Алгоритмизация управления внутриобъектным распределением ресурсного обеспечения в условиях структурной трансформации сетевых организационных систем

В статье рассматривается задача управления в сетевых организационных системах в рамках реализации современной стратегии лидерства. Классификационная упорядоченность объектов, входящих в систему, позволяет использовать механизмы структурной трансформации в зависимости от позиции в достижении цели, определенной управляющим центром. Объекты, занимающие лидерские позиции объединяются в топовые классы. Это дает возможность управляющему центру адресно выделять целевое ресурсное обеспечение тем объектам, которые характеризуются опережающим трендом развития. С целью обеспечения устойчивости такого тренда на прогнозные календарные периоды осуществляется внутриобъектное распределение ресурсного обеспечения между приоритетными каналами управления и центрами ответственности в расходовании выделенных средств. Приведены основные компоненты информационного обеспечения, используемые для принятия управленческих решений. Предложен многоэтапный алгоритм управления внутриобъектным распределением ресурсного обеспечения, основанный на методах экспертного оценивания и применении оптимизационного подхода на базе задач булевого программирования. Осуществлена интеграция этапов в единую структурную схемы, обеспечивающую формирование управленческих решений по оптимальному распределению целевого ресурса между каналами управления, центрами ответственности и статьями экономической классификации.

1. Львович Я.Е., Михель А.А. Структуризация управления ресурсными и объемными характеристиками системы высшего образования с использованием средств оптимального выбора. Вестник Воронежского государственного технического университета. 2014;10(4):13-16.

2. Болгова М.А., Евдокимов Е.А. Принятие управленческих решений в условиях трансформации высшего образования. Вестник университета. 2016;3:195-197.

3. Ивашкевич В.Б. Организация управленческого учета по центрам ответственности и местам формирования затрат. Бухгалтерский учет. 2000;5:56-59.

4. Тархов Д.А. Нейросетевые модели и алгоритмы. Справочник. М.: Радиотехника. 2014:352.

5. Крючин О.В. Прогнозирование временных рядов с помощью искусственных нейронных сетей и регрессивных моделей на примере прогнозирования котировок валютных пар. Электронный научный журнал «Исследования в России. 2010;30:354- 362.

6. Львович И.Я., Львович Я.Е., Фролов В.Н. Информационные технологии моделирования и оптимизации: краткая теория и приложения. Воронеж: ИПЦ «Научная книга». 2016:444.

7. Львович Я.Е., Львович И.Я. Принятие решений в экспертно-виртуальной среде. Воронеж: ИПЦ «Научная книга». 2010:140.

8. Рутковская Д., Пилиньский М., Рутковский Р. Нейронные сети, генетические алгоритмы и нечеткие системы. Л.-М.: Горячая линия-Телеком. 2013:384.

9. Львович Я.Е. Многоальтернативная оптимизация: теория и приложения. Воронеж: Издательский дом «Кварта». 2006:428.