CC BY
64УДК 1082-004
Кудрявцева Арина Сергеевна,
аспирант
СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДА РЕШАЮЩИХ МАТРИЦ Г.С. ПОСПЕЛОВА И МОДЕЛЕЙ, ОСНОВАННЫХ НА ИНФОРМАЦИОННОМ ПОДХОДЕ А.А. ДЕНИСОВА
Санкт-Петербург. Россия Санкт-Петербургский политехнический университет Петра Великого
arinkin94@mail.ru
Аннотация. Цель статьи рассмотреть особенности и недостатки метода решающих матриц Г.С. Поспелова и моделей, основанных на информационном подходе А.А. Денисова для исследования проблем принятия решений в организационных системах управления.
Ключевые слова: информационные оценки, информационный подход, метод решающих матриц, методы организации сложных экспертиз, относительная значимость, степень целесоответствия, цель.
Arina S. Kudriavtceva,
Postgraduate student
COMPARATIVE ANALYSIS G.S. POSPELOV'S THE SOLVING MATRICES'S METHOD AND MODELS BASED ON THE NFORMATION APPROACH A.A. DENISOV'S
St. Petersburg, Russia Peter the Great St. Petersburg Polytechnic University, arinkin94@mail.ru
Abstract.The purpose of the article is to consider the features and disadvantages the G.S. Pospelov's the solving matrices's method and models based on the A.A. Denisov's information approach for researching decision-making problems in organizational management systems.
Keywords: informational assessments, informational complex, solving matrices's method, methods of organizing implicated expertise, relative importance, stratified model, degree of purpose, goal.
Введение.
При внедрении технических, технологических, организационных нововведений на предприятиях или в научно-исследовательских организациях повышаются требования к тщательности анализа проблемных
ситуаций. В этих случаях целесообразно применять методы организации сложных экспертиз, а именно метода решающих матриц Г.С. Поспелова и модели, основанные на информационном подходе А. А. Денисова.
1. Метод решающих матриц Г.С. Поспелова
Идея метода решающих матриц, предложенная Г.С. Поспеловым [3], базируется на иерархическом расчленении большой неопределенности на более «мелкие», лучше поддающиеся исследованию, и пошаговом получении оценок.
Исходный вариант метода был предложен при создании сложных производственных комплексов, реализации крупных проектов и организации решения других аналогичных проблем. При проведении таких работ нужно определить значимость для проектируемого объекта фундаментальных научно-исследовательских работ. Для оценки значимости предлагается вначале спросить экспертов, какие направления исследований могут быть полезны для создания комплекса и попросить определить относительные веса этих направлений (подпроблем) а1 - апа Затем - составить план опытно-конструкторских работ для получения необходимых результатов по названным направлениям и оценить их вклад Ь1-ЬпЬ. Далее нужно определить перечень прикладных научных исследований и их относительные веса gl-gng. И, наконец, - оценки влияния фундаментальных НИР на прикладные <1 - <п<. [4].
Таким образом, область работы экспертов представляется в виде нескольких уровней: направления (подпроблемы) ® ОКР ® прикладные НИР ® фундаментальные НИР. Непосредственно экспертами оцениваются только веса направлений (подпроблем), остальные относительные веса вычисляются. Эксперты оценивают вклад каждой альтернативы (ОКР, НИР) в реализацию элементов более высокого уровня, непосредственно предшествующего уровню данной альтернативы. Так, вклад ОКР в реализацию направления (подпроблемы) оценивается некоторой величиной ру. Оценив предварительно а1 - апа и используя решающую матрицу || ру ||, можно получить относительные веса ОКР:
.Ь; Аналогично, зная и оценив ||рм || |, можно получить от-
носительные веса прикладных НИР gk, а затем - и фундаментальных НИР <1у.
В результате при использовании метода решающих матриц оценка относительной важности сложной альтернативы сводится к последовательности оценок более частных альтернатив, что обеспечивает их большую достоверность при прочих равных условиях.
2. Модели, основанные на информационном подходе А.А. Денисова
Предложены три вида моделей, основанных на информационном подходе А.А. Денисова [3, 5].
Информационные модели 1-го вида
Применение информационных моделей 1-го вида основано на оценке степени влияния оцениваемых компонентов, например, инноваций (ИНН), на реализацию целей предприятия в анализируемый период развития. В соответствии с информационным подходом для оценки каждой ИНН вводятся оценки степени целесоотвествия (т.е. вероятности достижения цели) Pt и вероятности использования т, и вычисляется потенциал (значимость) Л; нововведения. Совокупное влияние нововведений определенной группы (например, объединяемых общей подцелью) [5, 6]:
n
Иц = -Xqt log(1 -pt'), Ш
i=1
Изменение информационных оценок во времени
Информационные модели 2-го вида основаны на сравнительном анализе сложных систем в течение определенного начального периода их проектирования (внедрения, развития) путем сопоставления изменения информационных оценок во времени на основе способов измерения : 1) через вероятность
Н = - qt log (1 - р{); (2)
2) посредством детерминированных характеристик воспринимаемой информации. В статике в какой-то момент, принимая среднеарифметическое усреднение (g = 1) [4],
Н = J/n;, (3)
где Ji - информация о принимаемых критериях оценки хода внедрения ИНН, измеряемая в относительных единицах, т.е. Ji = Ai / DAi, где DAi -минимальное количество инноваций i-го вида, которое определяет единицу измерения [4].
При этом предполагается, что измеренная вероятностно, равна Н измеряемой с помощью детерминированных характеристик.
Использование двух способов определения Н позволяет при известном (вычисленном через р/) Н и измеренном значении критерия J вычислять:
П = J/Нг, (4)
Тогда, оценив прогнозную pik/ на конец этапа внедрения ИНН, что специалисту сделать легче, чем давать оценки pit/ на текущий момент при контроле хода внедрения ИНН, можно вычислить Н (3) и ni (4), а затем по
оценкам значений критериев (прямых или косвенных характеристик состояния внедрения ИНН) определить в различные моменты времени (начальный, текущий) и вычислить значения
Ни = (5)
для этих моментов времени по всем сопоставляемым ИНН, которые затем можно суммировать, получать обобщенные оценки комплексов ИНН, вычислять относительную значимость отдельных ИНН этих комплексов, т.е. оперировать Н, выраженными в универсальных относительных единицах или битах, как стоимостными оценками.
При оценке ИНН может быть использовано несколько критериев для каждого из них. В числе критериев должны быть количество внедряемых ИНН и оценки результата их внедрения такие, как повышение производительности труда, сокращение времени на внедрение ИНН, снижение себестоимости и т.п. оценки производственного процесса.
Оценка Н1к, полученная с помощью прогнозной оценки рг/, делится между этими критериями пропорционально которая в данном случае может характеризовать степень влияния соответствующего критерия (показателя), с помощью которого оценивается ход внедрения ИНН, а далее для каждого из критериев определяются п, Ни1, Нк2, ... , Нф ...
Модели 3-го вида — оценка ситуаций, описываемых информационными уравнениями с учетом взаимного влияния инноваций:
Н = /(Нп, Н12, Н13, ... ),
Н2 = /(Н21, Н22, Н23, ... ), (1)
Н3 = /(Н31, Н32, Н33, ... ),
где Нъ Н2, Н3, ... - значимость (сущность) 1-й, 2-й, 3-й и т.д. ИНН; Н11, Н22, Н33 ... Иц,, ...— собственная значимость 1-й, 2-й, 3-й, 1-й ИНН без учета влияния других ИНН; Н12, Н23, Н\213 ... Нц,, , ... — изменение значимости 1-й ИНН при учете влияния у-й ИНН в результате их взаимодействия [3]. В данной модели временной параметр не учитывается.
В частном случае модель может быть линеаризована, т.е. Иц может определяться как сумма собственных значимостей ИНН и оценки влияния на ее значимость других ИНН, которые могут оказывать как положительно, так и отрицательное влияние, что в модели можно отразить знаком «±»: И1 = Нц ±
В моделях можно применять вероятностный и детерминированный способы измерения информацию.
При применении информационного подхода А.А. Денисова можно также учесть не только статику, но и кинематику и динамику изменения оценок [4, 6].
3. Сравнительный анализ
Метод решающих матриц Г.С. Поспелова и модели, основанные на информационном подходе А.А. Денисова, разработаны на базе методов структуризации систем, т.е. на расчленении большой неопределенности на более обозримые. Оба метода способствуют повышению достоверности и объективности анализа. Однако методы организации сложных экспертиз на основе применения информационных оценок А.А. Денисова имеют ряд преимуществ по сравнению с методом решающих матриц (табл. 1).
Таблица 1
Сравнение методов
Информационные оценки А.А. Денисова Метод решающих матриц Преимущество метода А.А. Денисова
Н = - 1о§ (1 - р{), где р/ - вероятность достижения цели при использовании оцениваемой компоненты; qi - вероятность реализации оцениваемой компоненты. Оцениваются Рги Чг единичными экспертами ь=X ра ] Оцениваются а/ , РИ для каждой компоненты вышележащего уровня. Аналогично оценивается значимость компонетов последующих нижележащих уровней При преобразовании оценки Ру в ^: вычисление обобщенной оценки получается простым суммированием. Обеспечивает возможность учета не только степени (вероятности) влияния р1 оцениваемой компоненты на реализацию целей, но и вероятности qi реализации этой компоненты в конкретных условиях.
Используются одновременно вероятностные оценки. Оценивается Рг и вычисляется Н = - 1о§ (1 - р{) и детерминированные оценки Н= 411 ^' • ' АД- Не позволяет отслеживать изменение оценки Ы^ во времени Позволяет организовать управление экспериментальным внедрением одновременно нескольких нововведений, оценивая изменения их вклада в реализацию целей во времени и с учетом динамики Н. При этом от эксперта требуется дать оценку степени целесоот-ветствия не на текущий момент, а прогнозную оценку рк (что он может сделать более объективно)
#1 = /(ни, #12, н13, ... ), н2 = /(#21, #22, #23,), #3 = /(#31, #32, #33, ... ) Не позволяет уточнять оценки #1 на основе учета взаимного влияния оцениваемых компонент Позволяет уточнять оценки #1 на основе учета взаимного влияния оцениваемых компонент
В отличие от метода решающих матриц информационные оценки обеспечивают более удобную обработку оценок, возможность сочетать вероятностные оценки с количественными детерминированными характеристиками, что способствует повышению объективности и достоверности оценок, и, кроме того, позволяет на основе изменения измеряемых детерминированных параметров получать динамику изменения степени влияния подцелей, факторов, средств на реализацию целей предприятия (организации), учитывать взаимное влияние оцениваемых компонент.
При выборе метода следует также учитывать, что в моделях решающих матриц используются традиционные экспертные оценки [7], основанные на организации коллективной экспертизы и усреднении мнений экспертов, что может приводить к одному из недостатков кол-лективиых оценок, которые нивелируют узкосубъективные черты оценок, но усиливают коллективно субъективные, а оценки Р; в моделях
A.А. Денисова получают от единичных экспертов по каждой оцениваемой ИНН, которую предлагают и лучше знают ее возможности.
В то же время получить информационные оценки сложнее, чем ставшие более привычными оценки относительной значимости, используемыми в методе решающих матриц Г.С. Поспелова. Кроме того, метод решающих матриц был предложен раньше, чем модели, основанные на информационном подходе, и идея многоуровневых моделей с использованием информационных оценок базируется на первоначальной идее многоуровневых решающих матриц.
Приведенный сравнительный анализ нужно учитывать при выборе методов организации сложных экспертиз методов для разработки моделей сравнительного анализа ИНН в конкретных условиях.
Приведенное сравнение методов нужно учитывать при выборе методов организации сложных экспертиз в конкретных условиях.
Список литературы
1. Волкова В.Н. [и др.]. Модели управления инновационной деятельностью предприятий и организаций / В.Н. Волкова, А.В. Логинова, Е.А. Яковлева. - СПб.: Издательство Политехнического университета Санкт-Петербург, 2014. - 246 с.
2. Технологии и механизмы организации инновационной деятельности: обзор и проблемно-ориентированные решения / В.И. Аблязов, В. А. Богомолов, А.В. Сурина, И.Л. Туккель. — СПб.: Издательство политехнического университета, 2009. — 2215 с.
3. Поспелов Г.С. [и др.]. Проблема программно-целевого планирования и управления / Поспелов Г.С., Вен В.Л., Солодов В.М., Шафранский В.В., Эрлих А.И. — М.: Наука, 1980. — 440 с.
4. Волкова В.Н., Денисов А.А. Методы организации сложных экспертиз. -СПб.: Издательство Политехнического университета Санкт-Петербург, 2010. 129 с.
5. Денисов А.А. Современные проблемы системного анализа: Информационные основы. Изд. 2-е. - СПб.: Изд-во Политехнического ун-та, 2004. 96 с.
6. Моделирование систем и процессов. Практикум: учеб. пособие для академического бакалавриата / В.Н. Волкова, Г.В. Горелова, А.А. Ефремов и др.; под ред.
B.Н. Волковой. — М.: Издательство Юрайт, 2016. — 295 с.
7. Литвак Б. Г. Экспертная информация: Методы получения и анализа. - М.: Радио и связь, 1992. - 184 с.
