Содержание к диссертации
Введение
Глава 1. Модели и методы оценки многокритериальной оценки качества информационных систем 11
1.1. Основные понятия и обобщенная классификация задач принятия решений.. 12
1.2. Формальное описание моделей принятия решений 18
1.3. Постановки многокритериальных задач принятия решений 23
1.4. Характеристики приоритета критериев. Нормализация критериев 29
1.5. Статистическая модель однокритериального принятия решений в условиях неопределенности 32
1.6. Построение критериев выбора решений для первой ситуации априорной информированности ЛПР 35
1.6.1. Критерий Байеса-Лапласа 35
1.6.2. Критерий минимума среднего квадратического отклонения функции полезности или функции потерь 37
1.6.3. Критерий максимизации вероятности распределения функции полезности 39
1.6.4. Модальный критерий 40
1.6.5. Критерий минимума энтропии математического ожидания функции полезности 41
1.6.6. Критерий Гермейера 42
1.6.7. Комбинированный критерий Рыкова. Объединение критериев Байеса-Лапласа и среднего квадратического отклонения функции полезности (потерь) 43
1.7. Построение критериев выбора решений для второй ситуации априорной информированности ЛПР 45
1.7.1. Максиминный критерий Вальда 46
1.7.2. Критерий минимаксного риска Сэвиджа 47
1.8. Построение критериев выбора решений для третьей ситуации априорной информированности ЛПР 48
1.8.1. Критерий Гурвица 49
1.8.2. Критерий Ходжеса-Лемана 51
1.9. Принципы оптимальности в задачах принятия решений 52
Выводы к главе 1 56
Глава 2. Многокритериальные модели и методы принятия решений в условиях статистической неопределенности 57
2.1. Модель, постановка задачи принятия решений в условиях неопределенности и обобщенный алгоритм решения задачи 59
2.2. Построение комбинированного критерия выбора решений для различных ситуаций априорной информированности ЛПР 65
2.3.Обобщенный алгоритм решения многокритериальной задачи при разной априорной информированности ЛПР 69
2.4. Снятие статистической неопределенности при оценке качества ИС 72
Выводы к главе 2 77
Глава 3. Алгоритмы многокритериальной оценки качества информационных систем в условиях определенности 79
3.1. Модель многокритериальной оценки качества информационных систем в условиях определенности 79
3.2. Обобщенный алгоритм оценки и выбора варианта ИС 81
3.3. Построение многокритериального описания качества ИС 87
3.4. Шкалы оценки значения критериев качества ИС 90
3.5. Методические вопросы получения информации о качестве ИС 93
3.6. Алгоритм многокритериальной оценки качества ИС 96
Выводы к главе 3 99
Глава 4. Пример выбора лучшего варианта ИС 100
4.1. Диалоговый алгоритм решения многокритериальной задачи принятия решений при детерминированных и статистических критериях 100
4.2. Пример выбора лучшего варианта ИС - варианта корпоративной системы управления предприятием 104
4.2.1. Разработка многокритериального описания свойств вариантов ИС 105
4.2.2. Обобщенный критерий уг - функциональность 105
4.2.3. Обобщенный критерий у2 - технические параметры Ш
4.2.4. Обобщенный критерий у3 - стоимость системы \ 14
4.2.5. Обобщенный критерий у4 - методология внедрения 115
4.2.6. Обобщенный критерий у5 - опыт работы в России цб
4.3. Построение агрегированных обобщенных критериальных оценок
вариантов ИС 117
Выводы к главе 4 151
Заключение 152
Литература
- Характеристики приоритета критериев. Нормализация критериев
- Критерий минимума среднего квадратического отклонения функции полезности или функции потерь
- Построение комбинированного критерия выбора решений для различных ситуаций априорной информированности ЛПР
- Пример выбора лучшего варианта ИС - варианта корпоративной системы управления предприятием
Введение к работе
Создание современных систем управления в производственных, финансовых, военных и других областях невозможно без использования информационных технологий, в частности информационных систем (ИС), для обеспечения сбора, обработки, хранения и представления требуемой информации. Внедрение этих технологий и систем порождает проблемы, разрешение которых требует специальных практических расчетов. Сегодня на рынке информационных технологий предлагается богатый выбор технических средств и решений, способных удовлетворить функциональным требованиям заказчиков. Из них можно выбрать приемлемый вариант, руководствуясь логическими рассуждениями.
Данный выбор будет не всегда рациональным с точки зрения достижения всех целей функционирования проектируемой системы. Рациональное обеспечение качества современных систем немыслимо без применения моделей и методов, позволяющих оценивать, исследовать и оптимизировать процессы сбора хранения, обработки и представления информации. Задачу оценки качества и надежности вариантов системотехнических решений приходится решать как на предпроектных стадиях создания систем, так и в процессе их создания и эксплуатации. На каждой стадии необходимо оценивать качество систем, соответствие замыслу, заданным или желаемым требованиям. Множественность вариантов реализации систем, разнообразие условий, в которых должны функционировать системы, оценка качества систем по нескольким критериям - все это усложняет решение задачи оценки и выбора наиболее эффективного варианта системы.
Значения критериев могут зависеть также и от внешних условий, в которых находится система, эти значения могут меняться при различных событиях. Совокупность таких событий, влияющих на значения характеристик качества систем,
может интерпретироваться как состояния внешней среды. Эти состояния среды порождают неопределенность, так как заранее неизвестно, какие события произойдут и в каком состоянии и условиях будет находиться система. Неопределенность, заключающаяся в наличии нескольких различных величин оценки одного и того же критерия в зависимости от состояний среды, приводит к необходимости решения многокритериальной задачи оценки значений критериев качества и выбора наилучшего варианта системы в условиях неопределенности.
Особенностью процессов принятия решений является учет наличия лица, принимающего решения (ЛПР), индивидуального или коллективного, которое стремится к достижению некоторых целей на основе своих предпочтений. Практика принятия решений показывает, что наиболее предпочтительным считается решение, согласованное со структурой предпочтений ЛПР, а также с имеющейся у него информацией о задаче принятия решений. В этом случае необходимы процедуры, которые помогают ЛПР формализовать его предпочтения, а принятие решения сводится к сравнению существенных свойств решений и решению задачи выбора.
Важнейшая проблема при решении задач выбора, принятия решений связана с многокритериальностью, отсутствием одного признака, критерия, по которому можно упорядочить решения или выбрать лучшее. Основными способами преодоления многокритериальности являются привлечение ЛПР и решение задачи на основе его предпочтений.
Таким образом, существует необходимость в разработке специальных моделей и методов для решения многокритериальных задач выбора при неопределенности, ориентированных на активное участие ЛПР. Эти модели и методы ориентированы на нахождение компромиссного решения, удовлетворяющего в той или иной степени ЛПР.
На основе вышеизложенного можно сделать вывод, что усовершенствование существующих и разработка новых моделей и методов поддержки принятия многокритериальных решений в условиях неопределенности являются важной и актуальной задачей.
Цель работы:
Исследование существующих подходов к решению проблем выбора и разработка новых моделей, методов и алгоритмов для поддержки процессов формирования и выбора сложных решений в условиях неопределенности.
Для достижения этой цели в диссертации были поставлены и решены следующие задачи;
Анализ существующих моделей и методов для поддержки процессов многокритериального выбора решений. Выделение основных видов задач выбора при неопределенности и методов их решения.
Разработка формальной модели многокритериального выбора решений при неопределенности.
Формирование критериев оценки качества решений и постановка задач выбора.
Разработка диалоговых алгоритмов решения многокритериальных задач выбора.
Исследование свойств и характеристик разработанных моделей, методов и алгоритмов при построении информационных систем. Оценка свойств получаемых решений.
Методы исследования. Для решения поставленных задач исследования были использованы математические методы теории принятия решений и многокритериальной оптимизации, системного анализа и исследования операций, математической статистики и теории статистических решений, методы экспертных оценок.
На защиту выносятся:
Формализация задачи принятия решений в виде двухэтапной модели принятия решений в условиях статистической неопределенности при различных ситуациях априорной информированности ЛПР.
Диалоговый алгоритм снятия статистической неопределенности для разных ситуаций априорной информированности ЛПР, включающий комбинированный критерий и учитывающий степень доверия ЛПР к априорной информации.
Иерархическое многокритериальное описание качества ИС в виде дерева критериев.
Обобщенный диалоговый алгоритм решения многокритериальной задачи принятия решений при детерминированных и статистических критериях. Научная новизна. Предложены модели и методы многокритериальной оценки
решений в условиях статистической неопределенности, ориентированные на активное использование в диалоговом режиме представлений ЛПР об априорной информации и качестве решений, иерархическое многокритериальное описание качества ИС, диалоговые алгоритмы снятия статистической неопределенности и решения многокритериальной задачи выбора при детерминированных и статистических критериях.
Практическая значимость и результаты внедрения. Практическая значимость работы заключается в создании теоретической основы для построения систем поддержки принятия решений, в использовании ее результатов в деятельности организаций при принятии управленческих решений. Внедрение результатов диссертационного исследования позволило повысить эффективность и качество управленческих решений при разработке информационных систем.
Разработанные модели и методы реализованы, внедрены и используются в практике ОАО «Электромашина», НОУ «Центр Информационных Технологий и Менеджмента» и внедрены в учебный процесс.
Апробация работы. Результаты диссертационной работы докладывались и обсуждались:
на IY Международной конференции «Идентификация систем и задачи управления» (SICPRO'2005), Москва, 2005г.;
на Y Международной конференции «Идентификация систем и задачи управления» (SICPRO'2006), Москва, 2006 г.;
на Третьей Международной конференции по проблемам управления, Москва, 2006 г.;
на семинарах на кафедре автоматизированных систем управления Московского государственного института стали и сплавов (технологического университета).
Публикации. Основные результаты диссертационной работы опубликованы в четырех печатных работах.
По структуре работа имеет следующий вид: введение, глава 1 - обзорная, где рассмотрены известные формальные модели принятия решений, постановки многокритериальных задач принятия решений при определенности и неопределенности, характеристики приоритета критериев, способы нормализации критериев. Проведен обзор основных статистических критериев выбора решений при
различных ситуациях априорной информированности ЛПР, описаны принципы оптимальности в задачах принятия решений.
Во второй главе рассматриваются многокритериальные модели и методы принятия решений в условиях статистической неопределенности.
В третьей главе изложен подход к оценке решений в условиях определенности, использующий двухэтапную модель многокритериального иерархического принятия решений, рассматриваются алгоритмы многокритериальной оценки качества ИС в условиях определенности.
В четвертой главе рассмотрен пример выбора лучшего варианта ИС демонстрирующий специфику и возможности предложенных моделей и алгоритмов для решения задач оценки и выбора лучших решений.
В Приложении приведены акты, подтверждающие эффективность внедрения разработанных в диссертации моделей и методов принятия решений, использование результатов в учебном процессе.
Характеристики приоритета критериев. Нормализация критериев
Задачи принятия решений в условиях определенности характеризуются однозначной детерминированной связью между альтернативами х є X и результатом выбора z - fi{x), і = 1,—, пі.
Отметим, что мы рассматриваем только статические свойства, которые не зависят от времени или являются установившимися величинами после переходного процесса. Дополнительно к критериям свойства системы могут быть описаны множеством ограничений типа равенств и неравенств, которые мы пока не рассматриваем для упрощения изложения.
Различные локальные критерии могут иметь различную важность с точки зрения ЛПР. Рассмотрим некоторые способы описания относительной важности локальных критериев [65-67].
Ряд приоритета. Ряд приоритета / = {1,..., т} отражает упорядочение локальных критериев по важности (ранжировку): zt У Z2 - — - Zm и выражает существование более важных, менее важных и равноважных (эквивалентных по важности) критериев.
Вектор приоритета. В векторе приоритета Я = (Х1, ...,Лт_1)Т Xt показывает для упорядоченных по важности локальных критериев, во сколько раз локальный критерий Zi более важен, чем локальный критерий zi+J. Алгоритм получения X состоит в следующем: последовательно при i = l,...,i l рассматриваются приращения локальных критериев, берется единичное приращение локального критерия z. и находят такое приращение локального критерия zi+1, которое равно единичному изменению качества по локальному критерию z. Полученная величина обозначается X;. зо
Весовой вектор. В весовом векторе у-{у її » Ут)Т У І представляет относительную важность г-го локального критерия z,- по отношению ко всем остальным локальным критериям. Из данного определения следует связь между элементами весового вектора у и вектора приоритета Я: ГІ= ГУШ, і = 1,...,т-1.
Мы рассматриваем нормализованный весовой вектор: для уь і = 1,...,т, выполняются следующие условия: т І=І Сделаем одно важное замечание. Приведенные описания важности локальных критериев (если возможно их построить) допустимы только в тех диапазонах изменения критериев, для которых можно пренебречь взаимной зависимостью значений критериев. Для нелинейной зависимости локальных критериев в общем случае Yi зависит от величин всех критериев и изменяется при их изменении: 7i=Yii.z1,...bZm). Если у весового вектора все yi равны, то задача называется задачей без приоритета.
Нормшшзсщия критериев [66, 67]. Часто локальные критерии измеряются в разных единицах, шкалах, для одних критериев лучшие значения, которые больше, а для других, наоборот, меньше. Для того чтобы сравнивать значения разных локальных критериев, необходимо перейти к однонаправленным шкалам, выразить их значения в одинаковых абсолютных единицах, либо перейти к безразмерным шкалам. Для таких преобразований значений локальных критериев используют следующие операции, называемые нормализацией критериев. 1. Смена направленности г/ели (замена «max» на «min» или «rain» на «max»): Zj = Zj, где Z; - нормализованная, а г; - исходная величина локального критерия. Предполагается, что локальные критерии описывают достижение некоторой цели. Данный способ применяют для перехода к однонаправленным критериям. 2. Нормализация по заданному значению: Zi=-j, где z\ - заданная или идеальная величина локального критерия. Здесь осуществляется переход к безразмерной шкале. Обычно предполагается, что все исходные значения критериев либо неотрицательны, либо неположительны. В последнем случае происходит смена направлений цели. 3. Относительная нормализсщия; z,- =—Нг Частный случай нормализации по max z, xeQ заданному значению. 4. Сравнительная нормализация: z - zt -min z-L. Данная нормализация совмещает хєО. наименьшее значение локального критерия с нулем и все значения локальных критериев становятся неотрицательными. Z 5. Естественная нормализация: z = Обычно предполагается, что maxz, -minZj xeQ xeQ исходные значения локальных критериев неотрицательны. Если это не так, то с помощью сравнительной нормализации переходят к неотрицательным значениям критериев. 6. Нормализация Севидэюа: Z; = max Ц-ц. Данная нормализация совмещает xeQ наибольшее значение локального критерия с нулем, все значения локальных критериев становятся неотрицательными и происходит изменение направленности критерия, т. е. лучшими значениями критерия становятся меньшие.
Критерий минимума среднего квадратического отклонения функции полезности или функции потерь
Для каждого решения хк є X определим среднее квадратическое отклонение акі аАРчхк) функции полезности или функции потерь и его среднее значение Ві{р,хк) в виде: Z2i(P i) = (Ti(p,xk) = Ti(ui(xk sj)-Bi(p xk))2Pj j=l Bi(P Xk) = ilPMxk sj) hi(p xk) = i(p,xk) = TlVi(Xk sj) Bi(P k))2Pj j=l
Среднее квадратическое отклонение ткі характеризует рассеивание случайной величины значения функции полезности (потерь) для решения хк относительно среднего значения В р,хк) и, например, в задачах финансовой математики часто трактуется как величина риска. Смысл критерия минимизации среднего квадратического отклонения функции полезности (потерь) заключается в нахождении решения х , для которого Z2i(P, ) = ґі(р,х )= min а-Хр,хк) хкєХ
Основным недостатком этого критерия является то, что среднее квадратическое отклонение решения хк є X может оказаться меньше, чем для решения хк 7 є X, в то время как Bi(p,xk ) Bl{p,xkj), т.е. выбирается самое определенное решение с пренебрежением величиной его полезности. Это говорит о том, что критерий минимума среднего квадратического отклонения функции полезности часто нельзя применять без наложения дополнительных требований.
Среднее квадратическое отклонение функции полезности (потерь) можно вычислять по модифицированным формулам, учитывающим максимальные или средние байесовские значения: i(P,xk) х,еХ El ui(xk sj)-m» Bi(P xi) 1=1 \2 Pi \2 i(P Xk) Е ui(xk sj)—Е /) j=i\ ni=i Pj Гі(Р хк) = ( \2 Е ««( ;)-ПИИ-ВІСР» /) Р)
Выберем величину а, удовлетворяющую неравенствам а а а, где а = max М -k - max max ut (хк, Sj), a - min m]k - min min ui (xk, s =). У / xkeX J J xkeX Каждое решение хкєХ оценивается критерием z3l{xk a)- P(ul(xk,Sj) a) -вероятностью того, что значение функции полезности не меньше а для состояния СреДЫ Sj є S. Смысл критерия максимизации вероятности распределения функции полезности заключается в нахождении решения х є X, для которого Z3i(x ,a) = P(ut(x\sj) а) = max Р(иДхА,«;) ос). хк еХ
При использовании этого критерия ЛПР исходит из задания конкретной величины а и оптимальными считает те решения х є X, для которых выполнено это условие. Для фиксированных а и хк неравенство P(ui(xk,Sj) a) определяет множество состояний среды Sa к. Тогда P(Ui(xk,Sj) a) = P(seSa!k)= Y,P(s = sj)
В рассматриваемом критерии величину а задает ЛПР. Для двух значений а и а , таких, что, имеем: Р{щ (xk,Sj) a ) Р(щ (хк ,Sj) a ).
Если используется функция потерь Vi= vi(xk,Sj) , то для каждого решения хк еХ определяется вероятность P(vi(xk,Sj) fi) и применение критерия состоит в выборе решений х є X, для которого Z3i(x ,P) = P(vi(x\sj) :0) = maxP(vi{xk,sj) 0), хкеХ где величина /? выбирается ЛПР из отрезка уа, а\. Модальный критерий конструируется исходя из наиболее вероятного состояния среды. Предположим, что существует единственное значение р. - maxP(s = s А. В этом случае ЛПР полагает, что среда находится в состоянии Sj =S Sj eS и оптимальное х определяется из условия: Z4i(x,sJ) = ui(xt,Sj)=mmiui(xk,Sj). хк еХ
Если же окажется, что максимум P(s-Sj) достигается на априорных вероятностях pj , Pj,,..., pj , то оптимальное решение х є X определяется из условия: j N і N z4i(x\sji,...,sjj = j%ui(x\sji) = mbxjyui(xk,sji). Основным недостатком рассматриваемого критерия является возможность того, ЧТО ЄСЛИ ВОЗЬМеМ Два решения Хк И Хк , ДЛЯ КОТОрЫХ Ul(xk , S: ) Ui(xk, S: ), то по модальному критерию предпочтительно будет решение хк , т. е. хк хк однако может оказаться, что В[(р,хк ) Bi(p,xk ).
Построение комбинированного критерия выбора решений для различных ситуаций априорной информированности ЛПР
Построим универсальный комбинированный критерий для принятия решений при разных ситуациях априорной информированности ЛПР. Для этого аддитивно объединим различные критерии для разных ситуаций априорной информированности ЛПР, предложенные в работах [77-80].
Для случая функции полезности U-hr = uir(xk,s -r) объединим комбинированный критерий, являющийся разностью значений критерия Байеса-Лапласа и критерия среднего квадратического отклонения функции полезности: У І,, (.Р Л) = (І- Лі)УБл,і,Лр хк)- Лі УааЛР хк) Кг УШІ,І,Г (Р xk) = Bi,r (/ ) = Р;Щ,Г (xk s) ), К/ r і(«і.,( . ;, )-вііГо»,хік))їі»; УБП,і,ЛР Хк) = і,ЛР Хк) = и критерий Гурвица: УКО,,П,І,Г (xk»Л) = (Л m«n Щ,т ( У) + (1 - Л) max uir (xk, s /r)). Предлагаемый универсальный комбинированный критерий имеет вид: УіЛхк Р ) = & ІЇУкші,і,г{Р ХкА) + Р Ук«аг,і,ЛхкМ Р,ЛпЛ2є[0,1].
Данный критерий является самым общим по отношению ко всем ранее рассмотренным. Цель решения задачи заключается в нахождении х из условия: у. (х ,рД,,Яг) = max у. (хк,р,Ях ,Я2). хкєХ Для функции потерь VUr = v-hr(xk,s j r) объединим комбинированный критерий, являющийся суммой значений критерия Байеса-Лапласа и критерия среднего квадратического отклонения функции потерь: и критерий Гурвица: Уко.«бг,іЛхк Яі) = (Л2 min v/)r(x,, ) r) + (l-/l2)max vlt,(xk,s ;r)). Универсальный комбинированный критерий имеет вид: УіАх»Р ) = $- Р)Ука и,г{Р хкА) + Р Ук«аг,іЛхкМ, Р,Я1,Я2е[0,1]. Цель решения задачи заключается в нахождении х из условия: у І (х ,р,Л1,Я2) = тіпуі (х Р Л,). хкёХ
Обсудим свойства сконструированного критерия для случая функции полезности. В зависимости от ситуации априорной информированности ЛПР осуществляет выбор весов Р, Х}, Я2. У него есть возможность превратить комбинированный критерий в один из составляющих критериев (критерий Байеса-Лапласа, критерий среднего квадратического отклонения функции полезности (потерь), их комбинацию, критерий Гурвица или комбинацию всех критериев). Отсюда виден универсальный характер предлагаемого критерия. Если ЛПР классифицирует ситуацию априорной информированности как первую, т.е. ему известны распределения вероятностей p ,r = {р[ г ,...,р1к г} состояний s j r Sir, j = l,...,kjr среды и его удовлетворяет точность оценки этих величин, то ЛПР следует выбрать /? = 0 и воспользоваться комбинированным критерием УіЛхк Л Лг) = УКОМП,І,Г (p,xk А)
Остается проблема выбора величины Xt для полученного критерия. Здесь предлагается следующий диалоговый подход. Для каждого из хА. є{х7,...,хн} вычислить значения критерия yKaMSUitl.(p,xk,Al) при Х1, изменяющемся от 0 до 1, например, при Х1 = {0.0) 0.1,..., 1.0}. Затем ЛПР изучает полученные оценки и выбирает Х1, соответствующее его представлению о качестве решения.
Пусть ЛПР классифицирует ситуацию априорной информированности как вторую, т. е. ЛПР предполагает активное противодействие среды целям принятия решений. Активная среда стремится к выбору таких состояний из множества Sir, для которых функция полезности U lr = uir(xk,sl-r) принимает наименьшее значение из множества своих максимально возможных (по решениям) значений. ЛПР в этой ситуации стремится к гарантированному (максиминному) уровню значений функции полезности. Если ЛПР уверен в активном противодействии среды, то следует выбрать /3 = 1 и воспользоваться комбинированным критерием Уі,г (Х1,» Р- К іК ) = Укомб1,і,г (Xk 51Д Д) , УкомвгиК) = Ук«аі,і,г(х Д h 1) = min uir(xk ,s ;r). s j Sl.r
Для функции потерь Vir = v-hr(xk,s -r) активная среда стремится к выбору таких состояний из множества Si r, для которых функция потерь принимает наибольшее значение из множества своих возможных (по решениям) значений. ЛПР в этой ситуации стремится к гарантированному (минимаксному) уровню значений функции полезности. Если ЛПР уверен в активном противодействии среды, то следует выбрать Р = 1 и воспользоваться комбинированным критерием Уко,,бі,і,г(хк) = УКо,іб1,і,г(хк,ІЛ,0) = тях vitr(xk,s :r). "j"eS .r
Пусть ЛПР классифицирует ситуацию априорной информированности как третью. Третья ситуация априорной информированности ЛПР определяется наличием факторов, характеризующих два типа промежуточного поведения среды.
Для третьего типа предполагается, что ЛПР имеет информацию о состояниях среды, являющуюся промежуточной между первой и второй ситуациями априорной информированности. Данная ситуация априорной информированности лежит между двумя крайними ситуациями, характеризующимися, с одной стороны, полным или частичным знанием распределений вероятностей, а с другой - антагонистическим поведением среды
Пример выбора лучшего варианта ИС - варианта корпоративной системы управления предприятием
Значение индекса важности уъ обобщенного критерия уъ оценено ЛПР равным 2. Обобщенный критерий уъ описывается критериями двух уровней. Приведем это иерархическое описание, указывая значения индексов важности.
Локальный критерий узх - совокупная стоимость системы, у31 - 2.
Частный критерий у311 - стоимость лицензий, у311 =3. Частный критерий узла - стоимость консалтинга, y3h2 = 1. Частный критерий у3 13 - стоимость средств разработки, у313 = 3. Частный критерий у3 х 4 - соотношение стоимость лицензий/ стоимость затрат на внедрение, у31 4 = 3.
Частный критерий у315 - стоимость адаптации к изменяющимся условиям, Гз,1,5=3 Частный критерий у316 - стоимость поддержки и самоподдержки, у316 - 3. Частный критерий узх 7 - стоимость «горячей линии», у317 - 2. Локальный критерий у32 - срок окупаемости проекта внедрения, у3 2 = 3. Локальный критерий у33 - экономическая эффективность, у33 = 3. Частный критерий уззл - снижение времени цикла (не менее 30%), Гз,3,1 = 3 Частный критерий у3 32 - обеспечение сроков выполнения (не менее 90%), Частный критерий 3,з,з " снижение НЗП (не менее 40%), 3,з,з = ! Частный критерий j3,3,4 " снижение запасов готовой продукции (не менее 25 Частный критерий у3 3jS - пропускная способность оборудования (не менее 20%), Гз,з,5=3. Частный критерий у336 - эффективное использование ресурсов (не менее 25%), Г3,з,6=3. Частный критерий у3 3 7 - возврат инвестиций (не более чем за 1,5 года по этапам), /33 7 = 3.
Обобщенный критерий у4 - методология внедрения
Значение индекса важности у4 обобщенного критерия у4 оценено ЛПР равным 3. Обобщенный критерий у4 описывается критериями двух уровней. Приведем это иерархическое описание, указывая значения индексов важности. Локальный критерий j41 - средства внедрения и адаптации системы, Улл=ъ Частный критерий j 4 M - методология проектирования и внедрения бизнес-функций и бизнес процессов, y4il - 2. Частный критерий yil2 референтные модели по типам производства, Локальный критерий у4г - риск невнедрения, у42 = 3. Данный критерий является статистическим критерием. Его построение рассмотрено в главе 2. Локальный критерий у4 3 - своевременность внедрения системы, /43=3. Данный критерий является статистическим критерием. Его построение рассмотрено в главе 2. Значение индекса важности ys обобщенного критерия ys оценено ЛПР равным 3. Обобщенный критерий ys описывается критериями двух уровней. Приведем это иерархическое описание, указывая значения индексов важности. Локальный критерий ySA - характеристика внедрений, ysl = 3. Частный критерий у5лл - количество полномасштабных внедрений в РОССИИ, 5,1,1 = 3 Частный критерий у512 - присутствие на Российском рынке, у511 = 1. Локальный критерий j 52 - локализация пользовательского интерфейса, документации и HELP, yS2 = 3. Локальный критерий yi3 - наличие центра поддержки в России, у53 =1. Частный критерий j5 зд - обучение пользователей, yS3X = 3. Частный критерий j532 - наличие в России специалистов, прошедших обучение различным аспектам функциональности системы, у532 = 1 Локальный критерий yS4 - поддержка требований Российского законодательства, у5А = 3. Локальный критерий ys 5 - программный продукт собственность центра локализации и поддержки, yss - 3. Локальный критерий у56 - наличие исходных кодов на территории России,
Прежде чем перейти к пункту 7 алгоритма (построению агрегированных оценок значений критериев) отметим, что при построении иерархического дерева критериев было выделено четыре статистических критерия д10, д7, д2, у43. Ранее в главе 2 были реализованы пункты 3-5 обобщенного диалогового алгоритма и были получены детерминированные значения критериев представленные в таблицах 3, 5, 7, 9.
Оценки значений критериев разного уровня приведены ниже в таблицах. Данные оценки получены от экспертов (если была такая необходимость) и одобрены ЛПР. ЛПР, проводя анализ оценок, перевел их значения в шкалу достаточности - шкалу 9, представленную в главе 3. Результаты оценок приведены в таблицах ниже.
