Содержание к диссертации
Введение
Глава 1. Рыночная стоимость как функция от качества товаров 18
1.1. Рыночная стоимость объектов экспертного оценивания 18
1.2. Качество как объект количественной и субъективной оценки 32
1.2.1. Инструментальные и экспертные методы измерения качества 37
1.2.2. Определение комплексного показателя качества на основе методов квалиметрии 40
1.2.3. Способы определения весовых коэффициентов в квалиметрии 44
1.2.4. Зависимость качества от времени 45
1.3. Непараметрическая экспертиза и теория измерений 48
1.3.1. Синестезия как базис шкалирования 52
1.3.2. Субъективное шкалирование 55
1.4. Ранжирование на основе методов статистики объектов нечисловой природы 61
1.5. Многокритериальная оценка на основе методов теории принятия решений 63
1.5.1. Статические задачи принятия решений в условиях неопределенности 69
1.5.2. Динамические задачи принятия решений и прогнозирования 79
1.6. Анализ ограничений, вводимых методами теории принятия решений 83
1.7. Определение цели и задач диссертационной работы 93
Выводы по главе 1 95
Глава 2. Метод экспертных оценок с использованием шкалы предпочтений, выраженных в процентах 97
2.1. Прогнозирование динамики экспертных оценок 97
2.2. Анализ числовых множеств, элементами которых являются функциональные зависимости динамических экспертных суждений 104
2.3. Интервальные экспертные оценки на плоскости предпочтений 112
2.4. Вербальное шкалирование и методика расчета приоритетов 118
2.5. Инструментальные средства визуального шкалирования 130
2.6. Построение динамических оценок путем аппроксимации реперных точек на плоскости предпочтений 135
Выводы по главе 2 143
Глава 3. Моделирование зависимости цена-качество 144
3.1. Анализ сетевых структур для построения зависимости вероятной цены согласия от качества объектов сложной структуры 144
3.2. Линейная модель аппроксимации зависимости цена-качество 151
3.3. Динамическая модель аппроксимации зависимости цена-качество 156
3.4. Аппроксимация зависимости цена-качество кривыми высоких порядков и многомерными поверхностями 158
Выводы по главе 3 167
Глава 4. Программные системы поддержки многокритериального принятия решений и прогнозирования 168
4.1. Встраиваемые модули поддержки принятия решений и универсальные программные СППР 168
4.2. Программная СППР с прогнозированием динамики предпочтений на основе метода процентных оценок 178
4.3. Структура базы данных СППРиП на основе метода процентных оценок 184
4.4. Распределенные системы поддержки принятия решений и прогнозирования на основе Web-технологий 190
4.5. Программные системы поддержки непараметрической экспертизы на основе анкетных опросов экспертов 197
Выводы по главе 4 204
Глава 5. Информационная технология непараметрической экспертизы качества для определения рыночной стоимости объектов сложной структуры 205
5.1. Определение дерева показателей качества и построение анкеты 205
5.2. Заполнение анкет и согласование результатов анкетного опроса экспертов 218
5.3. Расчет вероятной цены согласия на основе определенного комплексного показателя качества 219
5.4. Концептуальное представление методологии моделирования и инструментальной поддержки процесса экспертной оценк товаров сложной структуры 223
Выводы по главе 5 226
Заключение 227
Список литературы 230
- Определение комплексного показателя качества на основе методов квалиметрии
- Анализ числовых множеств, элементами которых являются функциональные зависимости динамических экспертных суждений
- Аппроксимация зависимости цена-качество кривыми высоких порядков и многомерными поверхностями
- Программная СППР с прогнозированием динамики предпочтений на основе метода процентных оценок
Введение к работе
Актуальность темы исследования. Деятельность лиц, которые принимают системные, стратегические и тактические решения о вступлении в товарно-денежные отношения, как между представителями индивидуальных хозяйств, так и между субъектами, представляющими предприятия всех организационно-правовых форм, основывается на анализе большого количества показателей, критериев, факторов и неявных зависимостей, влияющих на оптимальность принятого решения. При этом оптимальным решение должно быть не только в момент его принятия, но и на протяжении всего своего жизненного цикла. Накопление статистических данных, описывающих надсистему, в которой действует лицо, принимающее решение (ЛПР), представляет длительный процесс, кроме того, собранные факты не всегда возможно представить в виде числовых рядов, пригодных для математической обработки. Поэтому ЛПР для многокритериального обоснования своих действий часто используют качественную, неполную и слабоструктурированную информацию. Существуют области человеческой деятельности и промышленного производства, где использование инструментальных методов количественной экспертизы мало говорит об оптимальности принятого решения. Классическим примером использования только экспертных суждений является оценка эстетических показателей продукции с целью определения конкурентоспособности. Органолептические показатели (например, вкус) могут определяться современными технологиями лишь в самом грубом приближении - с использованием индикаторных химических реакций. Для некоторых продуктов сложных технологий потребительское качество определяют, используя инструментальные методы измерений только на начальном этапе, оптимизация качества осуществляется исключительно на основе экспертного оценивание. Таковы, например, технологии сжатия звука Moving Picture Experts Group - MPEG-1 Layer 3 (mp3 и подобные) и видеоизображений (семейство MPEG-1,2,3,4,7 и подобные). На экспертном оценивании качества звучания целиком строятся технологии компаний Dolby Laboratories, Inc. (Dolby Digital, Dolby Stereo, Dolby Noise Reduction), DTS, Inc. (Digital Theater System), Power Technology (DFX Audio Enhancer) и THX (Tomplinson Holman experiment). При этом сами методики субъективного экспертного оценивания и анализа результатов экспертизы весьма сложны.
Практически все существующие методики и инструментальные средства многокритериального анализа и прогнозирования основаны на методах классического математического экстраполирования числовых рядов (как, например, Statistica от StatSoft Inc., SPSS от SPSS Inc., MathCad от Parametric Technology Corp., Excel от Microsoft Corp. и д.р.) и не рассматривают возможность привлечения слабоструктурированных знаний экспертов о слож-ноформализуемых зависимостях, существующих на рынке. С другой стороны, существует обширный класс программных систем предназначенных для
анализа именно экспертных данных (такие как Expert Choice, СППР «Император» от ЗАО «Нейросплав», Criterium DecisionPlus от InfoHarvest Inc. и подобные). При этом такие программные комплексы не учитывают динамику экспертных оценок (возможность их изменения во времени), а задачу прогнозирования в динамических системах предпочтений сводят к выбору стратегии, наиболее оптимальной на какой-либо один момент времени. Следовательно, существует необходимость в создании математических методов, алгоритмов, программных и инструментальных средств, позволяющих объединять в себе как методы анализа множеств числовых, так и нечисловых данных.
Поскольку субъекты рыночных отношений всех видов собственности заинтересованы, прежде всего, в увеличении текущей прибыли и снижении издержек производства, что ведет в свою очередь к приращению капитала -основной цели игроков рынка, то и результаты планирования, прогнозирования и экспертного оценивания в конечном итоге также должны выражаться в денежных единицах. Федеральный стандарт оценки №1 в пункте 27 и Постановление Правительства РФ от 06.07.2001 №519 «Об утверждении стандартов оценки» в пункте 19 прямо требуют результат оценочной деятельности выражать единой величиной (одним числом) в рублях. Следовательно, возникает необходимость создания методов и инструментальных средств, позволяющих отображать множество динамических экспертных оценок в строго определенную рыночную стоимость.
В связи с тем, что производительность персональных компьютеров с начала 80-х годов возросла примерно на шесть порядков (с 6,9 KFLOPS для IBM PC/XT на базе процессора Intel 8086 до 48 GFLOPS для PC на базе процессора Core2Quad Q9450 3.5ГГц), в области информационных технологий наблюдается тенденция к увеличению сложности вычислительных алгоритмов, математических моделей и реализующих их инструментальных средств. При этом сам процесс взаимодействия пользователя с компьютером (интерфейс) становится всё более простым и менее формализованным. Не только в области в управления прикладными программами, но и в управлении аппаратно-программными комплексами происходит отказ от ввода буквенно-числовой информации и переход к WIMP-интерфейсам, что в приложении к методам теории принятия решений требует пересмотра самих методик извлечения экспертных знаний и соответственно математических методов их обработки. Уже не вызывают сомнения способы представления и анализа сведений об исследуемой проблеме в виде нечетких множеств, интервальных данных, массивов ранговых оценок, парных вербальных предпочтений, сравнений с лингвистическими стандартами, последовательностей предикатов и даже аудио-визуальных образов (в частности, элементов цвето-вербальных шкал, а также входных образов для нейронных сетей). Причем такие методики не только не отрицают применения классических статистических методов обработки исключительно числовой ин-
формации, но, напротив, базируются на их основе и существенно расширяют рамки применения субъективных экспертных методов и, в конечном итоге, дают больше возможностей для интерактивного анализа ситуации и ученым-исследователям, и инженерам-экономистам, и рядовым субъектам товарно-денежных отношений. Следовательно, появляется необходимость в создании и разработке методик организации экспертиз с применение современных компьютерных технологий интерактивного когнитивного ввода, многокритериального анализа и визуализации экспертных данных, заданных не только в виде статических величин, но и функциональных динамических зависимостей.
Степень проработанности проблемы. Теоретические, методологические положения диссертации и разработанные инструментальные средства строились на основе анализа широкого спектра работ отечественных и зарубежных ученых из разных областей научного знания. В области квали-метрии проведен анализ работ Г.Г. Азгальдова, А.В. Гличева, Н.Н. Карповой, Э.П. Райхмана, В.Н. Спицнаделя, Н.В. Хованова; в области статистики, эконометрики и экономико-математического моделирования - Дж. Бокса, Т.П. Барановской, Е.С. Вентцель, Г. Дженкинса, А.Н. Ильченко, В.В. Иван-тера, В.А. Кардаша, М. Кендэла, М.С. Красса, В.Л. Макарова, А. Райтса, Е.Л. Торопцева, Д. X. Уилкинсона, Дж. Ханка, Г.Н. Хубаева; в области экспертизы - И.Т. Балабанова, B.C. Болдырева, Г.В. Бромберга, К. Гриффита, Г.М. Десмонда, Р.Э. Келли, А.Н. Козырева, Н. Ордуэй, К. Уилсона, Д. Фишмена, Д. Фридмана, П. Шеннона Пратта; в области стратегического менеджмента и маркетинга - И. Ансоффа, П.С. Завьялова, Д. Клиланда, Р. Олдкорна, Л.С. Шаховской. Исследование базировалось на анализе работ А.В. Андрейчикова, О.Н. Андрейчиковой, Р. Беллмана, Д. Дюбуа, Л. Заде, СП. Капицы, Дж. Кемени, А. Кофмана, О.И. Ларичева, Г.Г. Малинецкого, А.О. Недосекина, А.И. Орлова, В.А. Острейковского, П.П. Подиновского, Д.А. Поспелова, А. Прада, Ю.П. Пытьева, Т. Л. Саати, Э.А. Трахтенгерца, Р.Я. Ягера в области системного анализа, теории принятия решений и обеспечивающих их информационных технологий. В области теории измерений - Г.И. Брызгалина, Д.М. Кранца, И. Пфанцагля, П. Суппеса. В приложении к бихевористской составляющей исследования рассматривались теоретические основы когнитивной и прикладной психологии, изложенные в работах Р. Аткинсона, Е. Галантера, Д. Зиглера, Т.П. Зинченко, Р.Д. Лью-са, Г.А. Миллера, В.Ф. Петренко, Ж. Пиаже, П. Фресса, Л. Хьелла.
Соответствие темы диссертации требованиям паспорта специальностей ВАК (по экономическим наукам). Исследование выполнено в рамках специальности 08.00.13 «Математические и инструментальные методы экономики»: п. 1.1 - «Разработка и развитие математического аппарата анализа экономических систем: математической экономики, эконометрики, прикладной статистики, теории игр, оптимизации, теории принятия решений, дискретной математики и других методов, используемых в экономико-
математическом моделировании», п. 1.2. - «Теория и методология экономико-математического моделирования, исследование его возможностей и диапазонов применения: теоретические и методологические вопросы отображения социально-экономических процессов и систем в виде математических, информационных и компьютерных моделей» и п. 2.3. -«Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях».
Цели и задачи исследования. Целью исследования является разработка теоретико-методологических положений и инструментальных средств для выявления закономерностей зависимости рыночной стоимости от комплекса показателей качества товаров на основе многокритериального анализа динамических экспертных предпочтений, с учетом множества случайных факторов воздействия внешней среды и асимметрии информации на рынке.
В соответствии с целью поставлены следующие основные научные задачи:
провести анализ методик построения комплексного показателя качества, способов определения весовых коэффициентов единичных показателей на основе методик субъективного шкалирования, применяемых в психологических, социологических и маркетинговых исследованиях, а также обзор способов ранжирования нечисловых объектов (градаций качественных признаков, ранжировок, разбиений, парных сравнений, нечетких предпочтений, интервальных данных);
на основе анализа методов теории принятия решений, осуществляющих многокритериальную оптимизацию, выявить ограничения, вводимые методиками субъективного шкалирования на количество сравниваемых альтернатив, сложность исследуемых сетевых структур и вычислительных алгоритмов;
разработать методику анализа и построения сетевых структур для определения зависимости рыночной стоимости от качества объектов сложной структуры на основе не противоречащих друг другу вербальных (лингвистических), визуальных, а также параметрически и функционально заданных динамических экспертных суждений;
разработать программные системы поддержки принятия решений для анализа многокритериальных задач, предпочтения в которых изменяются со временем, а также программные системы и базы данных, предназначенные для моделирования зависимости цена-качество, с учетом динамики этой зависимости;
разработать методику распределенных и локальных экспертиз, которая осуществляет расчет рыночной стоимости товаров на основе комплексной оценки дерева показателей качества с использованием предложенных программных систем.
Объектом исследования являются предприятия всех организационно-правовых форм, в процессе функционирования которых принимаются системные, стратегические и тактические решения о вступлении в товарно-денежные отношения в условиях информационной асимметрии.
Предметом исследования является процесс поддержки многокритериального принятия решений, связанных с комплексной оценкой качества (полезности) для определения стоимости товаров сложной структуры с учетом динамических сложноформализуемых влияний рынка.
Теоретической и методологической основой исследования явились методологические принципы, теоретические положения и выводы, содержащиеся в фундаментальных и прикладных исследованиях отечественных и зарубежных авторов по проблемам экспертного оценивания, системного анализа, экспертно-аналитического прогнозирования, квалиметрии, эконометрики, программно-информационного обеспечения, методам принятия решений в условиях неопределенности, прикладной и когнитивной психологии. В процессе исследования применялся методический аппарат экономико-математического моделирования, системного анализа, статистики, теории принятия решений. Обработка информации, ее анализ и расчеты осуществлялись с использованием созданных автором программных систем.
Информационно-эмпирической базой исследования явились труды отечественных и зарубежных ученых-экономистов, разработки научно-исследовательских учреждений, материалы научных конференций и личные наблюдения автора. Разработка методик оценивания строилась на основе анализа нормативных и подзаконных актов РФ, государственных стандартов, стандартов предприятия и рабочих документов отраслей промышленности. Источниками исходной информации послужили сведения, полученных в ходе экспертного оценивания и анализа экспертных суждений специалистов технического и социо-экономического профиля. Основные положения, выносимые на защиту:
1. Методология моделирования процесса динамического экспертного
оценивания товаров со сложной структурой качества, учитывающая слож-
ноформализируемые закономерности рынка и множество случайных факто
ров воздействия внешней среды.
2. Методика построения и анализа сетевых структур для выявления и
моделирования зависимости рыночной стоимости от качества товаров
сложной структуры.
-
Информационная технология распределенной и сосредоточенной многокритериальной оценки для определения рыночной стоимости объектов сложной структуры.
-
Метод многокритериальной оценки качества с использованием непрерывной шкалы, задающей функциональные зависимости величины приоритетов от времени.
-
Метод анализа числовых множеств, элементами которых являются функциональные зависимости, отражающие динамические экспертные оценки качества товаров.
-
Структуры баз данных, сосредоточенных и распределенных программных систем поддержки принятия решений (СППР) для прогнозирования динамики приоритетов и программных систем для моделирования зависимости «цена-качество».
Научная новизна диссертации состоит в разработке новых теоретико-методологических положений, математического аппарата и программных систем поддержки принятия решений, позволяющих проводить многокритериальный анализ экспертных предпочтений, заданных в виде функциональных зависимостей и строить на их основе прогнозы изменения приоритетов с целью определения рыночной стоимости объектов сложной структуры.
Конкретное приращение научного знания заключается в следующем:
-
Разработана методология моделирования и инструментальной поддержки процесса экспертного оценивания объектов со сложной структурой качества, отличающаяся возможностью учета сложноформализируемых закономерностей рынка, множества случайных факторов воздействия внешней среды и динамических потребительских предпочтений, что позволяет выявлять закономерности изменения соотношения цены и качества товаров на исследуемых рынках.
-
Разработана методика построения и анализа сетевых структур, представляемых в форме взвешенных ориентированных графов, описывающих качество товаров сложной структуры, дополненных системой вербальных, графических и нечетких шкал, что позволяет формализовать процедуру выявления зависимости рыночной стоимости от множества единичных показателей качества.
-
Разработан метод многокритериальной оценки объектов сложной структуры, отличающийся использованием непрерывной вербальной шкалы, позволяющий наглядно отображать функциональную зависимость в пространстве «время-приоритет-альтернатива», что обеспечивает возможность прогнозировать и анализировать динамику предпочтений экспертов.
-
Предложены информационная технология и инструментальные средства поддержки процесса многокритериальной оценки, предоставляющие возможность организации сосредоточенной (локальной) или распределенной экспертизы, что обеспечивает повышение объективности экспертного оценивания.
-
Разработан метод анализа числовых множеств, элементами которых являются функциональные зависимости, параметрически моделирующие субъективные представления экспертов, что позволяет когнитивизировать динамику изменения качества альтернатив во времени.
-
Разработаны программные СППР для ранжирования альтернатив модифицированным методом парных сравнений, динамика приоритетов в котором задается в виде нелинейных зависимостей на плоскости предпочтений. СППР отличаются возможностью параметрического задания предлагаемых трендов предпочтений, интерактивного подбора и параметризации функциональных зависимостей путем анализа множества реперных точек, что обеспечивает прогнозирование приоритетности альтернатив на основе полученных зависимостей.
-
Разработаны программные системы, реализующие параметризацию временных зависимостей «цена-качество», выявленных с использованием предложенной методологии. Входными параметрами программной системы являются множества цен в исследуемом сегменте рынка и динамических оценок комплексного качества товаров сложной структуры, что позволяет прогнозировать вероятную цену согласия отторжения товара в условиях информационной асимметрии.
Теоретическая и практическая значимость работы состоит в том, что предлагаемые математический аппарат, методы его применения и разработанные инструментальные средства могут использоваться не только для определения рыночной стоимости на основе многокритериального анализа комплексных показателей качества товара, но и для повышения обоснованности управленческих решений на всех уровнях экономики. При этом обоснование решений будет базироваться не только на методах классического статистического анализа множества рыночных индикаторов, но будет строиться преимущественно на анализе всей совокупности знаний экспертов с учетом множества случайных факторов воздействия внешней среды и сложноформализируемых зависимостей, существующих в рамках реального сектора экономики.
Методические материалы и программные системы поддержки принятия решений, разработанные в процессе диссертационного исследования, используются в учебном процессе Волгоградского государственного технического университета для преподавания дисциплин «Теория и методы принятия решений», «Информационные системы в менеджменте», «Информационные системы в экономике», «Теория систем и системный анализ», «Проектирование информационных систем». В течение более чем десяти лет эксплуатации разработанных автором программных систем был защищен ряд диссертаций на соискание ученой степени кандидата наук и магистра экономики, в каждой из которых в той или иной степени использовались предложенные математический аппарат и информационные технологии для анализа или обоснования выбора альтернативных решений.
Апробация результатов исследований. Основные положения диссертационной работы и предложения по их практической реализации были представлены автором на международных научно-практических конференциях: Международной конференции по проблемам управления (Москва,
ИПУ РАН, 1999); IV Международной электронной научной конференции «Современные проблемы информатизации» (Воронеж, 1999); IV международной научно-практической конференции преподавателей, ученых, аспирантов, студентов «Актуальные проблемы развития экономики России: теория и практика» (Нижний Новгород, 2006); XIX Международной научно-технической конференции (Пенза, 2007); IV Mezinarodni vedecko-praktika conference «Veda a technologie: krok do budoucnosti» (Прага, 2008); IV Mezinarodni vedecko-praktika conference «Evropska veda XXI stoleti» (Прага, 2008); IV Mezinarodni vedecko-praktika conference «Perspektywiczne opracowania nauki і techniki» (Перемышль, 2008); Съвременна технология на информации (София, 2008); Постигането на висшето образование (София, 2008); Nauka I inowacja (Перемышль, 2008); «Современные подходы к исследованию и моделированию в экономике, финансах и бизнесе» (Санкт-Петербург, 2009); Второй Международной научной конференции «Инновационное развитие экономики России: ресурсное обеспечение» (Москва, МГУ, 2009) и др.
Основные положения работы также излагались на ежегодных всероссийских, межрегиональных и межвузовских научно-практических конференциях: I Всероссийской научно-практической конференции (Махачкала, 2007), Третья Общероссийская научно-практическая конференция «Молодежь и формирование гражданского общества в России» (Волгоград, 2007), 35-й межвузовской конференции ВолгГТУ (Волгоград, 1998), IV межвузовской конференции студентов и молодых ученых Волгограда и Волгоградской области (Волгоград, 1998). Все стадии исследования докладывались и обсуждались на ежегодных внутривузовских конференциях (с 36 по 46) Волгоградского государственного технического университета, начиная с 1998 по 2009 год.
Рассмотренные методики и алгоритмы расчетов реализованы автором в виде универсальных систем поддержки принятия решений, о чем имеются свидетельства об официальной регистрации программ для ЭВМ №№2009611495, 2009611490, 2009611488, 2009611493, 2009611492, 2009611487, 2009611494, 2009611489, 2009611491, 2009612167. Многолетние работы по созданию программных СППР частично поддерживались грантами РФФИ 05-08-01470-а, РФФИ 05-08-01466-а, РФФИ 05-02-20201, РФФИ 04-07-96502-р2004поволжье_в, РФФИ 01-01-00043-а, РФФИ 04-07-96502 и РФФИ 98-07-90007-в.
Публикации результатов исследований. Основные положения диссертационной работы опубликованы в 60 печатных работах общим объемом 76,155 п. л. (в том числе авторских 61,7 п.л.), из них 5 монографий, 28 научных статей, в которых из списка ВАК - 10, свидетельств РОСПАТЕНТа об официальной регистрации программы для ЭВМ - 10, докладов на российских и зарубежных конференциях - 18.
Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, списка использованной литературы (431 наименование) и приложений.
Определение комплексного показателя качества на основе методов квалиметрии
Существуют различные способы определения комплексного показателя качества. Например, в [212] предлагается начинать анализ системы с построения нечетких классификаторов по каждому единичному показателю в иерархической структуре качества. Основанием для такой классификации служат регулярные статистические и ретроспективные наблюдения. Обработка этих наблюдений осуществляется не столько методами параметрической статистики, сколько на основе экспертных оценок трендов. Анализ трендов комбинированными статистически-экспертными методами приводит к возможности построения нечетких классификаторов качественных уровней в частности, трапецеидального вида. Когда классификаторы построены, можно отображать комплексный показатель на любой удобный носитель (например, на единичный интервал), а затем осуществлять иерархическую свертку. В свертку попадают две системы весов: веса, образованные системами предпочтений (Беллмана, Заде, Саати, Фишберна и др.); веса, осуществляющие проекцию качественных уровней исходного носителя в качественные уровни, определенные на носителе комплексного показателя [212].
В общем случае оценка уровня качества продукции (оценка технического уровня продукции) состоит из следующих этапов [104]: выбор номенклатуры показателей качества и обоснование ее необходимости и достаточности; выбор или разработка методов определения значений показателей качества; выбор базовых значений показателей и исходных данных для определения фактических значений показателей качества оцениваемой продукции; определение фактических значений показателей качества и их сопоставление с базовыми; сравнительный анализ вариантов возможных решений и нахождение наилучшего; обоснование рекомендаций для принятия управляющего решения. Методы определения показателей качества в товароведении разделены на объективные, статистические, эвристические и смешанные. К объективным методам относят измерительный, расчетный, регистрационный и метод опытной эксплуатации исследуемых объектов.
К эвристическим методам относят органолептический, экспертный и социологические методы. Для нахождения числового значения показателей при прямых измерениях искомое значение физической величины из системы СИ определяют с использованием технических средств, а результат измерения представляется на шкале прибора. Методы косвенного определения некоторой характеристики основаны на проведении прямых измерений другой характеристики, с которой у исследуемой характеристики существует заявленная функциональная связь.
К инструментальным методам прямых и косвенных измерений можно отнести измерительный метод (лабораторный, инструментальный), регистрационный метод (его разновидность - метод опытной эксплуатации), расчетный метод определения показателей качества продукции, а также социологический метод, основанный на сборе и усреднении мнений возможных потребителей продукции.
Экспертный метод определения показателей качества основан на агрегации мнений признанных высококвалифицированных специалистов (экспертов) в области оцениваемой продукции и применяется, когда показатели качества не могут быть определены инструментальными или статистическими методами. Органолептический метод основан на субъективном анализе интенсивности ощущений органов чувств человека. Метод не исключает возможности использования технических средств (кроме измерительных и регистрационных). Показатели качества выражаются обычно в баллах. Сенсорный анализ применяется для оценки качества пищевых продуктов (цвет, вкус, запах, консистенция). Метод дегустации предполагает снятие пробы пищевых продуктов экспертом. Органолептические методы крайне субъективны. При проведении математической обработки данных и анализе результатов измерений (испытаний) следует учитывать, что любые измерения дают приближенное значение величины и могут содержать погрешности. Это относится и к результатам измерений, полученных с помощью инструментальных средств, и к результатам, полученным на основе анализа субъективных ощущений экспертов об интенсивности проявления исследуемой характеристики товара. Погрешности принято разделить на следующие группы: грубые погрешности (промахи), связанные с ошибками в расчетах или неверной постановкой эксперимента; систематические, которые возникают из-за неисправности инструментальных средств или нарушения методики измерения; допустимые экспериментом инструментальные погрешности (приборные, аппаратные), обусловленные несовершенством конструкции и изготовлении измерительного прибора; случайные погрешности, вызванные факторами, которые носят случайный характер и не поддаются учету; ошибки выборки, которые возникают из-за неправильно определенного интервала выборки.
Основным направлением развития подходов к измерению является движение в сторону строго калиброванных (отрегулированных, юстированных) инструментальных средств. Однако измерение некоторых показателей качества на современном этапе развития технологии не представляется возможным либо из-за несовершенства технических средств измерения, либо из-за отсутствия адекватно структурированных методик измерения, либо из-за невозможности математического и даже философского описания потребностей человека. Единственным способом снизить информационную неопределенность при измерении в таком случае остается привлечение и анализ субъективных представлений экспертов об исследуемом объекте. Интеграция субъективных ощущений человека и объективных результатов инструментальных измерений путем применения информационных технологий должна являться основой для построения всех современных методик оценивания.
Анализ числовых множеств, элементами которых являются функциональные зависимости динамических экспертных суждений
Сравнительные шкалы (comparative scales) предполагают прямое сравнение рассматриваемых объектов и имеют свойства только порядковых и ранговых величин. Основное преимущество сравнительного шкалирования (часто называемого «неметрическим») заключается в возможности распознавания незначительных различий между рассматриваемыми объектами, меньшее количество используемых теоретических допущений, устранение влияния гало-эффекта (эффекта переноса) [379]. Основной недостаток сравнительных шкал — их порядковая природа и ограниченное количество оцениваемых объектов. Шкалирование методом попарного сравнения (paired comparison scaling) — наиболее распространенная методика сравнительного шкалирования, когда эксперту дается два объекта для выбора одного из них по определенному критерию. Данные по своей природе порядковые и упорядочиваются на основе свойства транзитивности. Используются несколько модификаций методик попарного сравнения. Одна из них предполагает включение ответов нейтральных (безразличных, без каких-либо мнений). Другой вариант развития метода— использование попарных сравнений с градацией. При его применении не только выбирают предпочтительную альтернативу, но и указывают насколько она предпочтительнее. Степень предпочтения может быть выражена суммой, которую эксперт готов заплатить за понравившуюся альтернативу («денежная метрическая шкала»). При многомерном шкалировании подсчитав, сколько раз каждая альтернатива оказалась в оценке всех экспертов предпочтительнее других, и, вычислив среднюю оценку, можно количественно ранжировать альтернативы по степени интенсивности проявления их свойств [189]. Шкалирование методом попарного сравнения [115] полезно, когда количество альтернатив ограничено. Следует отметить, что попарным сравнением в работах R.D. Luce и Е. Galanter названа процедура сравнения тестируемого образца с некоторым опорным, который предъявляется для всех альтернативных образцов [181, 399]. При упорядоченном шкалировании (rank-order scaling) экспертам предлагается одновременно несколько объектов для ранжирования по некоторому критерию, что тоже дает порядковые данные. При наличии п рассматриваемых объектов, необходимо сделать лишь (п-1) сравнений. Можно получить интервальную шкалу из упорядоченных данных с помощью процедуры Thurstone case V [425]. При шкалировании с постоянной суммой (constant sum scaling) эксперты распределяют постоянную сумму баллов между объектами сравнения по определенному крите рию. Общая сумма баллов всегда равна 100. Основное преимущество — быстрое установление различий между рассматриваемыми объектами. В то же время шкала имеет два недостатка. Эксперты при оценке могут использовать меньше или больше баллов, чем это предусмотрено постоянной суммой. Еще одна проблема — ошибка округления, когда присваивается очень небольшое количество баллов. Оценка значимости - еще один метод сравнительного шкалирования, в методе числа присваиваются объектам таким образом, что соотношения между присвоенными числами отражают соотношения между объектами по определенному признаку. Шкалирование методом О-сортировки (O-sort scaling) разработано для быстрого установления различий между большим количеством объектов. При (9-сортировке используется шкала жесткого распределения из девяти целочисленных градаций интенсивности. Все суждения ранжируются вдоль единой оси оценок. Вычисляется среднее арифметическое оценок для каждй альтернативы, и полученные средние оценки ранжируются [189].
При использовании несравнительных шкал (noncomparative scales) ка ждый объект оценивается независимо от других. Полученные данные счи таются измеренными в интервальной или относительной шкале. Несравни тельные (часто называемые «монадическими» {monadic), «однопредметными» или «метрическими») рейтинговые шкалы могут быть непрерывными или детализированными. Несравнительные методы включа ют непрерывные (или графические) и детализированные рейтинговые шка лы. Детализированные рейтинговые шкалы, в свою очередь, разделяются на шкалы Лайкерта (Likerf), семантический дифференциал и шкалу Стэпела (Stapel). В маркетинговых исследованиях чаще всего используется именно несравнительное шкалирование [99]. При использовании непрерывной рей тинговой шкалы (continuous rating scale), называемой также графической шкалой, эксперты оценивают объекты, ставя отметки в соответствующей точке отрезка, соединяющего крайние значения критерия. После оценки эксперта исследователь разделяет линию на любое количество категорий и присваивает баллы в зависимости от той категории, куда попала отметка оценки. Эти данные обычно рассматриваются как интервальные. Преимущество непрерывных шкал- легкость их построения [99]. При использовании детализированной рейтинговой шкалы (itemized rating scales) экспертам предлагается шкала, на которой отмечены числа или краткие описания. Чем больше количество элементов (категорий) в шкале, тем больше степень дифференциации объектов. Считается, что количество категорий должно равняться семи, плюс-минус два [201]. Детализированные рейтинговые шкалы формируют основные компоненты более сложных шкал, таких как многомерные рейтинговые шкалы [99]. Шкалирование по Лайкерту — одна из самых ранних методик, в соответствии с которой каждому эксперту предъявляется некоторая серия утверждений (пунктов), требующих от него одного из оценочных суждений. Чтобы получить суммарную оценку, нужно сложить все ответы, и сумму разделить на число утверждений (пунктов) [189]. Оценка округляется до ближайшего целого, которое и будет интегральной оценкой из представленного диапазона 1-5.
Аппроксимация зависимости цена-качество кривыми высоких порядков и многомерными поверхностями
Рассуждая о возможном виде реальной кривой а (рисунок 3.2), поведение которой мы стремимся спрогнозировать, следует отметить, что объединение всего реально существующего множества потребительских характеристик Вр в группы потребует учета вероятностного распределения характеристик внутри группы Z,. Если распределение подчиняется нормальному закону (рисунок 3.6, а) и справедливо предположение, что чем больше числовая величина, описывающая качество, тем больше цена объекта, то кривая а примет следующий вид (рисунок 3.6, б). Где Р — вероятность получить наибольшую цену у объекта, попавшего в группу Z,, при условии линейного возрастания его комплексного потребительского качества (рисунок 3.6, б). Нормальное распределение будет касаться плотности отображения элементов множества В на недискретную равномерную числовую ось. Отметим, что в частных случаях зависимость цены от качества может не только возрастать при увеличении комплексного показателя качества, но и падать (группа 1 на рисунке 3.6, би в).
Доверительный интервал прогнозирования в таком случае (рисунок 3.6, б) будет ограничен прямыми //, /? и точкой а. Столь широкий доверительный интервал не позволяет делать сколько-нибудь осмысленные прогнозы. Уменьшение площади можно достичь за счет выделения крупных групп — кластеров. И последующего построения системы оценок качества для каждого исследуемого кластера. На рисунке 3.6, б группа 1 отнесена в отдельный кластер. Доверительный интервал переходной функции качество-цена будет ограничен фигурой a, d, е, h (рисунок 3.6, в). Доверительный интервал для группы 2 в таком случае (рисунок 3.6, в) ограничится фигурой а , d , е .
Например, следует разбить систему оценок качества легковых автомобилей, как минимум на два кластера — зарубежные и отечественные. В каждом из кластеров можно выделить группы внедорожников, гольф-класс, представительские и т.д. Необходимо напомнить, что гладкую функцию (рисунок 3.2, рисунок 3.6, би в) можно получить только для большой выборки. Малая выборка (а иногда и единичная), которая характеризует процесс оценки в условиях неопределенности, может дать лишь несколько точек. Обработка облака эмпирически полученных точек (элементов множества К) методами параметрической статистики (например, методом наименьших квадратов) позволит построить кривую не совсем соответствующую реальной, но, тем не менее, попадающую в доверительный интервал (рисунок 4.6, г). Классические модели регрессионного, дисперсионного и факторного анализов, которые возможно применять для аппроксимации множества К, опираются на предположение о нормальности распределения. Теоретических оснований для такого утверждения нет. Отметим также, что нормальное распределение величин, о котором говорится выше, не всегда соответствует действительной ситуации. Необходимо эмпирически изучать распределения оценок на числовой оси для каждого конкретного случая. Возможно, что построенная система качественных характеристик будет исчисляться по экспоненциальному, логарифмически нормальному, гамма-распределению, распределению Вей-булла и так далее. Утверждается [228], что если некоторая интегральная оценка (или иная случайная величина) определяется в результате комплексного действия многих малых факторов, то в силу центральной предельной теоремы теории вероятностей эта величина хорошо приближается (по распределению) нормальной случайной величиной. Такое утверждение справедливо, если малые факторы действуют аддитивно и независимо друг от друга. Если же они действуют мультипликативно, то в силу той же центральной предельной теоремы аппроксимировать надо логарифмически нормальным распределением. В прикладных задачах обосновать аддитивность, а не мультипликативность действия малых факторов обычно не удается [228]. Если же зависимость имеет общий характер, не приводится к аддитивному или мультипликативному виду, а также нет оснований принимать модели, не дающие нормального распределения, то о распределении элементов итогового множества практически ничего не известно, кроме внутриматематических свойств типа регулярности.
Программная СППР с прогнозированием динамики предпочтений на основе метода процентных оценок
Начало разработкам программных систем поддержки принятия решений (СППР) в научной школе кафедры «Информационные системы в экономике» Волгоградского государственного технического университета было положено в работе А.В. Андрейчикова [18]. Программный модуль, реализующий попарную оценку альтернативных вариантов технических решений, предполагалось встроить в состав автоматизированной системы для усечения множества генерируемых технических решений. Позже эта задача была решена Д.Е. Декатовым [111]. Автоматизированная СППР состояла из блока расчета векторов приоритетов альтернатив, подсистемы хранения информации о решаемых задачах и графического интерфейса, позволяющего моделировать в диалоговом режиме иерархическую структуру оценки критериев и альтернатив. Расширению функциональных возможностей данной подсистемы принятия решений была посвящена в частности работа Р.М.-Р. Бахмудова [44]. В этой работе с помощью подсистемы принятия решений осуществлялся выбор наилучших синтезированных технических решений. При этом конструктором могла разрабатываться система оценки вариантов на основе метода анализа иерархии, включающая характеристики повышающие конкурентоспособность изделия. В результате выполнения данной процедуры, на основе множества оценок альтернативных вариантов, рассчитывалась значимость технических решений, по которой конструктор определял множество решений для дальнейшей работы с ними. Анализ применения данных автоматизированных систем проектирования, проведенный О.Н. Андрейчи-ковой [30], показал необходимость создания отдельных универсальных СППР, не являющихся составными или интегрированными частями други программных комплексов. Созданию универсальных СППР посвящены работы A.M. Шахова [384] и П.В. Терелянского [322]. Программная система A.M. Шахова базировалась на применении методов теории нечетких множеств. СППР представляла пользователю-эксперту удобный интерактивный инструмент для решения задач оценки альтернатив на основе пересечения нечетких множеств, нечеткого отношения предпочтения, на основе ранжирования альтернатив с использованием правила нечеткого вывода, аддитивной свертки, позволяла осуществлять выбор на множестве лингвистических векторных оценок. Программная система П.В. Терелянского полностью реализовывала все теоретические основы метода анализа иерархий, включая методы попарного сравнения элементов иерархии, оценку на основе лингвистических стандартов, маргинальных приоритетов и метод линейного нормирования количественных величин, а также метод прогнозирования на основе динамических парных оценок, метод улучшения согласованности экспертов, методы анализа и поиска сходных задач в базе данных.
Постановка задачи на проектирование, формулировка технических заданий на проектирование систем поддержки принятия решений осуществлялись на основе анализа отечественных и зарубежных СППР [171]. Подробный обзор существующих СППР проведен в соответствующих главах монографий автора [319, 313, 314], а так же монографий и диссертаций сотрудников кафедры «Информационные системы в экономике» [20-23].
Первая серьезная проработка концепций построения СППР была осуществлена Декатовым Д.Е. [16, 22, 32]. Предполагалось создать интегрированную систему, представляющую собой технологию автоматизированного проектирования виброзащитных систем (ВЗС). Для оценки синтезированных технических решений по показателям качества потребовалась разработка системы оценки Р, в соответствии с принципами метода анализа иерархий. В результате выполнения данной процедуры, формировалась информация о приоритете альтернатив 1пр и множество их оценок. Конструкторская доработка полученного технического решения выполнялась на основе описания по конструктивно-функциональным признакам и результатам экспертного анализа потребительских качеств. Автоматизированная система принятия решений (АСПР) состоит из блока расчета векторов приоритетов альтернатив по методу анализа иерархии с различным числом альтернатив под критериями, подсистемы хранения информации о решаемых средствами данной системы задачах и графического интерфейса, позволяющего моделировать в диалоговом режиме систему оценки альтернатив, имеющую иерархическую структуру. АСПР, предложенная Декатовым Д.Е., является средством организации процесса экспертного оценивания и выбора рационального, с точки зрения показателей качества, варианта технического решения из множества альтернативных вариантов и ее использование предполагается в составе КСКП ВЗС [32, 33]. АСПР реализует процедуры метода анализа иерархии [281, 282]. Принципиальная структурная схема программной организации АСПР представлена на рисунке 4.1. Автоматизированная система принятия решений реализована на языке программирования Turbo C++ 1.0 для операционной системы DOS 4.0, Windows 3.11 for Workgroups и выше. Исследования, проводившиеся сначала на кафедре «Системы автоматизированного проектирования и поискового конструирования» Волгоградского государственного технического университета [32-34], а затем и на кафедре «Информационные системы в экономике» [26-28], анализ смежных проводимых разработок [23, 25, 29], дали возможность Бахмудову Р.М.-Р. разработать методику поиска технических решений, учитывающую неопределенность ранних стадий концептуального проектирования, путем применения методов принятия решений на основе многокритериальной оценки [17]. На основе положительного опыта создания интегрированных программных средств, общей информационной базы, выделенные проблемы целесообразно было решать в рамках единой автоматизированной системы оценки и систематизации виброзащитных устройств. Исходя из того, что первичные информационные массивы системы являются ресурсом общим для многих пользователей, а процесс решения задачи каждым пользователем состоит из нескольких сеансов, то система должна обеспечивать разделение и хранение результатов каждого пользователя от сеанса к сеансу. В системе можно выделить три комплексные процедуры для решения задач (рисунок 4.2): процедуру составления запроса, процедуру поиска технических решений, процедуру выбора технических решений.
