели

Для упрощения рассуждений рассматривается 2-х критериальная задача с критериями одинаковой размерности, чтобы избежать нормирования, которое

затруднит восприятие. Активность агентов ресурсов для простоты не рассматривается.

Критерии:

- минимизация времени задержки Tj = max(Cj - dj,0),

- минимизация времени опережения Ej = max(dj - Cj,0).

Критерии означают, что каждый проект не хочет опаздывать и не хочет

быть выполненной раньше, чем нужно.

Будем считать, что целевая функция задана с одинаковыми весами критериев ах = а2 = 0.5

т

/О) = ^ aJi О) = аг* Т} + а2 * Е}

i=1

Идеальными значениями для Tj опозданий и опережений Ej будут нулевые значения, поэтому общий показатель KPI (Key Performance Indicator) успеха проектов вычисляется по формуле:

N

kpi = ах * Tj - а2 * Ej)

i

Его, очевидно, надо повысить.

Ниже рассмотрены стадии адаптивного планирования проектов. На рисунках каждая подзадача обозначена прямоугольником, 1-е число обозначает номер ресурса («исполнителя»), 2-е число - номер проекта, в скобках указана длительность подзадачи. Отдельные проекты показаны разными цветами: красный цвет - проект 1, зеленый цвет - проект 2, синий цвет - проект 3. Штриховыми стрелками показан порядок следования связанных подзадач. Число под последней подзадачей каждого проекта означает текущее время завершения каждого проекта

Стадии адаптивного планирования проектов

Стадия 1. Бесконфликтная стадия. Шаг 1 начального размещения (обтекание конфликтов (Рис. П1.1).

Исполнитель

СЗЕ]

Рисунок П1.1 - Шаг 1 начального размещения (обтекание конфликтов

На первой стадии бесконфликтного планирования подзадачи проектов «обтекают» занятые места и располагаются друг за другом. Проекты заполняют слотами своих подзадач соответствующие ресурсы в порядке перечисления в таблице описания проектов. Поскольку все проекты поступают одновременно и их приоритет одинаков, вначале планируются операции проекта 1 (красного цвета), затем операции проекта 2 (зеленого цвета) и операции проекта 3 (синего цвета).

Бесконфликтная стадия. Расчет показателей (Рис. П1.2).

3.2(6)

.гГ

3,3(4)

Время

10

20

33

4<

CED

Рисунок П1.2 - Расчет показателей

Рассмотрим подсчет KPI на примере агента проекта 1. В существующем расписании проект завершится в момент времени (Completion Time) равный 18. Опоздание Т равно 0, опережение Е=22, тогда KPI с учетом равных весов (по 0.5) вычисляется по формуле

kpi = ~{ах *Т1 + а2* Ег)= 0-0.5*22= -11

Бюджет в данный момент полагаем равным -kpi. Аналогично подсчитываются показатели других проектов. Результаты приведены в Табл. П1.2.

Таблица П1.2 - Значения результатов

Projec Release Due Completion Earliness Tardiness budjet = Kpi,=-

tJ date date time E) Ti a, * T; f a2 budjetj

ri 4 ci / 1 •ь

1 0 40 18 22 0 11 -11

2 0 30 32 0 2 l -1

3 0 32 36 0 4 2 -2

Суммарный KPI системы подсчитывается по формуле

ТоЫ кр1=£;3 /ср1у=-11-1-2=-14

Стадия 2. Проактивность Шаг 1. Расписание до Шага 1 проактивности

показано на Рис. П1.3.

Исполнитель

1.118)

1 1к /

I мс

/ г

/ 2.1(10) | 1Л\К> | . .ци |

/

п

3.2(61 | 3.3(4) |

10

20

36

Время

СЕО

Рисунок П1.3 - Расписание до 1-го шага проактивности

Максимальная степень недовольства и, соответственно, максимальные возможности улучшить положение - у агента проекта 1. Его наихудший критерий - опережение. Для уменьшения опережения он должен сместить свою вторую подзадачу вправо, вступая в конфликт с подзадачей 2 агента работы 2. Он предлагает с ним поменяться подзадачами на ресурсе 2 . Оценив вариант, он соглашается, заодно бесконфликтно выставив подзадачу на ресурсе 1 по дедлайну, поскольку для него опоздание является наихудшим критерием.

Расписание после 1-го шага проактивности показано на Рис. П1.4.

ш

ш н

— ——Deadline=40 Deadline»32 ---------

1.1(B) | [ 1.3(6)

1.2(6) ¡3)

2М&)

/ -С

\

| 2,1 (10) |

Л.

3,2(6) | 3.3(4)

И

-L

н

,3(1С I

Time

Рисунок П 1.4 - Расписание после 1-го шага проактивности

Подзадача (2,1) проекта 1 сместилась вправо, поменявшись с подзадачей (2,2) проекта 2. Подзадача (3,2) проекта 2 сместилась влево, чтобы её окончание было по дедлайну проекта 2.

Проактивность_Шаг 1. Расчет показателей (Рис. П1.5)

Machines

Deadlire=30

m

ш

ш

(^Deadline^T^/'

Deadline =40

30

1,1(8)

1,3(6)

1,2(6) i)

x />< ■-к-

-Z1

im

2,1 (10)

л

24

3,2(6) | 3,3(4)

H

10

20

3(1C

3)

36

E

Time

И

Рисунок П1.5 - Проактивность_Шаг 1. Расчет показателей

Эти изменения произошли потому, что агент проекта 1 предложил агенту проекта 2 поменяться слотами времени подзадач. Расчет кр1 агента проекта 1 для данного расписания с учетом весов показателей производится так. Предполагаемое время окончания=24, предполагаемое время опережения 40-24=16, время опоздания=0, потому что дедлайн=40 для этой работы. Значение кр1 равно

кр1 = -(«! *Т1 + сс2* Ег)= 0-0.5*16= -8.

Аналогично, расчет кр1 агентом проекта 2 дает: время окончания=30, время задержки=0, время опережения=0. кр1=0. Поэтому эта перестановка выгодна агенту проекта 1 и агенту проекта 2, потому что увеличивается кр1 обоих: 1-го с -11 до -8, 2-го с -1 до 0.

Результаты расчетов показателей приведены в Табл. П1.3.

Таблица П 1.3 - Расчет показателей Проактивности Шаг!

Project J Оие Completion Earliness Tardiness 1222ЭИ Kpij=-

сЫе time Ei Ti budjetj

■ 4 ci H

1 0 40 24 16 0 8 -8

2 0 30 30 0 0 0 0

3 0 32 36 0 4 2 -2

Результирующий кр1= -8+0-2=-10.

Проактивность_Шаг 2. Расписание до Шага 2 проактивности показано на Рис. П1.6.

Исполнитель

CD

и

CD

1.1 (81

U№)

—Г

U<6)

/"т.

!.Я81

I *"10t I

24

3,216) |

CD

и

и

■IK

Ш

E]

BpfMH

ею

Рисунок П1.6 - Расписание до 2-го шага проактивности

Опять наибольшей активностью обладает агент проекта 1, потому что его кр1 максимально отрицателен (-8). Это сложилось из-за опережения. Чтобы уменьшить опережение, подзадача 2,1 должна сдвинуться вправо. Теперь имеется конфликт с 3-й подзадачей работы 3. Агент проекта 1 предлагает поменяться с подзадачей проекта 3. Подзадача проекта о(2,3) встает на свое обусловленное место, а подзадача о(2,1) проекта 1- за ней.

Расписание после 2-го шага проактивности показано на Рис. П1.7.

МясЫп««»

СЮ СП

ш

I.l(«l yj__Г !■»№> |

1.2(0)

1.Л»)

---

—1—1—1

1.Л» I * »!■») I

1 | лЛноГ

ш

DU

ПИ

ЕВ

ED

| Чтс"

То"

Рисунок П1.7 - Расписание после 2-го шага проактивности Проактивность Шаг 2. Расчет показателей (Рис. П1.8).

Рисунок П1.8 - Проактивность_Шаг 2. Расчет показателей

Подсчет показателей производится по новым возможным положениям подзадач в расписании. Для агента 1 кр1 увеличится с -8 до -2, а показатели агента проекта 3 ухудшатся (с -2 до -4). Однако суммарное изменение кр1 выгодно системе в целом (увеличивается с -10 до -6), поэтому этот шаг совершается.

Результаты расчетов показателей приведены в Табл. П1.4.

Таблица П1.4 - Расчет показателей Проактивности_Шаг2

Project J Release date rJ Оие date 4 Completion time Ci Earliness Ei Tardiness Ti 55ЭИВИЭ КгаВЯННН

1 0 40 36 4 0 2 -2

2 0 30 30 0 0 0 0

3 0 32 26 8 0 4 -4

Результирующий кр1= -2+0-4=-6.

Проактивность Шаг 3. Расчет показателей (Рис. П1.9).

Рисунок П1.9 - ПроактивностьШаг 3. Расчет показателей

Активность максимальна у агента проекта 3, т.к. его кр1 минимален, поэтому он обращается к агенту проекта 1 с предложением сдвинуться вправо на 6. В данном случае принимается компромиссное решение - сдвиг вправо на 4, агент 3-го проекта улучшает свое положение, и агент проекта 1 тоже.

Результаты расчетов показателей приведены в Табл. П1.5.

Таблица П1.5 - Расчет показателей Проактивности ШагЗ

Project Release йие Completion Earliness Tardiness Kpij=-

J date ri date А time c. El Ti НЯНИ budjetj

1 0 40 40 0 0 0 0

2 0 30 30 0 0 0 0

3 0 32 30 2 0 1 -1

Результирующий кр1=0+0-1=-1.

Дальнейшие изменения невозможны, несмотря на оставшийся бюджет агента 1, поскольку его не хватает на компенсации. На Рис. П1.10 показаны графики изменения основных показателей системы в процессе адаптивного планирования.

Опережение

1

■El

■Е2

■ЕЗ

5 4 3 2 1 О

Опоздание

1

■Т1

-Т2

■Т3

О

-5

-10

-15

Kpi

kpi 1 -kpi 2 -kpi 3

■Total

П1.10 - Графики изменения основных показателей системы в процессе адаптивного планирования

Из графиков видно, как итерационно улучшаются основные показатели.

Аналогичным образом строится работа системы при поступлении новых событий.

ПРИЛОЖЕНИЕ 2. СРАВНЕНИЕ РЕЗУЛЬТАТОВ ПЛАНИРОВАНИЯ ПРОЕКТОВ С ИСПОЛЬЗОВАНИЕМ АДАПТИВНОГО ПЛАНИРОВЩИКА И СТАНДАРТНОГО ОПТИМИЗАТОРА MICROSOFT

SOLVER

Для сравнения результатов планирования адаптивного планировщика был использован стандартный решатель Microsoft Solver Foundation (http://msdn.microsoft.com/en-us/devlabs/hhl45003.aspx) для решения того же набора задач.

Был сгенерирован набор JSSP (Job Shop Scheduling Problem) 6x6, который состоит из 6 проектов, содержащих, в свою очередь, по 6 связанных задач различной длительности, от 1 до 9 условных единиц времени, например, дней. Каждая задача может быть выполнена на определенном ресурсе, пронумерованном от 0 до 5. Задачи на ресурсах не могут пересекаться, и не могут быть приостановлены или прерваны. Порядок выполнения задач в проектах жестко задан, и не может быть изменен. Требуется запланировать все проекты и задачи по ресурсам таким образом, чтобы максимальная продолжительность всех проектов (то есть от времени поступления до времени окончания самого последнего проекта, TimeSpan) была минимальной. Считается (в постановке JSSP), что все проекты доступны в начальный момент времени.

Эта задача является классической задачей оптимизации и допускает решение в терминах линейного смешанного целочисленного и вещественного программирования.

Модель JSSP в линейном программировании

Вводятся следующие обозначения переменных и формулируются ограничения:

xjm> 0 - время начала подзадачи j на ресурсе ш;

yjkm е (ОД} _ целочисленная переменная, показывающая, что проект j следует после проекта к на ресурсе ш;

Xjm2 Xjml + tjml , условие предшествования, для заданной комбинации]: для ml, m2, сначала выполняется задача на ресурсе ml, затем выполняется на ресурсе m2, tj т1- время выполнения задачи j на ресурсе ml;

Xj 77i — ^fc т + t-km ~ М ' yjkm

хкт > Xjm+ tjm- М ■ (1 - yjkm) - условия непересечения интервалов на ресурсе т, задача j выполняется перед или после задачи k, М - большая константа, обычно выбирается равной горизонту. В данном случае она может быть выбрана равной сумме времен выполнения всех задач; minimize z, z > Xj m + tj m - целевая функция минимизации общей продолжительности выполнения проекта, т. е. минимизация времени завершения последней задачи.

Поставленная задача оптимизации формулируется на языке OML (Optimization Modeling Language) для решения в Microsoft Solver следующим образом:

Model[ Parameters [ Sets [Any], Project, Resource, Task

Parameters [ Reals [-Infinity, Infinity], Time [Project, Resource], TotTime

],

Parameters [ Integers [-Infinity, Infinity], ResNo [Resource], Res 1 [Task, Project], Res2[Task, Project],

ProjNo[Project] ],

Decisions[ Reals[0, Infinity], x[Project, Resource], MakeSpan

],

Decisions[ lntegers[0, 1],

y [Project, Project, Resource] ],

Constraints [ Constraintl -> Foreach[{t,Task},{j,Job}, FilteredSum[{m2, Resource },ResNo[m2]== Res2[t,j],x[j,m2]] >=

FilteredSum[{ml, Resource },ResNo[ml]== Resl[tj],x[j,ml] + Time[j,ml]] ],

Constraint2 -> Foreach[{m, Resource },{j, Project}, FilteredForeach[{k, Project },ProjNo[j]<ProjNo[k], x[j,m] >= x[k,m] + Time[k,m] - TotTime[]*y[j,k,m]

Constraint3 -> Foreach[{m, Resource },{j,Job}, FilteredForeach [ {k,Proj ect} ,ProjNo [j ]<ProjNo [k],

x[k,m] >= x[j,m] + Time[j,m] - TotTime[]*(l-y[j,k,m]) ]],

Constraint4 -> Foreach[{j, Project },{m, Resource }, MakeSpan >= x[j,m] + Time[j,m]

Параметры задач, сгенерированных для решения в Microsoft Solver и в адаптивном планировщике, приведены в Табл. П2.1.

Таблица П2.1 - Параметры задач

Задача! Задача2 ЗадачаЗ Задача4

Ресурс Время Ресурс Время Ресурс Время Ресурс Время

Проект 1 4 9 5 3 3 6 0 6

Проект2 4 5 1 2 2 5 0 8

ПроектЗ 5 3 4 5 3 2 1 6

Проект4 5 2 2 4 0 1 1 5

Проект5 4 9 3 2 0 5 5 7

Проектб 5 7 1 4 0 4 3 1