Е. М. Клейменова



Скачать 311,96 Kb.
Дата17.10.2016
Размер311,96 Kb.
УДК 005.8:615.478

Е.М. Клейменова,

Руководитель НТЦ ОАО «РКК «Энергия»

Elena.Kleimenova@rsce.ru

П.О. Скобелев,

д.т.н, в.н.с. ИПУСС РАН

email: skobelev@smartsolutions-123.ru

В.Б. Ларюхин,

Директор по разработкам НПК «Разумные решения»

email: vlarukhin@smartsolutions-123.ru

И.В. Майоров,

Ведущий специалист исследовательского отдела

НПК «Разумные решения»

email: imayorov@smartsolutions-123.ru



Д.С. Косов

Аналитик НПК «Разумные решения»

e-mail: kosov@smartsolutions-123.ru

Е.В. Симонова, к.т.н.

Ведущий аналитик ООО «НПК «Разумные решения»

e-mail: simonova.elena.v@gmail.com

А.В. Царев,

Генеральный директор НПК «Разумные решения»

e-mail: at@anarun.net

А.Л. Феоктистов,

Зам. Генерального конструктора ОАО «РКК «Энергия»

e-mail: Alexander.Feoktistov@rsce.ru

Е.В. Полончук,

Начальник отдела ОАО «РКК «Энергия»

e-mail: Evgeny.Polonchuk@rsce.ru

ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА «SMART PROJECTS» ДЛЯ ОПЕРАТИВНОГО УПРАВЛЕНИЯ РЕСУРСАМИ В ПРОЕКТАХ НИР И ОКР В РЕАЛЬНОМ ВРЕМЕНИ

Предлагается интеллектуальная система управления ресурсами в проектах НИР и ОКР, реализующая метод адаптивного планирования задач группы проектов на общем поле ресурсов в реальном времени. Предлагаемая система построена на основе мультиагентных технологий, обеспечивающих работу в режиме он-лайн для поддержки автономного цикла управления ресурсами в ходе управления проектами, от начального планирования – к реакции на важные события и согласованию изменений планов с исполнителями, мониторингу и контролю выполнения намеченных задач в реальном времени, а также перепланированию в случае растущих расхождений плана и факта. Созданная система предназначена, в первую очередь, для использования на предприятиях аэрокосмического комплекса при создании образцов новой техники, отличающихся особой уникальностью, сложностью и новизной производимых изделий, что часто требует пересмотра требований к выполнению задач и сложного процесса перепланирования с необходимостью согласованного пересмотра цепочек взаимосвязанных подзадач непосредственно в ходе выполнения проектов. Переход к реальному времени позволяет уменьшить задержки в принятии решений при возникновении непредвиденных событий и исключить возможность возникновения простоя или дефицита квалифицированных кадров, что ведет к повышению эффективности использования ресурсов предприятий при одновременном выполнении многих проектов.
Ключевые слова: управление ресурсами, проекты научно-исследовательских и опытно-конструкторских работ (НИР и ОКР), адаптивное планирование, мультиагентные технологии, реальное время.
Введение

Работа посвящена решению проблемы оперативного управления кадровыми ресурсами в проектах научно-исследовательских и опытно-конструкторских работ (НИР и ОКР) при создании образцов новой авиакосмической техники, включая ракетоносители, спутники и другие.

Данная проблема в последние годы становится особенно актуальной для Российских аэрокосмических предприятий [1] в связи с обострением конкуренции в космической отрасли, где наряду с предприятиями США и Европы уже полномасштабно работают предприятия Китая и других стран. Для сохранения и усиления конкурентоспособности отечественных предприятий требуется не только создавать новые изделия ракетно-космической техники с превосходящими характеристиками, но делать это быстрее, дешевле и с меньшими рисками.

При этом рассматриваемые изделия отличаются уникальностью, высокой сложностью и новизной технических решений, что часто требует пересмотра требований к выполнению задач и их перепланирования с необходимостью согласованного пересмотра цепочек взаимосвязанных подзадач непосредственно в ходе выполнения проектов. Переход к реальному времени позволяет уменьшить задержки в принятии решений при возникновении непредвиденных событий и исключить возможность возникновения простоя или дефицита квалифицированных кадровых ресурсов, что ведет к повышению эффективности работы предприятий.

Для решения поставленной задачи требуется кардинальное изменение и самих подходов к управлению кадровыми ресурсами в проектах, эффективное использование которых в современной экономике знаний требует учета индивидуального опыта и компетенций каждого сотрудника, внедрения принципов сетевых организаций с присущими им механизмами раскрытия творческого потенциала сотрудников и повышения их мотивации, поддержки командной работы с горизонтальными взаимодействиями, ориентацией в оплате на конечные результаты.

В этих условиях переход к управлению ресурсами в проектах НИР и ОКР 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 назнача-ются ведущим сотрудникам «сверху-вниз» как рядовым исполнителям.

В качестве одного из возможных путей решения этой проблемы в настоящей работе предлагается интеллектуальная система “Smart Projects” для оперативного управления ресурсами в проектах НИР и ОКР в режиме реального времени.

Предлагаемая система реализуется на основе мультиагентных технологий, находящих все большее применение для управления ресурсами в реальном времени [2-3]. В предлагаемой системе каждый проект, задача и сотрудник получают своего агента, действующего от его имени и по его поручению. Агенты формируют гибкий план проектов на общем поле ресурсов и адаптируют этот план при появлении непредвиденных событий.

В настоящей работе кратко рассматриваются существующие подходы к управлению ресурсами в проектах и анализируются ключевые особенности устройства новых более эффективных организаций, дается описание функций и архитектуры предлагаемой системы, а также видов экранов для объяснения работы пользователя в системе, оцениваются результаты внедрения предлагаемой системы.


  1. Обзор существующих методов управления проектной деятельностью

Область управления проектами представляет собой обширную сферу научных исследований и экспериментальных разработок с более чем сорокалетней историей. Можно считать, что 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 новых направлений [4-6].

С практической стороны, управление проектами включает в себя множество конкретных эмпирических методик, основанных на проверенных практикой управленческих решениях, сведенных в единую систему и выраженную в стандартах института управления проектами PMI (Project Management Institute) [7], описывающих основные жизненные стадии любого проекта: инициация, планирование, выполнение, контроль и мониторинг, завершение и т.д.

Математические методы, применяемые в управлении и планировании проектов, чрезвычайно разнообразны. Широкое распространение в планировании проектов получили методы, базирующиеся на PERT-диаграммах (Projeсt Evaluation and Review Technique) и критическом пути (CPM – Critical Path Method) [8], в основе которых лежит теория графов. В современной интерпретации такие подходы используют более удобное представление проектных работ и активностей в виде сетей, для которых применяется метод критических цепей, основанный на теории ограничений Голдратта [9]. Однако структурная сложность современных проектов приводит к невозможности адекватно найти критические пути в графах из десятков тысяч вершин. Различные оценки показывают, что PERT/CPM методы дают систематически заниженные величины времен выполнения и рисков проектов [10] .

В настоящее время большое распространение получают методы достижения компромисса (Time-Cost-Quality Tradeoff), заключающиеся в решении задач многокритериальной оптимизации для заданных функциональных зависимостей между стоимостью, длительностью и качеством выполнения проектных работ. В каждом конкретном случае выясняются диапазоны устойчивости работ и находятся компромиссы («уступки») в решениях, допускаемые менеджментом проектов. Методы варьируются в зависимости от степени сложности проектов – от линейного программирования до эвристик типа правил приоритета [11-12].

Математическая постановка задачи управления проектами тесно связана с задачей планирования проектов с ресурсными ограничениями (RCPSP – Resource Constrained Project Scheduling Problem). В свою очередь, RCPSP является обобщением задачи производственного планирования (JSP – Job Shop Problem). Задача RCPSP рассматривает построение оптимального расписания активностей заданной длительности при ограничениях на доступность ресурсов, известных потребностях и известном порядке следования активностей. Задача RCPSP определяется как задача смешанной вещественно-целочисленной комбинаторной оптимизации и является NP-сложной, что требует комбинирования методов или поиска адекватных эвристик для каждого типа проектов.

Стандартными же подходами к решению таких типов задач по-прежнему считаются методы смешанного линейного и математического программирования [13]. Однако, вследствие сложности применения методов комбинаторной оптимизации, а также методов ветвей и границ к практическим задачам большой размерности, используются алгоритмы планирования с помощью разнообразных правил приоритета, не гарантирующие оптимальности решений и применимые лишь в пакетном режиме.

Для учета неопределенностей и непредсказуемых внешних факторов, влияющих на оценку продолжительности, стоимости и других характеристик проекта, применяются расширения задач планирования проектов, получающиеся при замене вещественных переменных (стоимостей, времён, трудоемкостей, рисков и аналогичных понятий) величинами из теории нечетких множеств. Использование теории нечетких множеств приводит к значительным отличиям в вариантах планирования и оценках по сравнению с вещественно-интервальными вычислениями [14].

Для оптимизации планирования проектов, наряду с методами математического программирования, используются различные статистические методы количественного анализа, базирующиеся на имитационном моделировании. Строится имитационная модель проекта и исследуется влияние различных внешних факторов и неопределенностей на ход выполнения проекта. Анализируется большое число различных сценариев, в результате чего выявляются статистические зависимости между входными и выходными параметрами. Имитационное моделирование позволяет получить более достоверные оценки продолжительности, стоимости и рисков проектов совместно с их вероятностными функциями распределения [15]. Однако, трудности построения имитационных моделей для большого спектра практических задач и отсутствие доступных программных средств существенно ограничивают применимость методов Монте-Карло, кроме того, решения необходимы в реальном времени.

В применении к задачам планирования проектов получили дальнейшее развитие методы искусственного интеллекта. Метаэвристики нейросетей, генетических алгоритмов, «колоний насекомых» позволяют решать задачи планирования больших проектов и преодолевают локальные экстремумы, однако требуют значительных вычислительных мощностей и не всегда обеспечивают приемлемую скорость сходимости [16-18].

В то же время, следует отметить, что все вышеперечисленные подходы восходят к централизованной пакетной модели планирования и решения проектных задач. Это означает, что как при динамическом поступлении новых задач, так и при декомпозиции или подвижках существующих, а также при изменении внешних условий требуется перерасчет существующих планов, что при больших задержках в расчетах может приводить к появлению значительных участков времени, когда непротиворечивого самосогласованного расписания нет вообще. Поэтому рассмотренные стандартные подходы к планированию динамически меняющихся проектов в общем поле ресурсов не могут в достаточной мере соответствовать потребностям практики.

Одним из способов преодоления существующих противоречий является проектирование распределенных систем реального времени, основанного на мультиагентных технологиях, которые уже начали применять к задачам RCPSP [19-21]. Но эти подходы пока не получили достаточного распространения в управлении проектами. На рынке по- прежнему превалируют программные продукты и технологии, обеспечивающие пакетное планирование, например, MS Project, PrimaVera и ряд других систем, де-факто ставших промышленными стандартами.

Как следствие, в последние годы наблюдается нарастающий кризис управления проектами, который выражается в том, что число проектов, достигающих своей цели, выполняемых в пределах бюджета, точно в срок, с учетом всех требований, остается крайне низким. В соответствии с исследованиями компании Standish Group Chaos [22], из всех проектов, завершенных в 2010 году, только 32% проектов являются успешными, 44% являются спорными (имеющими перерасход средств, превышение бюджета, другие недостатки), а 24% являются провальными. Если сравнить с первыми результатами подобных исследований, проводимых еще в 1994 году, наблюдается улучшение – на тот момент 16% проектов были успешными, 53% спорными и 31% неудачными.

Однако текущая статистика оставляет много места для развития и улучшения подходов к управлению проектами и программных продуктов для поддержки этих подходов.


  1. Новые подходы к управлению проектами

Общие тенденции современной экономики реального времени показывают, что конкуренция будет и дальше только возрастать, еще более будет расти сложность создаваемой техники и т.д.

Понимание этих тенденций ведет к кардинальному изменению принципов построения современных организаций и подходов к управлению проектами.

В рамках формирующейся в настоящее время интерсубьективной теории управления [23] считается, что основной причиной усиливающегося разрыва между ожидаемыми и фактическими результатами проектов являются ограничения классических форм организации предприятий и управления проектами, препятствующих переходу к новым более современным сетевым формам управления деятельностью команд специалистов (табл.1).

Таблица 1. 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 среды

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, а 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

Другими словами, с определенного уровня сложности изделий и динамики процессов управления, возможности традиционных централизованных иерархических организаций, даже при отличных руководителях, начинают стремительно сужаться, планы работы перестают быть гибкими и эффективными, предприятие перестает отслеживать новые идеи, продукты и технологии; сотрудники проектных команд не могут мириться с отношением к ним как к «исполнителям-винтикам», которым можно навязывать план или проектные решения «сверху-вниз», в особенности, когда знания сотрудников этих команд становятся главным ресурсом организаций, а их оплата должна быть неограниченной и начисляться за конечный результат и т.д.

В противовес централизации особенно важное значение в борьбе за конкурентный качественный результат приобретают принципы социальной самоорганизации и организационной демократии [23]. Центральной фигурой в управлении проектами, вместо привычных менеджеров, становятся акторы — творческие специалисты, активно познающие и созидающие предмет проекта, в отличие от менеджеров, в основном «администрирующих» деятельность других сотрудников и самостоятельно не производящих результатов.

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 руководителя, сколько поддерживать взаимодействие акторов в ходе их самоорганизации и согласования решений по управлению проектами в реальном времени.



3. Мультиагентный подход к созданию интеллектуальной системы управления проектами НИР и ОКР в реальном времени

В основу построения интеллектуальной системы управления проектами НИР и ОКР в реальном времени предлагается положить концепцию ПВ-сетей и метода сопряженных взаимодействий на основе мультиагентных технологий [24-25].

Особенности разработанного метода адаптивного планирования для поддержки принятия решений при управлении ресурсами в проектах НИР и ОКР представлены в [26]. Не останавливаясь на деталях, отметим только, что применение мультиагентных технологий для перехода к поддержке принятия решений по управлению проектами в реальном времени позволяет оперативно и гибко перераспределять ресурсы при появлении в ходе исследований и проектирования новых задач или других непредвиденных событий, которые не могут быть спланированы заранее. Такой подход выгодно отличает предлагаемую систему от существующих систем пакетного управления проектами, в которых все задачи и ресурсы считаются известными заранее и не меняются в ходе выполнения. Создаваемая система призвана обеспечить быструю реакцию на события в реальном времени, гибкое планирование подготовки и использования ресурсов предприятия, индивидуальный подход к каждому проекту и ресурсу, а также скользящий мониторинг и контроль, сочетая процессы планирования и исполнения намеченных планов. Все это позволяет существенно повысить эффективность выполнения проектов, сократить стоимость, сроки и риски подготовки и выпуска новых изделий.

Важным достоинством разработанного подхода является возможность индивидуальной онтологической настройки системы на конкретное предприятие машиностроительного профиля [27], учитывающей особенности объекта разработки, технологических процессов, квалификации сотрудников и т.д.



4. Функции и структура интеллектуальной системы управления проектами НИР и ОКР в реальном времени

Разработанная система позволяет автоматизировать процесс управления проектами, причем поддерживает его на всех этапах: инициация, планирование, согласование, выполнение, мониторинг и контроль, завершение.

Для реализации полного жизненного цикла управления проектами интеллектуальная система обладает следующими функциями:


  • ведение справочников и журналов (на основе онтологий):

  • задач и их видов,

  • проектов и их профилей,

  • подразделений и должностей,

  • сотрудников их индивидуальных профилей и календарей;

  • наполнение и использование онтологии предприятия:

  • описание создаваемых объектов, их свойств и отношений,

  • описание процессов планирования, состоящих из задач, поручений или других видов работ;

  • параметры планирования проектов и задач,

  • описание шаблонов типовых бизнес-процессов и др.;

  • автоматическое планирование задач и проектов:

  • начальное планирование с учетом характеристик задач (приоритетов, сроков, длительности),

  • адаптивное планирование и перепланирование цепочек задач по событиям,

  • учет навыков исполнителей и их предпочтения;

  • ввод новых задач и других важных событий в любой момент времени со стороны исполнителя;

  • возможность моделирования и оценки последствий планирования новой задачи (влияние на существующий план, сроки ее выполнения и стоимость);

  • ручная интерактивная корректировка плана-графика предприятия (подразделения, проекта);

  • проактивное улучшение плана в случае наличия времени;

  • визуализация работы предприятия в реальном времени (бизнес-радар) и построение отчетов (за период, по исполнителю и т.д.);

  • согласование расписания задач со всеми участниками и его корректировка в случае необходимости;

  • постоянная обратная связь с исполнителями (ввод факта выполнения, задержка, заморозка работы и т.д.);

  • оперативный контроль выполнения плана с формированием опережающих предупреждающих сообщений;

  • построение отчетов для сотрудников и руководителей по всем уровням проекта или подразделений.

Укрупненная архитектура системы, включающая основные модули и компоненты, представлена на рис. 1.

Рис. 1. Архитектура интеллектуальной системы управления ресурсами в проектах НИР и ОКР


Система построена по принципу трехзвенной архитектуры, каждое звено которой может быть расположено на отдельном компьютере.

Данные, используемые в системе, хранятся в реляционной базе данных.

Центральным компонентом системы является сервер приложений, который осуществляет корректное взаимодействие всех подсистем, производит обработку данных и обеспечивает разграничение прав доступа пользователей в системе, основными из которых являются руководитель проекта (подразделения) и сотрудник, решающий задачи проекта (актор).

Подсистема планирования работает непрерывно на серверной стороне системы и реализует метод адаптивного планирования задач, рассмотренный в работе [27], который базируется на мультиагентных технологиях.

Такой подход к построению и изменению расписания работ предполагает автоматизированное адаптивное перестроение плана при поступлении различных событий. При обнаружении каких-либо изменений (болезнь исполнителя, новые неожиданные задачи, изменение сроков или приоритетов и др.) он позволяет не перестраивать полностью весь график работ всех исполнителей, а внести изменения «точечно», только на том участке, который затрагивают эти изменения, естественно, с пересчетом всего «хвоста» задач.

Принципы работы мультиагентной подсистемы адаптивного планирования кратко могут быть сформулированы следующим образом:



  • для каждой задачи или исполнителя создается свой программный агент, получающий требования и ограничения на планирование, у которого ведется индивидуальное расписание;

  • агент начинает планирование путем поиска необходимых ему ресурсов в сцене, которая описывает текущую ситуацию в подразделении, а именно, какой сотрудник какое расписание исполняет;

  • если подходящие ресурсы (исполнители) заняты, фиксируется конфликт и начинаются переговоры по его разрешению путем сдвига и освобождения временных слотов;

  • в ходе переговоров возможны варианты: новая задача уйдет на менее подходящий ресурс (исполнителя), предыдущая задача уйдет или сдвинется;

  • даже после решения своей задачи каждый агент не останавливается и продолжает пытаться улучшить свое положение.

Рассмотрим подробней реализацию и внутреннее устройство мультиагентной подсистемы планирования. Подсистема планирования является частью сервера приложений и работает непрерывно. Архитектура подсистемы создана (рис. 2) таким образом, чтобы поступающие события обрабатывались в реальном времени, а при обработке использовались знания из модели онтологии.

Рис. 2. Структура подсистемы планирования
События из системы поступают в модуль «Очередь событий». После обработки и определения приоритетов событий в очереди полученный список поступает в модуль «Процессор событий». Очередь событий формируется таким образом, чтобы порядок их обработки был наиболее удобным и вызывал наименьшее число адаптаций расписания. Вначале будет обработано событие о фактическом перепланировании или планировании недоступности исполнителя, а затем — событие планирования новой задачи. С другой стороны, анализируется возможность одновременной обработки событий, например, логично обрабатывать события одновременно, если они относятся к разным частям расписания и не влияют друг на друга.

В модуль управления расписанием поступают данные о текущей (контекстной) ситуации. Контекст включает расписание, сведения о ресурсах, работах, их взаимосвязи, а также другие данные, необходимые для планирования. Другой задачей этого модуля является отслеживание изменений в расписании и осуществление действий по загрузке и сохранению расписания в базе данных.

Информация из модуля управления расписанием и модуля «Процессор событий» поступает в «Менеджер агентов». Данные из онтологии поступают в модуль «Модель онтологии», а затем в обработанном виде — в процессор агентов. В процессор агентов передается также информация из подсистемы применения правил (срок готовности задачи или степень загрузки ресурса) и менеджера агентов.

Менеджер агентов осуществляет маршрутизацию событий и инициирует процесс их обработки в процессоре агентов. Он определяет, каким агентам необходимо передать информацию о возникновении событий, осуществляет создание и удаление агентов, а также выполняет сервисные функции по управлению системой планирования в целом.

Центральным модулем системы планирования является процессор (диспетчер) агентов. В этом модуле производится обработка всей поступившей информации. Процессор агентов является средой времени исполнения агентов, он содержит экземпляры всех агентов системы и определяет порядок их обработки. Каждый агент при этом описывается набором активностей (поведений) и дополнительных блоков логики, позволяющих использовать описания из онтологии, чтобы настраивать логику во время выполнения системы.

Когда решение агентами найдено, расписание передается в модуль управления расписанием для останова системы и сохранения результата.

Подсистема интеграции позволяет системе взаимодействовать с другими информационными системами предприятия и осуществлять обмен данными, в частности, в настоящее время выполнена интеграция с PTC Windchill и Microsoft Office Project, наиболее часто применяемыми на аэрокосмических предприятиях.

В разработанной интеллектуальной системе предусмотрено два специализированных автоматизированных рабочих места (АРМ): руководителя и исполнителя. Каждый АРМ представляет собой клиентское приложение для Microsoft Windows, позволяющее пользователю в интерактивном режиме взаимодействовать с системой. АРМ Руководителя предназначен для централизованного управления проектами и задачами, включая их ведение, контроль и мониторинг результатов, корректировку планов и редактирование справочных объектов системы. АРМ Исполнителя предоставляет исполнителям на местах возможность просматривать список назначенных им задач, отмечать прогресс выполнения и давать собственные оценки времени работы по задачам.

В процессе обработки данных в системе возникают различные события, которые обрабатываются подсистемой планирования в реальном времени:


  • изменение параметров проекта,

  • появление новой задачи,

  • изменение параметров задач (сроки выполнения, приоритеты, плановые сроки выполнения),

  • изменение состояния ресурсов (появление нового ресурса, изменение доступности ресурса, изменение параметров навыков сотрудника),

  • исполнение задачи (отметка фактов выполнения, указание предпочтений пользователей).

Данный список продолжает развиваться и пополняться, отражая потребности реакции в реальном времени на изменения в среде предприятия.

5. Интерфейс пользователя

Рассмотрим подробнее работу пользователей с разработанной системой.

На основном экране системы (рис. 3) в наглядной форме пользователю предоставляется вся основная информация о текущих проектах, статусе поставленных задач, сотрудниках и новых событиях, поступающих из внешней среды, с использованием Windows 8.

Рис. 3. Основной экран интеллектуальной системы управления проектами НИР и ОКР


Основной экран оформлен в стиле Modern UI Style®, разработанный корпорацией Microsoft, фактически представляющий собой постоянно обновляемый бизнес-радар пользователя, позволяющий акцентировать внимание на происходящих изменениях. Для этого каждый объект системы представлен в виде отдельной «плитки» (live tile) и снабжен дополнительной информацией – агрегированными значениями его ключевых показателей, которые меняются в реальном времени.

При нажатии на «плитку» открывается соответствующий экран системы, позволяя погрузиться в проблемную ситуацию.

С основного экрана доступны все активные объекты системы:


  • проекты и задачи — для управления проектами и задачами;

  • сотрудники — для управления сотрудниками и их характеристиками;

  • динамика — отчеты и бизнес-радары (dashboards);

  • база знаний — справочные объекты и онтология;

  • сервисы — взаимодействие с доступными сервисами, например, с подсистемой интеграции.

Управление задачами и проектами осуществляется в АРМ Руководителя через соответствующие журналы (рис. 4).

Рис. 4. Журнал задач

Журналы представляют пользователю информацию в табличном виде, дополняя ее цветовой индикацией. Журнал задач позволяет руководителю быстро получить нужную информацию по задачам в любом интересующем его аспекте. Это достигается благодаря интерфейсу управления табличными данными, который позволяет выполнять группировки, фильтрацию и сортировки данных по любому количеству полей одновременно.

Так, сгруппировав журнал задач по полю «Исполнитель», руководитель может быстро получить наглядную информацию о состоянии задач по всем проектам каждого сотрудника, при этом пиктограммы состояний и цветовая индикация концентрируют внимание на самых важных данных с учетом текущего положения дел. Если сгруппировать журнал, например, по полю «Проект», отображается состояние задач по каждому проекту.

Данный интерфейс позволяет руководителю не только более детально рассмотреть проблемную ситуацию, но и при необходимости внести управленческое решение.

Если план работы подразделения не очень удобно рассматривать в табличном виде, используется графический вариант отображения, демонстрирующий положение задач подразделения и загруженность сотрудников на временной шкале. Для такого представления предлагается комбинированная Гантт-Перт диаграмма (рис. 5), которая не только позволяет отображать последовательность задач во времени, но и зависимости между задачами.


Рис. 5. Представление плана в виде диаграммы Гантта


Задачи каждого проекта отображаются своим цветом, все они связываются линиями, показывающими их взаимосвязи, что позволяет руководителю быстро осуществить поиск нужного ему проекта, задачи или открыть представление плана только для необходимых исполнителей.

Система позволяет также быстро оценить общую загруженность исполнителей на конкретный момент времени и сделать прогноз, каких именно сотрудников не достаточно для выполнения проекта.

Для исполнителей разработано специальное автоматизированное рабочее место (АРМ) Исполнителя, которое обладает следующим функционалом:


  • просмотр и управление назначенными задачами,

  • отметка о ходе исполнения задач,

  • отметка времени работ по задаче,

  • возможность указания отношения исполнителя к задаче,

  • возможность указания предпочтений исполнителя и оценки времени работ по задаче,

  • информирование об изменении плана и поддержка прогресса выполнения задачи,

  • фильтрация задач по семантическим описателям, содержащимся в онтологии, для более быстрого просмотра.

Вид экранов АРМ Исполнителя показан на рис. 6.

Рис. 6. Экраны АРМ Исполнителя


Ключевой особенностью АРМ Исполнителя является его инфокоммуникационная составляющая — диалог с пользователем, который позволяет инженеру не просто отмечать «Старт» и «Стоп» по задаче, а указывать свои собственные предпочтения по исполнению, вносить новые события при выполнении задач, пополняя тем самым базу знаний компании «снизу вверх», откладывать задачи или предварительно выбирать их, изменять длительность задач и т.д.

Для мониторинга и контроля результатов работы команд подразделений и проектов, отдельных сотрудников и предприятия в целом, в системе разработан ряд отчетов. Кроме того, пользователям предлагаются «бизнес-радары», которые дают такой способ представления информации, при котором пользователь может моментально увидеть свои агрегированные показатели в реальном времени.

На рис. 7 представлены примеры бизнес-радаров системы.








Рис.7. Экраны бизнес-радаров системы
Бизнес радары системы отображают следующую информацию:


  • текущий прогресс по проектам,

  • запас времени по проектам,

  • внеплановую работу,

  • риски срыва проектов (на основе метода, изложенного в [28]),

  • наглядное представление проекта во времени,

  • загруженность исполнителей на период времени,

  • динамику загрузки исполнителей по подразделениям,

  • качество построенного плана,

  • отклонение и опережения от плана.

При этом данные показатели представляются как в виде графиков и диаграмм, так и в табличном виде.

Кроме того, в системе существует специальный механизм генерации собственных отчетов, который позволяет пользователю в наглядной форме получить любую доступную в системе информацию.



6. Работа пользователей с системой

Рассмотрим процесс планирования и согласования планов между исполнителями с учетом новых возможностей пользователей влиять на план работ проекта или подразделения в реальном времени:



  • после предварительного распределения задача поступает к исполнителю и просит его рассмотреть возможность ее выполнения;

  • длительность выполнения задачи назначается исходя из онтологии, накопленных статистических данных или вручную корректируется руководителем;

  • пользователь может указать свои пожелания: соглашается с предлагаемым планом исполнения задачи, указывает удобную для него дату и время исполнения или отказывается от задачи, указывая причину своих действий, чтобы руководитель, который видит все отметки, имел возможность их корректировать и принимать дальнейшие решения;

  • если пользователь вносит изменения, которые серьезно отличаются от начального плана, система планирования, в частности, агент задачи старается найти более подходящего исполнителя;

  • далее процесс повторяется по той же схеме до полного согласования планов;

  • расчет оплаты исполнителя делается «позадачно» на основе конкретного состава выполненных задач за период, качество выполнения которых подтверждается соисполнителями в команде и руководителем;

  • исполнитель может видеть, сколько он заработал за день или другой период и выбирать задачи из пула нераспределенных, но рекомендуемых ему задач по проекту, чтобы получить дополнительное вознаграждение.

Таким образом, в предлагаемой системе задачи планируются, но не встают автоматически на исполнителей без диалога и согласования с ними, в ходе диалога может уточняться постановка задачи, меняться время исполнения и т.д. Если исполнитель завышает оценки по трудоемкости, система имеет возможность перепроверить их у руководителя или найти замену, в результате исполнители могут либо дополнительно стимулироваться, либо штрафоваться, например, по стратегиям, предложенным в [4-6].

Дальнейшим развитием данного подхода будет использование персональных планировщиков для каждого сотрудника, учитывающих как загруженность исполнителей и их индивидуальные профессиональные навыки, так и личностные качества, мотивацию, траекторию развития и профессионального роста на предприятии.



Выводы

В статье рассмотрена разработанная первая промышленная версия интеллектуальной системы управления проектами НИР и ОКР в реальном времени, построенная на основе мультиагентных технологий.

Разработанная система призвана перейти от традиционного централизованного управления к сетевым структурам, работающим по проектам, в которых роль простого исполнителя-специалиста заменяется на роль актора, являющегося полноправным участником процессов принятия решений по управлению проектом, который может откладывать или ускорять задачи, добавлять новые задачи и т.д. Предполагается, что шаги в данном направлении позволят консолидировать знания и опыт людей, в настоящее время недостаточно используемые, но являющиеся главным ресурсом для повышения эффективности и конкурентоспособности работы современных предприятий.

Первая промышленная версия системы в настоящее время находится в опытной эксплуатации в ОАО «РКК «Энергия» и ряде других предприятий.



Первый опыт применения системы показывает высокую заинтересованность управленцев и специалистов в использовании системы, а также возможность получения следующих результатов:

  • повышение эффективности работы исполнителей (на 10-15%);

  • накопление коллекции отработанных шаблонов решения задач по проектам для повторного использования, оптимизации, унификации и стандартизации производственных процессов (рост коэффициента повторного использования шаблонов до 50% и выше);

  • оперативное и гибкое реагирование на непредвиденные события в реальном времени, своевременное перепланирование расписания для безусловного выполнения плана-графика (сокращение времени реакции на события в 10-15 раз);

  • сокращение трудоемкости процессов планирования и поддержки принятия решений за счет вовлечения в них исполнителей с начала работы над проектом и автоматизации рутинных расчетов (в 4-5 раз);

  • сокращение затрат на мониторинг и контроль исполнения плана в реальном времени, прогнозирование «узких мест» (в 2-3 раза).

Перспективы дальнейшего развития системы связаны с реализацией адаптивной сетецентрической р2р платформы для согласования работы подразделений, развитием метода адаптивного планирования в направлении многокритериального принятия решений с саморегуляцией, формированием траектории обучения специалистов, использованием облачных вычислений для предоставления возможностей разработанной системы в виде услуги (SaaS – Software as a Service).

Список литературы

  1. Стратегия развития космической деятельности России до 2030 года и на дальнейшую перспективу // Роскосмос. http://www.federalspace.ru/main.php?id=402 (дата обращения 10.09.2012) .

  2. 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.

  3. 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. – c. 1-32.

  4. Бурков В.Н., Новиков Д.А. Как управлять проектами // М.: Синтег,1997. – 188 c.

  5. Бурков В.Н., Коргин Н.А., Новиков Д.А. Введение в теорию управления организационными структурами / Под ред. чл.-корр. РАН Д.А. Новикова. – М.: Либроком, 2009. – 264 с.

  6. Новиков Д.А. Методология управления. – М.: Либроком, 2011. – 128 c.

  7. Руководство к своду знаний по управлению проектами. Четвертое издание // Project Management Institute. – 2010. http://financepro.ru/management/11953-rukovodstvo-k-svodu-znanijj-po-upravleniju.html (дата обращения 01.10.2012).

  8. Kerzner H. Project Management: A Systems Approach to Planning, Scheduling, and Controlling. – John Willey & Sons, 2009. – 1120 p.

  9. 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.

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

  11. 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.

  12. 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.

  13. Resource-Constrained Project Scheduling. Models, Algorithms, Extensions and Applications / (Ed. Christian Artigues, Sophie Demassey, Emmanuel Néron). –WILEY, 2008. – 288 p.

  14. Masmoudi M., Haït A. Project scheduling under uncertainty using fuzzy modelling and solving techniques // Engineering Applications of Artificial Intelligence. – 2013. – Vol. 26, No 1. – P. 135-149.

  15. 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.

  16. 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.

  17. 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.

  18. 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.

  19. 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.

  20. Wimmer H.and Günthner 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.

  21. 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.

  22. Почему терпят неудачу проекты по разработке программного обеспечения. 2011. – http://www.prostoy.ru/836.html (дата обращения 01.03.2013).

  23. Виттих В.А.. Введение в теорию интерсубъективного управления // Самара: СНЦ РАН. – 2013. – 64 с.

  24. 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.

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

  26. Феоктисов А.Л., Клейменова Е.М., Скобелев П.О., Сюсин И.А., Ларюхин В.А., Царев А.В., Симонова Е.В. Разработка принципов построения многоуровневой мультиагентной системы для управления проектами НИР и ОКР РКК «Энергия»: Тр. XIV Междунар. конф. по проблемам управления и моделирования в сложных системах / СНЦ РАН, ИПУСС РАН. – Самара, 2012. – с. 718-723.

  27. 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. Мультиагентная технология адаптивного планирования для управления проектами НИР и ОКР в аэрокосмических приложениях // «Мехатроника, Автоматизация, Управление». – 2013. №5. (в печати).

  28. Клейменова Е.М., Скобелев П.О., Ларюхин В.Б., Майоров И.В., Симонова Е.В., Феоктистов А.Л., 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.


Поделитесь с Вашими друзьями:


База данных защищена авторским правом ©grazit.ru 2017
обратиться к администрации

    Главная страница