WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 | 2 || 4 |

Рассмотрим выбор товаров аналогов, цена кото­рых приведена ниже:

Т1*

Т2

Т3

Т4*

Т5

200 д. е.

113 д. е.

195 д. е.

183 д. е.

136 д. е.

(*) — товар – инновация с прогнозной ценой в д. е.

В связи с тем, что продукты Т1, Т4 еще не вышли на рынок, то в данный момент времени можно говорить лишь об оценке цены, которая, очевидно, будет иметь приближенный характер. Одним из способов представления приближенных, неточных (расплывчатых, нечетких) оценок являются нечеткие числа.

Рис. 3 Ценовая величина, заданная нечетким числом

Рис. 4. Ценовая величина, заданная четким числом

Так, для Т1, нечеткое число графически может выглядеть как показано на рис.3, т.е. цена находится в интервале от 160 д.е. до 240 д.е., но наиболее ожидаемая величина (вершина функции) – 200 д.е. Аналогично задается цена продукта Т4 (при желании, интервал и форму функции, эксперт может задать исходя из своих соображений).

В отличии от продуктов Т1 и Т4, товары Т2, Т3 и Т5 на рынке находятся долгое время и величина цены задана четким числом: Т2 = 113 д.е. (рис. 4). Аналогично, как и для Т2, зададим цену товаров Т3 и Т5.

По результатам оценок экспертов, с точки зрения качества товары проранжированы следующим образом:

Т1*

Т2

Т3

Т4*

Т5


Ri

1

4

3

2

5

Рис. 5. Ранги товаров

Рис. 6. Модифицированные ранги товаров

где Ri – ранг товара с номером i (зададим нечетким числом).

В результате, ранги товаров представим как нечеткие числа, изображенные на рис.5. По результатам ранжирования рассчитаны нечеткие весовые коэффициенты качества (К) по формуле:

, где N – число сравниваемых товаров.

В результате, из первоначальных нечетких рангов товаров (рис.5), получим модифицированные значения рангов, которые будут находиться в интервале от 0 до 1, причем в обратном порядке (рис.6).

На следующем шаге нормируются значения Ki, для чего каждое значение Ki делится на сумму всех значений. В итоге имеем:

Т1*

Т2

Т3

Т4*

Т5

0,33333

0,13333

0,2

0,26667

0,06666

Что касается цен, то сначала рассчитываются обратные величины их значений, а затем результаты также нормируются.

Полученные значения приведены в таблице для :

Т1*

Т2

Т3

Т4*

Т5

0,15725

0,27833

0,16128

0,17186

0,23126

В завершение, рассчитываются комплексные показатели качества по выражению (1)­:

W1=0,05242; W2=0,03711; W3=0,03226; W4=0,04583; W5=0,01542.

Графически нечеткие комплексные показатели качества­ представлены на рис.7.

Процедура сравнения W, выполняется с помощью взвешенной мощности нечетких множеств.

Таким образом, расчеты дали следующие значения: MW1 = 0,0634605; MW2 = 0,0438562; MW3 = 0,0369195; MW4 = 0,0562902; MW5 = 0,0199427.

Как следует из расчетов, товары–инновации Т1 и Т4 по значению комплексного показателя «качество – цена» существенно превосходят товары–аналоги и могут быть рекомендованы к производству.

Преодоление кризисной ситуации невозможно без правильного подбора антикризисной команды. Одним из вариантов решения этой задачи является использование профиль-метода, суть которого в том, что каждого работника можно представить как заданный набор качеств в их определенном пространстве, где оценка по каждому критерию выставляется в виде баллов. В таблице 2 приведены критерии, по которым будет производиться оценка кандидатур, а также их веса, которые, при желании эксперта, могут задаваться нечеткими числами.

Таблица 2

Группы требований и их удельные веса gi

Требования

Вес

1. Специальные знания

0,37

2. Образование

0,26

3. Опыт

0,15

4. Характер

0,14

5. Внешний облик

0,08

Итого

1,00

Предположим, что эксперт характеризует кандидата лингвистическими переменными следующего вида: 1) «не проявляются требования» - ne_pr; 2) «проявляются недостаточно» - pr_ned; 3) «проявляются достаточно четко» - pr_dost; 4) «проявляются со средней активностью» - pr_sr; 5) «проявляются хорошо» - pr_hor; 6) «проявляются очень хорошо» - pr_och_hor; 7) «проявляются отлично» - pr_otl. Графически их функции принадлежности представляются следующим образом (рис.8):

Рис. 8. Представление лингвистических переменных

Допустим, что эксперт задал следующие значения:


Кандидат А

Требования

1

Спец. знания

pr_dost

Рис. 9. Экспертная оценка кандидата А

2

Образование

pr_sr

а)

3

Опыт

ne_pr

4

Характер

pr_och_hor

5

Внешний облик

pr_dost

б)

Кандидат В

Требования

1

Спец. знания

ne_pr

Рис. 10. Экспертная оценка кандидата В

2

Образование

pr_hor

а)

3

Опыт

pr_dost

4

Характер

pr_ned

5

Внешний облик

pr_hor

б)

На рис. 9 а) и 10 а) представлены функции принадлежности лингвистических значений, на рис 9 б) и 10 б) эти же значения с учетом весов, заданных в табл.2. Для анализа альтернатив выполняется операция нахождения пересечений нечетких множеств, заданных для i-го кандидата. Затем производится сравнение полученных нечетких множеств (по каждому из кандидатов А, В), для определения наилучшего решения с помощью взвешенной мощности нечетких множеств.

Для кандидата А будем иметь следующие лингвистические оценки с соответствующими функциями принадлежности:

{pr_dost(x), pr_sr(x), ne_pr(x),pr_och_hor(x)} – (рис. 9 б)

Для кандидата В имеем:

{ne_pr(x), pr_hor(x), pr_dost(x),pr_ned(x)} – (рис. 10 б)

Если система оценок какого-либо из кандидатов содержит непересекающиеся множества, то определяются группы множеств с непустым пересечением и значение мощности рассчитывается для каждой группы отдельно, а затем эти мощности суммируются.

Тогда

HA=min{pr_dost(x), pr_sr(x), ne_pr(x),pr_och_hor(x)} – (рис.11 а)

HB=min{ne_pr(x), pr_hor(x), pr_dost(x),pr_ned(x)} – (рис.11 б)

Рис. 11. Представление итоговых функций принадлежности, отражающих оценку кандидатов

Можно ожидать, что кандидатура А предпочтительнее кандидатуры В.

Значения мощностей: для пересечения А1 – МA1=0.005326; для пересечения А2 – МA2=0.110967; для пересечения В1 – МВ1=0.014762; для пересечения В2 – МВ2=0.019108.

Общая оценка для кандидата А – МA = МA1 + МA2 = 0.1163;

Общая оценка для кандидата В – МВ = МВ1 + МВ2 = 0.0339.

Таким образом, сравнивая значения МA и МВ очевидно, что на вакантную должность лучше подходит кандидат А, что подтверждает предварительный вывод.

В рамках антикризисного управления большое значение имеет задача анализа и программирования рисков. В качестве объекта приложения рассматриваемого метода используется методика оценки риска стадии проекта, базирующаяся на работе с экспертными листами и лингвистической оценки риска.

В результате анализа представленных документов проекта, по каждому вопросу эксперт выставляет свои оценки, которые формулируются в лингвистической форме:

если <оценки>, то <вывод=> (2)

и задача заключается в том, чтобы найти значение вывода наиболее соответствующее оценкам, содержащимся в левой части правила (2).

Предположим, что в качестве лингвистических значений оценок приняты следующие (рис. 12):

очень плохое – (VB);

среднее – (M);

очень хорошее – (VW).

плохое – (B);

хорошее – (W);

Пусть первая часть правила (2) имеет вид:

если <q1f=W> и <q2f=W> и <q3f=M> и <q4f=W>

и <q5f=M> и <q6f=W> и<q7f=VW> и <q8f=W>и

<q9f=W> и <q10f=W> и <q11f=B> и <q12f=W> и <q13f=W>. (3)

Рис. 12 Пересечение функций принадлежности.

При известных функциях принадлежности для свертки оценок в соответствии с используемыми логическими связками и модификаторами вычисляется результирующая функция принадлежности. Для выражения (3) – это операция пересечения.

Ненулевые пересечения, например, могут быть образованы оценками

A1f = (q3f, q11f); A2f = (q5f, q1f, q2f, q4f, q6f, q8f, q9f, q10f, q12f); A3f = (q7f, q13f)

Эти пересечения на рис.12 представлены соответствующими заштрихованными областями. Предположим для простоты, что уровень риска оценивается тремя лингвистическими значениями:

– высокий уровень (HL);

Pages:     | 1 | 2 || 4 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»