Математическое моделирование в формировании конкурентной стратегии контрактной исследовательской организации

ду контрактно-исследовательскими организациями (КИО). Важным элементом процесса управления развитием организации является формирование её конкурентной стратегии, поэтому особую актуальность приобретает создание процедуры разработки и реализации КИО эффективной конкурентной стратегии [1].

К важнейшим элементам стратегии относятся

• •    четкое представление будущего;

• •    стратегические цели и приоритеты;

• •    стратегические сценарии;

• •    способы достижения поставленных целей;

• •    привлекаемые ресурсы [3].

Сложный процесс создания конкурентной стратегии может быть эффективным только при условии учета реальных данных о структуре и особенностях рынка и представленных на нем компаниях, и невозможен без привлечения инструментов математического моделирования и современных информационных технологий. В работе [1] предложен общий алгоритм формирования конкурентной стратегии КИО, включающий следующие этапы:

• 1.    Анализ структуры целевых географических рынков для определения этапа жизненного цикла индустрии.

• 2.    Анализ бизнес-модели КИО в увязке с её жизненным на анализе.

• 3.    Сопоставление локальных особенностей рынка и возможностей КИО.

• 4.    Выбор конкурентной стратегии КИО с учетом его потенциала.

• 5.    Переход к новой конкурентной стратегии.

Реализация каждого из шагов алгоритма должна быть основана на анализе данных о деятельности представленных на рынке КИО и включать рассмотрение различных характеристик рынков лекарственных препаратов и типов рынков. Определение этапа жизненного цикла отраслевого рынка в рассматриваемом периоде естественно задавать не фиксированной величиной, а некоторой функциональной зависимостью, характеристики которой следует получить из анализа данных. То же относится и к определению типа компании (локальный, средний или глобальный) [1]. В этой связи представляется естественным использовать при реализации алгоритма не только точные математические расчеты, но и качественные оценки с привлечением аппарата нечеткой логики. Использование гибкой системы базы правил позволит учесть имеющийся практический опыт управления ситуацией и обеспечить выбор стратегии, сводящей к минимуму возможные потери.

Введем в рассмотрение лингвистическую переменную «рынок» со следующими множествами значений: «тип рынка: зарождение, рост», «тип рынка: зрелый», «тип рынка: затухающий». Нечеткие множества рынков каждого типа зададим функцией принадлежности с диапазоном значений [0,1]. Функция принадлежности μ(x) должна задавать степень, с которой элементы некоторого множества принадлежат заданному нечеткому множеству. Чем больше аргумент x соответствует нечеткому множеству, тем ближе значение функции к 1.

На практике используются косвенные и прямые методы построения функции принадлежности [4].

В косвенных методах выбор функции принадлежности должен быть подчинен выполнению заранее сформулированных экспертами условий. При этом могут использоваться различные оценки (статистические или ранговые) или схема парных сравнений.

В прямых методах непосредственно задается выражение для функции принадлежности нечеткому множеству. Выбор вида функции принадлежности должен быть основан на качественном анализе и практическом смысле лингвистической переменной и лингвистических описаний множеств.

В рассматриваемом алгоритме для описания переменной «рынок» предлагается использовать кусочно-линейные функции принадлежности, поскольку они позволяют отразить для каждого типа рынка этапы становления, устойчивого состояния и перехода к затуханию. Наиболее подходящей представляется трапециевидная функция принадлежности:

(

⎪ ^⎧ ц(хН

⎪ ⎩ 0,

6-х

• 1-   ,  ≤≤

Ь-а

1․≤ ≤

х-с

• 1-   , ≤≤

d-c иначе

Изменяя значения параметров a, b, c, d ( a < b < c < d) , можно подбирать вид трапециевидной функции и подстраивать ее под конкретные данные. Если выбрать b = c , то можно исключить из рассмотрения промежуток, соответствующий не меняющемуся состоянию рынка, заменив промежуток точечной величиной.

При рассмотрении закономерностей использования фокусированной стратегии дифференциации в [1] выделены три группы КИО - малые, средние и глобальные. Показано, что переход КИО к той или иной бизнес-модели зависит от стадии жизненного цикла компании. Опишем лингвистическую переменную «компания» с множествами значений «малая», «средняя» и «глобальная». Здесь в качестве функции принадлежности нечеткому множеству компаний разного типа предлагается использовать нелинейную гауссову функцию :

р⁽ x ^)=exp^(-(^^)-).

Здесь вид функции зависит от параметров a и b . Параметр b задает положение точки максимума и является наиболее существенным в определении значений функции. Поэтому эксперт может указать величину b , опираясь на свой практический опыт. Величину a определим, например, следующим образом. Зададим критический уровень к значения функции ц( x ) (например, к = 0.5), для которого основной признак, определяющий выделение трех групп КИО, не имеет выраженного преобладания. Значение а получится тогда как решение уравнения:

( )

^к = ^ехР^(-Ч^'

Для описания выходных переменных наиболее приемлем треугольный вид функции принадлежности, получаемый из (1) при b = c . Треугольные функции принадлежности можно использовать не только для определения качества «низкое/среднее/высокое значение», но и для выражения степени «находится в интервале» или «скорее равно».

Реализуем далее основные этапы нечеткого вывода, воспользовавшись известной схемой Мамдани:

• 1.    Формирование базы правил системы нечеткого вывода.

• 2.    Фаззификация входных параметров.

• 3.    Агрегирование.

• 4.    Активизация подусловий в правилах

• 5.    Дефаззификация [2].

В базе правил системы нечеткого вывода формально представим эмпирические знания о рассматриваемой проблеме. Опираясь на выводы [1], включим в нее, например, утверждения типа:

Правило 1: Если рынок растущий и КИО локальная, то эффективность стратегии «лидер по продажам» высокая.

Правило 2: Если рынок зрелый и КИО глобальная, то эффективность стратегии «лидер по продажам» средняя.

После реализации п. 1–5 (например, с использованием приложения Fuzzy Logic пакета Matlab) получим количественные оценки возможных стратегий, полученные на основе анализа рынка и этапа жизненного цикла КИО.