Модель мониторинга выполнения научного проекта
Одной из важных функций стадии процесса оценки научного проекта является контроль над ходом его реализации. Суть такого контроля заключается в гарантии того, что, во-первых, поставленные задачи и цели проекта будут достигнуты, во-вторых, продолжение выполнения проекта не приведет к убыткам предприятия, осуществляющего данный научный проект. Контроль над ходом реализации научного проекта целесообразно осуществлять по трем направлениям реализации проекта:
– по качеству: должны соблюдаться требования целевого назначения проекта и его требуемые выходные характеристики;
– по стоимости: должны соблюдаться бюджетные требования и, по возможности, должны быть минимизированы расходы на проект;
– по времени: проект должен быть выполнен в требуемые сроки [26].
После запуска научный проект должен выполняться и закончиться в срок с учетом определенных ограничений. Во время выполнения возникают риски несоблюдения ограничений, что порождает необходимость уточнять стоимость проекта по мере выполнения работ. На практике при анализе рисков часто встречаются задачи, связанные с наблюдением случайных величин. Для подобных задач не удается построить детерминированные модели, поэтому применяется принципиально иной, вероятностный подход. Параметры вероятностных моделей – это распределения случайных величин, их средние значения, дисперсии и другие. Как правило, эти параметры изначально неизвестны, а для их оценки используются статистические методы, применяемые к выборкам наблюдаемых значений [108].
Однако, классические методики оказываются малоэффективными для процесса оценки научных проектов предприятий СЭ. Это связано с тем, что невозможно достаточно полно описать реальность с помощью небольшого числа параметров модели, либо расчет модели требует слишком много времени и вычислительных ресурсов, что для предприятий СЭ, имеющих плоскую структуру управления, не приемлемо.
Кроме того, статистические методы хорошо развиты для анализа временных рядов. Если же мы хотим учитывать несколько взаимосвязанных факторов, то придется обратиться к построению многомерной статистической модели. Однако такие модели либо предполагают гауссовское распределение наблюдений (что не выполняется на практике), либо не обоснованы теоретически.
Вся работа доступна по Ссылке