Решение задач прогнозирования и управления с помощью экспертно-аналитической системы Expert Decide

В лекции 2 был представлен пример применения экспертно-аналитической системы Expert Decide для построения функции принадлежности, являющийся иллюстрацией одного из распространенных приложений данной программы для решения задач в сфере управления. Другим часто встречающимся направлением использования экспертных методов в анализе данных является назначение весов компонент векторного критерия оптимизации при их свертке в интегральный скалярный показатель. Применение для этой цели экспертно-аналитической системы Expert Decide обеспечивает большую надежность оценивания весов по сравнению с другими экспертными методами.

Ограниченный объем и направленность данного учебного пособия не позволяет привести многочисленные примеры применения программы Expert Decide как системы поддержки принятия решений. Интересующихся вопросами применения этой системы в плане менеджмента мы отсылаем к выпускаемой издательством ОРАГС коллективной монографии «Инновационный менеджмент на основе экспертных знаний», здесь же ограничимся кратким перечислением направлений анализа данных в управлении с помощью экспертно-аналитической системы Expert Decide.

Среди направлений применения метода аналитических иерархий и экспертных технологий на его основе для информационно-аналитического и прогнозного сопровождения управления социально-экономическими процессами как на уровне регионов — субъектов Федерации, его отраслей и отдельных субъектов хозяйственной деятельности, так и на уровне макрорегионов, в том числе федеральных округов, отметим как основные:

— анализ путей устойчивого развития экономики региона в целом и отдельных отраслей (инновационные процессы в регионе, межрегиональные связи);

— определение приоритетов альтернатив проектов;

— прогнозирование развития конкретных социально-экономических проектов;

— решение задачи оптимального распределения ресурсов;

— расчет соотношения эффективность/затраты вариантов решений;

— планирование от достигнутого;

— планирование от конечного результата;

— решение задач управления (анализ маргинальных приоритетов).

Развитые средства визуализации, дружественный интерфейс компьютерной системы Expert Decide, соответствие иерархических моделей логике мышления эксперта делают возможным широкое применение экспертных технологий опроса не только в обозначенных приложениях, но и для решения более широкого круга вопросов управления.

Указанные выше вопросы «практического» характера важны, поскольку именно они решают успех распространения экспертных технологий опроса и признания их со стороны практиков. Но значительно большее методологическое значение имеет тот факт, что логический и математический аппарат, заложенный в основу метода анализа иерархий, дает возможность «объективизировать» субъективные суждения эксперта. Хотя эти преимущества выражены достаточно абстрактными категориями, они имеют важные практические следствия.

Во-первых, мы получаем, как результат субъективных суждений эксперта объективизированные количественные отношения между различными элементами разных иерархических уровней, интерпретируемые как показатели структуры.

Во-вторых, в случае опроса ряда экспертов одновременно или одного (немногих) эксперта в режиме мониторинга (аналог панельного опроса) мы получаем пространственные или временные количественные данные, измеренные также по «высоко организованным шкалам», которые затем подлежат анализу с помощью богатейшего набора многомерных статистических методов.

В-третьих, существует возможность получения, помимо показателей структуры, показателей интенсивности.

В-четвертых, гибкость логических структур многоуровневых иерархических моделей позволяет ставить разнообразные задачи прогностического плана.

На последнем следует остановиться подробнее. Несмотря на то, что с момента выхода в русском переводе книги Т. Саати «Принятие решений. Метод анализа иерархий» прошло почти десятилетие (книга вышла в 1993 г. в издательстве «Радио и связь» тиражом 3000 экз.) — казалось бы, достаточно большой срок, практические приложения метода до сих пор, как правило, ограничивается весьма простыми иерархиями с двумя, максимум тремя разнокачественными уровнями.

В то же время именно многоуровневые иерархии представляют наибольший интерес. Поднимаясь от «одномерных» двухуровневых иерархий типа «фокус — критерии» к более сложным «двумерным» трехуровневым иерархиям типа «фокус — критерии — альтернативы», следует ожидать дальнейшего расширения их структурной сложности при переходе к трех- и более мерным задачам. Выполненная апробация трехмерных (четырехуровневых) иерархий (их «наполнение» экспертными знаниями) показала работоспособность системы Expert Decide, поддерживающей все необходимые вычислительные процедуры.

Трехмерные иерархические модели применительно к решению социально-экономических задач — не предел. Так, для решения проблемы прогнозирования развития предприятий и организаций можно предложить четырехмерную (пятиуровневую) иерархическую модель типа «фокус — критерии — акторы — цели акторов — альтернативы», в которой к уже упомянутым иерархическим уровням добавляется еще один, моделирующий цели основных заинтересованных структур.

Другим продуктивным направлением развития иерархических прогностических моделей в информационно-аналитическом обеспечении инновационной политики является формирование иерархий с т.н. маргинальными приоритетами. Обычно рассматривается задача установления приоритетов в предположении, что критерии мыслятся в некотором усредненном виде. Однако, метод анализа иерархий оказывается эффективным также для решения задач при маргинальных изменениях в рассматриваемых свойствах, когда рассматриваются не начальные состояния, а их изменения на достаточно малую величину. Анализ подобного рода дает возможность выявить тип маргинальных усовершенствований, оцениваемый наиболее высоко, что дает возможность управления процессом. Значимость решения задач подобного типа в практике управления очевидна.

В дополнение к сказанному, укажем еще такие направления приложений экспертно-аналитических методов при решении задач управления, как планирование от достигнутого и планирование от конечного результата. Поясним эти направления.

Под планированием в теории принятия решений понимается динамическая и целенаправленная деятельность, связанная с направлением усилий на приведение систем из возможных состояний в желательное. Возможный исход является результатом реализации сценария, определяемого как существующим состоянием, так и действующими силами, которые преследуют свои цели, осуществляют свою политику и добиваются определенных исходов. Оценка вероятного будущего, при учете сказанного выше, есть планирование от достигнутого. Иначе, это — описание того, что может случиться (прогноз). При планировании от конечного результатажелательный исход достигается посредством избрания линии поведения, влияющей на действующие силы с целью достижения этого исхода. При решении задач планирования могут использоваться как прямой, так и обратный, или даже объединенные процессы. Сценарий должен отвечать требованиям системного подхода, т.е. способствовать достаточно глубокому выявлению влияния факторов окружающей среды, экономических, технологических, социальных и политических факторов.

Современное состояние развития экономики объективно требует перехода к менеджменту инновационного типа, что предполагает организацию информационно-аналитического и прогнозного сопровождения управления экономическими процессами. Проработка указанных направлений позволит сформулировать научно обоснованные рекомендации по использованию экспертных методов, поддерживаемых экспертно-аналитическими системами типа Expert Decide, для информационно-аналитического и прогнозного сопровождения управления социально-экономическими процессами на различных уровнях — предприятий и организаций, регионов, отраслей, федеральных округов.

Литература

1. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. — М.: Финансы и статистика, 1983. — 471 с.

2. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. — М.: Финансы и статистика, 2001. — 363 с.

3. Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ. — М.: Мир, 1982. — 488 с.

4. Бююль А., Цёфель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. — СПб.: ООО «ДиаСофтЮП», 2002. — 608 с.

5. Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов. — М.: ЮНИТИ-ДАНА, 2000. — 543 с.

6. Кузнецов А.И., Шуметов В.Г. Expert Decide для Windows 95, 98, NT, 2000, Ме. Версия 2.2. Руководство пользователя. — Орел: ОРАГС, 2001. — 44 с.

7. Саати Т. Принятие решений. Метод анализа иерархий. — М.: Радио и связь, 1993. — 320 с.

8. Сачков Ю.В. Статистические данные как эмпирический базис социальных наук. — Вопросы философии. — 1999. — №6. — С.79-93.

9. Сошникова Л.А., Тамашевич В.Н., Уебе Г., Шефер М. Многомерный статистический анализ в экономике: Учеб. пособие для вузов. — М.: ЮНИТИ-ДАНА, 1999. — 598 с.

10. Статистика. Учебник / Под ред И.И. Елисеевой. — М.: ООО «ВИТРЭМ», 2002. — 448 с.

11. Татарова Г.Г. Методология анализа данных в социологии (введение). Уч. пособие для вузов. — М.: Изд. дом «Стратегия», 1998. — 224 с.

12. Терехина А.Ю. Анализ данных методами многомерного шкалирования. — М.: Наука, 1986. — 167 с.

13. Теория и практика принятия решений в экономике и управлении экспертными методами / В.А. Иванов, В.Г. Шуметов, Ф.Г. Милых и др. — М.: МГУДТ, 2003. — 186 с.

14. Уварова В.И., Шуметов В.Г. Применение метода анализа иерархий в изучении качества жизни россиян // Компьютерные технологии в учебном процессе и научных исследованиях. Сб. докл. н.-метод. семинара ОрелГАУ. — Орел: ОрелГАУ, 2000. — С.94-103.

15. Факторный, дискриминантный и кластерный анализ / Дж.-О. Ким, Ч.И. Мьюллер, У.Р. Клекка и др.; Под ред. И.С. Енюкова. — М.: Финансы и статистика, 1989. — 215 с.

16. Шуметов В.Г. Классификация многокритериальных задач, решаемых с помощью экспертной компьютерной системы поддержки принятия решений Expert Decide // Компьютерные технологии в обучении и научных исследованиях. Сб. статей и докл. н.-метод. конф. ОрелГАУ. — Орел: ОрелГАУ, 1999. — С.85-105.

17. Шуметов В.Г. Применение систем поддержки принятия решений при подготовке специалистов и кадров высшей квалификации // Компьютерные технологии в обучении и научных исследованиях. Сб. статей и докл. н.-метод. конф. ОрелГАУ. — Орел: ОрелГАУ, 1999. — С.64-76.

18. Шуметов В.Г. Статистика и статистические методы в познании социальных процессов: региональный аспект // Региональная политика как фактор стабилизации и устойчивости развития. Материалы круглого стола (июнь 1999). — Орел: ОРАГС, 2000. — С.113-115.

19. Шуметов В.Г. Кластерный анализ в региональном управлении: учебное пособие. — Орел: ОРАГС, 2001. — 124 с.

20. Шуметов В.Г., Гордон В.А. Информационные технологии в регионалистике: экспертная подготовка управленческих решений // Актуальные проблемы регионального управления. Материалы межрегион. научн.-практ. конф., ч.2 / Под ред. проф. Б.Я. Татарских. — Пенза: Приволжск. дом знаний, 1998. — С.146-148.

21. Шуметов В.Г., Орлов Г.М. Метод анализа иерархий в аналитической деятельности // IX международная конференция-выставка «Информационные технологии в образовании»: Сб. трудов участников конеренции. Ч.III. — М.: МИФИ, 1999. — С.180-181.

22. Шуметов В.Г., Секерин А.Б., Гудов В.А. Инновационный менеджмент на основе экспертных знаний. — Орел: Изд-во ОРАГС, 2003. — 332 с.

23. Шуметов В.Г., Уварова В.И. Оценка субъективного восприятия качества жизни многомерными статистическими методами // Качество жизни населения — основа и цель экономической стабилизации и роста. Ч.2. Труды межд. научн. конф. — Орел: ОрелГТУ, 1999. — С.299-302.

24. Шуметов В.Г., Шуметова Л.В. Факторный анализ: подход с применением ЭВМ. Учебное пособие. — Орел: ОрелГТУ, 2000. — 88 с.

<2 3 4 5 6 78>

Дата добавления: 2018-06-28; просмотров: 554;