Budapesti Műszaki és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar Üzleti Tudományok Intézet Menedzsment és Vállalatgazdaságtan Tanszék Jónás Tamás Fuzzy elmélet a menedzsmentben Oktatási segédanyag Budapest, 2014. Fuzzy elmélet a menedzsmentben 1
Nyitó gondolatok Induljunk ki a "HA egy vállalat termékei iránt a kereslet nagy, AKKOR a vállalat növekedési potenciálja magas." kijelentésből. E szabály alapján egy vállalat ügyvezetője milyen következtetést vonhat le a tulajdonosoknak tartott beszámolójában például abból a tényből, hogy vállalata termékei iránt a kereslet mérsékelten nagy? Mit takar a nagy és a mérsékelten nagy kereslet? Hogyan értelmezhető a magas növekedési potenciál? Miként lehet e bizonytalan fogalmakkal bánni, hogyan lehet a felhasználásukkal következtetni? Ilyen és ehhez hasonló problémák lehetséges kezelési módszereit tárgyaljuk Fuzzy elmélet a menedzsmentben 2
Nyitó gondolatok Az üzleti gyakorlatban általában korlátozottak az ismereteink az üzleti folyamatokkal és jelenségekkel kapcsolatban. Bizonytalan körülmények között, hiányos ismeretek és gyengén definiált fogalmak alapján kell üzleti folyamatokat értékelnünk, következtetéseket levonnunk és döntéseket hoznunk. A fuzzy elmélet konstrukciói és módszerei alternatívát kínálnak a bizonytalanság kezelésére. Fuzzy = homályos, elmosódott, életlen vonalú Fuzzy elmélet a menedzsmentben 3
Üzleti folyamatok mérése és értékelése Fuzzy elmélet a menedzsmentben 4
Üzleti folyamatok mérése és értékelése Vállalkozások versenyképes működésének egyik kulcsfeltétele a működésükhöz kapcsolódó folyamatok megértése, azok ismerete. Egy vállalkozás gyártási és szolgáltatási folyamatain túl amelyek jósága általában jól mérhető figyelembe kell vennünk a gyártási és szolgáltatási tevékenységhez közvetlenül nem kapcsolódó, de a vállalkozás egészének működését befolyásoló, kiegészítő és támogató tevékenységekhez kötődő folyamatokat is. Az alap-, valamint ezen kiegészítő és támogató folyamatok együttesén keresztül valósul meg a vállalkozások üzleti tevékenysége, így e folyamatok összességét mint gyűjtőfogalmat üzleti folyamatoknak tekinthetjük. Fuzzy elmélet a menedzsmentben 5
Üzleti folyamatok mérése és értékelése Az alapfolyamatok jósági jellemzői (mint pl. a gyártott darabok fizikai paraméterei, vagy a termékek minősége) a matematika, a fizika, a kémia és a műszaki tudományok módszereivel általában jól számszerűsíthetők. Ezzel szemben jóval nehezebben ragadható meg az olyan folyamatok és jellemzők jósága, mint például a humán teljesítmények, a munkatársak kiválasztása, a beszállítói teljesítmények, a vevők elégedettsége, vagy a vállalkozás intellektuális tőkéjének szintje. E példák jól mutatják az üzleti tudományok azon problémáját, hogy az általuk alkalmazott fogalmak sok esetben gyengén definiáltak, nem egzaktak, ugyanakkor az üzleti folyamatok nehezen számszerűsíthető "puha" tényezőit kezelni, menedzselni kell a vállalkozások működése során. Fuzzy elmélet a menedzsmentben 6
Üzleti folyamatok mérése és értékelése E nehezen számszerűsíthető, "puha" tényezőktől függő jellemzők és üzleti folyamatok jóságának értelmezési, mérési és értékelési kérdéseivel foglalkozunk. Az üzleti jellemzőkhöz és folyamatokhoz mindig társíthatók olyan mesterséges mutatószámok, amelyek segítségével azok jósága mérhető és számszerűsíthető. Fuzzy elmélet a menedzsmentben 7
Üzleti folyamatok mérése és értékelése: A mérés és bizonytalanságai Attribútumok mutatószámokkal történő mérése a mérhetőség iránti igényből fakadóan a menedzsment nagyon széles körben alkalmazott módszerei közé tartozik. A mérési módszerek jósága, az eredmények interpretálhatósága és az ezeken alapuló menedzsment döntések konzisztenciája megkérdőjelezhető [2]. A mutatószám alapú mérés esetén legalább az alábbi bizonytalanságokkal kell számolnunk. A mérés szubjektív elemei A mérőrendszer ismételhetőségével és reprodukálhatóságával kapcsolatos problémák A mért és a mérő entitás által érzékelt jóság eltérése Fuzzy elmélet a menedzsmentben 8
Üzleti folyamatok mérése és értékelése: A mérés és bizonytalanságai A mérés szubjektív elemei Tekintsük példaként humán teljesítmények mérését. A mérés pillanatnyi körülményeinek, a mérés tárgyához nem kötendő tényezőknek jelentős torzító hatásuk lehet az eredményekre. Még a jól kidolgozott, mutatószámokra épülő mérési módszerekhez tartozó mérési iránymutatások értelmezése is nagyon sokféle lehet annak függvényében, hogy a mérést, majd azt követően az értékelést éppen ki végzi. Fuzzy elmélet a menedzsmentben 9
Üzleti folyamatok mérése és értékelése: A mérés és bizonytalanságai A mérőrendszer ismételhetőségével és reprodukálhatóságával kapcsolatos problémák Egy mérőrendszertől elvárjuk a mérések ismételhetőségének és reprodukálhatóságának képességét. Ismételhetőség alatt a rendszer azon képességét értjük, hogy ugyanazon személy által, ugyanazon eszközzel, ugyanazokon az objektumokon végzett ismételt mérések objektumonként ugyanazokat a mért értékeket eredményezik. A reprodukálhatóság annak a mértéke, hogy ugyanazon objektumokra vonatkozóan a mérésben résztvevő különböző személyek vagy eszközök mennyire képesek ugyanazokat a mért értékeket eredményezni [4]. Mutatószámok mérésére esetén általában mind az ismételhetőség, mind a reprodukálhatóság megfelelősége megkérdőjelezhető. Fuzzy elmélet a menedzsmentben 10
Üzleti folyamatok mérése és értékelése: A mérés és bizonytalanságai A mért és a mérő entitás által érzékelt jóság eltérése Tegyük fel, hogy teljesítmények mértékét egy 0-tól 100-ig terjedő pontskálán fejezzük ki. Egy 90 pontnyi mért humán teljesítménnyel rendelkező munkatárs tényleges teljesítménye valóban kétszer akkora, mint egy másik kollégáé, akinek teljesítményét a rendszer 45 pontban állapította meg? A mérést végző entitás észlelései és a mért értékek nincsenek szükségszerűen összhangban. Fuzzy elmélet a menedzsmentben 11
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése Üzleti folyamatok jellemzőinek mérése önmagában nem elegendő, a mérésen túl szükséges olyan, a mért értékeket felhasználó értékelési módszerek alkalmazása, amelyek az üzleti folyamatok jóságát úgy képesek értékelni, hogy az értékelés eredményei összhangban vannak az értékelő entitás által az üzleti folyamatokhoz társított, észlelt jósággal. Értékelő entitás alatt azt a személyt, vagy szervezetet értjük, aki, illetve amely a mért értékek alapján az értékelést végzi. Ez lehet például a vállalkozás (vállalat) szervezete, vagy a vállalkozás egy vevője, vagy a vevő szervezetét képviselő emberek csoportja. Fuzzy elmélet a menedzsmentben 12
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése A továbbiakban egy üzleti folyamat jóságának értékelésére a következő lépésekből álló álló módszert alkalmazzuk. 1 A folyamat egy attribútumának kijelölése. 2 A kiválasztott jellemzőhöz mutatószám hozzárendelése. 3 A meghatározott mutatószám mérése, azaz a mutatószám konkrét értékeinek kijelölése a mérési skálán. 4 A mutatószám mért értékeinek értékelése. Tekintsünk egy mutatószámot, amellyel egy üzleti folyamat valamely jellemzőjét mérjük. Ha maga a mérés tökéletesen mentes is lenne a bemutatott torzításoktól, akkor is fennállna az értékelő entitás elkerülhetetlenül szubjektív megközelítéséből adódó bizonytalanság. Fuzzy elmélet a menedzsmentben 13
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése Például testmagasság pontos mérése esetén egy 200 cm magasságú férfi magas, egy 150 cm magasságú nem magas. A "magas" és a "nem magas" az értékelés eredményei. Hogyan értékeljük egy 178 cm vagy egy 182 cm magas személy magasságát? Ha x egy munkatárs humán teljesítményének mért értéke a [0, 100] skálán, akkor egy 99-es mért értékkel rendelkező személy teljesítményét igen jónak, míg egy mindössze 3-as mért értékkel rendelkező munkatárs teljesítményét általában igen gyengének tekintenénk. Mennyire jó egy 78-as mért teljesítmény? Fuzzy elmélet a menedzsmentben 14
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése Az értékelés bizonytalanságának kezelése. i.) Bizonytalanság "kizárása" éles értékeléssel. Nem veszünk tudomást a bizonytalanságról. ii.) Fuzzy elmélet alkalmazása iii.) Egyéb megközelítések Fuzzy elmélet a menedzsmentben 15
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése A hagyományos értékelés A hagyományos értékelési módszerek jellemzőit arra az egyszerű esetre mutatjuk be, amikor az értékelés kimenetele két lehetséges érték, azaz a vizsgált jellemzőt vagy megfelelőnek (jónak), vagy nem megfelelőnek (nem jónak) értékeljük. Legyen X az x mutatószám lehetséges értékeinek halmaza. A tradicionális megközelítés lényege abban áll, hogy az x mutatószám lehetséges értékei alapján éles határt húzunk a megfelelő és nem megfelelő tartományok között, azaz x-re vonatkozóan megadjuk a megfelelő és nem megfelelő értékek tartományait. Az x mutatószám alapján megfelelőnek (jónak) tekinthető folyamatokat halmazként definiáljuk. Jelöljük ezt a halmazt X J -vel. Fuzzy elmélet a menedzsmentben 16
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése A hagyományos értékelés X J az X alaphalmaz egy élesen definiált részhalmaza, amely több más megadási mód mellett karakterisztikus függvényével is megadható. Az X alaphalmazon az X J halmaz karakterisztikus függvénye a leképezés, amelyet így definiálunk [6]: µ XJ (x) = µ XJ {0; 1} (1) { 0, ha x XJ 1, ha x X J (2) Fuzzy elmélet a menedzsmentben 17
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése A hagyományos értékelés A karakterisztikus függvény egy alaphalmazt képez le a {0; 1} kételemű halmazba, amelyet egy értékelő halmaznak tekinthetünk. Az értékelő halmaz kételemű, így a halmazhoz tartozás élesen definiált, azaz az X univerzum tetszőleges eleméről eldönthető, hogy hozzá tartozik-e az X J halmazhoz vagy sem. A mutatószámokat valós számoknak tekintjük, ezért a továbbiakban élünk ezzel a feltételezéssel. Ekkor az X alaphalmaz többnyire a számegyenes, vagy annak valamely részhalmaza. Az üzleti gyakorlatban az X J halmaz éles kijelölésének alapvetően az alábbi eseteivel találkozhatunk. Fuzzy elmélet a menedzsmentben 18
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése A hagyományos értékelés X J -t egy reláció határozza meg Például egy munkatárs mért humán teljesítménye megfelelő, ha teljesítményének mért értéke 80 pont vagy annál nagyobb. Ebben az esetben a megfelelő humán teljesítmények X J halmazának karakterisztikus függvénye: { 0, ha x < 80 µ XJ (x) = (3) 1, ha x 80. Fuzzy elmélet a menedzsmentben 19
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése A hagyományos értékelés X J -t egy > reláció határozza meg Például egy vállalkozás jövedelmezősége megfelelő, ha üzleti eredménye az árbevétele 10%-át meghaladja. Természetesen a vállalkozás igyekszik eredményét maximalizálni, de ha az árbevétele 10%-nál nagyobb, akkor az már elfogadható, megfelelő. Ekkor a megfelelő jövedelmezőség X J halmazának karakterisztikus függvénye: { 0, ha x 10% µ XJ (x) = (4) 1, ha x > 10%. Fuzzy elmélet a menedzsmentben 20
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése A hagyományos értékelés X J -t egy < reláció határozza meg Az X J halmaz < relációval történő kijelölésére jó példa a megfelelő minőség selejtaránnyal történő meghatározása. A minőség megfelelő, ha a selejtarány 1%-nál kisebb. A cél persze a selejtarány minimalizálása, ideális esetben pedig a nulla selejtarány elérése. A megfelelő minőség (elfogadható selejtarány) X J halmazának karakterisztikus függvénye: { 0, ha x 1% µ XJ (x) = (5) 1, ha x < 1%. Fuzzy elmélet a menedzsmentben 21
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése A hagyományos értékelés X J -t egy reláció jelöli ki Egy vállalkozás szolgáltatási színvonala elfogadható, ha a határidőre le nem szállított szolgáltatások aránya nem nagyobb, mint 2%. Az elfogadható szolgáltatási színvonal X J halmazának karakterisztikus függvénye: { 0, ha x > 2% µ XJ (x) = (6) 1, ha x 2%. X J -t egy intervallum jelöli ki Ilyen esetek például a következők. A raktárban található csomagolóanyag készlet nagysága megfelelő, ha annak értéke 2000 és 3000 USA Dollár között van. Ha a készlet túl kicsi, akkor az veszélyeztetheti a termelés folyamatosságát, ha túl nagy, akkor a készletre lekötött tőke és a készlettartási költségek lehetnek szükségtelenül nagyok. Fuzzy elmélet a menedzsmentben 22
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése A hagyományos értékelés A forrasztáshoz használt forraszpaszta mennyisége egy érintkezőn megfelelő, ha a forraszpaszta magassága 100 és 120 mikron között van. Ha a forraszpaszta magassága 100 mikronnál kisebb, akkor jó eséllyel nem jön létre megfelelő forraszkötés, ha pedig a forraszpaszta magassága 120 mikronnál nagyobb, akkor fennáll a rövidzár keletkezésének veszélye. Egy termelő vállalat esetében a bérelt munkaerő aránya akkor megfelelő, ha az 20% és 30% között van. Ha ez az arány 20% alatt van, akkor a vállalat számára túlzottan merev munkaerő struktúra alakul ki, ha pedig az arány 30% felett van, akkor a munkaerő költségek válnak túlzottan magassá. Fuzzy elmélet a menedzsmentben 23
Üzleti folyamatok mérése és értékelése: Mérési eredmények értékelése A hagyományos értékelés A hagyományos (éles) értékelés jellemzőinek tárgyalásához tekintsük a fenti, humán teljesítmény értékelésére vonatkozó példánkat. Eszerint egy munkatárs mért humán teljesítménye megfelelő, ha teljesítményének mért értéke 80 pont vagy annál nagyobb. Ekkor a megfelelő humán teljesítmények X J halmazának µ XJ (x) karakterisztikus függvénye (3) a 79 helyen 0 értéket vesz fel, azaz a 79-es mért érték nem tartozik a megfelelő teljesítmények halmazába. Akkor ez a teljesítmény valóban nem megfelelő? Jelenti-e ez azt, hogy a munkatárs teljesítménye nem értékes a vállalkozás számára, vagy nem járul hozzá a vállalkozás sikeréhez? Fuzzy elmélet a menedzsmentben 24
Felhasznált irodalom [1] Kövesi J. (szerk.): Minőség és megbízhatóság a menedzsmentben. Typotex Kiadó, Budapest, 2011. [2] Jónás T. Kövesi J.: Értékelő függvények a megbízhatóság alapú menedzsmentben. Minőség és megbízhatóság XLIII(6): 311-320., 2009 [3] Vámosi Z.: Humán erőforrás menedzsment. LSI Oktatóközpont, A Mikroelektronika Alkalmazásának Kultúrájáért Alapítvány, Budapest, 237., 2004 [4] Burdick, R. K. Borror, C. M. Montgomery, D. C.: Design and Analysis of Gauge R&R Studies. Philadelphia, SIAM, 2005 [5] Kindler J. Papp O.: Komplex rendszerek vizsgálata. Műszaki Könyvkiadó, Budapest, 17-27., 1977 Fuzzy elmélet a menedzsmentben 25
Felhasznált irodalom [6] Szendrei Á.: Diszkrét matematika, logika, algebra, kombinatorika. JATE Bolyai Intézet, Szeged, 39., 1996 Fuzzy elmélet a menedzsmentben 26