CC BY
108
количество правильных ответов). На основе этих данных принимается решение о редактировании банка тестовых заданий (БТЗ). В зависимости от частоты правильных ответов:
- может быть изменена мера трудности задания;
- задание может быть исключено из БТЗ (около 100% правильных ответов);
- изменена формулировка задания (100% неправильных ответов).
2. Проведение сравнительного анализа результатов, выявление зависимостей результатов позволит принимать решения по совершенствованию процесса преподавания дисциплины и оценки качества работы преподавателя. Важными, на наш взгляд, являются следующие виды анализа:
- анализ результатов по отдельным дидактическим единицам;
- сравнительный анализ результатов входного и итогового тестирования;
- сравнительный анализ результатов текущих тестирований по отдельным темам и результата итогового тестирования;
- сравнительный анализ результатов итогового тестирования и входного тестирования в рамках дисциплины-приемника.
Для выявления различных скрытых факторов, влияющих на конечный результат, в признанных международных системах тестирования, таких как РІБА, РІРІ_Б и других, широко применяется анкетирование тестируемых. Такое анкетирование позволяет качественно оценить степень влияния этих факторов на результат тестирования.
В нашем случае для повышения информативности результатов тестирования в анкету можно включить вопросы, касающиеся:
- уровня начальной подготовки по дисциплине;
- уровня знаний по смежным дисциплинам;
- мотивации студента на получение образования и достижение высоких результатов;
- методического и материально-технического обеспечения самостоятельной работы;
- уровня педагогического мастерства преподавателя и т. д.
Информационные системы компьютерного тестирования, оснащенные модулем анализа результатов, позволяют оперативно получать объективные данные, необходимые в системах управления качеством образования. На основе таких данных можно принимать обоснованные решения по совершенствованию учеб -ного процесса в вузе.
УДК 658:004 г.Ю. Чернышова
МЕТОДИКА ОЦЕНКИ КОНКУРЕНТОСПОСОБНОСТИ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ С ИСПОЛЬЗОВАНИЕМ МОДЕЛЕЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
В статье рассматривается методика оценки конкурентоспособности промышленного предприятия. Для оценки групповых и интегрального показателей конкурентоспособности используется нечеткое моделирование.
Ключевые слова: конкурентоспособность предприятия, нечеткая логика, сбалансированная система показателей.
G.Yu. Chernyshova
APPRAISAL TECHNIQUES OF INDUSTRIAL ENTERPRISES COMPETITIVENESS WITH THE HELP OF ARTIFICIAL INTELLECT
The purpose of this article is to present a methodology to appraise enterprise competitiveness. The author uses fuzzy system modelling for the calculation of integrated and group parameters of competitiveness.
The key words: enterprise competitiveness, fuzzy logic, balanced scorecard.
Интеллектуальные методы предполагают использо- финансовых, так и нефинансовых показателей, причем
вание алгоритмов, моделирующих интеллектуальную де- одной из существенных проблем является построение
ятельность человека. Нечеткая логика относится к клас- и численная оценка иерархической системы этих пока-
су интеллектуальных технологий. Методы нечеткой логи- зателей. Анализ различных подходов оценки конкурен-
ки позволяют решать целый класс управленческих задач, тоспособности показывает, что чаще всего для интег-
в том числе когда необходимо получить количественную рального показателя используется аддитивная или
оценку выходных переменных при нечетких значениях мультипликативная свертка. Однако при этом не учи-
входных параметров. Направление, связанное с исполь- тываются множество качественных показателей конку-
зованием нечеткой логики, достаточно широко исследо- рентоспособности и многие числовые показатели не-
валось, однако их применению при решении конкретных возможно однозначно нормировать.
задач менеджмента уделялось меньше внимания. В качестве способа решения данной проблемы пред-
Оценка конкурентоспособности предприятия дол- лагается методика, основанная на аппарате нечетких
жна включать большое количество разнообразных как множеств. В условиях растущего дефицита количествен-
ных и качественных исходных данных, невозможности точной и полной оценки многих параметров нечеткая алгебра практически не имеет альтернатив.
Использование методов, базирующихся на теории нечетких множеств, предполагает формализацию ис -ходных параметров и целевых показателей в виде вектора интервальных значений (нечеткого интервала), попадание в каждый интервал которого характеризуется некоторой степенью неопределенности. Осуществляя арифметические и другие операции с такими нечеткими интервалами по правилам нечеткой математики , эксперты получают результирующий нечеткий интервал для целевого показателя.
В качестве объекта мониторинга исследуется система показателей конкурентоспособности предприятия в рамках подхода, предлагаемого системой сбалансированных показателей. Balanced Scorecard (БЭС) (сбалансированная система показателей) [1, с.227] переводит миссию и общую стратегию компании в систему четко поставленных целей и задач, а также показателей, определяющих степень достижения данных установок в рамках четырех основных проекций: финансов (K1), клиентов (K2), внутренних бизнес-процессов (K3), обучения и роста (K4).
Для каждой из групп показателей K, i = 1,4 с помощью экспертов производится отбор конкретных финансовых и нефинансовых показателей P i = 1, 4, j = 1,4 . Предлагается в качестве основных показателей конкурентоспособности предприятия в каждой группе K,
i = 1, 4 остановиться на следующем наборе:
K1 = f1(P11,P12,P13).
K2 _ f2( P21,P 22,P23 ,P 24),
K3 _ f3( P31,P 32,P33 ,P 34),
K4 = f4(P41,P42,P4з),
где P11 - рентабельность продукции, P - оборачиваемость капитала, P13 - текущая ликвидность, P - доля рынка, P22 - цена, P23 - уровень качества продукции, P24 -эффективность рекламы, P31 - уровень затрат на 1 руб. выполненных работ, P32 - фондоотдача, P33 - доля износа основных средств, P34 - эффективность системы управления, P41 - производительность труда, P42 - уровень заработной платы, P43 - текучесть кадров.
Интегральный показатель конкурентоспособности Krt является функцией четырех переменных:
"Р K = F(K ; K;, K,; K ).
np '12 3 4'
Задача оценки уровня конкурентоспособности предприятия с применением теории нечетких множеств сводится к определению следующих элементов:
- входные лингвистические переменные для показателей P i = 1,4, j = 1,4, терм-множества переменных;
- функции принадлежности конкретных значений входных переменных к нечетким множествам;
- нечеткие предикатные правила зависимостей, связывающих значения входных переменных с одним из возможных значений выходной переменной, разработанные экспертом, или так называемая нечеткая база знаний.
Основные этапы получения нечетких оценок включают фаззификацию и дефаззификацию. Фаззифика-ция представляет собой преобразование точных значений входных переменных в значения лингвистичес-
ких переменных посредством применения теории нечетких множеств при помощи определенных функций принадлежности. Дефаззификация (устранение нечеткости) является переходом от нечетких значений величин к определенным числовым значениям. В теории нечетких множеств процедура дефаззификации аналогична нахождению характеристик положения (математического ожидания, моды, медианы) случайных величин в теории вероятности. Простейшим способом выполнения процедуры дефаззификации является выбор четкого числа, соответствующего максимуму функции принадлежности [2].
Индивидуальные показатели конкурентоспособно -
сти Р , / = 1, 4, у = 1, 4 , групповые показатели К, I = 1, 4 и интегральный показатель Кр задаются лингвистическими переменными 1г, характеризующимися тройкой элементов <Эг, Т, и>, где Эг- имя переменной; Тг-терм-множество, каждый элемент которого представ -ляется как нечеткое множество на универсальном множестве и
Для универсальной лингвистической оценки переменных используется пять термов. Терм-множество Тг для показателей целесообразно сформировать, основываясь на уровне значений показателя {Очень низкий, Низкий, Средний, Высокий, Очень высокий}.
Для описания соответствия количественного значения показателей с его лингвистическим описанием предлагается использовать треугольные функции принадлежности. Треугольные нечеткие числа чаще всего используются на практике, таким образом удобно представлять прогнозные значения параметров. Треугольное число с центром а соответствует нечеткому множеству чисел, приблизительно равных а, степень этого приблизительно определяется величинами у и д и задается экспертом. Носителем будет интервал (а - у, а + д). Функция принадлежности в общем случае имеет вид:
Кх) =
1 а — х
1---------------------, если а—у< х <а
, х —а с
1-------—, если а< х <а + о
0, в противном случае.
В предлагаемой методике для упрощения оценки различных показателей используется симметричная функция принадлежности, т.е. значения у - д.
Для каждого показателя осуществлена классификация уровней значений: задан носитель, центры треугольных чисел а, соответствующий значениям терм-множества Тг и у.
Эвристические правила для построения базы правил были сформулированы группой экспертов из числа руководящих сотрудников исследуемых предприятий с учетом особенностей предприятий среднего масштаба в промышленности строительных материалов.
Иерархическая нечеткая база знаний моделирует зависимость Кр= ^КГК2,К3,К4) с использованием четырех баз знаний. Эти базы знаний описывают зависимости: К2= ^2(Р21'Р22’P23’P24), К3 = УР31,Р32>
Р33Р34) и К4 = ^41^42^43) (рисунок).
Тогда максимальное количество правил для задания зависимости К = ^(Р11’Р12’Р13'Р21' Р22'Р23'Р24'Р31' Р32’
Y
P33,P34,P41,P42,P43) с помощью одной базы знаний будет равным 514 = 6 103 515 625.
Кпр
Pll Pl2 Pl3 P21 P22 P23 P34 P31 P32 P33 P34 P41 P42 P43
Иерархическая структура показателей конкурентоспособности предприятия
Для иерархической базы знаний, описывающую ту же зависимость, максимальное количество правил будет равным 53 + 54 + 54 + 53 + 54 = 2 125. Причем это компактные правила с тремя или четырьмя входными переменными.
Было осуществлено построение базы нечетких лингвистических правил для показателей Ki, i =1, 4 и для K . В частности для K K4было представлено 125 правил, для K2, K3, K - 625 правил.
Визуализация графиков зависимости выходных переменных от отдельных входных переменных была осуществлена с помощью программы просмотра поверхности системы нечеткого вывода в пакете Fuzzy Logic Toolbox для среды MatLab [3], которая благодаря наличию пакетов расширения является достаточно мощным и универсальным инструментом, позволяя привлекать к разработке и усовершенствованию приложений специалистов из предметной области. В результате анализа адекватности нечеткой модели с использованием средств визуализация Fuzzy Logic Toolbox были внесены корректировки в базу лингвистических правил.
Процедуры дефаззификации и фаззификации для промежуточных переменных не выполняются. Резуль -тат логического вывода в виде нечеткого множества напрямую передается для нечеткого вывода следующего уровня иерархии. Поэтому для описания промежуточных переменных в иерархических нечетких базах знаний достаточно задать только терм-множества без определения функций принадлежностей.
Расчет интегрального показателя конкурентоспособности предприятия произведем на основе полученной нечеткой оценки путем дефаззификации на основе метода Мамдани. Данный алгоритм имеет существенные для оценки конкурентоспособности преимущества:
- содержательную интерпретацию параметров нечеткой модели;
- объяснение логического вывода;
- отсутствие больших объемов выборки фактических данных.
Таким образом, ориентируясь на значения совокупности факторов, эксперт определяет степень влияния каждого из показателей на результирующую нечеткую оценку. В отличие от данного подхода, в традиционной методологии эксперт указывает конкретные значения весов групп показателей.
Применение рассмотренной методики позволяет осуществлять сравнение предприятий между собой или рассматривать конкурентоспособность выбранного объекта в динамике.
1. Бьерн А. Бизнес-процессы. Инструменты совершенствования / пер. с англ. С. В. Ариничева. М.: РИА «Стандарты и качество», 2003.
2. Круглов В.В., Дли М.И., Голунов РЮ. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001.
3. Леоненков А .В. Нечеткое моделирование в МДТЬДБ и
О^уТЕСН. СПб.: БХВ-Петербург, 2005.
