<<
>>

13.2.3. Физическое моделирование АИС

Этап физического моделирования должен обеспечить на экспери­ментальном уровне проверку реальной работоспособности созданных моделей АИС и их адекватность. Для реализации этого этапа разраба­тывается физическая (натурная) модель АИС.
Физическая модель АИС — это совокупность структуры, методов и средств редуцированного натур­ного воплощения АИС, предназначенная для проверки в реальных условиях работоспособности будущей системы и адекватности ее моде­лей. В определенном отношении физическая модель АИС обладает свойствами реальной системы. Для ее построения привлекаются ЭВМ, периферийные устройства, документы, файлы, БД, программы обра­ботки данных и другие компоненты, необходимые для создания АИС. Физическая модель АИС редуцированная, т.е. это ее уменьшенное отобра­жение. Уменьшение здесь не механическое, не произвольное, а гармо­низированное. В ней представлены только те свойства, которые разра­ботчики отнесли к разряду основных, существенных. Так, например, для эксперимента в ЭВМ вводится не вся БД, а только 50—100 доку­ментов, представляющих тем не менее полный спектр семантических, синтаксических и прагматических свойств будущей БД в ее полном фи­зическом объеме.
Метод редукции позволяет обеспечить проверку мак­симально возможного состава функций и параметров будущей системы при минимальных затратах на изготовление ее физического вопло­щения. Если на этапе исследования модели будут выявлены принципи­альные ошибки, это позволит избежать напрасных ресурсных затрат, необходимых при создании реальной АИС. Экспериментальное иссле­дование проводится в соответствии с общими положениями теории планирования эксперимента [59].

Планирование эксперимента для проверки адекватности моделей. Раз­работка и экспериментальное исследование методики оценки качества

АИС выполняется обычно в рамках работ по созданию конкретных АИС.

При разработке методики учитываются общие требования к каче­ству АИС и методики оценки качества, изложенные ранее, а также спе­цифические свойства технологического процесса автоматизированной обработки информации.

При создании методики выполняются следующие работы:

• определение порядка сбора и регистрации данных, характеризую­щих качество АИС;

• сбор, измерение параметров функционирования АИС, обработка данных на ЭВМ и получение статистических оценок по качеству АИС;

• расчет показателей качества обработки АИС и заполнение «Карты оценки и анализа качества АИС»;

• анализ «Карты оценки и анализа качества АИС» и определение уровня качества АИС, ее компонентов, процесса обработки ин­формации, информационной продукции и др.;

• выявление и анализ факторов, влияющих на качество АИС;

• определение порядка актуализации показателей качества АИС и выбор критериев качества управления АИС.

С целью обеспечения сбора необходимых экспериментальных дан­ных разрабатывается «Методика выявления дефектов автоматизиро­ванной обработки информации» (см. Прил. 1). При этом данные регист­рируются в специальную форму — «Ведомость выявленных дефектов при контроле обрабатываемой информации» (см. Прил. 2). Сбор стати­стических данных проводится обычно выборочно по этапам технологии комбинированным методом.

С целью получения данных для экспериментальной оценки на пер­вом этапе (учет и прием первичных документов, заполненных УБ, по­ступающих от подчиненных предприятий в ИВЦ корпорации) взята выборка объемом Ю1 пачка УБ. Дефектной обозначалась та пачка, ко­торая поступала с опозданием, т.е. после срока, установленного корпо­рацией. Каждая из пачек регистрировалась как случайная величина в «Ведомости дефектов» отдельной строкой. На данном этапе также об­наружены дефекты полноты — отсутствие значений показателей в УБ. Объем выборки в данном случае составил 25о УБ. Дефекты досто­верности на данном этапе не проявились.

На втором этапе (прием УБ после их индексирования) в ИВЦ путем анализа УБ и «Журнала регистрации приема УБ от предприятий» мето­дом случайных чисел была взята выборка в объеме 164 пачки УБ за определенный период.

Поскольку техническими условиями по плану- графику время кодирования установлено 2оо УБ за рабочую смену, то дефектными идентифицировались те пачки УБ, время кодирования которых превысило установленное. Дефектов полноты на данном этапе обнаружено не было, дефекты достоверности не выявлялись.

На третьем этапе (ввод УБ в ЭВМ и обработка информации) была взята выборка объемом 200 УБ. Дефекты своевременности и полноты на данном этапе не обнаружены. Дефекты достоверности регистрирова­лись отдельной строкой в «Ведомости».

На четвертом этапе (обработка результатных документов, выдача выходных данных абонентам АИС) взята выборка объемом 4806 УБ. В этой выборке были выявлены только дефекты достоверности в коли­честве 10 ошибочных символов.

Данные «Ведомости дефектов» вводились в ЭВМ по соответствующим инструкциям, разработанным с учетом методики эксперимента и фактуры ведомости. Значения по графам «время», «стоимость» обнаружения и исправления дефектов указывалось соответственно в минутах и копейках.

Проведение эксперимента для проверки адекватности моделей. Для кластеризации дефектов и получения статистических оценок по клас­сам дефектов относительно времени и стоимости в методике оценки могут быть использованы ППП статистического анализа данных [59].

В соответствии с концептуальной и математической моделями про­водится кластерный анализ неоднородной статистической структуры дефектов. Классификацию дефектов выполняет программа кластер- анализа данных. В результате получается распечатка пятистолбцовой таблицы, описывающая пошаговый процесс объединения кластеров, и дендрограмма классификации дефектов.

В каждой строке таблицы элементы означают соответственно: 1-й — порядковый номер шага объединения; 2-й — значения отклонения между объединяемыми на данном шаге кластерами (евклидово рассто­яние); 3-й — разность между средним значением каждой переменной по времени и среднезвешенным значением образованного на данном шаге кластера; 4-й — соответственно разность между средним значени­ем каждой переменной стоимости и средневзвешенным значением об­разованного на данном шаге кластера; 5-й — суммарный вес реализа­ций в кластере, полученном на данном шаге.

Дендрограмма изображена в соответствии с машинной распечаткой в виде древовидной горизонтальной схемы (рис. 13.5). Она отображает определенные сведения таблицы. Слева от схемы помещены три столбца цифр. 1-й столбец означает номера строк (реализаций) вводи­мых данных в ЭВМ из «Ведомости»; 2-й — содержит коды дефектов, участвующих в кластеризации; 3-й — указывает последовательность объединения кластеров (дефектов) на каждом шаге.

Дендрограмма показывает, что в соответствии с кластеризацией на шаге 504 сформировался класс дефектов полноты — коды 12, 22; на шаге 514 сформировался класс дефектов своевременности — код 3. Внутри класса своевременности какие-либо модификации дефектов отсутству­ют, внутри класса дефектов полноты имеются две разновидности де­фектов, а по классу дефектов достоверности — десять модификаций.

Анализ классификации позволяет установить, что внутри классов дефектов распределение модификаций дефектов равномерно. Можно предположить, что на уровне отдельного класса дефектов отсутствует какая-либо закономерность в распределении модификаций дефектов. Вместе с тем, очередность и характер объединения классов свидетельст­вуют о том, что наименование случайных величин имеют дефекты до­стоверности, затем по полноте и, наконец, дефекты своевременности, что подтверждает выдвинутые ранее предположения. Более конкретное представление о значимости каждого класса дефектов можно получить путем дальнейшей обработки статистической структуры по каждому классу дефектов.

Оценка параметров АИС выполняется посредством реализации соот­ветствующей программы статистического анализа данных. На внутри- машинном уровне исходные данные могут быть представлены следу­ющими массивами: массив А — данные по дефектам по достоверности, массив В — по полноте, массив БЕ — по своевременности. В результате ЭВМ должна выдавать распечатки, содержащие статистические оценки, в частности среднее выборочное, среднее квадратическое отклонение, мода, медиана, коэффициенты вариации, ассиметрии, эксцесса, гисто­граммы классов дефектов по параметрам времени и стоимости, согласия эмпирических распределений дефектов с теоретическими и др.

С целью подсчета частоты факторов-причин, обусловивших появле­ние дефектов, по указанной программе должны быть получены данные частотности причин. Поскольку массивы А и В имеют модификации по видам дефектов, то в соответствии с кодами дефектов могут быть полу­чены также частотности дефектов.

Для определения функциональной зависимости между временем и стоимостью обнаруженных и исправленных дефектов используется программа канонического анализа. В результате обработки, в частнос­ти, установлено, что между указанными переменными существует срав­нительно тесная зависимость. Так, коэффициент канонической корре­ляции равен 0,99999, коэффициент множественной корреляции равен 0,99998. Вариации значений указанных коэффициентов относительно массивов находятся в границах пятого знака после запятой. Данное ус­ловие, в частности, свидетельствует о том, что при последующих изме­рениях и оценке качества обработки УБ стоимость дефектов можно не регистрировать, так как полученное по соответствующей программе со­отношение «время (мин)»:«стоимость (коп.)» равно 1:13. Однако это положение правомерно до изменения условий эксплуатации АИС, на­пример обновления комплекса технических средств, изменения оплаты труда и др.

В соответствии с моделями регрессии обобщенных показателей на основе полученных оценок могут быть составлены две матрицы фикси­рованных данных — по производительности и себестоимости обработ­ки УБ. Обработка матриц выполняется посредством программы регрес­сионного анализа. Для удобства анализа и оценки уровня качества полученные на ЭВМ основные статистические данные представляются по разработанной унифицированной форме в виде «Карты данных рас­пределения дефектов» по параметру времени (табл. 13.7—13.9). Оценка параметров обычно проводится при уровне значимости 0,05, так как со­держание данной задачи не требует более высокого уровня. Таблицы показывают, что полученные средние значения по указанному уровню достаточно хорошо укладываются в границы доверительных интерва­

лов. В результате обработки распечатываются также гистограммы рас­пределения частоты дефектов как по времени, так и по стоимости.

Таблица 13.7

Карта данных распределения дефектов достоверности по времени

Границы интервалов (мин) Абсолютная частота (символ) Относительная частота Относительная накопленная частота
1—2 12 0,08 0,08
2—3 38 0,25 0,33
3—4 52 0,34 0,67
4—5 34 0,22 0,89
5—6 13 0,08 0,97
6—7 5 0,03 1

Количество дефектов: 154.

Объем выборки: документов — 200, символов — 100 000. Среднее выборочное: х = 3,084. Среднее квадратическое отклонение: 8= 1,188. Границы доверительного интервала среднего выборочного: нижняя — 2,895; верхняя — 3,274.

Карта данных распределения дефектов полноты по времени

Вероятность дефекта: р = 154/100 000 = 0,00154. Показатель достоверности: Ра = 1 — 0,00154 = 0,99846. Оценка математического ожидания дефекта: X = ххр = 3,084 х х 0,00154 = 0,0047493 мин.

Таблица 13.8
Границы интервалов, мин Абсолютная

частота, показатели

Относительная частота Относительная накопленная частота
6—7 5 0,03 0,03
7—8 7 0,04 0,07
8—9 10 0,06 0,13
9—10 16 0,1 0,23
10—11 20 0,12 0,35
11—12 25 0,16 0,51
12—13 24 0,14 0,65

Окончание табл. 13.8
Границы интервалов, мин Абсолютная частота, показатели Относительная частота Относительная накопленная частота
13—14 21 0,13 0,78
14—15 15 0,09 0,87
15—16 9 0,05 0,92
16—17 7 0,04 0,96
17—18 7 0,04 1

Количество дефектов: 166.

Объем выборки: документов — 250, показателей — 6250. Среднее выборочное: х = 11,536. Среднее квадратическое отклонение: 8 = 2,671. Границы доверительного интервала среднего выборочного: нижняя — 10,177; верхняя — 13,014.

Вероятность дефекта: р = 166/6250 = 0,02656. Показатель полноты: Рр = 1 — 0,02656 = 0,973444. Оценка математического ожидания дефекта: X = х хр = 11,536 х х 0,02656 = 0,3063961 мин.

Таблица 13.9

Карта данных распределения дефектов своевременности по времени

на этапах 1 и 3

Границы интервалов, мин Абсолютная частота, пачка Относительная частота Относительная накопленная частота
492—984 8 0,04 0,04
984—1476 13 0,07 0,11
1476—1968 19 0,1 0,21
1968—2460 29 0,15 0,36
2460—2952 44 0,23 0,59
2952—3444 30 0,15 0,74
3444—3936 26 0,13 0,87
3936—4428 15 0,08 0,95
4428—4920 9 0,04 0,99
4920—5412 2 0,01 1

Количество дефектов: 195.

Объем выборки: пачек документов — 269 (среднее количество доку­ментов в пачке — 46), документов — 12374.

Среднее выборочное пачки: х = 2548,30769.

Среднее квадратическое отклонение: 8 = 1003,28.

Границы доверительного интервала среднего выборочного: нижняя — 27,11; верхняя — 3016,32.

Вероятность дефекта (пачки документов): р = 195/269 = 0,724907.

Показатель своевременности: Р8 = 1 — 0,724907 = 0,275093.

Оценка математического ожидания дефекта: X = х хр = 2548,30769 х х 0,724907 = 1847,286 мин.

Оценка по документу: 40,158391 мин.

Графики распределения дефектов АИС по времени изображены на рис. 13.6—13.8. По оси абсцисс отмечена ширина интервалов по времени (на рис. 13.8 время выражено в часах, на остальных графиках — в мину­тах). По оси ординат слева от оси указано количество дефектов, а справа относительная частота попадания дефектов в соответствующий интер­вал. Поскольку дефекты достоверности и полноты идентифицируются как непрерывные случайные величины, а дефекты своевременности как дискретные, то первые типы случайных величин представляются в виде полигонов частот, а вторые — в виде гистограммы.

Рис. 13.6. Полигон частот распределения дефектов достоверности

по времени

Рис. 13.7. Полигон частот распределения дефектов полноты по времени

В

8,2 24,6 41,0 57,4 73,8 90,2

16,4 38,8 49,2 65,6 82,0

Рис. 13.8. Гистограмма распределения дефектов своевременности

по времени

45 - 40­35­30­25­20­15­10­5 0

«Карта данных распределения дефектов» достаточно наглядно отоб­ражает результаты сбора и обработки экспериментальных данных, необходимые для расчета значений показателей комплексной оценки качества. Видно, что такие параметры, как средние квадратические отклонения, довольно существенно отличаются. Если среднее выбо­рочное по достоверности равно 3,084 мин, по полноте — 11,536 мин, то по своевременности это значение равно 2548,30 мин. Отсюда видно, что факторы — дефекты своевременности — доминирующие в общей структуре факторов-дефектов, снижающих качество обработки УБ.

Регрессионный анализ зависимости обобщенных показателей от факторов — дефектов обработки выполняется путем применения соот­ветствующей программы статистического анализа данных. В результате определяются коэффициенты весомости по факторам-дефектам. На основе полученных оценок по достоверности, полноте и своевременно­сти производится расчет значений матриц фиксированных данных по производительности (табл. 13.10). В этой таблице в графе 1 указаны проценты снижения значений переменных, указанных в графах 2—4, а в графе 5 — значения прогнозируемой переменной (в документо- днях). Точно также может быть построена матрица по себестоимости. Только в этой матрице прогнозируемая переменная себестоимость будет измеряться в рублях на документ.

Таблица 13.10

Матрица фиксированных данных по производительности АИС

Значение,

%

Достоверность, дни Полнота, дни Своевременность, дни Производитель­ность, док. в день
1 2 3 4 5
0 246,14 794,01 4162,76 200,79
1 243,68 786,07 4121,14 202,05
2 241,22 778,13 4079,52 203,37
3 238,76 770,19 4037,90 204,72
4 236,30 762,25 3996,28 206,07
5 233,84 754,31 3954,66 207,45
6 231,38 746,37 3913,04 208,84
7 228,92 738,43 3871,42 210,26
8 226,46 730,49 3829,80 211,69
9 224,00 722,55 3788,18 213,14
10 221,54 714,61 3746,56 214,61

Окончание табл. 13.10
Значение,

%

Достоверность, дни Полнота, дни Своевременность, дни Производитель­ность, док. в день
11 219,08 706,67 3704,94 216,10
12 216,62 698,73 3663,32 217,61
13 214,16 690,79 3621,70 219,16
14 211,70 682,85 3580,08 220,71
15 209,24 674,91 3538,46 222,29
16 206,78 666,97 3496,84 223,89
17 204,32 659,03 3455,22 225,51
18 201,86 651,09 3413,60 227,16
19 199,40 643,15 3371,98 228,81
20 196,94 635,21 3330,36 230,53

По данным матриц могут быть построены соответствующие графики зависимости обобщенных показателей по производительности и себесто­имости от дефектов обработки. В качестве примера приведем график за­висимости производительности АИС от снижения количества дефектов (рис. 13.9). По оси абсцисс отмечены проценты снижения количества де­фектов, а по оси ординат соответствующие значения прогнозируемой пе­ременной. Путем нанесения точек, соответствующих указанным значе­ниям табл. 13.10 и проведения соответствующей линии регрессии получена графическая модель прогнозирования обобщенного показателя.

В практических задачах оперативного управления качеством АИС на основе графиков можно получать экспресс-оценки прогнозируемой ве­личины снижения (увеличения) соответственно производительности и (или) себестоимости. Например, при снижении количества дефектов до 10 % значение обобщенного показателя по производительности АИС будет равно ориентировочно 215 документов в день (рис. 13.9), что вполне согласуется с данными табл. 13.10.

Для вычисления значений обобщенных показателей качества в ре­зультате реализации программы регрессионного анализа должны быть получены коэффициенты регрессии и оценочные величины по произ­водительности и себестоимости соответственно. Табл. 13.11 показывает данные по производительности. Информация по анализу остатков при­ведена в табл. 13.12. График зависимости величины нормированного остатка от величины процента снижения количества дефектов приведе­ны на рис. 13.10.

Рис.13.9. График зависимости производительности АИС от снижения количества дефектов

Таблица 13.11

Коэффициенты регрессии по производительности и данные по их оценке

Вид

признака

Коэффи­циент ре­грессии Стандарт­ное от­клонение коэффи­циента Уровень

значимости

нулевой

гипотезы

(Р-значение)

Т-значе- ние 95 %-ные довери­тельные границы
Верхняя Нижняя
Достовер­ность -0,18425 0,46758 0,3494 0,3940 0,8069 -1,1755
Полнота -0,072831 0,15696 0,3244 0,4640 0,4055 -0,2599
Своевре­менность -0,038581 0,04561 0,2050 0,8458 0,0581 -0,1352

Свободный член: 348,14.

Коэффициент множественной корреляции: 0,9982. Коэффициент детерминации: 0,9965.

Р-статистика для проверки гипотезы: НО: В1: = В2 = ... = 0 — F 0 = = 499,7966.

Уровень значимости (Р-значение) гипотезы: НО (Р > ^0/Н0)): 0,0000. Среднее квадратическое отклонение ошибки: 0,58649.

Таблица 13.12 Данные анализа остатков регрессии по производительности
Значение,

%

Номи­нальное значение произво­дитель- ности Значение прогноза произво­дитель- ности Остаток Остаток/SY1 Остаток^2 Относи­тельная погреш­ность
1 202,0 201,6 0,428 0,049 0,730 0,002118
2 203,4 203,0 0,352 0,040 0,600 0,001732
3 204,7 204,6 0,122 0,014 0,208 0,0005957
4 206,1 206,0 0,076 0,009 0,130 0,0003688
5 207,4 207,6 0,124 0,014 0,212 0,0005987
6 208,8 209,0 0,130 0,015 0,222 0,0006232
7 210,3 210,6 0,290 0,033 0,495 0,001381
8 211,7 211,9 0,256 0,029 0,437 0,001211
9 213,1 213,3 0,202 0,023 0,345 0,0009491

Окочание табл. 13.12

Значение,

%

Номи­нальное значение произво­дитель­ности Значение прогноза произво­дитель- ности Остаток Остаток^У1 Остаток/882 Относи­тельная погреш­ность
10 214,6 214,9 0,313 0,035 0,533 0,001456
11 216,1 216,3 0,218 0,025 0,372 0,001011
12 217,6 217,9 0,289 0,033 0,492 0,001327
13 219,2 219,3 0,135 0,015 0,230 0,0006142
14 220,7 220,9 0,165 0,019 0,281 0,0007467
15 222,3 222,3 0,019 0,002 0,033 0,00008649
16 223,9 223,9 0,039 0,004 0,067 0,0001743
17 225,5 225,2 0,263 0,030 0,449 0,001167
18 227,2 227,1 0,042 0,005 0,071 0,0001829
19 228,8 228,2 0,587 0,067 1,001 0,002565
20 230,0 229,8 0,198 0,022 0,338 0,0008614
1 SY — стандартное отклонение прогнозируемой переменной

2 88 — стандартное отклонение ошибки

1Т>- 2

3

4

5

6 • 7 • 8-

X (значения

нормированных

остатков)

-.їі +

11 . 12 •

13 •

14

15

16

17

18

19

20

Рис. 13.10. График зависимости величины нормированного остатка от величины процента снижения дефектов по производительности

На основе выполненной обработки данных получают коэффициен­ты регрессии и составляют уравнения множественной линейной рег­рессии по производительности и по себестоимости:

У = 348,14 — 0,18425 х1 — 0,072831 х2 — 0,038581 х3. Ус = 3,61 + 0,0073265 х1 + 0,0092365 х2 + 0,024459 х3.

В правой части уравнений слева направо расположены соответству­ющие свободные члены регрессии, затем коэффициенты регрессии. В нашем случае они обозначают соответственно базовые показатели производительности и себестоимости и коэффициенты весомости по достоверности, полноте и своевременности. Подставляя значения по­казателей по достоверности, полноте и своевременности можно опре­делить фактические или прогнозируемые значения показателей по про­изводительности и себестоимости.

Проверка адекватности моделей АИС. Обратимся к содержанию полу­ченных оценок (табл. 13.11). Коэффициенты множественной корреля­ции, коэффициенты детерминации, уровни значимости нулевой гипоте­зы, среднего квадратического отклонения ошибки свидетельствуют, что качество линейного прогноза очень хорошее. Все коэффициенты рег­рессии укладываются в 95 %-ные доверительные границы. Это означает, что их истинные значения при нулевой гипотезе не могут быть отвергну­ты при 5 %-ном уровне значимости.

Более четкое заключение можно дать на основе анализа остатков (табл. 13.12). Значение производительности и анализ статистических параметров показывает, что значения остатков незначительны как в аб­солютном, так и относительном измерениях. Визуальную проверку адекватности модели удобнее всего выполнить по графику зависимости величин нормированных остатков от величин процентов снижения де­фектов по производительности (рис. 13.10). На этом графике наиболь­ший «выброс» наблюдается по 1 % и 19 % соответственно значениям нормированных остатков — 0,730 и 1,001 (табл. 13.12, графа 6).

Вместе с тем, по графику можно установить отсутствие четко выра­женного криволинейного тренда. Наблюдается случайный разброс, свидетельствующий о том, что модель едва ли можно или целесообраз­но улучшить. Сравнительная смещенность распределения на рис. 13.10 настолько мала (близость к оси), что не имеет принципиального значе­ния относительно номинальных величин прогнозируемой переменной по производительности (табл. 13.11). Свободные члены регрессионных уравнений при условии нулевых значений предсказывающих перемен­ных отображают по существу возможно достижимые значения, т.е. в на­шем случае базовое значение по производительности.

Карта оценки и анализа качества АИС

После получения исходных значений показателей оценки качества выполняются завершающие расчеты по оценке качества АИС. Полу­ченные результаты записываются в специальную форму «Карта оцен­ки и анализа качества АИС», фиксирующую в данном случае значения показателей качества обработки УБ (табл. 13.13).

Таблица 13.13
Наименование показателей Значения показателей
фактические базовые относительные
единичные групповые
Достоверность: 0,9992275 0,99999996 0,99992278
этап ввода 0,99846
этап выдачи 0,999995
Полнота: 0,9866784 0,9999993 0,986679
этап приема 0,97344
этап выдачи 0,9999169
Своевременность: 0,5715997 0,9999804 0,5716109
этап приема от 0,6930694
предприятий
этап приема от 0,0238096
индексировщиков
этап выдачи 0,9979202
Интегральные 0,8525018 0,9999932 0,8527375
Обобщенные:
производительность 200,79 348,14 0,58
себестоимость 11,24 3,61 0,32

Анализ показателей и оценку качества обработки УБ целесообразно вести от общих показателей к частным. Относительный уровень произ­водительности АИС, равный 0,58, свидетельствует о том, что использу­ются только 58 % потенциальных возможностей технологического про­цесса АИС. Если действия учтенных дефектов обусловливают производительность на уровне 200,79 документов в день, то при условии устранения 100 % дефектов производительность может подняться до ее базового значения — 348,14 документов в день. Относительный уро­вень себестоимости обработки составляет 0,32, т. е. он ниже, чем со­

ответствующий показатель по производительности. Подобное расхож­дение можно объяснить сравнительно большим удельным весом в сто­имости АИС капитальных вложений — ЭВМ, оборудование, аренда здания и т.д. Вместе с тем, на величину себестоимости также отрица­тельно действуют факторы-дефекты, при условии устранения которых себестоимость может быть снижена от фактического значения — 11,24 руб. за документ до базового значения — 3,61 руб. за документ.

Удельный вес каждого класса дефектов можно отобразить посред­ством диаграммы Парето (рис. 13.11).

По оси абсцисс отмечены классы факторов-дефектов своевремен­ности, полноты и достоверности, а по оси ординат — объемы дефектов в процентном отношении. На диаграмме видно, что наибольшая доля дефектов приходится на своевременность, а затем на полноту и досто­верность. Экспоненты расходятся по всем классам дефектов, но наибольшее расхождение наблюдается по полноте и своевременности. Расхождение по полноте можно объяснить повышенной стоимостью исправления указанного вида дефектов из-за необходимости использова­ния в определенных случаях междугородных переговоров с предприяти­ями по вопросу дефектных значений показателей в УБ и привлечения для этого дополнительных финансовых затрат на оплату телефонных услуг.

— значение трудоемкости дефектов

— значение стоимости дефектов

----------------------- ►

|7(%)

100

20
40
30
70
60
50
90
80
10

X (класс дефектов)

Рис. 13.11. Распределение дефектов на диаграмме Парето: 1 — дефекты своевременности; 2 — дефекты полноты; 3 — дефекты достоверности

Расхождение по своевременности можно объяснить, в частности, раз­личием в должностных окладах по штатному расписанию определенных категорий сотрудников, например индексировщиков документов. Ука­занная принципиальная зависимость объема дефектов класса подтвержда­ется и значениями других показателей. Так, если относительный уровень интегрального показателя, равный 0,85, ниже соответствующих значе­ний достоверности и полноты (0,99 и 0,98 соответственно), то в этом вид­но влияние относительного уровня своевременности — 0,57. Та же зави­симость наблюдается и по групповым фактическим показателям.

Если значения достоверности и полноты сравнительно сглажены, то значение группового фактического показателя своевременности свиде­тельствует о том, что объем дефектов по данному фактору значительно выше, чем в среднем по групповым показателям. Интегральный груп­повой показатель равен 0,85, а показатель своевременности — 0,57. Ес­ли этап приема УБ от предприятий имеет своевременность 0,69, то этап приема УБ после этапа индексирования УБ имеет своевременность только — 0,02. Дефекты полноты наибольший объем имеют на этапе приема УБ от предприятий — 0,97. Дефекты достоверности имеют срав­нительно большой объем и более широкий спектр модификаций. Рас­смотрим дефекты достоверности в аспекте их распределения по типам (табл. 13.14). Наибольший процент дефектов составляет замена симво­лов — 47,4 %, при этом 33,2 % падает на буквы, а остальные на замены цифр. Следующий тип дефекта — пропуск символа, слова — составляет 44,2 %, причем из этого объема 24,1 % составили пропуски букв, 12,3 % — пропуски слов, 7,8 % — пропуски цифр. Эти виды ошибок можно объ­яснить прежде всего невнимательностью операторов при вводе доку­ментов в ЭВМ. Подобное предположение обосновывается, например, тем, что из 154 дефектов 19 падает на пропуск слова, то есть 12,3 %. Общий объем ошибок по буквам составил 61,7 %, меньше чем по циф­рам кодовой части УБ (22,7 %), и по словам (15,6 %).

Таблица 13.14 Характеристика дефектов достоверности по их типам
Типы дефектов Характер адреса ошибки Всего
Цифра Буква Слово
Коли- % Коли- % Коли- % Коли- %
чество чество чество чество
Замена символов 22 14,3 51 33,2 73 47,4
Пропуск символа, 12 7,8 37 24,1 19 12,3 68 44,2
слова
Лишние символы 5 3,3 5 3,3

Окончание табл. 13.14
Типы дефектов Характер адреса ошибки Всего
Цифра Буква Слово
Коли­ % Коли- % Коли- % Коли- %
чество чество чество чество
Дублирование символов, слова 1 0,6 1 0,6 4 2,6 6 3,9
Перестановка символов 1 0,6 1 0,6
Сдвиг (транс­позиция) символа 1 0,6 1 0,6
Итого 35 22,7 95 61,7 24 15,6 154 100

Подобное распределение можно объяснить тем, что буквенного тек­ста в УБ по объему в два раза больше, чем цифрового. Вместе с тем, 15,6 % ошибок на уровне слов — типа «пропуск», «дублирование», «сдвиг» — свидетельствуют прежде всего о недостаточной внимательно­сти, собранности или ответственности операторов ввода УБ в ЭВМ.

Дефекты типа «дублирование символов» как относительно буквы, так и относительно цифры — две ошибки (1,2 %) — произошли по при­чине аппаратных сбоев клавиатуры. Это явно свидетельствует о недо­статочном уровне профилактических и ремонтных работ по обслужива­нию комплекса технических средств.

Распределение дефектов полноты представлено в табл. 13.15. Наи­большую долю дефектов (62,05 %) полноты составляет отсутствие реквизита-основания. Предприятия не всегда указывают в УБ некото­рые реквизиты-основания, что свидетельствует об отсутствии необхо­димых знаний инструктивного материала, должной технологической дисциплины и контроля правильности заполнения УБ. Второе место (33,13 %) занимают дефекты, связанные отсутствием кода реквизита- признака, например, признаки типа «форма собственности предпри­ятия», «территориальное расположение предприятия» и другие иногда предприятиями не указываются. Модификации ошибок, связанных с отсутствием документо-графы, составили 8,82 % дефектов полноты. Это означает, что в некоторых УБ предприятия не проставляют в со­ответствующей позиции значения показателей, что противоречит тре­бованиям инструкции по заполнению УБ.

В силу однозначности дефектов своевременности этот тип дефектов не дифференцируется. Эти дефекты отмечаются кодом З (запаздыва­ние пачки документов) в соответствии с кодификатором дефектов.

Таблица 13.15 Характеристика дефектов полноты по их типам
Типы дефектов Код типа дефекта Количество дефектов, шт. Количество дефектов, %
Отсутствие кода значения реквизита- признака 12 55 33,13
Отсутствие документо-графы 21 8 4,82
Отсутствие реквизита- основания 22 103 62,05
Итого 166 100

Чтобы конкретизировать пути улучшения качества обработки УБ необходимо рассмотреть также и факторы-причины, обусловливающие в той или иной мере возникновение дефектов. Распределение дефектов по видам и причинам представлено в таблицах 13.16, 13.17.

Таблица 13.16 Распределение дефектов по их видам и причинам
Наименование факторов-причин Коды

факторов-

причин

Всего дефектов
Количество дефектов, шт Количество дефектов, %
Неразборчивость знаков в документе 108 5 1,0
Отсутствие поля контрольной суммы 110 26 5,0
Отсутствие технологической карты этапа 202 2 0,4
Недостаточный уровень контроля на 204 75 14,6
предшествующем этапе технологии
Неисправность клавиатуры 231 2 0,4
Нерегулярность инструктажа по 304 4 0,8
контролю качества
Недостаточный опыт контролеров 306 1 0,2
Невнимательность операторов 307 118 22,9
Недостаточная технологическая 308 65 12,6
дисциплина
Недостаточный уровень 311 10 1,9
диспетчеризации технологии

Распределение дефектов по их видам

Окончание табл. 13.16

Наименование факторов-причин Коды Всего дефектов
факторов-
причин
Количество дефектов, шт Количество дефектов, %
Отсутствие системы управления 312 47 9,1
качеством
Недостаточное знание применяемых 318 1 0,2
классификаторов (кодификаторов)
Недостаточный уровень материального 333 48 9,3
стимулирования труда
Недостаточный уровень прямоточности 336 111 21,6
технологического процесса
Итого 515 100

Таблица 13.17
Наименование видов дефектов и массивов
Достоверность (массив А) Полнота (массив В) Своевременность
Всего В том числе
(массив иь) массив и массив Е
Кол- Кол- Кол- Кол- Кол- Кол- Кол- Кол- Кол- Кол-
во

дефек­тов,

во

дефек­тов, %

во

дефек­тов,

во

дефек­тов, %

во

дефек­тов,

во

дефек­тов, %

во

дефек­тов,

во

дефек­тов, %

во

дефек­тов,

во

дефек­тов, %

шт шт шт шт шт
5 26

1 2

1

103

1,0 5,0

0,2 0,4

0,2 2,0

2 61 0,4 11,8 13 2,6 4 0,8 9 1,8
3 0,6 1 0,2 1 0,2
15 2,9
1 0,2 30 5,8 34 6,6 21 4,1 13 2,5
10 1,9 10 1,9
2 0,4 31 6,0 14 2,7 10 1,9 4 0,8

Окончание табл. 13.17
Наименование видов дефектов и массивов
Достоверность (массив А) Полнота (массив В) Своевременность
Всего В том числе
(массив БЕ) массив Б массив Е
Кол- во

дефек­тов, шт

Кол- во

дефек­тов, %

Кол- во

дефек­тов, шт

Кол- во

дефек­тов, %

Кол- во

дефек­тов, шт

Кол- во

дефек­тов, %

Кол- во

дефек­тов, шт

Кол- во

дефек­тов, %

Кол- во

дефек­тов, шт

Кол- во

дефек­тов, %

13 2,5 1

20 3

0,2 3,9 0,6 15 108 2,9 21,0 12 106 2,3 20,6 3 2 0,6 0,4
Ито­го 154 29,9 166 32,2 195 37,9 164 31,8 31 6,1

Сведения могут быть получены путем обработки исходных данных «Ведомости дефектов» посредством соответствующей программы. Про­ведем анализ факторов-причин в порядке их расположения по возраста­нию кодов. Неразборчивость знаков в документе обусловило ошибки достоверности. Эти ошибки составляют 1 % от общего объема. Не всег­да на предприятиях коды проставляются разборчиво, что затрудняет считывание данных операторами видеотерминалов на этапе ввода УБ в ЭВМ. В цифровой части УБ имеется 5 % ошибок. Этих ошибок могло бы и не быть, если бы в форме УБ имелось субполе «контрольная сум­ма», позволяющее применить программные методы контроля путем суммирования реквизитов-оснований и последующего сравнения полу­ченной суммы с контрольной суммой. Данная программа могла бы осво­бодить от необходимости сплошного визуального контроля каждого УБ.

Качество обработки снижается также по причине отсутствия техно­логических карт, в которых содержатся, в частности, схемы контроля правильности данных, время обработки и другие параметры техноло­гии. Недостаточный уровень контроля на предшествующих этапах об­работки обусловил 14,6 % дефектов, в том числе по полноте 11,8 %, по достоверности 0,2 %. Содержание причины «неисправность клавиа­туры» рассмотрена выше, в связи с этим фактором допущено 0,4 % ошибок. Причина «нерегулярность инструктажа по контролю качества» объясняет 0,8 % дефектов, допущенных на этапах выдачи УБ предпри­ятиями и индексировщиками. Недостаточность профессионального опыта некоторых контролеров ввода обусловила 0,2 % ошибок.

Самая значительная проблема по объему дефектов — «невниматель­ность операторов ввода» (22,9 %). Если ошибки достоверности состави­ли здесь 20 %, то дефекты полноты только 2,9 %. Фактор-причина «не­достаточная технологическая дисциплина» имеет место в 12,6 % случаев и наблюдается на всех этапах обработки, по всем видам дефектов. Боль­ше половины здесь составили дефекты своевременности (6,6 %), при­чем 4,1 % за счет несвоевременного кодирования и выдачи УБ от этапа индексирования (кодирования) на этап ввода документов в ЭВМ для дальнейшей обработки.

Недостаточный уровень диспетчеризации технологического про­цесса обусловил 1,9 % дефектов, возникших из-за запаздывания по­ступления УБ от индексировщиков. Отсутствие системы управления качеством обусловило 9,1 % дефектов, из них 6,0 % дефектов полноты, 2,7 % — своевременности и 0,4 % — достоверности. Недостаточное зна­ние применяемых в технологии классификаторов составило 0,2 % де­фектов, относящихся к полноте, так как в данном случае кодировщики этапа индексирования затруднялись в идентификации кодируемых признаков.

Довольно значительный объем дефектов (9,3 %) объясняется недо­статочным уровнем материального стимулирования труда по всем эта­пам обработки. Сотрудники, занятые в технологии, не имеют норма­тивной базы поощрения за качество труда, например по показателям своевременности, полноты, достоверности обрабатываемой докумен­тации. Второй по объему дефектов (21,6 %) — фактор-причина «недо­статочный уровень прямоточности технологического процесса». При этом основной объем (21,0 %) дефектов падает на своевременность, т.е. запаздывание в выдаче УБ от этапа индексирования на этап ввода в ЭВМ. Функции кодирования были поручены сотрудникам, которые не всегда и не везде могли обеспечить кодирование УБ с необходимым качеством.

Общий объем дефектов, связанный с несвоевременностью представ­ления УБ составляет 37,9 %. Второе место по объему дефектов занима­ют факторы-причины связанные с полнотой — 32,2 % и третье — 29,9 % факторы-причины, связанные с достоверностью.

Если классифицировать факторы-причины по содержательному признаку, то можно условно выделить класс документационно-инфор- мационных факторов. Сюда можно отнести факторы-причины, имею­щие коды 108, 110, 202. Затем можно выделить класс технологических факторов — 204, 231, 308, 311, 336. К организационным факторам мож­но отнести факторы — 304, 306, 307, 312, 318, 333. Разумеется, подобная классификация условна, так как на практике каждый фактор одного класса может пересекаться с факторами других классов.

Особое внимание следует обратить на фактор-причину «отсутствие системы управления качеством». По существу управление таким слож­ным объектом как АИС требует включения ко всему комплексу факто­ров, воздействующих на качество. Например, традиционная диспетче­ризация технологии и автономные схемы контроля по отдельным этапам с позиций современных требований к качеству должного эф­фекта не дают.

Планирование оргтехмероприятий по улучшению качества АИС. По су­ществу большинство рассмотренных факторов прямо или косвенно от­носятся к системе управления качеством. Поэтому каждую из мер, на­правленных на нейтрализацию негативных факторов и достижение положительного эффекта в общем комплексе работ по улучшению качества АИС, целесообразно идентифицировать как логический этап разработки и реализации управляющих воздействий системы управле­ния на качество АИС. В связи с этим одной из важных задач в улучше­нии качества обработки данных следует признать устранение отрица­тельного влияния факторов документационно-информационного, технологического и организационного характера.

С целью обеспечения достоверности информационной части доку­ментов, обрабатываемых в АИС, целесообразна разработка программы балансового контроля кодового столбца УБ, что в определенной мере освободит технологию от необходимости сплошного визуального конт­роля УБ на этапе их ввода в ЭВМ. Весьма кстати в данном случае воз­можность применения функциональной программы автоматического индексирования признаков УБ, позволяющая отказаться от такого кри­тического и трудоемкого этапа технологии, как кодирование УБ. Реали­зация подобной модели в определенной мере может нейтрализовать факторы 108, 110, 204, 308, 311, 318, 336.

В документационном отношении форму УБ следует доработать как в содержательном, так и в формальном отношениях. Доработку целесо­образно проводить с учетом возможности применения в обработке УБ программ контроля достоверности и полноты данных. При этом следу­ет учитывать необходимость контроля технологического процесса со стороны КС УКИС.

В технологическом отношении следует обеспечить реализацию принципа прямоточности и централизации обработки УБ. В этом плане целесообразно передать функцию кодирования от ИВЦ на подведом­ственные предприятия. Поскольку предприятия лучше всех знают со­держание собственной документации, априори можно предположить, что качество индексирования будет лучше, если в адрес предприятий направить соответствующие классификаторы и инструкции по индек­сированию документов.

С целью нейтрализации факторов, отрицательно воздействующих на полноту, необходимо усилить контроль за правильностью заполнения УБ на предприятиях. Кроме того, конкретные требования по каждому из этапов технологии необходимо оформить в виде рабочих инструкций для соответствующих категорий исполнителей, а также разработать тех­нологические карты.

В организационном отношении необходимо усилить внимательность, например, операторов ввода УБ, контроль за технологической дисципли­ной, четкость взаимодействия участков, задействованных в технологии обработки документов. С этой целью необходимо регулярно проводить инструктаж и разбор ситуаций, снижающих качество работы. Для снятия психомоторного напряжения у операторов группы ввода документов в ЭВМ в рамках рабочей смены необходимо составить и реализовать гра­фик труда и отдыха с обязательными паузами — производственной гим­настикой, отдыхом от дисплея в соответствии с нормами и др.

Отдел технического обеспечения комплекса ЭВМ должен устранить сбои в работе аппаратных средств, в частности клавиатуры, и устранить тем самым соответствующие дефекты достоверности.

Одним из эффективных методов улучшения качества обработки до­кументации следует признать внедрение прогрессивных форм матери­ального и морального стимулирования труда на основе достигнутых показателей качества. Целесообразно, например, операторов ввода дан­ных в ЭВМ перевести с повременной на повременно-сдельную оплату труда, т.е. поставить уровень зарплаты в зависимость от уровня качест­ва работы. Указанные формы стимулирования эффективны и для дру­гих участков технологического процесса АИС.

Периодичность анализа и оценки качества работы исполнителей на каждом этапе в отдельности и по АИС в целом должна составлять не ме­нее одного раза в квартал перед подведением итогов работы. В рамках технологического контроля сбор сведений по этапам технологии обра­ботки УБ можно проводить по мере необходимости — один—два раза в месяц. В общем случае периодичность сбора зависит от состояния ра­бот по качеству на том или ином участке технологии. Часто объем выбо­рок может быть уменьшен до 30—50 документов по каждой выборке, что обеспечит достаточно эффективную оценку и систематический контроль за состоянием технологического процесса и вместе с тем не повлечет принципиальных трудозатрат. Накопленная таким образом статистика оценок в конечном итоге будет способствовать объективности и досто­верности показателей качества. При разработке перспективных планов оргтехмероприятий по улучшению качества АИС и кардинальной модер­низации технологии может появиться необходимость в более глубокой оценке и привлечении выборок соответствующего объема.

Действенность плана оргтехмероприятий по улучшению качества зависит во многом от того, насколько полно выявлены факторы, влия­ющие на тот или иной параметр качества технологии. План должен учи­тывать документационно-информационные, технологические, органи­зационные и другие факторы. За критерий значимости того или иного фактора целесообразно принимать степень влияния фактора на уровень качества технологии.

Экспериментальная проверка алгоритма автоматического обнаружения ошибок. Одно из эффективных направлений для устранения вышеука­занных недостатков в технологии обработки данных — создание мето­дов и средств программного обнаружения и устранения дефектов в обработке данных. Рассмотрим вопросы реализации алгоритма автома­тического обнаружения ошибок и восстановления достоверности зна­чений показателей документов табличного вида. Для реализации алго­ритма разрабатывается соответствующая программа.

В целях экспериментального исследования проверки работоспособно­сти и оценки эффективности алгоритма анализу подвергается програм­ма, реализующая указанный алгоритм. В качестве экспериментального материала привлекаются 20 документов (табл. 13.17). Далее планиру­ется эксперимент и разрабатывается программа его проведения. В со­ответствии с программой в документы вносятся ситуационные ошибки. Обычно объем и модификации ошибок определяются с учетом макси­мального набора вероятных типов ошибок и проверки полного объема функциональных свойств программы.

Таблица 13.17 Ведомость ошибок в документах предприятий
Наименование

предприятия

(условное)

Код

предприятия

Адрес и модификация ошибки
Адрес

(строка-графа)

Значение показателя
Заменяемое Заменяющее
Казанский 144000 170200-1 50 51
Киевский 144003 173700-14 51 58
Кременчугский 144008 173400-11 406 552
Красноярский 179009 01-1 700 704
Липецкий 179010 180100-10 451 2051
Магнитогорский 179011 173400-кс 815 825
180100-10 800 890
Московский 334000 051100-13 0 50
Орловский 334010 020200-12 20 25

Окончание табл. 13.17
Наименование

предприятия

(условное)

Код

предприятия

Адрес и модификация ошибки
Адрес

(строка-графа)

Значение показателя
Заменяемое Заменяющее
Одинцовский 334011 01-14 59 50
Павловский 391010 180100-15 6599 6590
Пензенский 391011 180100-13 0 20
Саратовский 391023 01-9 0 25
Саранский 490001 120200-8 0 10
Северный 490005 120200-11 136 150
Таганрогский 490009 120700-11 21 73
Тульский 491003 121100-4 92 95
Тюменский 491009 120800-10 112 122
Тагильский 491012 120800-12 0 10
Угличский 493019 050100-12 76 88
060800-12 88 76
Ульяновский 494023 Без ошибок

В процессе экспериментального исследования особое внимание уде­ляется необходимости улучшения информативности документов по диагностике и коррекции ошибок. Удобная для восприятия и однознач­ная в понимании диагностика уже сама по себе повышает эффектив­ность технологических процедур по исправлению ошибок. С целью на­иболее эффективной адаптации программы разрабатываются рабочие технологические инструкции, в частности:

• рабочая инструкция № 1 по сбору, контролю и представлению до­кументов в ИВЦ фирмы;

• рабочая инструкция № 2 по первичной (предмашинной) обработ­ке, вводу и контролю достоверности и полноты сведений первич­ных документов, контролю достоверности и полноты выходных (производных) документов;

• рабочая инструкция № 3 оператору подготовки данных по вводу документов в ЭВМ (перенос документов на электронные носите­ли, прием данных по каналам связи, ввод документов через скани­рующие устройства и др.);

• рабочая инструкция оператору ЭВМ по работе с программой «Автоматическое обнаружение ошибок и восстановление досто­верности значений показателей»;

• описание программы «Автоматическое обнаружение ошибок и восстановление достоверности значений показателей».

В соответствии с инструкциями выполняются работы по подготовке, вводу, контролю и анализу документов, ошибок в документах и их ис­правлению. В документах контрольные суммы подсчитываются только по тем строкам, в которых они отсутствуют в соответствии с регламентом их представления в ИВЦ. Описание структуры программы, блок-схемы алгоритма, порядка ввода, обработки документов в ЭВМ и анализа эф­фективности алгоритма и программы приводится ниже (см. раз. 13.3).

Уровень эффективности работ по улучшению качества будет выше, если одновременно учитываются все факторы, выявленные на основе оценки качества и последующего анализа факторов. В этой связи воз­никает задача разработки и применения такого механизма, который бы обеспечил комплексный подход к решению задач улучшения качества. Подобным механизмом можно считать КС УКИС. На основе выпол­ненных работ по моделированию АИС целесообразно сделать выводы следующего характера:

• разработка методического аппарата по определению основных требований к качеству АИС и методам ее улучшения проводится с учетом принципов создания КС УКИС. Определение основных требований целесообразно выполнять на основе системного под­хода к анализу качества АИС путем выделения комплекса семан­тических, синтаксических и прагматических свойств АИС. Выде­ление свойств осуществляется путем классификации АИС по существенным признакам, выбираемым с учетом содержания ре­шаемых задач по улучшению качества. Анализ свойств позволяет, в частности, идентифицировать АИС как сложную человеко-ма­шинную систему с иерархической структурой свойств;

• выделение комплекса свойств АИС обеспечивает определение ос­новных требований к составу и содержанию методов улучшения качества АИС. В составе этих методов находятся методы исследо­вания, проектирования, построения и эксплуатации КС УКИС как основного звена в системе улучшения качества АИС;

• в соответствии с основными требованиями к качеству АИС разра­батывается обобщенная математическая модель управления каче­ством АИС с применением средств теории управления. Улучшение качества АИС в общем случае идентифицируется как процесс вза­имодействия АИС и системы управления ее качеством — КС УКИС. Под воздействием КС УКИС качество обработки улучша­ется по направлению к заключительным этапам АИС;

• в соответствии с обобщенной моделью управления качеством АИС разрабатывается математическая модель агломеративного кластер­ного анализа статистической структуры дефектов, ухудшающих качество АИС. На основе указанной модели может быть опреде­лен, в отличие от дескриптивного и экспертного методов, более адекватный состав показателей для оценки качества АИС;

• на основе модели оценки качества определяется причинно-след­ственная связь между дефектами обработки по достоверности, полноте и своевременности, с одной стороны, и значений обоб­щенных показателей оценки качества АИС (производительности АИС и себестоимости обработки информации) — с другой. С уче­том вышеуказанной связи разрабатывается модель множественной линейной регрессии показателей качества — производительности АИС и себестоимости обработки данных. Переменными в данном случае могут выступать время и стоимость обнаружения и исправ­ления дефектов достоверности, полноты и своевременности. Реа­лизация указанной модели позволяет определить фактические и базовые значения обобщенных показателей оценки качества АИС, а также коэффициенты весомости показателей достовернос­ти, полноты и своевременности. Проведенные эксперименты в ко­личественной форме подтверждают предполагаемую закономер­ность — зависимость между значениями обобщенных показателей качества, в частности производительности АИС, и себестоимости освобождения документов от дефектов обработки данных;

• на основе вышеуказанных моделей и выявленных закономерностей разрабатывается прикладная методика аналитической оценки качест­ва АИС с применением ЭВМ. Методика ориентирована на полное со­ответствие требованиям квалиметрии. Кроме того, применение ЭВМ в оценке качества АИС обеспечивает эффективное решение задач управления, планирования и прогнозирования качества системы;

• эффективное направление в улучшении качества — применение методов контроля достоверности и полноты информации. Наибо­лее перспективным представляется метод автоматического ис­правления ошибок в документах табличного вида;

• методом моделирования можно определить основные функцио­нальные и параметрические свойства КС УКИС как основу для выполнения дальнейших работ по ее проектированию, созданию и эксплуатации.

<< | >>
Источник: Исаев Георгий Николаевич. Информационные системы в экономике : учебник для студентов вузов, обучающихся по специальностям «Финансы и кредит», «Бухгалт. учет, анализ и аудит» / Г. Н. Исаев. — 3-е изд., стер. — М. : Издательство «Омега-Л», — 462 с. : ил., табл. — (Высшее эко­номическое образование).. 2010

Еще по теме 13.2.3. Физическое моделирование АИС:

  1. 13.2. Моделирование АИС
  2. 13.2.2.Формализованное моделирование АИС
  3. 13.2.1. Концептуальное моделирование АИС
  4. 2.1. Цели АИС
  5. 13.5. Построение и внедрение АИС
  6. 2.3. Функции АИС
  7. 2.2. Задачи АИС
  8. 3.2. Обеспечивающая часть структуры АИС
  9. 3.3. Функциональная структура АИС
  10. 14.1. Параметризация АИС
  11. 13.3. Проектирование АИС