WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 27 | 28 || 30 | 31 |   ...   | 35 |

Широкое распространение получил опрос экспертов на основе ано нимных анкет, устраняющий психологическую зависимость от выс казываний вышестоящих должностных лиц, признанных авторите тов, а также от традиционных направлений мышления, что повы шает объективность и обоснованность оценок экспертов.

Анкета формируется с учетом ряда факторов: цели экспертизы (по лучение обобщенного мнения репрезентативной группы экспертов, анализ и выявление оценок, резко отличающихся от обобщенного группового мнения и др.), требуемой (предпочтительной) формы пред ставления результатов анкетирования (количественная, аналитичес кая, графическая и т. п.), формы ответов экспертов (количественные оценки, содержательные ответы и др.), организационных форм (очно, заочно) и способов проведения опроса (устно, письменно). Указан ные факторы предопределяют выбор методики обработки и анализа результатов экспертного анкетного опроса.

Метод Дельфи является развитием метода анкетного опроса и представляет собой многотуровое последовательное анкетирование с обратной связью с целью получения более точной и согласованной экспертной оценки. Обратная связь обеспечивается сообщением экс пертам перед каждым очередным туром результатов предыдущего тура с дополнительной аргументацией отдельных оценок или обсуждени ем результатов предыдущего тура. При этом участников экспертизы просят пересмотреть оценки и объяснить причины своего несогласия с коллективным суждением. Эта процедура повторяется несколько раз (обычно 3–4 раза), в результате чего происходит сужение диапа зона оценок.

Для каждого тура может разрабатываться своя анкета и формиро ваться своя группа экспертов, при этом необходимо найти дополнитель ную информацию и обеспечить ею экспертов. Поэтому метод Дельфи можно рассматривать как совокупность однотуровых методов, разли чающихся условиями применения и процедурными особенностями.

К недостаткам метода относятся его повышенные трудоемкость и продолжительность, а также трудности учета влияния, оказываемо го на экспертов организаторами опроса при составлении многотуро вых анкет.

Формализованные, или алгоритмические методы в отличие от интуитивных методов, заключающихся в широком использовании творческих возможностей свободного мышления экспертов на осно ве их профессиональных знаний и опыта, предусматривают выра ботку экспертной информации путем построений модели развития объекта (процесса УКП или его элементов), установления количе ственных связей и пропорций между отдельными его элементами и их экстраполяции на период упреждения.

В зависимости от принципов построения и формы представления моделей, характера участия экспертов в построении и оценке моде лей формализованные методы подразделяются на логические, топо логические и табличные (матричные) методы (рис. 6.1). Каждая из указанных групп включает ряд разновидностей.

Метод логических аналогий основан на построении моделей про цессов и их элементов путем логических рассуждений, проведении аналогий с ранее построенными моделями с логическим отождеств лением их характеристик и использовании вновь созданных моделей для определения искомых величин.

Прогнозный сценарий – это логический метод, с использованием которого прогнозируется будущее состояние объекта исследования (процессы и элементы УКП) с помощью установления в координатах времени логической последовательности событий на основе эксперт ной оценки существующего состояния объекта исследования. Основ ное назначение сценария, разрабатываемого группой компетентных специалистов с использованием материалов отраслевых институтов информации и головных институтов по проблеме, состоит в опреде лении главной цели развития объекта исследования, выявлении ос новных факторов фона, формировании критериев развития объекта.

В процессе анализа сценария из дальнейшего рассмотрения ис ключаются достаточно разработанные элементы, формулируются цели, критерии, альтернативные решения.

Метод, основанный на применении алгебры логики, дает возмож ность строить информационно логические описания процессов и их элементов, характеризующихся большим числом признаков. В ка честве элементов алгебры логики рассматриваются высказывания, под которыми понимаются законченные предложения – либо истин ные, либо ложные. Следовательно, описаниями исследуемых про цессов могут быть высказывания, анализ которых позволяет пред сказать возможное состояние объекта и ход процесса. Над высказы ваниями производятся основные логические операции: логическое умножение (конъюнкция), логическое сложение (дизъюнкция), от рицание, импликация (следование), эквивалентность. Высказыва ния подчиняются основным правилам булевой алгебры.

В составе топологических методов, основанных на геометричес ких представлениях логических моделей и исследованиях свойств геометрических пространств и взаимосвязей в моделях, наибольшее распространение получили методы иерархических структур и мето ды ориентированных графов.

Метод дерева целей, является характерным представителем ме тодов иерархических структур в основе его лежит построение логи ческой модели развития определенного объекта (процесса или эле мента УКП). Последняя представляет собой иерархическую струк туру целей, а также путей и средств их достижения. В общем случае процедура метода дерева целей включает в себя: 1) уточнение зада ния и анализ прогнозируемого процесса или его элемента; 2) постро ение дерева целей; 3) количественную оценку дерева целей (построе ние дерева решений); 4) принятие решения на основе количествен ной оценки.

По своей топологической структуре дерево целей представляет со бой конечный ориентированный граф, не содержащий циклов, вер шины которого – цели и подцели, а ветви – связи между ними. При построении дерева целей весь процесс рассматривается от конечной цели к промежуточным и альтернативным решениям, т.е. осуществ ляется декомпозиция целей до тех пор, пока на последнем в этой про цедуре уровне не будут выявлены варианты искомых решений.

Поскольку дерево целей представляет собой граф, оно может быть описано и с помощью матрицы, а также подвергнуто математичес кой формализации с целью дальнейшей обработки.

Методы и нормативы, основанные на построении и анализе се тевых моделей получили широкое применение в нормативном пла нировании и управлении разовыми процессами в составе методов ориентированных графов [48,50]. Аппарат сетевых моделей эффек тивно используется для прогнозирования трудоемкости и продолжи тельности процессов и отдельных работ, рационального (при опреде ленных условиях оптимального) распределения и использования ре сурсов при выполнении научных исследований и разработок.

В группе табличных методов, завершающих краткую характе ристику экспертных методов определения нормативов УКП, можно выделить матричный метод и морфологический анализ.

Матричный метод позволяет установить нормативы для сравне ния и ранжирования по важности различных вариантов обеспечения качества и конкурентоспособности продукции и производства, опре делить эффективные способы создания и использования ресурсосбе регающих видов процессов и объектов УКП.

Поскольку решение этой задачи зависит от значительного коли чества взаимосвязанных факторов, применение матричного метода обеспечивает разбиение всего множества факторов на ряд комплек сов. Процедура метода предусматривает оценку взаимовлияния этих комплексов и их воздействия на достижение конечных целей на ос нове использования операций с матрицами для решения задач наи лучшего размещения ресурсов, что достигается ранжированием фак торов и определением их относительных весов в комплексе.

Метод морфологического анализа состоит в формировании про цесса творческой деятельности по эвристическому алгоритму, пред ставляющему собой упорядоченный способ рассмотрения процессов исследования и получения систематизированной информации по всем возможным вариантам решения изучаемых проблем. Одним из важ нейших принципиальных положений этого метода является исполь зование полной совокупности знаний об исследуемом объекте.

Процедура морфологического анализа включает ряд приемов, объединяемых общим принципом: систематизированное рассмотре ние объектов анализа с исключением возможности пропуска каких либо элементов без предварительного исчерпывающего исследования.

Этой цели служит прием систематизированного охвата, при котором исследование начинают с достигнутого уровня знания, затем систе матически просматривают все возможные смежные области знаний, пока не будет осуществлен переход на качественно новый уровень знаний.

Такой подход позволяет аккумулировать систематизированные знания для последующих исследований по методу «морфологическо го ящика», который строится в виде ориентированного графа или матрицы, в вершинах или клетках которых помещены соответству ющие параметры. Последовательное соединение параметра первого уровня с одним из параметров последующих уровней представляет собой одно из возможных решений, общее количество которых равно произведению числа всех параметров, представленных в «морфоло гическом ящике» по строкам. Таким образом, получают качественно новую информацию об исследуемом процессе или элементе УКП и оценивают возможные решения с целью выработки предпочтитель ного по определенным условиям (критериям) решения при весьма ограниченном объеме информации.

6.4. Квазифактографические методы определения нормативов УКП Рассматриваемый класс методов определения нормативов УКП, основанный на прогнозировании развития процессов и элементов УКП с использованием фактографической информации (детерминирован ной или стохастической) весьма ограниченного объема и математи ческих методов ее обработки, включает ряд разновидностей.

Поскольку в методическом плане основным инструментом про гнозирования является схема экстраполяции, наиболее широкое распространение получили экстраполяционные методы, основу которых составляет исследование процессов с помощью времен ных рядов. В общем случае временной ряд может быть представ лен в виде аддитивного сочетания детерминированной (неслучай ной) и стохастической (случайной) составляющих процесса. Де терминированная составляющая (тренд) характеризует основную тенденцию развития процесса в целом, стохастическая – отражает его случайные колебания. Обе составляющие описываются опре деленным функциональным механизмом, характеризующим их развитие во времени. Основной задачей методов экстраполяции является: определение и выбор вида экстраполирующих функций обеих составляющих на основе исходных эмпирических данных с последующим расчетом параметров этой функции и использова нием их для определения нормативов.

Основной упор в методах экстраполяции делается на выделении адекватного ходу процесса описания тренда и определении его пара метров на период упреждения. Оценки случайной составляющей, счи тающейся обычно некоррелированным случайным процессом с нуле вым математическим ожиданием, используются для определения точности экстраполяции. Методы экстраполяции по своему инстру менту пересекаются с методами прогнозирования по регрессионным моделям, их различия часто сводятся к различиям в терминологии, обозначениях, аналитическом описании. Вместе с тем, наличие ряда специфических приемов позволяет отнести методы экстраполяции к особой, выделяемой в классификации группе.

Основным инструментом методов экстраполяции является сгла живание, выравнивание статистических временных рядов путем пред варительной обработки эмпирических данных и полученного исход ного численного ряда. Сглаживание направлено на минимизацию случайных отклонений точек ряда от некоторой гладкой кривой пред полагаемого тренда процесса, что осуществляется с помощью много членов, выводимых по методу наименьших квадратов.

С учетом основных требований (морфологическая и математичес кая простота, гладкость, симметрия) к аппроксимирующим тренд кривым сглаживание эмпирических зависимостей (совокупностей опытных точек) чаще всего осуществляется с помощью аппроксими рующих (интерполяционных) полиномов (алгебраических полино мов Лагранжа, Ньютона, Стирлинга, Лежандра, Ляггера и др., сте пенного многочлена Тейлора, ортогональных полиномов Чебышева, тригонометрических рядов и др.), аналитических экстраполяций стандартными функциями (линейной, параболической, гиперболи ческой, степенной, экспоненциальной, логистической, колебатель ной и др.), дисконтирования данных (методом движущейся средней и экспоненциального сглаживания) и экстраполяции тенденций по огибающей кривой.

Каждый из указанных методов имеет свою предпочтительную об ласть применения, определяемую характером исследуемых процес сов, точностными требованиями, глубиной ретроспекции и упрежде ния, объемом вычислительных процедур и др. Так, например, ис пользование интерполирующих алгебраических полиномов для це лей экстраполяции обеспечивает удовлетворительную точность на небольшом интервале времени, не превышающем шаг интерполяции;

экстраполяция с помощью полиномов Чебышева применяется при колебательном характере функции; аппарат аналитической экстра поляции дает хорошие результаты при высоком уровне монотоннос ти зависимостей. Применение способов дисконтирования (уменьше ние информативности ретроспективных значений переменной объек та прогнозирования по мере удаления моментов их измерений в про шлое) данных методами движущейся средней и экспоненциального сглаживания обусловливается зависимостью вида и параметров фун кции изменения переменной от интервала времени ретроспекции и разрывным характером функции (наличие участков скачкообразно го изменения процесса) и обеспечивает удовлетворительные резуль таты при относительно небольших случайных колебаниях исходно го ряда. Метод экстраполяции тенденций по огибающим кривым позволяет объединить частные тенденции научно технического раз вития, между которыми имеются качественные скачки, в единую об щую тенденцию путем ее аппроксимации, как правило, с помощью логистических кривых, объективно характеризующих процессы на учно технического развития (замедленное начальное развитие, быс трое нарастание темпов развития по закону, близкому к экспоненци альному, переход через точку перегиба к замедленному темпу роста и достижению насыщения, определяющего предел развития процесса при неизменных принципах УКП).

Использование методов экстраполяции предполагает однород ность динамики исследуемых процессов, нарушение которой на от дельных интервалах временных рядов искажает результат прогно зирования. В связи с этим возникает необходимость разграничения и выделения интервалов, характеризующихся однородной динамикой, что успешно реализуется при использовании методов распознава ния образов, имеющих и самостоятельное значение для решения за дач определения нормативов УКП при неполной исходной информа ции.

Pages:     | 1 |   ...   | 27 | 28 || 30 | 31 |   ...   | 35 |



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

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.