<<
>>

4.5.5.ВЕКТОРНАЯ ОПТИМИЗАЦИЯ И ФОРМИРОВАНИЕ ОБОБЩЕННЫХ ПОКАЗАТЕЛЕЙ КАЧЕСТВА

Оптимизация систем всегда связана с неопределенностью в форми-ровании ОПК. Одним из методов редукции неопределенности при формировании ОПК является использование аксиоматического подхода, позволяющего выделить функциональный вид ОПК при вы-полнении ряда допущений относительно соизмеримости частных ПК (ЧПК).
Другим методом является использование получаемой от лица, принимающего решение, информации для конкретизации структуры и значений параметров такого показателя.

Рассмотрим предложенный в [3] иерархический подход к формированию ОПК, использующий совокупность указанных методов. Данный подход представляет собой многоэтапную процедуру, ори-ентированную на учет формально-логических методов и эвристических возможностей лица, принимающего решение. Общая схема подхода описывается следующей последовательностью итеративно связанных этапов:

обоснование иерархической структуры ПК рассматриваемой системы, используемой в качестве основы поуровневого формирования агрегированных ПК (АПК);

анализ возможных допущений о функциональном виде АПК;

выявление функциональной структуры АПК с помощью фор-мально-логических методов;

поуровневое определение параметров АПК с помощью унифи-цированных и экспертных процедур;

поуровневое агрегирование ПК, включая использование специально подготовленных тестов для лиц, принимающих решение.

Для определенности ниже рассмотрим целенаправленную мно-гофункциональную систему. При формировании типовой иерархической структуры ПК будем относить ПК к агрегативному уровню и формировать из них ОПК. Эти показатели можно разбить на две группы по признаку зависимости или независимости от условий функционирования (УФ). Структура показателей первой группы определяется разбиением множества УФ. Для этого можно выделить УФ, обладающие некоторыми инвариантными свойствами, например однородностью относительно предъявляемых требований (уровень однородности по требованиям), однородностью реализуемых базовых решений (уровень однородности по управлению), статистической определенностью (уровень статистической определенности).

Показатели второй группы имеют несколько другую структуру. При классификации данных ПК может использоваться иерархическая структура самой системы, а также ресурсов на решение оцениваемого проекта [3, 11].

Дальнейшее агрегирование предполагает выявление (или эвристическую оценку) такой информации, как соизмеримость ЧПК по-следовательно по уровням иерархической структуры ПК.

Рассмотрим ряд допущений относительно системы ПК:

Независимость по полезности. Сравнение вариантов системы инвариантно по отношению к части ЧПК, по которым,их оценки совпадают.

Однородность. Результат сравнения инвариантен по отношению к одновременному пропорциональному изменению всех ЧПК.

Покомпонентная однородность. Результат сравнения инвариантен по отношению к пропорциональному изменению каждого из ЧПК.

Нормированность. АПК нормирован минимальным и макси-мальным из значений ЧПК.

Для формирования функциональной структуры АПК Р(з) из ЧПК р.(и), где и - обобщенный вектор параметров системы;у = ... , N.

N - количество ЧПК, воспользуемся аксиоматическим подходом. За основу примем систему допущений, перечисленных выше (наименования допущений 1 - 4 выделены курсивом). Тогда в предположе-нии о существовании АПК и соизмеримости ЧПК функциональный вид приведенных в табл. 4.2 АПК полностью характеризуется указанными в третьем столбце этой таблицы допущениями. В таблице приняты обозначения:/и ^ - некоторые функции, g¦j и а - параметры. Содержательные формулировки некоторых из утверждений 1-5, определяемых строками таблицы, приведены ниже.

Для большинства ПК, используемых для оценки системы, результат агрегирования не зависит от порядка, в котором генерированы эти ПК, благодаря чему достигается выполнение допущения 1. Локальное выполнение требования однородности (допущение 2) обеспечивается гладкостью АПК (отсутствием "порогбвых" эффектов по ЧПК). Глобальная проверка этого допущения требует опреде-ленной аккуратности. Так, для ряда показателей допущение 2 означает независимость сравнительной оценки вариантов системы от выбора шкалы измерений (вероятностной, процентной или какой- либо иной).

Таблица 4.2 Номера утверждений (класса АПК) Функциональный вид класса АПК Номера допущений Неопределенные функции и параметры 1 1 /- монотонная; 1,..., Л' 2 у 1,2 /-монотонная; а; 1,-,^ 3 /{п>>)Г} 1,2,3 /- монотонная; 1 N 4 м 1,3,4 N 5 2

н 1,2,4 = 1.

. N

Допущениение 4 имеет техническое значение. Приемле-мость допущений 1, 2, 4 обеспечивает выполнимость утверждения 5 (последняя строка табл. 4.2) и определяет называемые степенными АПК, задаваемые параметром а и весовыми множителями g¦i. Параметр АПК а отражает представление лица, принимающего решение, о нечеткости требований и характеризует его "консервативность" в принятии решения.

Для определения параметра АПК и весовых множителей g} может быть использована статистическая информация, полученная на основе систем-аналогов или предыдущего опыта. Однако на практике наиболее часто используются методы экспертных оценок. Для определения весовых множителей, помимо модифицированных традиционных методов, хорошие результаты обеспечивают [3] методы "эквивалентных относительных изменений", а также метод "предельных и номинальных значений", для которых можно получить приближенные формулы.

Рассмотренный набор методов обеспечивает последовательные этапы поуровневого формирования АПК. При их использовании для обоснования ОПК из разнородных ПК агрегативного уровня наибольшее внимание следует уделить приемлемости для конкретной системы ПК допущений 2 или 3.

В тех случаях, когда шкалы измерения имеют неметрическую структуру (отношений, порядка и др.), для принятия решения разработан ряд новых методов, в том числе и не сводящихся к формированию ОПК.

<< | >>
Источник: A.M. Карминский, Н.И. Оленев, А.Г. Примак, С.Г. Фалько. Контроллинг в бизнесе. Методологические и практические основы построения контроллинга в организациях A.M. Карминский, Н.И. Оленев, А.Г. Примак, С.Г. Фалько . - 2-е изд. - М.: Финансы и статистика,2002. -256 с.. 2002

Еще по теме 4.5.5.ВЕКТОРНАЯ ОПТИМИЗАЦИЯ И ФОРМИРОВАНИЕ ОБОБЩЕННЫХ ПОКАЗАТЕЛЕЙ КАЧЕСТВА:

  1. РЕШЕНИЕ ВЕКТОРНОЙ ЗАДАЧИ ОПТИМИЗАЦИИ МЕТОДОМ ПОСЛЕДОВАТЕЛЬНЫХ УСТУПОК
  2. Понятие «качество продукции». Показатели качества
  3. Система показателей качества продукции
  4. 8.2. Показатели качества маркетинга
  5. Показатели качества маркетинга
  6. Показатели качества маркетинга
  7. Инвестиционные показатели оценки качеств ценных бумаг
  8. 75. Источники формирования оборотных средств, их оптимизация
  9. Обобщение выявленных замечаний по результатам проверки учредительных документов, формирования уставного капитала и законности осуществления отдельных видов деятельности
  10. Проба — показатель качества драгоценных металлов.
  11. 5.4. Формирование договорной политики предприятия в целях оптимизации налогообложения
  12. Формирование показателей прибыльности
  13. 16.2. Анализ доходов и расходов банкаСистема формирования показателей финансовых результатов
  14. Проверка формирования показателей бухгалтерской отчетности
  15. 11.1. Особенности формирования показателя налоговой нагрузки
  16. 52. ПРИНЯТИЕ РЕШЕНИЙ О НЕОБХОДИМОСТИ ИНВЕСТИРОВАНИЯ ПРОЕКТОВ (БИЗНЕС‑ПЛАНОВ) ПО ПОКАЗАТЕЛЯМ ЭФФЕКТИВНОСТИ. ПРИНЯТИЕ РЕШЕНИЙ ПО РЕЗУЛЬТАТАМ АНАЛИЗА С ЦЕЛЬЮ ОПТИМИЗАЦИИ ДОХОДОВ, ЗАТРАТ
  17. Порядок формирования показателей бухгалтерского баланса (форма N 1)
  18. Методика формирования показателей консолидированной отчетности в последующие периоды деятельности группы