Знаймо

Додати знання

приховати рекламу

Цей текст може містити помилки.

Прикладні дослідження



Прикладні дослідження (НДР і ДКР, applied research, research and development - R & D) - наукові дослідження, спрямовані на вирішення соціально-практичних проблем.

Наука ( science) сфера людської діяльності, функцією якої є вироблення і теоретична систематизація об'єктивних знань про дійсність.
Безпосередні цілі науки - опис, пояснення і пророкування процесів і явищ дійсності, що складають предмет її вивчення на основі відкритих нею законів, тобто в широкому сенсі - теоретичне відображення дійсності.

За своєю спрямованістю, по відношенню до практики окремі науки прийнято поділяти на фундаментальні науки (fundamental science) і прикладні науки (applied science). Завданням фундаментальних наук є пізнання законів, керуючих поведінкою і взаємодією базисних структур природи, суспільства і мислення. Ці закони і структури вивчаються в "чистому вигляді", як такі, безвідносно до їх можливого використання. Безпосередня мета прикладних наук - застосування фундаментальних наук для вирішення не тільки пізнавальних, але і соціально-практичних проблем [1].
Ділення досліджень на фундаментальні та прикладні досить умовно, оскільки окремі результати фундаментальних досліджень можуть мати безпосередню практичну цінність, а в результаті прикладних досліджень можуть бути отримані наукові відкриття.


Наукове забезпечення господарської діяльності

Наукові дослідження стають обов'язковим процесом прийняття управлінського рішення. Обсяг і складність такої роботи визначаються конкретною проблемою, але вона завжди має когнітивну структуру, а результат грунтується на застосуванні наукових методів. Структуру онтологічної моделі дослідження при прийнятті управлінських рішень (decision making) можна представити наступною послідовністю: постановка задачі, побудова моделі, збір і обробка вихідної інформації, аналіз і коректування моделі, отримання рішення, впровадження результатів досліджень. При цьому слід уточнити, що межі окремих етапів не мають достатньо певного характеру.
Традиційні аналітичні методи в дослідженні організаційних систем не завжди виявляються ефективними. Один з основних недоліків в даному випадку - те, що ці методи не дозволяють враховувати емерджентні властивості системи, що є наслідком взаємодії її елементів. Тому при розчленовуванні (аналізі) система втрачає ряд своїх основних властивостей. Характерна особливість організаційних систем - наявність у складових її підсистем своїх цілей, не завжди збігаються з метою функціонування всієї системи. Тому локальна оптимізація підсистем не гарантує максимальної ефективності всієї організаційної системи: "... саме локальний підхід до вирішення завдань, характерний для енергійних керівників цехів, управлінь або відділів, який призводить до приватної оптимізації відповідних підрозділів, як показано фахівцями з дослідження операцій, часто шкідливий для життєдіяльності всього організму в цілому " [2]. Люди - елементи таких систем - реагують неоднозначно на той чи інший вплив. Цей фактор, поряд з цілим рядом інших, не дозволяє в дослідженнях організаційних систем виходити тільки з умов причинно-наслідкових зв'язків, що лежать в основі аналізу фізичних (механічних) систем. Організаційні системи ускладнюються за рахунок зміни кількості і сили зв'язків їх елементів на відміну від фізичних систем, вихідні структури яких практично постійні.


Три етапи прикладних досліджень

Прикладні дослідження при вирішенні виробничих проблем складають три етапи.
Перший етап досліджень виробничої проблеми - наукова постановка задачі - містить виявлення та опис фактів, формулювання проблеми, мети і гіпотези досліджень.
Постановка завдання є одним з найбільш відповідальних етапів прийняття рішень. "Найпоширенішим джерелом помилок в управлінні підприємством є надмірна увага, яка приділяється пошуку правильної відповіді, замість того, щоб шукати правильний питання" [3]. Точне рішення, отримане при неправильній постановці завдання призводить тільки до появи нових проблем. Очевидна, на перший погляд, причина виникнення проблеми, може насправді бути тільки наслідком більш складних і менш помітних процесів. По суті, постановка задачі зводиться до вивчення ситуації, що склалася, виявленню того, що саме і чому не влаштовує менеджера і опису ситуації, яку необхідно досягти. Вивчення ситуації з точки зору мети організації, виявлення факторів, що обумовили її поява та існування, порівняння різного роду витрат і результатів дають підставу менеджеру відокремити більш важливе від менш важливого і сформулювати умови, що визначають допустимість рішення та його якість. Ефективність формулювання проблеми залежить від об'єкта досліджень. У природничих і технічних науках внаслідок матеріального характеру досліджуваного об'єкта реальність фактів не викликає труднощів з їх об'єктивним виявленням, а точність опису залежить від використовуваних приладів. Проблема як об'єкт дослідження операцій носить ідеальний характер і є суперечністю між існуючим і метою дослідження - бажаним станом. При описі існуючої ситуації в якості фактів виступають зовнішні прояви проблеми, однак їх відповідність їй далеко не так однозначно, як у випадку опису фактів в природничих і технічних науках. Це призводить, зокрема, до того, що витрати ототожнюються з результатами, а точність застосовуваного математичного методу - з адекватністю одержуваних з його допомогою рішень досліджуваної проблеми. Ф. Енгельс у цьому зв'язку писав: "незайманого стану абсолютної значущості, незаперечною доведеності всього математичного назавжди пішло в минуле, настала ера розбіжностей, і ми дійшли до того, що більшість людей диференціює та інтегрує не тому, що вони розуміють, що вони роблять, а просто тому, що вірять в це, так як досі результат завжди виходив правильний " [4]. І вже наш сучасник М. Блауг, розглядаючи стан економічної науки, пише: "Економісти поступово підмінили свій предмет, звернувши його в якусь Соціальну Математику, в якій аналітична строгість, як її розумію на математичних факультетах, - це все, а емпірична адекватність, як її розуміють на фізичних факультетах, - ніщо " [5]. Ще більш складним виявляється питання об'єктивного опису другої складової проблеми - бажаною ситуації і, відповідно, наступних з неї визначень мети і гіпотези досліджень. Все це залежить від об'єктивності опису існуючої ситуації та особи, що приймає рішення виявити цілі систем, в які входить досліджуваний об'єкт. Тут методичні помилки можуть призвести до того, що спроба вирішення однієї проблеми приведе до появи нових. Багато нові проблеми - ущільнення грунту важкою технікою, інерційність управлінського апарату, внаслідок збільшення чисельності співробітників і зв'язків, утилізація стоків тваринницьких комплексів та ін - виникали в результаті діяльності людини, спрямованої на вирішення інших проблем.
Аналіз першого етапу наукової постановки управлінського рішення показує, що якщо в природничих і технічних науках основним джерелом суб'єктивних спотворень і, відповідно, зниження ефективності цього етапу є повнота опису реального факту, що досягається в основному тільки за рахунок використовуваних приладів, то в разі дослідження виробничих проблем додаються питання адекватного сприйняття об'єкта вченими або / та менеджерами, що залежать від застосовуваної ними методології. На першому етапі дослідження проблем висока вірогідність формулювання помилкових проблем - "проблемоідов" і псевдозадач, вирішення яких не буде представляти якої практичної цінності, а впровадження може призвести до небажаних наслідків. У цьому випадку ефективність управлінського рішення буде нульовою або навіть негативною. Другий етап дослідження виробничої проблеми - розробка математичної моделі.
Об'єктивність при цьому повинна забезпечуватися використанням наукових принципів оцінки ситуацій, а також методів і моделей прийняття рішень. Моделювання, особливо з використанням комп'ютерів, є основним теоретичним інструментом системних досліджень прикладної орієнтації в управлінні складними системами. Змістовна частина процесу моделювання (вибір показників, факторів, залежностей) включається в економічну теорію, а технічна (під якою в 9 випадках з 10 розуміється побудова тих чи інших статистичних моделей) - в економетрику. Таким чином, економіко-математичне моделювання виявляється, з одного боку, розірваним, з іншого - усіченим. І питання взаємозв'язку всіх етапів моделювання, коректності інтерпретації результатів моделювання і, отже, цінності рекомендацій на основі моделей виявляються як би висять в повітрі. Глибока внутрішня зв'язок моделювання та системного підходу (systems approach) простежується вже в способі полаганія об'єкта, оскільки систему, що представляє об'єкт, по якому приймається рішення, можна розглядати як модель останнього. Поряд з цим представлення моделі складного об'єкта як системи виявляється в багатьох випадках ефективним прийомом його дослідження. Системне моделювання - це форма моделювання, для якої характерно уявлення об'єкта дослідження у вигляді системи, многомодельность, ітеративний побудови системної моделі, інтерактивність. У цій плідності з'єднання системного підходу і моделювання полягає важливий фактор, що сприяє їх взаємодії і взаємопроникнення. Особливо слід виділити принципову необхідність введення в системну модель формалізації елементів у відповідності з принципом зовнішнього доповнення Ст. Біра (Beer Stafford). Наявність останніх обумовлює включення в модель суб'єкта, який покликаний здійснювати взаємодію формалізованих і неформалізованих елементів системної моделі. Ця особливість дає можливість більш тісно реалізувати єдність суб'єкта та об'єкта, орієнтацію на цільові установки прийнятих рішень. Саме ітеративних і діалогове системного моделювання дають можливість зняти протиріччя між формалізованими і неформалізованими елементами всієї структури моделювання, що виникають в процесі моделювання.
При моделюванні, так само як і на першому етапі досліджень, який можна вважати побудовою концептуальної моделі проблеми, відбувається згортка, обмеження отриманої інформації у формі, зручній в подальшому дослідженні. Обмеження різноманітності необхідно для впорядкування кількості інформації, що надходить до об'єкта. Обмеження різноманітності вихідної інформації (тут нею є вже концептуальна модель проблеми) при математичному моделюванні відбувається внаслідок трьох обмежень, іманентних цьому методу, - обмеженості математичної мови, методу і власне моделі. Однозначність математичної мови є одночасно і "плюсом", і "мінусом". Достоїнство в тому, що вона не допускає помилок, але це ж властивість обмежує можливість досить повного опису об'єкта. З підвищенням інформації в моделі евристична функція моделювання росте не прямо пропорційно кількості врахованої інформації, а з екстремального закону, тобто ефективність моделювання зростає лише до певної межі, після якого вона падає. Іншими словами, використання математики гарантує точність, але не правильність одержуваного рішення. У дослідженнях фізичних об'єктів, інформаційна складність яких внаслідок визначають їх причинно-наслідкових зв'язків відносно невисока, рівень втрат і викривлення інформації будуть значно нижчі, ніж при дослідженні соціально-економічних об'єктів. Обмеженість математичної мови лежить в основі теорії про неповноту формальних систем К. Геделя (Godel Kurt) і принципу зовнішнього доповнення Ст. Біра (Beer Stafford). Її рівень, природно, багато в чому носить історичний, а не абсолютний характер. У міру розвитку математики можливості її будуть рости. Проте в даний час багато російських і зарубіжних математики, філософи, економісти, представники інших наукових напрямків відзначають обмежені можливості адекватного математичного опису соціально-економічних явищ. Практично необмежений діапазон застосування математичних методів створює враження їх "всеїдності", універсальності. І основним підтвердженням цього найчастіше виступає взаємна аргументація цих двох характеристик, а не ефективність використання результатів моделювання на практиці. Важливе вплив на це надає й те, що при описі методологічних особливостей математичних методів і моделей багато властивостей, якими вони повинні володіти, щоб забезпечити адекватне рішення, видаються і, відповідно сприймаються як властивості, іманентні описаним методам і моделям. Як будь спеціальний засіб, конкретний метод накладає свої обмеження на оброблювану інформацію: виділяє одні аспекти, усуває і викривляє інші, тим самим призводить до спотворення описуваної з його допомогою реальної ситуації в цілому. Автори низки робіт, кількість яких не йде ні в які порівняння з обсягом публікацій по розробках теорій і методів математичного моделювання, приводять різні аргументи, які підтверджують принципову обмеженість їх використання для опису реальних процесів, що відбуваються в суспільному виробництві. У вузьких рамках методології, розробленої оптимізаційним підходом, неможливо сумістити пошук найкращого рішення (або оптимального управління) з визнанням принципової обмеженості відображення реальної моделлю. Будь-яка, навіть сама тонка і витончена постановка, де вказане протиріччя буде як би вирішуватися, на ділі призводить до ще більш серйозних і очевидним новим протиріччям. На це ще "накладаються" помилки поділу та об'єднання систем і підсистем при використанні методів програмування. Застосування предметних концепцій при виборі математичного методу та моделі у вирішенні конкретної задачі призводить до того, що, припустимо, в технічних науках за допомогою одних і тих же формул проводиться обгрунтування потужності освітлювальних пристроїв для квартири і залізничної станції. Так само і формалізація задачі оптимізації діяльності підприємства, а то й цілої галузі відрізняється від задачі про оптимальний розкрої заготовки в основному тільки кількістю змінних і рівнянь. Однак у цьому випадку наслідком такого "розкрою" буде "механічний" розрив величезної кількості зв'язків, складність і невизначеність яких ще не завжди доступні досить точному опису мовою сучасної математики. Некоректність традиційного підходу до обгрунтування структури моделі досліджуваної ситуації можна показати, порівнюючи завдання обгрунтування складу кормів та поголів'я тварин в господарстві. Якщо слідувати традиційній методиці, їх можна віднести до одного класу і вирішувати одним і тим же методом. У той же час якщо результат першої робить істотний вплив тільки на собівартість продукції, то другий вимагає врахування соціальних інтересів, питань, пов'язаних з охороною навколишнього середовища і т.д. Таким чином, у другому випадку необхідно використовувати метод, що володіє великою різноманітністю можливостей опису, ніж для першої, інакше не можна буде побудувати адекватну математичну модель і отримати управлінське рішення, що має практичну цінність. Задача, вирішення якої в кінцевому підсумку забезпечують методи оптимізації, будь то математичне програмування або регресійний аналіз, зводиться до пошуку, хоча і не тривіального (внаслідок різноманіття можливих варіантів), але в той же час і не принципово нового результату, так як пошук відбувається в діапазоні, межі якого визначаються знаннями про досліджуваному процесі. У разі постановки інженерних, оперативних чи тактичних задач для технічних або простих соціально-економічних об'єктів, що дозволяють досліднику чи менеджеру дати їх повне формальне опис та обгрунтувати діапазони реальних альтернатив, достатність та ефективність використання оптимізаційних методів не викликає сумніву. У міру зростання складності об'єктів досліджень при вирішенні стратегічних проблем вибору напрямків вдосконалення технічних і соціально-економічних систем оптимізаційні методи можуть виконувати лише допоміжні функції. Структура того чи іншого "типового" вигляду моделей накладає ще більш жорсткі обмеження на можливості представлення необхідного рівня різноманітності в описі досліджуваного об'єкта. Тому деякі роботи з математичного моделювання та рекомендують починати дослідження з вибору виду моделі, а потім вже проводити постановку задачі досліджень таким чином, щоб її легше було "вписати" в обрану модель. Такий підхід полегшує побудова моделі і ефективний, якщо метою досліджень є саме побудова математичної моделі, а не отримання рішення проблеми. Наступні аналогічні за своєю природою спотворення і втрати інформації викликаються обмеженнями алгоритмів і програмних мов, можливостями ЕОМ. Структурно-функціональний аналіз свідчить про те, що хоча всі процедури, пов'язані з побудовою математичної моделі та отриманням підсумкових даних на ЕОМ, логічно обгрунтовані, вони не містять жодних методологічних властивостей, що гарантують адекватність цього результату і відповідного управлінського рішення реальній проблемі. Формування критеріїв ефективності (оптимізації) при цьому може проводитися незалежно від об'єктивних законів суспільного розвитку, а основним критерієм розробки математичної моделі стають умови якнайшвидшого побудови алгоритму на основі застосування "типового" алгоритму. Менеджер / дослідник може "підганяти" реальну проблему під структуру освоєного їм математичного методу або програмного забезпечення ПЕОМ. Орієнтація на обов'язкове побудова математичної моделі в рамках одного методу призводить до виключення з дослідження проблеми факторів, що не піддаються кількісній оцінці. Опис причинно-наслідкових зв'язків, призводить до необгрунтованого застосування принципів адитивності. Результат при цьому буде оптимальним тільки для того вельми спрощеного і викривленого образу реального об'єкта, який являє собою математична модель після декількох "трансформацій", проведених за допомогою засобів, рівень різноманітності і точність яких ще значно відстає від складності соціально-економічних проблем. На третьому етапі дослідження проблем після обгрунтування виду і структури адекватність і, відповідно, ефективність управлінського рішення, отриманого за допомогою математичної моделі, пов'язані з якістю вихідної інформації, на підставі якої обчислюються, наприклад, елементи матриці умов задачі математичного програмування або коефіцієнтів рівняння регресії. Характер спотворень тут багато в чому залежить від методу моделювання. Для лінійного програмування помилки даного етапу вже мало пов'язані з досліджуваним об'єктом і в основному виникають через неуважність розробника: неправильно взяті продуктивність або норми витрати матеріалу і т. д. Такого роду помилки зазвичай виявляються в роботі з моделлю і легко виправляються. Більш складна ситуація складається при використанні регресійного аналізу, однаково широко розповсюдженого в природничих, технічних та суспільних науках. Відмінність цього методу в порівнянні, скажімо, з лінійним програмуванням в тому, що формування коефіцієнтів регресії визначається вихідними даними, які є результатами процесів, що відбуваються в досліджуваному об'єкті, розглянутому як "чорний ящик", в якому механізм перетворення "вхід" в "вихід" часто невідомий. Зі збільшенням кількості вихідної інформації рівень її різноманітності наближається до того, який іманентний реальному об'єкту. Таким чином можна підвищувати адекватність регресійної моделі, що не можна досягти в лінійному програмуванні. Це гідність регресійного аналізу досить ефективно може бути використане в природничих науках внаслідок порівняно малої кількості факторів і можливості управління останніми. У дослідженнях соціально-економічних явищ ефективність використання регресійних моделей знижується, так як різко зростає кількість факторів, багато з яких невідомі і (або) некеровані. Все це вимагає не обмежуватися окремої вибіркою, а прагнути використовувати дані в обсязі, що наближається до генеральної сукупності. На відміну від більшості процесів, що вивчаються природними і технічними науками, складність тиражування яких багато в чому визначається тільки витратами на експеримент, перевірити регресійну модель соціально-економічного об'єкта досить складно внаслідок унікальності протікають у ньому процесів, що мають історичну природу. У цьому зв'язку основним джерелом вихідної інформації в дослідженнях соціально-економічних об'єктів є спостереження, "пасивний" експеримент, що виключає повторність дослідів і, відповідно, перевірку адекватності регресійної моделі за статистичними критеріями. Тому основні показники адекватності, використовувані при регресійному аналізі соціально-економічних об'єктів, - коефіцієнт множинної кореляції і помилка апроксимації. Однак високе значення першого і низьке другого показника не дозволяє однозначно судити про якість регресійної моделі. Пояснюється це тим, що зі збільшенням числа членів полінома моделі, а зовні це число обмежується тільки числом дослідів (спостережень), внаслідок кількісного зростання її різноманітності, точність апроксимації вихідних даних рівнянням регресії зростає. В. Леонтьєв (Leotief Wassily), коментуючи низьку результативність використання статистичних методів в економіці, пояснює це тим, "що для вивчення складних кількісних взаємозв'язків, притаманних сучасній економіці, непрямий, навіть методологічно уточнений, статистичний аналіз не підходить" [6].
Фактором, також належать до інтерпретації результатів та знижують ефективність застосування математичних методів і відповідно управлінських рішень, є і зайва ідеалізація отриманих таким чином кількісних результатів. Точні обчислення не означають правильного рішення, яке визначається вихідними даними та методологією їх обробки. Керуючі, яким пропонують вирішувати задачі лінійного програмування, повинні знати про те, що наявність навіть найменшого нелінійного елемента в задачі може поставити під сумнів і навіть зробити небезпечним її рішення методом лінійного програмування. На жаль, в більшість вступних курсів, що знайомлять управляючих вищого рівня з основами технічних наук і економіко-математичними методами, нічого не говориться про те, як ці науки співвідносяться з практичними проблемами. Це пояснюється тим, що викладач свято вірить в універсальну застосовність своєї методики і погано уявляє межі її застосування. Таким чином, на всіх трьох розглянутих етапах "трансформації" виробничої проблеми в математичну модель відсутні досить суворі, науково обгрунтовані критерії оцінки якості, відповідності ідеальних моделей реальному об'єкту. У той же час традиційна орієнтація спрямована тільки на подолання обчислювальних труднощів і великої розмірності моделей і не враховує обмеження математичного апарату. Моделювання є найбільш практичною стороною прикладних досліджень, однак цей прагматизм повинен бути заснований на гносеологічному і онтологічному підході в методології процедурних знань при вирішенні проблем індивідуального виробництва. Разом з тим, застосування моделей при прийнятті управлінських рішень повинно враховувати їх конгруентність і, відповідно, адекватність їх рішень реальним процесам. Ці умови визначаються природою описуваних моделями процесів. В економічній науці більшість дескриптивних моделей типу "ціна-попит" описують інституційні процеси, пов'язані з поведінкою людини, і ці моделі носять виключно концептуальний характер і не можуть служити для отримання кількісних прогнозних оцінок. Рівень можливостей статистичних моделей для інтерполяційних оцінок усередині описуваного діапазону визначається статистичними показниками надійності, але для прогнозних оцінок рівень екстраполяції при цьому не повинен перевищувати 20-30% від початкового діапазону даних. Надійність регресійних моделей, отриманих за керованим експериментам з кількох повторних, значно зростає. Нормативні моделі, пов'язані з оптимізацією витрати ресурсів, умовами беззбитковості, законом спадної прибутковості (Law of Diminishing Returns) можна вважати абсолютними, і надійність отриманих по ним оцінок залежить тільки від помилок у вихідних даних.


Література

  1. Філософський енциклопедичний словник. - М.: Сов. Енциклопедія, 1983. - С. 405.
  2. Бір Ст. Кібернетика і управління виробництвом. - М.: Наука, 1965. - С. 41
  3. Друкер П. Завдання менеджменту в XXI столітті. - М.: Видавничий будинок "Вільямс", 2002. - С. 353
  4. Енгельс Ф. Анти-Дюрінг / / Соч. 2-е изд. т. 20. - С. 89
  5. Blaug M. Ugly Currents in Modern Economics. In: Facts and Fictions in Economics. Models, Realism and Social Construction. - P. 36
  6. Леонтьєв В. Економічні есе. - М.: Политиздат, 1990. - С. 64

Цей текст може містити помилки.

Схожі роботи | скачати

Схожі роботи:
Дослідження
Дослідження операцій
Логічні дослідження
Гендерні дослідження
Квір-дослідження
Наукове дослідження
Дослідження ринку
Маркетингове дослідження
Об'єкт дослідження
© Усі права захищені
написати до нас
Рейтинг@Mail.ru