Научная статья на тему 'Математическое обеспечение при решении задачи управления программой лояльности'

Математическое обеспечение при решении задачи управления программой лояльности Текст научной статьи по специальности «Общие и комплексные проблемы естественных и точных наук»

CC BY
12
0
Поделиться
Ключевые слова
МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ / АНАЛИЗ / ОБРАЗОВАТЕЛЬНЫЕ УСЛУГИ / ЛОЯЛЬНОСТЬ И ЕЕ СОСТАВЛЯЮЩИЕ

Аннотация научной статьи по общим и комплексным проблемам естественных и точных наук, автор научной работы — Галлямова Ирида Радиковна

В статье рассматривается математическое обеспечение при усилении лояльности студентов к университету. В данной статье рассматривается вопрос математического обеспечения при управлении лояльностью потребителей образовательных услуг. В качестве исходных данных использованы статистические данные, собранные методом анкетирования абитуриентов.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Текст научной работы на тему «Математическое обеспечение при решении задачи управления программой лояльности»

водах. Выходит, что подготовленная для закачки в пласт вода, должна соответствовать требованиям не только технологического характера, но и экологического [4].

Конкретный выбор системы водоснабжения зависит от источников воды для закачки в пласт, которыми могут быть:

- водоносные горизонты данного месторождения;

- сточные воды, состоящие из смеси добытой вместе с нефтью пластовой воды;

- воды отстойных резервуарных парков, установок по подготовке нефти, ливневые воды промысловых объектов. Сточные воды загрязнены нефтепродуктами, требующие специальной очистки.

Фильтры ФГК (далее - фильтры) предназначены для очистки газа и жидкостей, газа и газового конденсата от механических примесей и попутно добываемой воды с целью защиты компонентов технологической системы от механического износа и загрязнений. Фильтры могут быть использованы:

- в системе ППД на линии приема жидкости насосными агрегатами;

- на узлах учета нефти для защиты средств измерения от загрязнений;

- в системе технологического водообеспечения и теплоснабжения;

- для тонкой очистки жидкостей (керосин, масло, бензин) от механических загрязнений c целью повышения качества продукции [5].

Список литературы

1. Чернова К.В. Шайдаков В.В., Селуянов А.А. Очистка воды от механических примесей и нефтепродуктов на предприятиях нефтедобычи и нефтепереработки. Источник: ООО "НПФ ТРАВЕРС, 2014. С. 73-125.

2. Смольников С.В. и др. Методы защиты насосного оборудования для добычи нефти от механических примесей. Уфа: Нефтегазовое дело, 2010. С. 41-47.

3. Шмидт А.А. Повышение эффективности эксплуатации скважин, осложненных содержанием мех. примесей в продукции: автореф. Дис. канд. техн. наук. Уфа, 2007. С. 25-37.

4. Шашкин М.А. Применяемые в ТПП «Лангепаснефтегаз» методы защиты для снижения негативного влияния механических примесей на работу ГНО // Инженерная практика, 2010. № 2. С. 26 - 31.

5. ООО ЦК «Техинвест» // Применение фильтров ФГК. [Электронный ресурс], 2017. № 6. Режим доступа: http://tehinvest.net/uslugi/79/ (дата обращения: 25.06.2017).

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ПРИ РЕШЕНИИ ЗАДАЧИ УПРАВЛЕНИЯ ПРОГРАММОЙ ЛОЯЛЬНОСТИ Галлямова И.Р.

Галлямова Ирида Радиковна — магистрант, направление: информатика и вычислительная техника, профиль: компьютерный анализ и интерпретация данных, кафедра вычислительной математики и кибернетики, факультет информатики и робототехники, Уфимский государственный авиационный технический университет, г. Уфа.

Аннотация: в статье рассматривается математическое обеспечение при усилении лояльности студентов к университету. В данной статье рассматривается вопрос математического обеспечения при управлении лояльностью потребителей образовательных услуг. В качестве исходных данных использованы статистические данные, собранные методом анкетирования абитуриентов.

Ключевые слова: математическое обеспечение, анализ, образовательные услуги, лояльность и ее составляющие.

УДК 004.4

На рынке образовательных услуг лояльным потребителем является тот, кто пользуется услугами конкретного образовательного учреждения, рекомендует его своим друзьям и знакомым и не реагирует на предложения конкурентов. Важным аспектом является то, что на сегодняшний день нет единого подхода к тому, как именно должен быть измерен уровень

лояльности потребителя. Это формирует объективную необходимость для современных образовательных учреждений в формировании лояльности, регулирующей отношения между сотрудниками, студентами и выпускниками.

Создание современных методов формирования и реализации программ лояльности позволит повысить эффективность управления отношениями с потребителями, а также получить преимущества в конкуренции. Это обуславливает актуальность исследования вопросов, связанных с особенностями формирования лояльности потребителей к высшему учебному заведению.

X = iX X XX 1

Обозначим множество заполненных анкет 1 11 12"' n+1*,

XX X

11 1 2>--- in - информация о предпочтениях каждого студента,

X

1n+1 - оценка студента i (т.е. результат обработки ответов на вопросы с анкеты).

X = iX X X 1

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

к к k1 kМ) - информация о новых предпочтениях студента или абитуриента.

„„ Rule :Xk4> X,

Найти: k -правила, с использованием которых и применительно к новым

данным, предположить какой будет лояльность студента:

Необходимо выявить зависимость f, которая позволит отобразить тот или иной объект Xi к кластеру Yj.

Поскольку в качестве инструмента анализа используется аналитическая платформа Deductor, то опишем методы факторного и кластерного анализа в терминах данной платформы.

Начнем с факторного анализа. Любой даже примитивный выбор заключается в соотношении количества и важности факторов к возможным вариантам выбора. Что касается возможности выбора в масштабной работе, то упростить процедуру выбора нам поможет факторный анализ в Deductor.

Алгоритм Deductor основывается на методе главных компонент. Для факторного анализа берутся исходные данные (матрица), происходит преобразование исходной матрицы и расчет собственных чисел. С точки зрения геометрического смысла в исходном пространстве геометрические оси подвергаются повороту. В итоге образуется новый фактор образующийся каждой осью. Для каждого фактора рассчитывается значимость в новом пространстве признаков. Благодаря сокращению размерности будут оставлены только новые факторы с высокой значимостью [1]. Метод главных компонент является основополагающим во всем факторном анализе и базируется на данных формулах.

RV = 2V 2

RV , где 2 - собственное число R, R-матрица ковариации, V-собственный вектор

R, тогда:

RV-XV=0

V (R-2E) = 0

R-Щ = о 2

И решение есть когда 1 , где R-матрица ковариации, 2 - собственное число

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

R, E- матричная единица. Затем считаем определитель для матрицы размерности.

Далее находим V подставляем собственные числа.V(R ^^ =0 и решаем соответствующие системы уравнений. Числу переменных равна сумма собственных чисел, а детерминант корреляционной матрицы - произведению. Собственное число является дисперсией оси, наибольшее - первой и дальше по убыванию до наименьшего - количество информации вдоль оси. Доля дисперсии на данную компоненту: надо разделить собственное число на количество m. Коэффициенты нагрузок для данных компонент считаются путем деления собственных векторов на квадратный корень соответствующих собственных чисел.

Для полного анализа данных и факторов следует рассмотреть карты Кохонена. Карта Кохонена является мощным самообучающимся механизмом кластеризации данных, за счет которого отображаются результаты в виде компактных и двумерных карт для интерпретации данных [2].

Для проведения кластерного анализа выделена обучающая выборка

Xm = {х^, ,---,хт } — X . Выходом является множество кластеров Y = {y^, y^,---,У\ } ,

включающих схожие характеристики. Задана функция расстояния между объектами

р(X, X') . Требуется разбить обучающуюся выборку на кластеры на основе схожести

признаков объектов для одного кластера и различия признаков объектов разных кластеров. При

этом каждому объекту х^ е Хт приписывается номер кластера у). Далее каждый

рассматриваемый объект относится к одному из классов.

Решение задачи с помощью самообучающейся сети Кохонена базируется на том, что нейронная сеть, ориентируясь на структуру подаваемых входных векторов, относит объект к определенному классу [3]. При разработке сети Кохонена определяется число нейронов во входном и выходном слоях, скорость обучения и критерий остановки. При подаче на вход признаков объекта нейроны в выходном слое конкурируют друг с другом за право быть

«победителем», входящие веса ® которого являются самыми близкими ко входному образу.

Для ячейки-победителя - j' выполняется соотношение:

О ■ — x <\ю — x\

для всех j.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Победитель имеет право на регулирование своего веса.

Алгоритм обучения сети Кохонена определяется следующими шагами: инициирование веса, установка параметров функции соседства и скорости обучения; вычисление 2

D(j) = Z(a>ij -Xj) а

1 для каждого j , где ^ - синаптические веса между нейронами inj;

D( j) = min

нахождение такого индекса j , что у , вычисление для всех ячеек j в пределах

определенного соседства от j' и для всех i нахождение

С (new) = С (old) + (j, j')[x/ — О (°ld)J где о у (new) и о^ (old) _

новое и старое значения весов, V _ скорость обучения, V л (j, j) _ функция соседства, изменение скорости обучения; уменьшение радиуса функции соседства; проверка условия остановки: снижение скорости обучения до нуля.

В целом, надо отметить что, данные методы нужно реализовывать регулярно для отслеживания динамики изменения классификации отзывов студентов и лояльности потребителей образовательных услуг. Несмотря на существующие трудности и проблемы, оценка уровня лояльности потребителей дает важную информацию, которую можно использовать для совершенствования деятельности организации в условиях конкуренции, в том числе и на рынке образовательных услуг.

Список литературы

1. Бабенко А.А. Анализ различных методов оценки потребительской лояльности/ А.А. Бабенко // Вопросы экономики и управления, 2016. № 1. С. 36-39.

2. Еремина П.В., Скляр Е.Н. Основные правила и принципы разработки программ лояльности и этапы их внедрения. // Материалы региональной научной конференция «Достижения молодых ученых Брянской области». Брянск: БГТУ, 2010. С. 161-164.

3. Яшкина П.В. Методики оценки лояльности потребителей. Использование NPS-метода при анализе клиентской лояльности // Маркетинг и маркетинговые исследования, 2012. № 1. С. 28-40.