Индекс УДК 33
Дата публикации: 30.11.2022

Мягкая модель управления бизнес-процессами, как механизм антихрупкости организации

A soft model of business process management as a mechanism of organization's antifriage

Жихарева Вероника Сергеевна,
Мартынов Борис Викторович,

1. студентка магистратуры Южного Университета « ИУБиП», г. Ростов-на-Дону.
2. кандидат философских наук, доцент, заведующий кафедрой «гуманитарные дисциплины»
Zhikhareva Veronika Sergeevna,
Martynov Boris Viktorovich,
1. master's student of the Southern University "IUBiP", Rostov-on-Don.
2. Candidate of Philosophical Sciences, Associate Professor, Head of the Humanitarian Disciplines Department
Аннотация: Управление рисками для бизнес-процессов имеет решающее значение для выживания и эффективности организаций и привлекло интерес практиков и ученых. Для представления неопределенной и неоднозначной информации, полученной от экспертов, в FMAS вводится теория нечеткости. Антихрупкие организационные культуры — это те, которые могут ориентироваться в изменениях, рассеивая риски и используя их как возможности для обучения. Между этими крайностями находится устойчивость, когда система остается нейтральной и не выигрывает, и не снижается от случайных событий. Понятия хрупкости, надежности и антихрупкости в итоге сводятся к риску.

Abstract: Business process risk management is critical to the survival and effectiveness of organizations and has attracted the interest of practitioners and academics. To represent uncertain and ambiguous information received from experts, fuzzy theory is introduced into FMAS. Antifragile organizational cultures are those that can navigate change by dissipating risks and using them as learning opportunities. Between these extremes is stability, when the system remains neutral and does not benefit or decline from random events. The concepts of fragility, reliability, and antifragility ultimately boil down to risk.
Ключевые слова: архихрупкие организации, мягкая модель, модель управления бизнес-процессами, нечеткие множества.

Keywords: arch-fragile organizations, soft model, business process management model, fuzzy sets.


Методология Soft systems (SSM) (мягкая модель управления) представляет собой подход к моделированию организационных процессов (business process modeling) и может быть использована как для решения общих задач, так и в управлении изменениями. Она была разработана в Англии учеными системного факультета Ланкастерского университета в рамках десятилетней программы исследований действий. Методология была разработана на основе более ранних подходов к системной инженерии, в первую очередь Питером Чеклендом и его коллегами, такими как Брайан Уилсон.

Антихрупкие организации — это те, у которых есть культура, которая позволяет им быстро учиться в своей среде и адаптироваться к ней, чтобы они могли воспользоваться преимуществами изменчивости. Вот некоторые характеристики антихрупких организаций:

  1. Системное мышление. Все в организации знают цели организации и гарантирует, что их работа непосредственно способствует достижению этих целей.
  2. Теория управления. Руководство должно предполагать, что сотрудники самомотивированы и смогут научиться решать проблемы самостоятельно.

Классическая теория множеств построена на фундаментальном понятии «множество», членом которого индивид является или не является. Резкое, четкое и однозначное различие существует между членом и не членом для любого четко определенного «набора» объектов в этой теории, и существует очень точная и четкая граница, указывающая, принадлежит ли объект множеству.

Нечеткая логика — теория множеств, нечеткие множества можно рассматривать как расширение и грубое упрощение классических множеств.

Лучше всего ее можно понять в контексте принадлежности множеств. Классическое множество содержит элементы, удовлетворяющие точным свойствам членства, в то время как нечеткое множество содержит элементы, удовлетворяющие неточным свойствам членства.

Бизнес-процессы постоянно подвергаются широкому спектру рисков [6]. Как показали недавние инциденты в финансовом секторе [3], отказ процессного управления рисками может привести к существенным финансовым и репутационным последствиям. Поэтому, крайне важно обеспечить инновационные подходы, способные способствовать постоянному повышению эффективности бизнес-процессов [6].

Тем не менее, трудно решать риски на уровне бизнес-процессов. Бизнес-процесс представляет собой набор связанных структурированных задач, направленных на достижение определенной цели. Поэтому, эффективное управление рисками на уровне процесса должно осуществляться контрольными процедурами в задачах.

Существующие исследования, связанные с управлением рисками для бизнес-процессов, в основном сосредоточены на показателях риска и процедурах смягчения, в то время как мало внимания уделяется предоставлению рекомендаций внутреннему аудитору для избегания рискованных ситуаций и постоянного улучшения бизнес-процессов внутри фирм. Кроме того, эффективный контроль задач, составляющих процесс, является основой управления рисками в бизнес-процессах. Таким образом, рассмотрение анализа уровня задач является обязательным.

Нечеткая мультиагентная система для облегчения оценки рисков и постоянного совершенствования бизнес-процессов очень важна. Основой достижения этих целей являются бизнес-процессы, построенные на основе экспертных знаний.

Предыдущие исследования на основе процессов подчеркивали важность явных связей между рисками и моделями бизнес-процессов в соответствии с конкретными методологическими подходами.

Томлин [4] продемонстрировал неизбежность того, что риск-нейтральные фирмы в контексте цепочки поставок выберут единую стратегию управления процессами среди этих вариантов: смягчение путем переноса запасов, смягчение путем единственного источника от надежного поставщика или пассивного принятия. Сюэ и др. [8] предположили, что модульность системы приводит к снижению уровня риска принятия цифровых систем цепочки поставок и, следовательно, вдохновляет фирмы на оцифровку большего количества своих операций цепочки поставок.

Основываясь на вышеуказанных исследованиях, Раджеш и др. [4] суммировали двенадцать основных категорий рисков цепочки поставок и 21 стратегию снижения рисков в области цепочки поставок. Теория Грея и методологии орграфной матрицы были интегрированы, что способствует количественной оценке различных стратегий снижения рисков.

Хотя предыдущие исследования заложили основу для области управления рисками для бизнес-процессов, лишь немногие из этих подходов дают представление о том, как поддерживать выработку рекомендаций по предотвращению рискованных ситуаций и постоянное совершенствование бизнес-процессов. Существует растущая тенденция использования методов моделирования для управления рисками из-за его гибкости моделирования. Мягкая модель как метод управления бизнес процессами, как метод моделирования, обычно используется в сценариях управления рисками [3]. В этих сценариях агенты могут сотрудничать, чтобы создать организационную модель для обеспечения эффективного управления рисками и поддержки принятия решений в архихрупких организациях.

Более того, поскольку большинство факторов риска в бизнес-процессах носят субъективный характер, его оценка опирается на лингвистическое суждение лиц, принимающих решения [5]. Поэтому в теория нечетких множеств [8] вводит для учета впечатления, расплывчатости и неопределенности лингвистической информации. Лингвистическая переменная — это переменная, значения которой описываются в терминах естественного или искусственного языка, а не выражаются в числовых формах [6]. Лингвистические переменные широко используются в сложных средах, а также в ситуациях, которые трудно описать традиционными количественными выражениями [2].

У модели нечетких множеств есть ряд преимуществ по сравнению с реальной реализацией:

  • может представлять неопределенную и неоднозначную информацию, полученную от экспертов. Эта функция, достигаемая теорией нечетких множеств, помогает работать с лингвистическими переменными, которые не могут быть описаны численно.
  • подходит для распределенной среды. Мультиагентный подход обеспечивает адаптивную поддержку в соответствии с распределенным характером сетевых предприятий.
  • обладает способностью к обучению, используя нечеткую нейронную сеть для прогнозирования уровня риска целевого бизнес-процесса на основе ранее наблюдаемых случаев.

Сложность и динамический характер организационной среды затрудняют прогнозирование рисков, связанных с бизнес-процессами, с которыми сталкивается фирма. Однако мягкая модель способна точно оценить состояние риска фирмы и предоставить решения, которые позволяют улучшить каждую фазу бизнес-процесса. Система даст лучшие результаты, если предоставить кейсы, связанные с сектором, в котором она будет использоваться, из-за зависимости, которая существует между процессами в фирме и сектором, в котором она находится.

Будущие эксперименты будут направлены на определение того, как построенный прототип будет работать в других секторах, и как он должен быть изменен, чтобы улучшить его производительность.

Библиографический список

1. Лузин, Н.Н. Лекции об аналитических множествах и их приложениях / Н.Н. Лузин. - М.: [не указано], 2021. - 737 c.
2. Морозов, А. Д. Визуализация и анализ инвариантных множеств динамических систем / А.Д. Морозов, Т.Н. Драгунов. - М.: Институт компьютерных исследований, 2021. - 304 c.
3. Рыбников, К. К. Введение в дискретную математику и теорию решения экстремальных задач на конечных множествах / К.К. Рыбников. - М.: Гелиос АРВ, 2021. - 320 c.
4. Тысленко, А. Г. Менеджмент. Организационные структуры управления / А.Г. Тысленко. - М.: Альфа-пресс, 2019. - 320 c.
5. Уварова, С. С. Организационно-экономические изменения инвестиционно-строительного комплекса на микроуровне. Управление и анализ / С.С. Уварова, В.С. Канхва, С.В. Беляева. - М.: МГСУ, 2021. - 192 c.
Хайниш, С.В. Бенчмаркинг на предприятии как инструмент управления изменениями: моногр. / С.В. Хайниш. - Москва: Наука, 2017. - 459 c.
Харин, Н.Н. Математическая логика и теория множеств / Н.Н. Харин. - М.: [не указано], 2018. - 407 c.
6. Чирка, Е.М. Комплексные аналитические множества: моногр. / Е.М. Чирка. - М.: [не указано], 2021. - 887 c.
7. Шахмейстер, А. Х. Математика. Множества. Функции. Последовательности / А.Х. Шахмейстер. - М.: ЧеРо-на-Неве, 2019. - 296 c.
8. Шеметов, П. В. Менеджмент. Управление организационными системами / П.В. Шеметов, Л.Е. Никифорова, С.В. Петухова. - М.: Омега-Л, 2021. - 416 c.
9. Шеметов, П. В. Менеджмент. Управление организационными системами. Учебное пособие / П.В. Шеметов, Л.Е. Никифорова, С.В. Петухова. - М.: Омега-Л, 2021. - 416 c