Сравнение эффективности функционирования сложных систем

Министерство  образования Российской Федерации

Сибирский государственный  аэрокосмический университет имени

академика М. Ф. Решетнева

Институт информатики  и телекоммуникаций

Кафедра информатики и  вычислительной техники

 

 

Сравнение эффективности  функционирования сложных систем

Отчёт по курсовому  проекту по дисциплине

«Интеллектуальная обработка данных»

 

 

Выполнил:

студент группы  БИ-71

Беляков Р.Д.

Проверил:

к.т.н., доцент,

Фаворская М. Н.               

 

 

 

Красноярск  2011г.

 

Содержание

Введение……………………………………………………………………………

1 Эффективность функционирования системы………………………………….

1.1 Анализ существующих методов оценки систем…………………………

1.1.1 Индексный подход…………….…………….…………….………….

1.1.2 Кластерный анализ (классификация  без обучения) ………………..

1.2  Метод анализа среды  функционирования…………….…………………

1.2.1 Модели метода анализа  среды функционирования…………………

1.2.2 Использование метода  АСФ в системах поддержки принятия 

 решений…………….…………….…………….…………….……………...

1.2.3 Алгоритм кластеризации  объектов…………….…………….……….

2 Разработка программного продукта…………….…………….…………….…..

2.1 Структура программного  продукта…………….…………….……………

2.2 Руководство программиста…………….…………….…………….………

2.3 Руководство пользователя…………….…………….…………….……….

Заключение…………….…………….…………….…………….…………….……

Список использованных источников…………….…………….………………….

 

Введение

В настоящее время на практике встречается множество сложных  систем, которые требуют комплексной оценки своей эффективности. Это касается как экономических, технических, так и другого рода систем, в т.ч. социальных, политических, организационных.

В связи с этим возникает  необходимость сравнительной оценки этих систем по различным, часто неявным или ненормированным критериям. Для этого разработаны различные методы оценки, в том числе и метод анализа среды функционирования (англ. Data Envelopment Analysis).

Особенностью метода является то, что он позволяет получить оценочные  данные о системе, не имея чёткого  параметра, который может быть подвержен  однозначной количественной оценке. Этот подход демонстрирует свою эффективность  и актуальность в практическом применении, т.к. реальные системы в большинстве  своем не имеют единственного  параметра, по которому можно судить об эффективности их функционирования.

В то же время на рынке  в достаточной мере не представлено прикладного программного обеспечения, способного дать аналитику возможность полноценно использовать метод DEA в работе. Имеющиеся образцы не позволяют максимально продемонстрировать эффективность метода в сфере своего применения, а также довольно сложны в освоении для специалиста, не имеющего четкого представления об алгоритме работы метода.

Целью данной выпускной работы является изучение метода анализа среды функционирования, а также создание удобного программного продукта, позволяющего в полной мере использовать достоинства данного метода в решении практических задач.

Для достижения заданных целей  требуется решить следующие задачи:

1. Ознакомиться с методом DEA, а также с альтернативными методами оценки, для получения наиболее полной картины предметной области.
2. Выбрать наиболее подходящую среду программной разработки, позволяющую в полной мере достигнуть желаемых результатов.
3. Разработать программный продукт на основе полученных теоретических данных.
4. Провести тестирование продукта на уже изученных и отработанных моделях.
5. Применить готовый продукт в решении актуальных проблем, т.е. протестировать выбранную систему и используя полученные результаты провести необходимые преобразования, способные приблизить систему к желаемому способу функционирования.

При выполнении работы были к рассмотрению были представлены различные методы, применяемые при оценке работы сложных систем. Акцент же был сделан именно на методе анализа среды функционирования. Актуальность результатов работы подтверждается в том числе и тем, что в сфере отечественной науки методы оценки пока не получили должного освещения. В то же время эти методы берут начало своей разработки с 70-ых годов ХХ века и успешно применяются и совершенствуются в наши дни за границей. С их помощью проводится эффективное исследование в самых различных сферах. Наиболее полезным метод DEA может оказаться при анализе экономических моделей, где линейные процессы встречаются довольно широко.

 

 

1. Эффективность функционирования системы

Среди вопросов, решения  которых  сегодня  требует организация  хозяйственной деятельности  предприятий  в  условиях  рынка,  следует  выделить  проблему формирования  эффективной  системы  управления  с  учетом  изменений  внешней  и внутренней  среды.  В  настоящее  время  исследованию  данной  тематики  посвящено достаточно  много  работ.  Однако  ряд  вопросов,  связанных  с  организационно-экономическим  механизмом  создания  и функционирования  системы управления первичных производственных звеньев с учетом рыночных концепций организации, до сих пор остается не решенным.

Необходимо отметить, что  формирование системы управления на отечественных предприятиях опирается  больше на опыт, аналогию, стандартные  решения и интуицию, чем  на  строгую  методологию  и  методику,  базирующуюся  на  научных  методах  и принципах менеджмента и  маркетинга. Такой  подход  приводит  к  негативным  явлениям  и  необратимым  процессам, отрицательно сказывающимся на эффективности  системы управления предприятием.

Под «эффективностью  системы  управления»  следует  понимать  результат  ее функционирования,  обеспечивающий  предприятию  в  условиях  конкуренции достижение поставленных целей при наименьших затратах на управление. Исходя  из  данного  определения,  анализ  экономической  эффективности предполагает  вычисления  абсолютной  и  сравнительной  эффективности  затрат производства.

Абсолютная  эффективность,  рассчитываемая  по  каждому  анализируемому объекту,  характеризует  общую  величину  эффекта,  который  получается  в  результате совершенствования  системы управления производством.

Сравнительная  эффективность  дает  возможность  определить  преимущества одного  варианта  по  сравнению  с  другим,  а  также  степень  приближения  выбранного варианта к оптимальному. В наиболее общем виде эффективность системы управления представляет собой отношение  эффекта,  полученного  в  результате  ее  совершенствования, к производственным  затратам.  Поэтому  главной  задачей  экономического анализа  на предприятиях  является  выявление  эффекта,  который  должен  определяться,  прежде всего,  тем,  в  какой  степени  система  управления  производством  способствует достижению главных целей организации. В этой связи результаты совершенствования системы управления производством должны отражаться в экономии всех видов ресурсов,  повышении  качества  продукции,  изменении  характера  и  культуры  труда. К сожалению, не всем из вышеперечисленных элементов экономического и социального эффекта  может  быть  дана  натуральная  или  стоимостная  оценка.  Поэтому  при определении  эффективности  системы  управления  предприятиями  наряду  с количественными показателями необходимо учитывать и ряд качественных.

Для определения эффективности, необходимо выбрать критерий, в соответствии с которым можно  судить,  эффективна  система управления предприятия или нет,  если да,  то  в  какой  степени.  Для  количественного  выражения  эффективности  критерий должен быть охарактеризован определенным числовым выражением и соответствовать оцениваемому  явлению,  быть  универсальным  и  простым  в  применении,  давать однозначную и полную оценку.

1.1 Анализ существующих методов оценки систем

1.1.1 Индексный подход

При расчете индексов на основе набора показателей задаются (фиксируются) стандарты максимального и минимального значений, с которыми сравниваются фактические  показатели. Таким  образом,  принцип расчета индекса заключается в оценке относительного расстояния между фактическим значением показателя и максимальным (минимальным), являющимся конечной целью развития  системы.  Для расчета индексов используется две формулы, поскольку показатели могут иметь разную направленность. Имеется в виду тот факт, что по одним показателям благоприятная ситуация будет выражаться в более высоком значении показателя (чем выше значение показателя, тем лучше – положительная направленность), по другим – в более низком (чем ниже, тем лучше отрицательная  направленность). Например, такой показатель  экономического развития, как уровень ВВП на душу населения, имеет положительную направленность, а уровень безработицы или бедности населения – отрицательную.

Ниже приведены формулы  расчета индексов:

                                    

или

,

где J⁺ - индекс положительной направленности; J^- - индекс отрицательной направленности; X_факт. – фактическое значение показателя; X_макс., X_мин.- установленные стандарты (соответственно максимальный и минимальный).

Интегральный индекс для  системы представляется в виде аддитивной свёртки нормированных индексов по отдельным показателям, весовые  коэффициенты которых находятся  экспертным путём, что, накладывает определённый отпечаток на результат в виду субъективного мнения эксперта:

 ,

где J – интегральный индекс системы; J_i – индекс по i-му показателю; W_i – весовой коэффициент i-го индекса.

Таким образом, алгоритм данного  метода выглядит так:

1. Вычисление нормированных  индексов по отдельным показателям. 

2. Ранжирование и экспертная  оценка весовых коэффициентов для частных индексов развития системы.

3. Расчет интегрального  индекса развития системы. 

4. Экспертная оценка уровня  развития (состояния) системы. 

Индексный  метод  применяется  довольно  широко  благодаря  своей  простоте. Однако, например, применительно к задаче, связанной с оценкой экономической или социальной системы, можно выделить следующие проблемы, которые могут возникнуть при реализации метода:

1. Применяемые в данном  методе линейные свертки отдельных показателей  социально-экономического  характера,  а также их  номенклатура математически не  обоснованы  и являются  предметом субъективного выбора. При этом одни и те же данные можно подать в разном качестве, что обуславливается отсутствием чёткого критерия оценки.

2. Метод в значительной  степени зависит от квалификации  экспертов, от их субъективных (возможно, ошибочных) представлений. 

3. Метод ориентирован  только на количественные индикаторы развития исследуемой системы. В действительности же они могут иметь количественно-качественную природу, а, следовательно, обработка таких данных требует применения иных математических методов, реализуемых в рамках теории размытых множеств и многомерной размытой классификации.

4. Он не учитывает целостный  характер представления образов функционирования и развития системы, проблем и особенностей, возникающих в результате взаимодействия её отдельных составляющих, в соответствии с которым анализу подвергаются не только отдельные показатели, но и их взаимосвязи и которые к тому же различны.

1.1.2 Кластерный  анализ (классификация без обучения)

В  общей (нестрогой)  постановке  проблема  автоматической  классификации объектов заключается в том, чтобы всю анализируемую совокупность объектов  разбить  на  сравнительно  небольшое  число (заранее  известное  или  нет) однородных, в определенном смысле, групп или классов таким образом, чтобы объекты,  принадлежащие  одному  классу,  находились  бы  на  сравнительно  небольших расстояниях друг от друга в пространстве признаков, которыми описываются эти объекты. Предполагается, что геометрическая близость двух или нескольких точек в этом пространстве означает близость "физических" состояний соответствующих  объектов,  их  однородность.  Полученные  в  результате разбиения классы часто называют кластерами (таксонами, образами), а методы их  нахождения  соответственно  кластер-анализом (распознаванием  образов  с самообучением).

Кластерный анализ – это  многомерная статистическая процедура, упорядочивающая исходные данные (объекты)  в сравнительно  однородные группы.

Особенностью кластерного  анализа является то, что различия между единицами, входящими в выделенную группу, незначительны, а различия между группами существенны.

Наиболее  трудным  считается  определение  однородности  объектов.  Для этого вводится понятие расстояния d(X_i, X_j) между объектами Xi и Xj. Объекты будут считаться однородными в случае d(X_i, X_j)≤d_пор., где d_пор.  – заданное пороговое значение, определяемое в каждом конкретном случае по-своему.

Выбор метрики (меры близости) d является узловым моментом исследования, от которого решающим образом зависит окончательный вариант разбиения объектов на группы при заданном алгоритме разбиения. В задачах кластерного анализа часто используют обычное евклидово расстояние: