CC BY
21
Научно-технические ведомости СПбГПУ 6-1' 2011 А Информатика. Телекоммуникации. Управление
"Т-=-*
УДК 378 (001.891)
В.Е. Магер, A.A. Саралийский, А.В. Стеганцов, Л.В. Черненькая
ИНФОРМАЦИОННАЯ ПОДДЕРЖКА СИСТЕМЫ МЕНЕДЖМЕНТА КАЧЕСТВА СПБГПУ
В рамках реализации Программы модернизации и развития СПбГПУ как национального исследовательского университета предусмотрено развитие и совершенствование системы менеджмента качества (СМК), которая должна аккумулировать данные существующих в Университете информационных систем, обеспечивать сбор и хранение данных о деятельности Университета и его подразделений, а также создавать единое информационное пространство по управлению качеством. Такая система разрабатывается в Корпоративном центре качества (КЦК) СПбГПУ.
Цель разработки информационной системы (ИС) менеджмента качества образовательного учреждения - создание инструмента для предоставления руководству достоверной информации для принятия решений по проведению управляющих и корректирующих воздействий. Существующие методики ориентированы на контроль выполнения вузом показателей государственной аккредитации, оценку динамики рейтинга вуза, но не позволяют проводить анализ причин неудовлетворительного состояния этих показателей, поэтому данный проект подразумевает разработку дополнительных методик оценки качества деятельности вуза.
В настоящее время в СПбГПУ внедрено несколько информационных систем, на их основе создан Информационный портал СПбГПУ, состоящий из нескольких Интернет-приложений. Эти системы используют интегрированную базу данных. Поскольку СМК планируется как продолжение и развитие общей информационной системы вуза, наиболее логичным представляется использование накопленных данных, при этом необходимо обеспечить ввод дополнительных данных, которых нет ни в одной из существующих систем.
На основе проведенных исследований требования к функциональности информационной системы СМК могут быть сформулированы следующим образом:
мониторинг исходных параметров; расчет показателей качества; анализ и визуализация результатов контроля; автоматизация отчетов;
поддержка принятия управленческих решений; прогнозирование изменения тех или иных пока-
зателей деятельности высшего учебного заведения.
При этом необходимо учесть следующие особенности.
• Интерфейс системы должен сочетаться с одновременным вводом большого массива данных. Необходимо предварительное заполнение базы данных (БД) посредством импорта доступных данных, при этом обязательно обеспечение их валидации.
• Помимо разделения данных по временным слоям, необходимо также организовать связность данных между слоями и аудит (логирование) изменений данных.
• Информация в различных базах данных Университета может отличаться.
• Не все данные представлены в существующих базах данных, часть данных необходимо собирать иными средствами, поэтому должен быть реализован модуль удаленного ввода данных на уровне структурных подразделений Университета, а также разработан web-интерфейс, также предоставляющий доступ к импортированным данным для валидации.
• Система должна иметь надежную подсистему защиты информации, т. к. базы данных, входящие в состав разрабатываемой ИС, относятся к государственным информационным ресурсам и требуют обеспечения унификации программных продуктов, а также обеспечения необходимого уровня защиты информации (как на программном, так и на аппаратном уровне).
В процессе разработки СМК проанализированы различные системы безопасности и принят вариант ролевой политики безопасности. В разрабатываемой системе пользователи делятся на несколько групп с разными правами доступа.
На основе анализа требуемой информации составлен список данных, которые необходимо хранить в системе, построена реляционная модель и разработана структура базы данных СМК. Также описаны способы взаимодействия пользователей с системой, разработаны соответствующие интерфейсы.
Особое внимание в процессе создания и развития СМК требует модуль поддержки принятия решений, при этом актуальна задача разработки формального аппарата для поддержки принятия управленческих решений на различных уровнях управления вузом.
Информационные системы и программное обеспечение
Один из способов такой формализации - использование аналитической информации, полученной на базе применения математических методов обработки статистических данных, характеризующих деятельность образовательных учереждений. В соответствии с поставленной целью (разработка инструментов управления деятельностью Университета на базе применения статистических методов), необходимо решить ряд следующих задач:
разработать методики анализа массивов статистической информации, отражающих состояние как вуза в целом, так и его отдельных подразделений и процессов деятельности;
разработать рекомендации по использованию аналитической информации для принятия управленческих решений в вузе;
провести апробацию разработанных методик на базе имеющихся статистических данных.
В КЦК проведены исследования в области прикладных задач, решаемых методами математической статистики, определен круг задач и возможность их формализации применительно к рассматриваемой системе. Выполнен сравнительный анализ программных продуктов, предоставляющих аппарат для статистической обработки информации.
Статистическая обработка данных позволяет изучать разнообразные закономерности и высказывать предположения о природе тех или иных связей. С целью выявления взаимосвязей применяется совокупность методов корреляционного и дисперсионного анализа [1]. Для решения задач восстановления зависимостей и прогнозирования логично использовать регрессионный анализ и анализ временных рядов соответственно, т. к. методы регрессионного анализа ориентированы на работу с данными стационарной системы, а анализ временных рядов - на динамические данные во временном пространстве. Для решения задачи получения интегральных показателей качества можно воспользоваться общими статистическими методами, а также методами анализа вариационных рядов.
Первоочередная задача - выявление взаимосвязей между признаками, характеризующими образовательные объекты. Важная особенность анализируемых данных - неопределенность функции их распределения и возможных видов взаимосвязей. Следовательно, необходимо использовать набор методов, позволяющих выявлять различные виды связей: линейные и криволинейные. Для этого предлагается использовать коэффициенты корреляции Пирсона (как наиболее адекватную характеристику линейной связи), коэффициенты Спирмена и Фехнера (для выявления криволинейных моно-
тонных связей), а также наиболее универсальный показатель связи - корреляционное отношение [2]. На основании сравнения данных коэффициентов для любой пары признаков можно сделать вывод о характере выявленной связи.
Помимо парной взаимосвязи существуют также множественные связи, когда значение признака зависит от нескольких других. Для оценки степени влияния каждого признака в группе взаимосвязанных признаков предлагается использовать коэффициент частной корреляции и соответствующие методы теории графов, позволяющие выявлять многоэлементные группы взаимосвязанных переменных.
Вторая задача - восстановление функциональных зависимостей между признаками на основе выявленных между ними взаимосвязей. По теореме Маркова оценка методом наименьших квадратов (МНК) среди линейных несмещенных оценок является наилучшей оценкой (в смысле наименьшей дисперсии ошибок). Для оценки параметров регрессионной модели в линейном случае целесообразно использовать метод Гаусса как наиболее простой и эффективный. В случае нелинейных моделей метод Гаусса не работает, поэтому предлагается использовать алгоритм Левенберга-Марквардта, т. к. в нем устранены недостатки метода сопряженных градиентов и метода Гаусса-Ньютона [3]. Существенный аргумент в пользу выбора данного алгоритма - его широкое использование в статистических прикладных программных пакетах и статистических исследованиях.
При анализе многомерных моделей предпочтение отдается методу шаговой регрессии как более простому (по сравнению с МНК) и удовлетворяющему решению поставленной задачи: выделению факторов, оказывающих существенное влияние на результативный показатель.
Для решения задачи ранжирования объектов (установления рейтинга) самым приемлемым является метод введения эталонных объектов [4]. Преимущество данного метода заключается в том, что с его помощью можно формировать объекты, имеющие определенные показатели, удовлетворяющие требованиям вышестоящих органов системы высшего образования и требованиям, сформированным непосредственно в вузе, относящимся к выполнению конкретных процессов образовательной деятельности.
Наиболее предпочтительные прикладные статистические пакеты - SPSS, Statistics и MATLAB (Statistics toolbox), что обусловлено высокой скоростью вычислений, удобным интерфейсом и расширенными возможностями визуализации результатов.
Задача прогнозирования показателей деятельности вуза является одной из самых востребо-
Научно-технические ведомости СПбГПУ 6-1' 2011 ^ Информатика. Телекоммуникации. Управление
ванных в сфере управления [5] и может осуществляться на базе рассмотренных выше методик по следующим признакам:
по конкретному признаку конкретного объекта;
по интегрированным показателям признаков;
по рейтинговым показателям.
При выборе модели прогнозирования необходимо руководствоваться тем, что наиболее вероятная модель анализа динамики показателей деятельности вуза - зависимость уровней динамического ряда от показателей прошлых лет. Тренды, учитывающие сезонность, как правило, применимы в случае оценки экономических показателей. Другой аспект выбора модели, не учитывающий сезонность, - интервал измерения показателей деятельности в выбранной системе, обычно составляющий один учебный год. Оценка трендовой составляющей при прогнозировании производится в случае достаточно длительного ряда наблюдений.
В связи с недостаточной глубиной статистических данных трендовую составляющую рассматривать нецелесообразно. Исходя из перечисленных выше доводов, оптимальным методом для решения поставленной задачи является метод экспоненциального сглаживания.
Разработанные методики позволят решать задачи выявления связей между признаками и объектами, строить приближенные функциональные взаимозависимости параметров системы различной размерности, ранжировать объекты по степени соответствия наиболее оптимальным параметрам системы, а также проводить прогноз будущих значений параметров системы и объектов различной глубины декомпозиции.
На базе показателей деятельности СПбГПУ проведена апробация разработанных методик. В настоящее время в КЦК ежегодно собираются данные по
СПИСОК Л
1. Моисеев, Н.Н. Математические задачи системного анализа [Текст] / Н.Н. Моисеев. -М.: Наука, 1981. -487 с.
2. Демиденко, Е.З. Оптимизация и регрессия [Текст] / Е.З. Демиденко. -М.: Наука, 1989. -342 с.
3. Ким, Дж.-О. Факторный, дискриминантный и кластерный анализ [Текст] / Дж.-О. Ким, Ч.У Мьюл-лер, У Р. Клекка [и др.]; Пер. с англ.; Под ред. И.С. Еню-кова. -М.: Финансы и статистика, 1989. -215 с.
4. Шенк, Х.И. Теория инженерного эксперимента [Текст] / Х.И. Шенк. -М.: Мир, 1972. -388 с.
5. Козлов, В.Н. Расчет рейтинга вуза, специальностей и направлений подготовки. Категорирование факультетов: Метод. рекомендации [Текст] / В.Н. Козлов,
базовым показателям деятельности СПбГПУ, предоставляемые в Министерство образования и науки РФ для государственной аккредитации вуза, аттестации и расчета рейтинга вузов. Мониторинг выполнения показателей государственной аккредитации в СПбГПУ проводится не только на уровне Университета в целом, но и на уровне структурных подразделений (факультетов, институтов) с целью выявления критических направлений деятельности вуза [6].
В соответствии с целями исследования в качестве класса объектов, для которых будет проводиться анализ, рассматриваются факультеты и институты СПбГПУ. Это обусловлено тем, что сбор базовых данных по факультетам и институтам является наиболее последовательным в данный момент. В связи с небольшим количеством факультетов предлагается при анализе взаимосвязей использовать данные за несколько лет. При рассмотрении статистической информации необходимо учитывать различные уровни детализации данных. Так, первым уровнем являются базовые показатели, вторым - локальные критерии при расчете рейтинга факультетов, третьим - интегральные критерии. При применении разработанных методик проводится рассмотрение различных уровней детализации данных. Пример использования методики поиска взаимосвязей между показателями произведен на базе локальных критериев оценки деятельности факультетов, выступающих в качестве признаков [7].
В заключение следует отметить, что модель принятия управленческих решений на базе анализа статистической информации, разработанная для оценки деятельности высшего учебного заведения, не является специфичной для конкретной области или конкретного объекта и может быть применена для оценки организаций, независимо от сферы деятельности.
ГЕРАТУРЫ
В.Е. Магер, А.И. Рудской [и др.] // Управление качеством в Политехническом университете. -СПб.: Изд-во Политехн. ун-та, 2008. - Вып. 11. -191 с.
6. Саралийский, А.А. Разработка информационной системы менеджмента качества СПбГПУ [Текст] / А.А. Саралийский, Л.В. Черненькая // Управление качеством в Политехническом университете. -СПб.: Изд-во Политехн. ун-та, 2010. - Вып. 14. -159 с.
7. Козлов, В.Н. Расчет рейтинга вуза, специальностей и направлений подготовки, внутренний рейтинг СПбГПУ: Метод. рекомендации [Текст] / В.Н. Козлов, В.Е. Магер, А.В. Речинский, А.И. Рудской [и др.] // Управление качеством в Политехническом университете. -СПб.: Изд-во Политехн. ун-та, 2010. -Вып. 16. -136 с.
